近日，天津大学工程机械学院孙涛教授团队在康复医学一区期刊 IEEE Transactions on Neural Systems and Rehabilitation Engineering 上发表了题为“A Wearable Biofeedback Device for Monitoring Tibial Load During Partial Weight-Bearing Walking”的论文，被SCI和EI收录。
本文开发了一种由仪器鞋和imu组成的可穿戴生物反馈系统，用于估计部分负重行走(PWB)过程中胫骨骨折患者的胫骨负荷。并以NOKOV度量动作捕捉系统及力板数据计算的胫骨力作为实际骨负荷标准，证明了本文采用的物理引导神经网络(PGNN)方法较传统方法能更好地预测不同负重行走时的胫骨力；并且还证明了仅监测地面反作用力(GRF)不能客观地反映人体运动过程中下肢骨骼所承受的负荷，有必要监测并反馈实际胫骨力。
该研究结合可穿戴传感器、肌肉骨骼生物力学、机器学习等技术，实时估算行走过程中胫骨负荷，对于完善下肢骨折患者康复治疗方案、开发智能骨科康复装置具有重要意义。
研究背景
胫骨骨折患者在手术后需要进行部分负重步态康复训练，促进下肢骨折愈合和下肢功能恢复，并可减少骨折术后并发症的发生。患者的康复训练主要在家中或社区进行，缺少医生的监督和指导，经常辅以便携式生物反馈装置帮助患者在出院后进行步态康复训练。目前常见的生物反馈装置以GRF作为行走期间胫骨纵向压缩力(TCF)的指标。然而，越来越多的研究表明，仅监测GRF并不能客观地反映人体运动过程中下肢骨骼所承受的负荷。
可穿戴装置及数据收集
(a)佩戴生物反馈装置的受试者侧视图; (b)佩戴生物反馈装置的受试者前视图; (c)执行PWB的科目。
本研究开发了一种无创、可靠的新型生物反馈系统。系统由一双定制的压力鞋、两个惯性测量单元imu和一个微控制器组成。
在进行胫骨受力数据收集时，在每位受试者身上粘贴多个反光标记点，装配NOKOV度量动作捕捉系统监测反光标记点的运动轨迹，并使用力板收集行走过程中的3D GRF，以计算下肢的关节运动学和胫骨内负荷。由于胫骨其他方向的力和力矩相对较小，本研究仅仅关注TCF。通过生物力学模型计算得到的胫骨力将作为标准参考值。
物理导向的神经网络方法
本研究充分利用物理和数据驱动方法的优势，采用了物理引导神经网络(PGNN)方法，将基于物理的模型与ANN相结合来解决TCF问题。在训练数据有限的情况下，PGNN能较传统方法更好地预测不同负重行走时的胫骨力。与传统的基于物理的算法相比，物理引导的神经网络方法表现出更好的预测性能。
基于实验室的数据分析与基于可穿戴设备的数据分析
经过分析显示，无论何种负重行走方式，胫骨力峰值均明显高于胫骨GRF峰值，且胫骨压缩力峰值出现的时间与垂直GRF峰值出现的时间不一致。实验数据证明了，在胫骨骨折患者的步态康复训练中，有必要监测并反馈实际胫骨力，而不仅仅是GRF。
该新型生物反馈系统可以帮助医生和患者了解PWB行走过程中真实的胫骨负荷，优化下肢骨折患者的康复策略，降低康复训练过程中超载的风险。
15名参与者在四种不同负重步行条件下的TCF和垂直GRF曲线
参考文献：
Tao Ma, Xun Xu, Zhiwei Chai, Teng Wang, Xiantao Shen, Tao Sun. A Wearable Biofeedback Device for Monitoring Tibial Load During Partial Weight-Bearing Walking. IEEE Transactions on Neural Systems and Rehabilitation Engineering, Volume: 31, August 2023. DOI: 10.1109/TNSRE.2023.3305205
原文链接：https://ieeexplore.ieee.org/abstract/document/10217015
更多详情，请留言
-
您可致电010-64922321或在右侧留言，获取您专属的动作捕捉解决方案与报价单
-
- 领域 *
- 提交留言
