《Journal of NeuroEngineering and Rehabilitation》：Automatic detection of human gait events: a simple but versatile 3D algorithm
編輯推薦：
在人體步態分析中，準確檢測足著地（Foot Strike）和足離地（Foot Off）事件至關重要，但現有算法存在精度不足等問題。研究人員開發了 Multi - Condition 算法，該算法檢測精度比專家校正更高，能在幾秒內完成檢測，有助于為臨床提供可靠的步態分析參數。
在日常生活中，我們的每一步看似平常，卻蘊含著復雜的力學原理。人體步態作為不斷學習和調整的結果，會隨著年齡、身體活動以及生活經歷而變化。對于患有神經肌肉損傷等疾病的患者來說，他們的步態還需適應身體的各種不適 。在醫學領域，準確分析步態對于了解患者身體狀況、制定康復計劃意義重大。然而，傳統的步態事件檢測方法卻面臨諸多挑戰。
目前，儀器化步態分析是獲取客觀定量數據、輔助臨床決策的重要手段。其中，檢測足著地（Foot Strike）和足離地（Foot Off）這兩個關鍵步態事件，是精確計算時空參數、關節運動學和動力學的基礎。但在臨床實踐中，現有的自動檢測算法效果并不理想�；诘孛媪Π宓膭恿W數據檢測方法，雖被視為金標準，但一次只能檢測一步，在患者使用助行器或出現滑動、拖曳步態時就無法適用。而基于標記點的運動捕捉技術所使用的運動學數據檢測算法，如基于位置、速度或加速度的確定性算法，由于不同研究的隊列和分析協議存在差異，其可靠性和效率也有待提升。即便被認為最可靠的 Ghoussayni 算法，在面對臨床多樣化的隊列時，精度仍顯不足，需要專家校正。近年來新興的深度學習方法，雖有潛力，但依賴大量優質訓練數據，且檢測過程難以解釋。自動選擇方法雖能提高精度，但會排除大量步態周期，也無法考慮個體步態的變化。
為了解決這些難題，來自巴黎薩克雷大學（Paris Saclay University）等機構的研究人員展開了深入研究。他們致力于開發一種新算法，以實現對步態事件的精準、客觀檢測，減少專家校正帶來的主觀偏差，為臨床醫生提供更可靠的步態分析參數。最終，研究人員成功開發出一種名為 Multi - Condition 的確定性算法。該算法的出現，在步態分析領域具有重要意義，相關研究成果發表在《Journal of NeuroEngineering and Rehabilitation》上。
研究人員在開展這項研究時，運用了多種關鍵技術方法。首先，他們收集了健康個體和患有病理步態（如中風、多發性硬化癥、脊髓損傷等）患者的步態分析數據庫。通過讓參與者在 10 米的儀器化通道上行走，利用 Motive version 3.0.3 光電運動捕捉系統，以 100Hz 的采樣頻率采集運動學和動力學數據。之后，對采集到的數據進行手動清理和標記。此外，為了確定新算法的最佳參數，研究人員進行了參數優化，并將新算法與現有文獻中的多種算法進行比較，還對不同的足部標記集進行了敏感性分析 。
下面來詳細看看研究的具體結果：
- 評估評判者間信度：研究發現，評判者的專業知識比地面反作用力（GRF）更適合作為定義 Multi - Condition 算法所需精度的標準。對于足著地和足離地事件，評判者評估的中位數都集中在 0，但足離地的評估離散度更大，這主要是因為當時沒有在腳趾尖端設置標記，導致評判者難以準確判斷�；诖�，研究設定了參數優化的要求，即足著地和足離地的檢測誤差范圍應在 ±2.1 幀內 。
- Multi - Condition 算法校準過程：經過大量計算，研究人員找到了 Multi - Condition 算法的最佳校準參數組合 [9Hz, 18%, 31%, 8%]。應用該參數組合的 MC7算法，在檢測足著地和足離地事件時，中位數分別為 0 和 - 1 幀，[5%, 95%] 分位數范圍分別為 3 和 4 幀�？紤]到拇趾標記位置的影響，對結果進行調整后得到的 MC7算法，檢測精度更高。
- MC7 * 算法的性能：將 MC7算法與其他算法進行比較，結果顯示，只有 MC7算法在檢測足著地和足離地事件時，誤差范圍都在 ±2.1 幀內，比其他算法更精確，且誤差變異性比評判者間的變異性更小 。
- 敏感性分析：研究人員對不同的足部標記集進行測試后發現，腳跟和拇趾標記分別對檢測足著地和足離地事件至關重要。使用包含腳跟、第 5 跖趾關節、第 2 跖趾關節和拇趾標記的 MC4配置，能得到與 MC7算法相同的結果。如果只能使用兩個標記，推薦使用腳跟和拇趾標記 。
綜合來看，研究人員開發的 Multi - Condition 算法在步態事件檢測方面表現出色。它能夠在幾秒鐘內完成計算，準確檢測足著地和足離地事件，檢測精度在 3 幀范圍內，優于專家評判的變異性，且不受患者病理或步態模式的影響。這一算法的出現，為臨床步態分析提供了更可靠的工具，有助于臨床醫生更準確地評估患者的步態狀況，制定更有效的康復治療方案。不過，該算法也存在一些需要進一步研究和改進的地方。例如，在某些情況下仍會出現誤報，算法在不同的行走任務（如轉彎、繞障）中的適應性還需進一步優化，而且研究隊列相對較小，需要在更多樣化的人群和不同的運動分析實驗室中進行驗證。盡管如此，Multi - Condition 算法的開發仍是步態分析領域的重要突破，為未來的臨床實踐和相關研究開辟了新的道路，有望推動康復工程等領域的進一步發展。
