基于确定学习和步态分析的膝关节疾病辅助诊断与康复评估研究

Knee joint suffers from the largest amount of damage and interference of various diseases in all joints of the human body. Different diseases lead to different gait dysfunctions, hence quantitative analysis of gait provides important clues for the noninvasive auxiliary diagnosis and rehabilitation assessment of knee arthropathy. Gait is human's explicit and dynamic representation which is closely related to the spatial-temporal information of waking movements. It is an important and challenging problem to model and identify human gait. Focusing on this problem, in this project, based on deterministic learning theory, we carry out the research of auxiliary diagnosis of knee arthropathy by using gait analysis techniques. First, we study the problems of modeling, identification (learning), time-invariant representation, similarity definition and classification of gait system dynamics between patients with knee arthropathy and healthy control subjects. In this project, the methods of parameter convergence and closed-loop stability analysis in adaptive neural network control are applied in gait analysis, which transform the gait analysis problem into the stability and convergence analysis of error system. This realizes the auxiliary diagnosis of knee arthropathy without using MRI and arthroscopy. Second, illness severity rating and evaluation system together with treatment and rehabilitation evaluation system for knee arthropathy will be constructed. Finally, in this project, a clinical gait analysis prototype will be developed to achieve significative exploration in practical applications. The study of this project will make a meaningful contribution to the development of auxiliary diagnosis methods for knee arthropathy.

膝关节是人体遭受损伤和各类疾病干扰的关节之首，而不同的疾病对应不同的异常步态，因此对步态的定量分析可为膝关节疾病的无创辅助诊断与康复评估提供重要的线索。步态是人外在、动态的表现，且和步行运动的时空信息密切联系，对其建模、辨识是一个重要且有挑战性的问题。针对该问题，本项目以确定学习理论为基础，结合步态分析技术对膝关节疾病辅助诊断展开研究。首先，研究膝关节疾病患者与健康正常人非线性步态系统动力学的建模、辨识、时不变表达、步态模式之间的相似性定义和分类等问题，将自适应神经网络控制中参数收敛和闭环系统稳定性分析的方法应用到步态分析领域，将其转化为误差系统的稳定性和收敛性问题，在不采用MRI及关节镜手术的情况下实现膝关节疾病的无创辅助诊断；其次，建立膝关节疾病患者病情严重程度等级评估和康复效果评估体系；最后，开发出临床用步态分析原型机系统。本项目的研究将为膝关节疾病辅诊断方法的发展做出有意义的贡献。

人体步态蕴涵着丰富的生理和病理信息，能够从侧面反映患者的病变特征，可为骨关节病损、神经系统损伤等疾病而导致步态异常的患者做出辅助诊断以及评定康复疗效。本项目提出了有效方法来解决基于步态分析的膝关节疾病辅助诊断中的各类问题。主要研究内容包括：膝关节疾病患者与健康正常人时变的非线性步态系统动力学的建模、辨识、时不变表达、步态模式之间的相似性定义和快速分类等问题；基于步态分析的膝关节疾病无创辅助诊断等问题；膝关节疾病患者病情严重程度等级评估和康复效果评估问题。在上述研究内容中，提出基于人体膝关节三维六自由度运动学参数数据和确定学习理论的健康正常人与膝骨性关节炎患者步态分类方法；提出基于经验模态分解与神经网络的健康正常人与膝骨性关节炎患者步态特征提取与分类方法；提出基于相空间重构、欧式距离与神经网络的前交叉韧带损伤患者与健康正常人步态的建模、辨识与分类方法；提出基于运动学和动力学特征、步态动力学以及神经网络的单侧前交叉韧带损伤患者步态分类的方法；提出基于相空间重构、经验模态分解和神经网络的帕金森症患者辅助诊断方法；提出基于五连杆模型和动力学差异的单侧前交叉韧带损伤患者步态特征提取与分类方法；提出基于双单摆模型、固有时间尺度分解与神经网络的单侧前交叉韧带损伤患者步态特征提取与分类方法；提出对非线性步态系统动力学的周期性和离散型定量描述，构建膝关节疾病严重程度的分级标准；提出构建正常步态衡量标准和模版，实现膝关节疾病康复评估。本项目将自适应神经网络控制中参数收敛和闭环系统稳定性分析的方法应用到步态分析领域，将基于步态分析的膝关节疾病辅助诊断问题转化为误差系统的稳定性和收敛性问题。同时初步开发基于步态分析的膝关节疾病辅助诊断与康复评估原型机，进行了步态分析在实际应用中的有益探索。本项目的研究成果在智能医学辅助诊断等领域有着广泛的应用前景。