多模态数据驱动的青少年脊柱侧凸分类模型及可穿戴检测设备

作     者：萧人菘 朱泽宇 孟繁媛 彭迎虎 吴太林 李光林 周小猛 王玮 

作者机构：中国科学院深圳先进技术研究院神经工程研究中心深圳518055 昆明医科大学康复学院昆明650500 深圳大学总医院深圳518055 

基　　金：国家自然科学基金项目,62103405,12302421 广东省自然科学基金项目,2024A1515010910,2022A1515010169 云南省科技厅-昆明医科大学应用基础研究联合专项,202201AY070001-014 深圳市科技计划项目,KQTD20210811090217009 

出 版 物：《医用生物力学》 (Journal of Medical Biomechanics)

年 卷 期：2024年第39卷第S01期

页      码：259-259页

摘      要：目的青少年特发性脊柱侧凸(AIS)是一种病因不明、发病率很高的脊柱畸形疾病,其早发现和早干预对于处于生长发育高峰期的青少年来说至关重。但当前AIS的筛查中基于视觉评估的筛查存在一定的误判概率,而医学成像存在辐射和检测时间长、成本高的问题。本研究旨在利用多种生理和生物力学因素,构建基于多模态信息的AIS评估模型,并研发一种新型的可穿戴检测设备。方法收录21名AIS患者与16名健康对照者,采集其在静态和动态脊柱旋转时的背部表面肌电(EMG)与惯性测量单元(IMU)运动数据。提取多种EMG时频域特征与角度信息,并进行集成与编码,构建基于支持向量机和随机森林的疾病分类模型。进一步,基于树莓派平台研发了集成EMG与IMU的可穿戴AIS检测设备与软件,实现针对脊柱的EMG与IMU数据的同步采集、自动处理和结果分析。结果疾病分类模型在测试集中达到88.5%的准确率。而实际临床测试中,部署在树莓派上的模型灵敏输出并准确分类了所有5名测试受试者,验证了本研究设计的AIS检测设备具有较好的识别效果。结论通过将电生理和运动数据融合,结合深度学习算法,研究提出了一种新的AIS诊断与康复评估方法及便携的可穿戴检测设备,有望在AIS的早期筛查和健康监测中发挥关键作用。

主 题 词：脊柱畸形 早期筛查 检测设备 分类模型 可穿戴 树莓派 随机森林 表面肌电 

学科分类：1002[医学-临床医学类] 100210[100210] 10[医学] 

核心收录：

馆 藏 号：203143368...