摘要

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。

全文