简介:摘要目的量化评估PD伴冻结步态(FOG)患者的步态特点。方法对自2019年1月至2020年11月于南京医科大学附属脑科医院老年神经科进行诊治的104例PD患者,依据患者是否伴有FOG症状将患者分为PD伴FOG组(46例)与PD不伴FOG组(58例),应用"JiBuEn"步态分析系统采集患者的步态数据,从步态时空参数及其变异性、步态运动学参数、步态参数对称性4个维度量化分析PD伴FOG患者的步态特点。结果与PD不伴FOG组比较,PD伴FOG组患者的步幅明显减小,步速明显减慢,步幅变异性、跨步时间变异性、支撑相变异性、摆动相变异性均明显升高,足趾离地角度、足跟着地角度、踝关节活动度、膝关节活动度及髋关节活动度均明显下降,步幅不对称性指数明显增高,差异均有统计学意义(P<0.05)。结论PD伴FOG患者的步态特点主要表现为短步幅、慢步速、步态参数变异性增加及运动学参数损害更显著。
简介:【摘要】: 脑瘫儿童由于持续存在的中枢性神经系统损伤,造成有姿势和运动发育上的障碍,常常伴有肌肉骨骼问题,异常的肌肉骨骼容易导致其下肢运动功能障碍,造成异常的步态,其中膝过伸步态就是脑瘫儿童的常见异常步态之一。随之科技发展,三维测量技术和计算软件开发的最新进展使人们能通过机器定量客观的用数据来表达生物力学的方法,甚至从关节方面到肌肉骨骼方面来对人体运动进行直观描述,所以,在医学上,三维步态分析是对异常步态进行评估的重要工具,并拥有多种优点。本文中就三维步态分析在脑瘫儿童膝过伸步态的运用分析的相关文献进行整理与介绍,为三维步态分析在脑瘫儿童膝过伸步态评估治疗中的更完善运用提供借鉴。
简介:摘要 近期,智能视觉技术越来越多应用到监控安防场景中,其中的步态识别技术可以通过分析行人行走序列中的姿态与动作来判断身份。传统步态识别方法的具体应用效果依旧会针对不同衣着和背包场景下步态轮廓图中的身体部位粘连、遮挡、与正常场景差异大等问题的影响。因此,本文使用人体骨架信息进行识别,来减弱上述问题造成的影响。核心思想在于使用深度学习方法,提取原始图像序列中的人体骨架关键点,据此构成步态骨架图结构以辅助后继步态识别。在具体实现中,本文引入多个相同的时空图卷积模块,使得所提取的步态骨架序列能充分融合空间维度与时间维度两方面的特征信息。实验证明,该网络在CASIA-B数据集上相对于传统的步态骨架方法,达到了更高的性能。