穿戴式传感器为基础的步态评估在宫脊髓炎:检测无症状的步态功能障碍和异质的步态障碍
Zhenxu Li1, Dazhao Tie1, Wenbin Bai1
1From Peking University Third Hospital, Department of Orthopaedics; Engineering Research Center of Bone and Joint Precision Medicine; Beijing Key Laboratory of Spinal Disease Research; 49 North Garden Road, Haidian District, Beijing, 100191.
概括
可穿戴传感器准确地检测到椎脊髓炎 (CSM) 和无症状的步行功能障碍,揭示出明显的损伤模式. 这项技术有助于在显著下降之前进行早期诊断和干预.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 整形外科 整形外科 整形外科
背景情况:
- 目前的椎脊髓炎 (CSM) 评估错过了无症状的步行问题和各种障碍.
- 疾病进展的步态变化并未得到充分理解.
研究的目的:
- 在CSM患者中检测无症状的步行功能障碍.
- 使用步态分析准确诊断CSM.
- 在CSM中识别异质步行障碍模式.
主要方法:
- 在2分钟的步行测试中使用了七个传感器的可穿戴惯性测量单元 (IMU) 系统进行步行分析.
- 使用机器学习 (SVM分类器) 来进行CSM检测和图形卷积网络 (GCN) 来进行步态图案集群.
- 与日本骨科协会 (JOA) 评分相关的步态参数,以评估临床相关性.
主要成果:
- 与健康对照组 (HC) 相比,CSM患者表现出明显改变的步态参数,包括更长的转动时间,步态周期时间和腰部曲,以及更短的步长和减少的角速度.
- 机器学习模型在区分CSM患者和HC患者方面取得了高精度 (AUC> 0.996).
- GCN聚类在CSM中发现了两种不同的步行障碍模式,一种是长时间转动和腰部曲增加,另一种是脚速度降低.
结论:
- 基于可穿戴传感器的步态评估有效地将CSM患者与HC区分开来,并识别出独特的步态障碍概况.
- 这项技术对于早期CSM诊断和及时干预具有显著的临床价值.
- 步态分析有可能在发生实质性功能损失之前指导治疗策略.
