基于计算机视觉的足踝三维运动自动分析技术研究

目的人体足部关节运动学测量在足踝及下肢疾病的临床评估中发挥着重要作用,而大量研究表明:足部多节段(即多关节)比传统单节段分析在临床应用中更具价值。然而,目前常用的光学动作捕捉系统采用人工解剖标记点,存在测量耗时大、手动标记误差等问题,制约了三维运动分析在足踝外科的临床应用与推广。因此,本研究提出一种无标记,且能够实现快速数据采集和自动运动学分析的技术和系统。方法采用自主研发的基于动态点云跟踪的足踝运动数据采集平台,通过深度学习模型(Point Net++)将足踝部自动分割为胫腓骨段、后足段,中足段,前足段和拇趾段,建立五节段运动学模型(Point foot analysis model,PFAM),将步态中足部关节变换矩阵转换为3个解剖平面欧拉角,量化评估足部多关节协调运动特征。结果本研究方法能够在无标记点的条件下自动分析步态中足踝部多关节旋转角度数据,实验结果表明:在基于深度学习模型自动分割下的运动学数据与人工分割的结果具有良好的一致性,且总体测量和分析总耗时达到分钟级别,效率远高于传统光学动作捕捉技术。结论本研究结合深度学习模型提出了一种无标记点自动多关节运动分析方法,高效获取运动数据有助于应用于临床建立大规模足踝运动学数据库,从而为临床干预和康复训练提供强有力的技术支撑。

基于可编程触觉接口技术的糖尿病足生物反馈系统研发

目的糖尿病患者步态异常所致的足底压力升高是其发生足溃疡的重要生物力学因素之一。研究表明,糖尿病周围神经病变(DPN)引起患者足底力觉感知能力下降,限制对步态异常作出适应性调整的能力;因而矫正步态异常是解决患者足底压力分布不均和缓解足底软组织局部持续高压的核心所在。方法本研究提出一种具备可编程触觉接口的糖尿病足生物反馈系统。该系统采用大面积微振动阵列,提供良好的柔性可拉伸交互界面,并通过智能算法产生带有不同时空参数的振动序列,为辅助DPN患者步态矫正,提供一种落地模式方向指引的触觉反馈系统。为评价系统反馈功能,自定义9种不同时序的触觉振动序列,并通过视觉模拟量表(VAS)评分;随后自定义14种相同时序不同方向(垂直、水平、斜)的振动序列,模拟对于不同落地学习中的认知负荷。结果在不同时序的触觉振动序列实验中,起振延时间隔300 ms和300 ms振动持续时间效果最佳;在不同方向的序列振动实验中,穿戴者对垂直方向的平均判断准确率最高为95.68%,同时平均氧合血红蛋白浓度最少为0.10 umolar,相较于其他方向存在显著性差异。结论本研究提出的触觉接口技术能够为佩戴者提供直观有效的落地模式方向指引,是辅助DPN患者实现步态再训练的重要手段,为糖尿病足溃疡主动防护提供新技术支撑。

超声导波骨检测技术研究进展

受年龄、工作环境、病变及药物等影响,骨细胞代谢、骨质吸收和形成发生变化,导致骨质疏松症、骨延迟愈合等,影响儿童、青少年的生长发育和老年人(尤其是绝经后女性)、空间站航天员等人群的生活和生产[1-2]。骨骼健康问题是中国老龄化社会面临的重要医学问题,2016年发布的《“健康中国2030”规划纲要》将“健康骨骼”纳入专项行动。鉴于组织物理性质与骨生理和病理的紧密关系,发展骨组织物理性质高效检测技术,对骨病的精准检测、骨骼健康管理、骨病个性化治疗方案设计等具有积极的意义,符合中国“十四五”规划实施积极应对人口老龄化国家战略的医疗技术需求。

新一代足与地面多维交互力测量关键技术研发与验证

目的步态动力学测量技术在临床疾病诊断、康复训练评测及运动生物力学研究等领域有着重要且广泛的应用,其核心硬件为部署于步态实验室的足与地面作用力测量系统;其中,被广泛使用的足底压力检测系统无法测量多维度分布力(正压力、剪切力、扭转),且存在空间分辨率低,交互界面过硬等问题。新一代力板系统研发中亟需突破多维力检测能力、柔性界面、高空间分辨率等关键技术,更好服务临床、科研机构及其他相关领域。方法本研究提出的新型力板系统以形变体力学原理为基础,基于深度学习方法设计和制造,其核心为部署于力台中含微粒柔性硅胶传感层的计算视觉平台和位移测量单元构成。使用自主搭建的自动化实验数据集生成系统,采用与人体步态模式相对应的多轴力对传感层进行连续加载,并同时获取力场和位移场的力-光流矢量大规模实验数据集。进一步,通过深度学习解耦并完成“多维力-光流矢量场”系统标定,并与商用力板系统进行多指标对比验证。结果本研究的力板系统可检测步态及多种复杂运动模式下足底多维幅值和空间分布特征,有效检测面积覆盖10×10 cm^(2)至55×35 cm^(2),能够实现正压力40 N/cm^(2)量程下0.1 N检测精度,剪切力10 N/cm^(2)量程下0.08 N检测精度,并同时可检测轴向足底扭转力等。结论该系统有望作为新一代力板技术(Next-generation Force Platform),解决生理步态条件下的足底多维循环载荷难以量化的技术难题。

基于人体足趾生物力学功能的仿生踝足假肢设计验证

目的本研究旨在设计并验证一种新型仿生踝足假肢,该假肢具有主动的跖趾关节,能有效模拟生物足趾应对扰动等条件下的地面把持功能。方法本研究设计了一种欠驱动运动机构,实现足趾部件的耦合的平动和旋转运动。建立该机构的运动学模型,并使用有限元分析来模拟足趾部件的地面把持力(即水平剪切力)。为了验证设计的有效性,对人类足趾在扰动条件下的运动模式和足底剪切力进行了实验研究,并将实验结果与有限元分析的结果进行了对比。结果本研究中的仿生踝足假肢可以有效地再现生物足趾的地面把持功能,并且能够产生与生物足趾相当的水平方向剪切力。在扰动条件下,生物足趾产生的最大剪切力为体重的2.1%。结果对比显示,该仿生踝足假肢在静态站立产生45.47 N的剪切力,显著超过了现有的踝足假肢(6.06 N),同时能够模拟生物足趾和地面之间的交互运动(R2=0.96843,P<0.05)。结论研究结果证实了本研究的仿生踝足假肢设计的有效性,跖趾关节耦合运动使其能更好地模拟人体足趾的运动和力学特性,并且提高了地面把持力,为新型踝足假肢设计提供了新的可能性。

地面扰动条件下人体足趾的足底剪切力研究

目的探讨第1足趾和第2~5足趾在地面意外扰动条件下的足底剪切力。方法通过六自由度扰动平台在8个方向(0°、45°、90°、135°、180°、225°、270°、315°)上提供随机扰动,扰动距离为20 mm,扰动速度为200 mm/s,扰动持续时间为0.15 s。招募14名健康年轻人,测量其足底剪切力。根据足底解剖结构以及文献调研分别划分第1足趾和第2~5足趾区域。测量足底分布剪切力,并计算第1足趾和第2~5足趾在静态、扰动时(0~0.15 s)和扰动后(0.15~0.30 s)的剪切力增量比例以及剪切力占全足的峰值权重。结果相比于静态站立,在地面意外扰动条件下,第1足趾和第2~5足趾剪切力显著增大,尤其是0°和180°扰动时的前后方向剪切力,以及90°和270°扰动时内外侧方向的剪切力。第1足趾和第2~5足趾在135°、180°、225°扰动时,其前后方向和内外侧方向的剪切力增量比例大于其他角度。相比于静态站立,第1足趾和第2~5足趾在135°和225°扰动时及在135°、180°扰动后的前后方向剪切力峰值权重显著增大。结论第1足趾和第2~5足趾在地面意外扰动时维持平衡的主动参与功能增大,第1足趾和第2~5足趾的足底剪切力具备方向特异性。

基于点云的运动数据采集平台在评估足踝多关节运动中的应用研究

目的分析自主研发的基于点云的足踝运动数据采集平台采集正常足踝部多关节在运动中的关节角度变化。方法使用基于点云的足踝运动数据采集平台对招募的12位年轻健康受试者分别进行左足和右足步态站立相的数据采集测试,然后根据点云足部分析模型将足部进行多节段分割以配对出后足关节、前足关节、趾关节、中足关节,计算各关节的角度变化。结果后足关节在站立相早期呈跖屈、内收和内翻的状态,随后均在末期发生改变。矢状面上,前足关节在站立相末期跖屈运动;而在冠状面上可以观察到前足关节内翻,但是内翻程度逐渐减小。趾关节的最大变化来自矢状面:先出现大程度的背屈运动,然后不断减小,直至末期又增加背屈。而中足关节由于跗骨关节韧带的约束机制导致其在步态站立相早期和中期的关节角度运动范围比较小。结论基于点云的足踝运动数据采集平台能够对步态中足踝部多关节角度变化数据进行采集和分析,后足关节在各视角平面下的旋转角度变化相对复杂,且趾关节在矢状面下的背屈运动幅度较大。

基于“Lab-in-Shoe”智能鞋的可穿戴步态分析系统研究

目的研发一种"Lab-in-Shoe"的可穿戴智能鞋步态时空参数分析系统("Lab-in-Shoe"智能鞋系统),实现足踝损伤患者步态功能障碍的定量评估。方法通过将惯性传感器和鞋垫式足底压力分布传感器集成于鞋具,构成"Lab-in-Shoe"智能鞋系统的硬件主体。利用惯性传感器的加速度数据积分获得步态空间参数;利用鞋垫式足底压力分布传感器获得足底压力分布数据以及支撑相、摆动相、零速度时刻等步态时间参数和力学参数。招募8名年轻的健康受试者,年龄(25.6±1.3)岁,身高(175.4±2.2)cm。在光学动作捕捉实验室进行步态数据采集,通过比较"Lab-in-Shoe"智能鞋系统与"金标准"Vicon光学动作捕捉系统的步态数据结果,验证智能鞋系统的有效性与可靠性。并对足底压力分布传感器进行传感单元的标定实验,以证明其压力数据的准确性。结果"Lab-in-Shoe"智能鞋系统可准确获取受试者的步长、步宽、步频、步速、步态相位划分、足底压力分布以及压力中心曲线等核心步态时空参数,并且能够实现步态中的双足位姿复现。通过Bland-Altman图与"金标准"Vicon光学动作捕捉系统进行比较,"Lab-in-Shoe"智能鞋系统在慢速(0.68±0.05)m/s、最适速度(1.10±0.07)m/s和快速(1.40±0.13)m/s 3种行走速度下的步长平均误差为3.12%(范围值为2.76%~4.24%),90%的结果在95%置信区间内,一致性良好。步长参数在慢速、最适速度、快速的组内相关系数(ICC)值分别为0.93、0.917、0.893,可靠性良好。足底压力传感器的多个传感单元标定数据均落在95%的线性回归范围内,相关系数r=0.949(P<0.05)。"Lab-in-Shoe"智能鞋系统所采集的足底压力数据整体曲线呈现明显的双峰特性。结论自主研发的"Lab-in-Shoe"智能鞋系统能够实现对步态参数的便捷采集和计算,在不同行走速度下各结果参数均具有较好的可靠性与有效性,有助于在临床环境下的大规模步态数据采集。