相关实验视频
Updated: Jul 3, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
对于患有帕金森病的人来说,自编码驱动的步伐长度估计使用惯性测量装置嵌入鞋子
Hsiao-Lung Chan1, Ya-Ju Chang2, Chun-Lun Hsu3
1Department of Electrical Engineering, Chang Gung University, Taoyuan, Taiwan; Department of Biomedical Engineering, Chang Gung University, Taoyuan, Taiwan; Neuroscience Research Center, Chang Gung Memorial Hospital, Linkou, Taiwan.
Gait & posture
|February 13, 2026
概括
一个新的深度学习模型使用基于鞋类的传感器准确地估计了帕金森病 (PD) 患者的步伐长度. 这种方法可以在没有精确的脚步细分的情况下进行不显眼的步态监测,有助于疾病评估.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 可穿戴技术可穿戴技术
背景情况:
- 步行障碍,特别是步伐缩短的长度,在帕金森病 (PD) 中很常见,特别是当药物不有效时.
- 鞋类集成惯性测量单元 (IMU) 提供了一种实用,环境独立的方法来测量步伐长度.
- 现有的深度学习模型用于步伐长度估计,由于对健康个体进行培训,因此往往无法适用于PD.
研究的目的:
- 开发和验证一个深度学习模型,用于使用IMU数据预测PD患者的步伐长度.
- 为了评估模型对潜在的步伐细分错误的稳定性.
主要方法:
- 在10名PD参与者中,使用鞋类IMU的三轴加速度和角速度创建了一个深度学习模型.
- 该模型使用了自动编码器来提取特征,并使用完全连接的回归网络来预测步伐长度.
- 交叉验证和模拟步伐细分错误被用于与GAITRite步道对比的评估.
主要成果:
- 该模型显示出与脚跟撞击前1秒钟窗口的地面真实步伐长度 (R2 = 0.8619,±18.11厘米LOA) 强烈一致.
- 即使在模拟的脚跟撞击时间偏差高达±0.5s的情况下,该模型也保持了良好的性能 (R2 = 0.8033,±21.58 cm LOA).
- 结果表明,明确的步伐细分对于准确的估计并不必要.
结论:
- 在PD中使用IMU的深度学习来估计步伐长度是可行的,而不需要精确的步伐识别.
- 这种方法有助于对PD患者进行不显眼的步态监测.
- 这些发现支持对帕金森病进展和治疗干预措施的有效性进行客观评估.
