基于惯性传感网络的穿戴式步行膝关节力矩估计

目的通过惯性传感网络(inertial sensor network,ISN)估计多种步态下膝关节内翻力矩(knee adduction moment,KAM)和膝关节屈曲力矩(knee flexion moment,KFM)。方法12名健康成年男性穿戴8个惯性传感器(位于躯干、骨盆、左右大腿、左右小腿、左右脚)在不同步态下(改变足偏角、躯干摇晃角、步宽和步速)行走。使用ISN,并从中提取生物力学特征作为循环神经网络(recurrent neural network,RNN)模型的输入,用于估计KAM和KFM。结果整体KAM估计精度:相对均方根误差(relative root mean square error,rRMSE)为8.54%,r=0.84;整体KFM估计精度:rRMSE=6.40%,r=0.94。结论该RNN模型可作为实验室外膝关节载荷估计的基础,潜在应用领域包括步态训练以及膝关节术后康复效果评估。

缩短步幅训练改善膝骨关节炎患者膝动力学

测试在保持步行速度不变的同时缩短步幅对退行性骨关节炎患者膝关节动力学的影响。方法 选取本院诊断为内侧骨关节炎患者32例作。对患者进行个性化步态缩短训练使SL缩短10%,通过Vicon三维步态分析系统分析并比较训练前后患者步态数据中的膝关节iKAM 、pKAM、pKFM。结果 通过步态训练,87.5%患者能在步幅缩短情况情况下完成行走SL降低10%。分析表明,训练前pKAM354.10±223.00 ,iKAM509.60±122.00 ,pKFM338.50±223.00 ,WOMAC80.50±4.07分;训练后pKAM350.20±243.00 ,iKAM413.40±124.00,pKFM334.20±243.00,训练后WOMAC 89.50±4.07分。训练后iKAM较训练前显著下降(p<0.05),pKAM、pKFM无显著性变化(p >0.05),训练后WOMAC较训练前显著提高(p<0.05)。结论 缩短步幅训练能够改善患者膝关节内侧骨关节炎进展相关的动力学参数,减缓骨关节炎进展。