基于人工智能的步态分析诊断系统及方法技术方案

基于人工智能的步态分析诊断系统及方法，基于三维步态分析采集设备，储存器和电脑AI分析系统，针对运动学、动力学、动态肌电图等关键部分进行分析和诊断。与人工操作相比，AI具有强大的运算能力，对于图形的分析更加准确，可以在短时间内完成对于步态分析曲线的解析并做出诊断，将结果输出。降低节省时间和人力成本的同时，极大降低误差概率。极大降低误差概率。极大降低误差概率。

【技术实现步骤摘要】
基于人工智能的步态分析诊断系统及方法


[0001]本专利技术涉及步态分析领域，具体涉及一种基于人工智能的步态分析诊断系统及方法。

技术介绍

[0002]步态分析（gait analysis）就是研究步行规律的检查方法，旨在通过生物力学和运动学手段，揭示步态异常的关键环节及影响因素，从而指导康复评估和治疗，有助于临床诊断、疗效评估及机理研究等。目前的步态分析最常用的是三维步态分析，对步态过程中所参与的各个关节，包括踝关节、膝关节、髋关节、骨盆及脊柱在各个维度，各个方向上的运动，都要做出活动范围，力学反馈及肌电等信息的精准判断，因此在解读步态报告时经常会出现重要信息的漏报或误报，导致在诊断治疗方案的选择上出现差错，且在分析报告时需耗费大量的时间、精力和人力，人工操作也存在一定的误差概率。人工智能是一项能够颠覆传统图形诊断系统的新技术，目前能够用于超声内镜的辅助诊断[CN202110061525.6，超声内镜、人工智能辅助鉴别方法、系统、终端、介质]、心电图诊断[CN202011108883.X，基于人工智能辅助诊断的云端心电图诊断系统]。然而步态分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的步态分析诊断系统，其特征在于：所述系统包括三维步态采集分析设备，储存器和电脑AI分析系统；所述三维步态采集分析设备包括运动捕捉系统、三维测力板、表面肌电系统、足底压力分布设备，采集并分析得到初步数据，包括受试者步行时的移动轨迹、关节角度、速度、周期和时相、肌电图及重心位移和功率能量消耗；采集和分析的初步数据均存储至储存器中；所述电脑AI分析系统使用回顾性的步态分析，利用AI深度学习法将步态分析诊断案例记入数据库，利用该数据库，进行深度神经网络训练，通过训练，学习采集设备捕捉的相关数据信息与诊断结果之间的相关性，构建基于深度神经网络的分类模型，并最终用于实际临床病例的诊断分析；设定人工智能建模的多分类问题，并利用多分类算法将初步数据进行训练建模，形成步态分析诊断的自动判别人工智能模型，通过模型对三维步态采集分析设备得到初步数据分析得到分析诊断结果。2.根据权利要求1所述的基于人工智能的步态分析诊断系统，其特征在于：所述电脑AI分析系统中，基于三维步态采集分析设备得到的初步数据，得到分析结果，包括步行周期、运动学与动力学参数、动态肌电图、重心位移及能量消耗、站立姿态和步态足底解析结果、步态解析结果。3.根据权利要求2所述的基于人工智能的步态分析诊断系统，其特征在于：对于步行周期，预先建立正常步态模型的数据库，记录下运动学、动力学数据的平均值，通过初步数据与正常参数和曲线的比较，对躯干、髋关节、膝关节和踝关节的步态曲线进行分析，判断出异常模式，并匹配可能原因。4.根据权利要求2所述的基于人工智能的步态分析诊断系统，其特征在于：对于运动学与动力学参数，计算得出各关节的运动学参数、动力学参数以及各个关节中心的运动学参数；对比各时相各个关节的屈曲角度，伸展角度，最大活动范围，判断步态异常的原因。5.根据权利要求2所述的基于人工智能的步态分析诊断系统，其特征在于：对于动态肌电图，分析人体在自由行走时其下肢肌肉优势侧和非优势侧差异，根据各时相正常肌电图和异常肌电图的波幅、波峰以及收缩时间的变化，判断肌肉功能水平。6.根据权利要求2所述的基于人工智能的步态分析诊断系统，其特征在于：对于重心位移及能量消耗，基于力的测量结果运算处理得出人在运动状态时的总重心的空间位移轨迹，同时结合影像测量得出空间速度，从而推算出行走时的能量消耗，并于正常结果相对比，做出判断。7.根据权利要求2所述的基于人工智能的步态分析诊断系...

【专利技术属性】
技术研发人员：郑朋飞，唐凯，郭若宜，庄汉杰，
申请(专利权)人：南京市儿童医院，
类型：发明
国别省市：