科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：通过分析行走过程的足底压力数据，研究足底压力信息与后交叉韧带断裂的映射关系，从而实现借助足底压力对后交叉韧带断裂进行快速、准确的智能辅助诊断。方法：回顾性研究了北京大学第三医院2015至2017年收治的69名单纯左侧后交叉韧带断裂患者、69名单纯右侧后交叉韧带患者，以及63名健康志愿者在行走过程中的足底压力数据。通过归一化等方法对足底压力信息进行预处理，然后通过引入注意力机制，采用自注意力结构，建立深度神经网络模型，实现对足底压力信息中隐式信息的特征编码与提取，并基于完整步态过程中足底压力最大值特征，对膝关节后交叉韧带断裂做出智能辅助诊断。结果：在数据处理后，得到1208段单纯左侧后交叉韧带断裂、1096段单纯右侧后交叉韧带断裂，以及964段健康人的足底压力数据，随机选择90%作为训练集，10%作为测试集。经过训练的神经网络在测试集上，对单侧后交叉韧带断裂的预测精度达到了92.02%。在测试集上，模型的曲线下面积（AUC）值达到了0.9820，显著高于使用传统卷积神经网络（CNN）方法得到的88.50%的预测精度和0.9218的AUC值。在可解释性方面，通过对训练过程的足底压力分布梯度进行可视化操作，可以观察到所提出的神经网络准确地提取了足底压力的边缘特征和重点压力特征区域。结论：借助采用了注意力机制的深度神经网络，能够有效地提取行走过程中足底压力信息的空间和时序特征，最终实现对后交叉韧带断裂的辅助智能诊断。这种基于人工智能的诊断方法具备显著的临床应用与研究价值。
- 单位
