首页分享华科吴豪/黄剑等AM：柔性电子驱动的全流程康复评估平台

华科吴豪/黄剑等AM：柔性电子驱动的全流程康复评估平台

来源：花匠小妙招时间：2024-11-05 21:55

下肢运动障碍患者的康复是一个复杂、漫长、循序渐进的过程，需要全流程康复评估（包括跌倒风险评估、步行能力评估、康复进展评估）来指导康复计划的实施。然而，目前的康复评估策略只能在一个阶段执行单一任务，难以满足全流程康复评估的需求；传统的步行能力评估依赖于医师们观察患者行走过程并根据量表打分，结果的主观性和医护人员的高工作量令人担忧；此外，粗粒度的康复评估结果也难以准确地反馈患者康复过程中的取得的细微进展。因此，迫切需要开发出一种全流程、细粒度、定量的康复评估平台。

近日，华中科技大学机械科学与工程学院吴豪教授联合人工智能与自动化学院黄剑教授、同济医学院附属协和医院肖喜玲教授等人，首次提出了一种基于表皮传感器和多任务步态Transformer模型（MG-former model）的全流程、细粒度、定量的康复评估平台。通过材料选择与器件结构设计提升了表皮传感器的输出性能与传感灵敏度，保证了受试者步态信号高质量采集。该康复评估平台基于高性能表皮传感器采集的步态信号结合MG-former model，可以对下肢运动障碍患者进行跌倒风险评估、步行能力评估和康复进展评估，覆盖了整个康复周期，实现了全流程康复评估。除此之外，基于该平台完成了对23名临床患者的步行能力评估，其结果与专业医师的评估结果保持高度一致。
该成果以“A full-process, fine-grained, and quantitative rehabilitation assessment platform enabled by on-skin sensors and multi-task gait transformer model”为题在线发表于期刊《Advanced Materials》。华中科技大学机械科学与工程学院博士生王志新与人工智能与自动化学院博士生何欣润为论文共同第一作者；机械科学与工程学院吴豪教授、人工智能与自动化学院黄剑教授、机械科学与工程学院尹周平教授、同济医学院附属协和医院肖喜玲教授为共同通讯作者。图文解析本工作中提出的全流程、细粒度、定量的康复评估平台，主要由高性能表皮传感器与MG-former model组成。通过材料与器件结构设计，增强表皮传感器的电输出性能与传感灵敏度，可以高质量的采集受试者行走过程中因肌肉组织收缩形变产生的电信号。此外，MG-former model可同时执行二分类、多分类、回归等任务，分别对应跌倒风险评估、步行能力评估、康复进展评估，覆盖了整个康复周期，满足了全流程康复评估的需求。（图1）

图1 全流程康复评估步态作为最常见的行为特征之一，不仅受到人类关节、肌肉和神经系统的本能控制，而且还受到生物力学和运动学参数等关键信息的影响。分析下肢运动障碍患者的步态信号，对于康复评估具有重要意义，是评估步行能力、跟踪康复进展和调整康复方案的重要依据。对于卒中后偏瘫患者而言（图2c），患者的中枢神经系统受损，导致患者出现异常步态。如图2d-i和d-ii所示，患者健侧支撑相持续时间略大于患侧，这是因为患侧肢体力量减弱、协调性差，需要健侧腿支撑更多的时间来维持身体的平衡与稳定，导致步态不协调。而对于偏瘫较为严重的患者来说（图2e-i和e-ii），长时间的“代偿行为”导致健侧腿的功能也受到了影响进而出现与患侧同样紊乱的步态信号。

图2 受试者异常步态分析MG-former model在处理序列数据时可以提供丰富的上下文信息，有利于准确地捕捉步态信号中的局部或全局特征，并自适应地学习不同部位之间的相关性，从而实现对受试者步态信号的深入理解和分析。具体来说，以经验丰富的医生的评估结果作为康复评估模型的黄金标准；在跌倒风险评估方面，基于二分类任务，客观的区分高风险跌倒患者和低风险跌倒患者，降低康复过程中的安全隐患；在步行能力评估方面，基于多分类任务用于定量的评估患者的步行能力，促进了个性化的康复方案的制定；在康复进展评估方面，基于模型执行的回归任务，可以细粒度的捕捉患者康复过程中取得的细微进展，有助于提升患者的康复积极性和康复计划的调整。（图3）

图3 基于MG-former model的全流程康复评估平台总结展望本文报道了一种基于高性能表皮传感器和MG-former model的全流程、细粒度、定量的康复评估平台，用于下肢运动障碍患者的康复评估。通过在聚二甲基硅氧烷（PDMS）基体中引入高介电常数钛酸铜钙（CCTO）纳米颗粒提升复合膜的介电性能，增强表皮传感器的电输出性能；该传感器在捕获人体动作信号时可产生1124 mV的电压信号，约是表面肌电信号（2.39 mV）的470多倍；同时，设计圆弧形凸台结构提高表皮传感器的稳定性与灵敏度。该平台基于高性能表皮传感器采集的步态信号结合MG-former model，可以对下肢运动障碍患者进行跌倒风险评估、步行能力评估和康复进展评估，覆盖了整个康复周期，实现了全流程康复评估，对医生和患者在整个康复过程中实施有效的康复计划具有指导意义。

--检测服务--

来源：高分子科学前沿