对于基于三维步态分析技术的神经网络康复训练评估系统的研究

林 欣蓉, 刘飞 龙*, 王 雪莹, 常 雨旺, 牟 悦铭
华北理工大学

摘要


目的：通过将三维步态分析技术的运动学捕捉和卷积神经网络算法的数据分类预测结合，划分患者层级并提供相匹配的治疗方案。方法：卷积神经网络（CCN）通过对输入图像进行卷积池化等建立可变形部件模型（DPM）实现对人体部件的识别检测系统。由根滤波器，部件滤波器和滤波器之间相对位置组成，再对卷积网络收集的特征图进行融合，从而提高识别精度。结果：通过对两种患者的划圈步态，膝关节屈曲，足下垂，胫后肌痉挛，足内翻，肩、肘、内收；下肢的髋关节伸展、内收并内旋、膝关节伸展、踝关节跖屈、内翻的数据采集，获得的大量恢复数据进行可变形部件模型（DPM）分析，从中识别出个性化治疗方案的关键因素。结论：三维步态分析技术结合神经网络数据分类预测改善了偏瘫诊断技术存在的测量精度不足，诊断方式繁琐，医患比例悬殊较大等问题，根据患者情况对康复方案进行及时调整，以期降低二次脑卒中的概率。

关键词


三维步态分析；脑卒中康复方案；偏瘫；卷积神经网络

全文:

PDF


参考


[1]贺飞，张辽，蒋志明，丁彬，刘婷婷，汪富.三维步态分析系统在评价虚拟现实技术干预脑卒中后偏瘫步态效果中的研究[J].辽宁中医杂志2024，（02），131-134+225.doi：10.13192/j.issn.1000-1719.2024.02.032.

[2]胡填，古剑雄.三维步态分析技术在脑卒中后偏瘫步态中的应用进展[J].实用心脑肺血管病杂志，2021，29（11）：124-128.

[3]董晓琼，吴月峰，范虹，张芳，朱童.（2019）.步行支持带联合常规康复治疗改善脑卒中患者步态的疗效观察.（eds.）2019年浙江省医学会物理医学与康复学分会年会暨第二届西湖国际康复大会论文汇编（pp.24-25）.绍兴市人民医院康复医学科.

[4]王雪娇，智敏.基于可变形卷积神经网络的人体动作识别[J].计算机工程与科学，2021，43（01）：105-111.

[5]刘会平，何俊，李佳.三维步态分析比较健康大学生与下肢运动损伤大学生步态特征的差异[J].基层医学论坛，2023，27（07）：1-4.

[6]陈浩鹏，谢辉，傅维民，王本杰，赵德伟.体质量指数对全髋关节置换后早期髋关节功能恢复影响的三维步态分析[J].中国组织工程研究，2020，（18），2842-2847.

[7]任小南.脑卒中偏瘫患者康复治疗前后的三维步态分析[J].白求恩医学杂志，2018，（06），570-571.


Refbacks

  • 当前没有refback。