引言 跌倒事件在多个临床人群中普遍存在，通常的风险评估包括对个体步态进行视觉观察。然而，对步态的观察评估通常局限在实验室内对个体进行规范的步行协议测试，以识别可能增加跌倒风险的缺陷，但微妙的缺陷可能不易被观察到。为此，客观方法（例如惯性测量单元，IMUs）对于定量分析高分辨率的步态特征是有用的，这有助于通过捕捉细微差别来提高跌倒风险评估的信息量。然而，仅依赖IMU的步态仪器化分析存在局限性，它没有考虑到参与者的行为以及环境中的细节（例如障碍物）。视频眼动仪可能提供了评估跌倒风险的额外见解，通过记录头部和眼睛的运动，可以了解人们基于头部和眼睛的动作来遍历环境的方式。但是，手动评估视频数据以评估头部和眼睛的动作既耗时又具有主观性。因此，迫切需要自动化的方法，但目前尚不存在。本文提出了一种基于深度...

自动步态事件检测的新方法：健康受试者和中度至重度受损患者的惯性测量单元分析 Cyril Voisard, Nicolas de L’Escalopier, Damien Ricard, Laurent Oudre. Neuroengineering and Rehabilitation 杂志 (2024) 21:104 https://doi.org/10.1186/s12984-024-01405-x 研究背景 步态分析在医学中是评估各种疾病患者健康状况和病情进展的重要工具。惯性测量单元(IMUs)由于其紧凑的尺寸、低成本和易于集成，已在临床步态分析中得到广泛发展。然而，尽管现有的自动步态事件(GE)检测方法在健康受试者身上取得了高效率，但在步态严重受损的患者中仍存在挑战。 研究目标 本研...

利用超宽带雷达技术进行远程步态分析 研究背景 步态分析，即对人类行走运动的协调生物机械模式的研究，不仅是生物力学研究的重要内容，还能提供丰富的健康状态信息。尤其在近年来，人们越来越关注开发新的家居步态分析解决方案，使个体能够在舒适的家庭环境中接受全面的步态评估。这一进展不仅对希望优化自己步态表现的健康个体有益，还能为患有慢性肌肉骨骼疾病（如关节炎和背痛）、获得性脑损伤（如中风和创伤性脑损伤）以及神经退行性疾病（如帕金森病和阿尔茨海默病）的患者提供帮助。 现有的步态分析技术主要分为可穿戴（直接）和非穿戴（远程）两大类。可穿戴系统由于用户的不配合问题，尤其是对老年人来说，往往不适于长期监测。而基于标记的运动捕捉技术，虽然目前是步态评估的金标准，但由于空间和高成本要求，难以在家庭环境中使用。因此，...