对于基于三维步态分析技术的神经网络康复训练评估系统的 研究

摘要

目的：通过将三维步态分析技术的运动学捕捉和卷积神经网络算法的数据分类预测结合，划分患者层级并提供相
匹配的治疗方案。方法：卷积神经网络 (CCN) 通过对输入图像进行卷积池化等建立可变形部件模型 (DPM) 实现对人体部
件的识别检测系统。由根滤波器，部件滤波器和滤波器之间相对位置组成，再对卷积网络收集的特征图进行融合，从而提
高识别精度。结果：通过对两种患者的划圈步态，膝关节屈曲，足下垂，胫后肌痉挛，足内翻，肩、肘、内收；下肢的髋
关节伸展、内收并内旋、膝关节伸展、踝关节跖屈、内翻的数据采集，获得的大量恢复数据进行可变形部件模型 (DPM) 分
析，从中识别出个性化治疗方案的关键因素。结论：三维步态分析技术结合神经网络数据分类预测改善了偏瘫诊断技术存
在的测量精度不足，诊断方式繁琐，医患比例悬殊较大等问题，根据患者情况对康复方案进行及时调整，以期降低二次脑
卒中的概率。