脑卒中患者运动过程中动力学特征的智能预测

作者：张楠; 孟庆华^*; 鲍春雨; 周鲁星; 崔帅琦

来源：医用生物力学, 2023, 1-14.

• 数学模型
• 脑卒中
• 主成分分析
• 反向传播神经网络
• 关节力矩

目的 使用主成分分析(principalcomponentanalysis，PCA)和反向传播(backpropagation，BP)神经网络预测脑卒中患者行走时患侧髋、膝、踝的关节力矩。方法 30例脑卒中患者通过8镜头Qualisys红外光点高速运动捕捉系统和Kistler三维测力台同步采集运动学和动力学数据。通过OpenSim计算脑卒中患者髋、膝、踝患侧关节力矩，采用PCA来筛选累积贡献率达到99%的初始变量，采用标准均方根误差(normalizedrootmeansquarederror，NRMSE)、均方根误差(rootmeansquarederror，RMSE)、平均绝对百分比误差(meanabsolutepercentageerror，MAPE)和平均绝对误差(meanabsoluteerror，MAE)、R2作为PCA-BP模型的评价指标。使用肯德尔W系数评价计算关节力矩与预测力矩之间的一致性。结果 PCA数据显示躯干、骨盆、患侧髋、膝和踝关节在x、y、z轴(矢状、冠状、垂直轴)对患侧髋、膝、踝关节力矩具有显著影响。预测值与测量值间NRMSE为5.14%～8.86%，RMSE为0.184～0.371，MAPE为3.5%～4.0%，MAE为0.143～0.248，R2为0.998～0.999。结论 建立的PCA-BP模型可准确预测脑卒中患者行走时的髋膝踝关节力矩，显著缩短测量时间。在脑卒中患者的步态分析中本模型可代替传统的关节力矩计算，为获得脑卒中患者生物力学数据提供新途径，以及为脑卒中患者临床治疗提供有效的方法。

• 单位
  天津体育学院