用于中风患者步态分析和分类的深度神经网络

在能够开始步行训练的脑卒中患者中可以观察到异常步态模式，包括环行步态、下垂足、髋部远足和膝后屈。 脑血管事件发生后的前6个月被认为是脑卒中后康复的黄金时期，因此在此期间进行强化干预将对脑卒中患者有很大的帮助。 目前，临床治疗方法仍然严重依赖理疗师和治疗师的主观诊断，因此研究人员希望通过建立一种更客观的方法来对异常步态模式进行分类，从而为长期康复计划提供更重要的帮助。

在这项观察性研究中，研究人员计划招募 100 名首次出现单侧中风并且能够在没有帮助的情况下在平坦表面上行走 6 分钟的中风患者。 纳入标准包括年龄超过 20 岁且首次中风且下肢受影响的 Brunnstrom III-V 期和功能性行走类别 VI。 参与者应该能够在没有帮助的情况下在平坦的表面上行走 6 分钟，并且他们的简易精神状态检查 (MMSE) 应该超过 25，这意味着参与者可以遵守命令并在本研究中配合研究者。 排除标准包括中风以外的严重中枢神经系统（CNS）/周围神经系统疾病，以及行走时跌倒风险高的患者。 不能配合检测、视觉/听觉/认知严重缺陷者也排除在外。 近6个月内有下肢骨折的患者也排除在外。

调查人员从门诊诊所和物理治疗室招募参与者，患者在步态研究之前/之后不会接受任何额外的药物治疗。 通过参加本研究，参与者将不受任何限制地继续他们的物理治疗计划和医疗制度。 本研究的研究方法是将多个惯性测量单元（IMU）绑在参与者的双侧手腕、脚踝和骨盆上，要求参与者以最舒适的步伐在室内平坦的表面上行走6分钟。 本研究中使用的 IMU 由 3 轴加速度计、3 轴陀螺仪和 3 轴磁力计组成，最高采样率为 128Hz。 非侵入性矫形器，如踝足矫形器 (AFO) 可以增加步态稳定性和对称性。 同时，经验丰富的临床理疗师和物理治疗师会记录患者的步态是否表现出异常的步态，如绕行步态、下垂足、提臀步或后膝步。 参与者在完成 6 分钟的步行测试后，可以在没有任何不适的情况下离开。

构建了一个深度神经网络 (DNN) 模型来训练异常步态模式分析。 为本研究构建的 DNN 模型由输入层、6 个隐藏层、检测输出层和分类输出层组成。 每个隐藏层由 100 个神经元组成，检测输出层将每个步态数据标记为正常步态 [1,0] 或中风步态 [0,1]。 之后，分类层将每个异常的中风步态模式标记为中风步态、环行步态、下垂足、臀部远足和后膝为[1,1,1,1,1]。 本研究参与者临床步态数据采集完成后，研究者将采集到的步态数据用于DNN训练，研究者采用k折交叉验证法将参与者的步态数据随机分为5个集合，其中4个作为训练数据，其余作为测试数据，重复测试5次。 然后，研究人员将比较理疗师/治疗师所做的临床观察信息与 DNN 模型结果，以查看 DNN 模型是否可用于区分环行步态、下垂足、髋关节远足和膝后屈。