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。

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。