基于Xception-LSTM的下肢运动能力评价方法

目的 建立下肢运动功能评估的算法。方法 2016年8月至2017年3月,40例受试者分为年轻健康组(n = 20)、中年组(n = 10)和老年组(n = 10)。采集受试者的步态视频、膝关节角度和地面反作用力,并利用ViBe算法对步态视频进行步态轮廓提取;利用Xception-LSTM网络提取步态图像特征,并与膝关节角度和地面反作用力在特征层进行融合;将融合特征经核主成分分析降维处理,生成步行能力评分(GAS),并对GAS和威斯康辛步态量表(WGS)评分进行相关性分析。结果 中年组和老年组的GAS均明显低于年轻健康组(t > 4.164, P < 0.01),且老年组明显低于中年组( t = 7.338, P < 0.01)。GAS与WGS评分呈负相关( r = -0.91, P < 0.01)。 结论 GAS能够量化评估下肢运动能力,可帮助制定康复方案,适配助行设备。