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

本研究旨在提出一种改进的GE检测方法，从IMU记录中提取数据，适用于步态严重受损的患者。

研究对象与方法

研究记录了13名健康受试者、29名多发性硬化症患者和21名中风后马蹄内翻足患者的10米步态IMU信号。研究方法首先利用自相关和模式检测技术识别参考步态模式，然后应用多参数动态时间弯曲(mDTW)标注该模式，从而检测信号中的所有GE。

研究结果

健康受试者的GE检测F1分数达到100%，中位数绝对误差为8ms。在多发性硬化症和马蹄内翻足患者中，F1分数分别为99.4%和96.3%，中位数绝对误差分别为18ms和26ms。结果表明，本研究方法在健康受试者中与现有技术一致，并且在病理患者中显示出良好的准确性。

研究结论

该研究为IMU信号中的GE检测提供了一种有效的方法，即使在步态受损的情况下也是如此。但应在每个患者群体中进行评估，以确保其可靠性。

研究亮点

本研究的亮点在于针对健康受试者和病理步态患者提出了一种有效的IMU步态事件检测方法，尤其在中度至重度步态受损的患者中展现出创新和实用价值。