基于Xception-LSTM的下肢運動能力評價方法

張燕，王銘玥，王婕，姜愷寧，張筠晗

1.河北工業大學人工智能與數據科學學院，天津市 300130；2.鄭州大學國際學院，河南鄭州市450001

我國老齡化問題日趨顯著[1]。預計到2050 年，老年人口將超4 億。大部分老年人會出現嚴重的運動障礙，步態特征發生明顯變化[2-3]，通過評估下肢能力可為配備相應的助行設備提供參考。有必要對老年人下肢運動能力進行量化評估[4]。

目前，一般采用評價量表和步態指數對運動能力進行評估。大部分評價量表基于《國際功能、殘疾和健康分類》標準演化而來，根據國情改進評估內容并進行等級劃分[5-6]。如日本根據身體功能、精神行動障礙等方面評估老年人活動能力，美國的評估工具最小數據庫(Minimum Data Set,MDS)和澳大利亞的養老護理評估表(Aged Care Funding Instrument,ACFI)等[7-9]。這些量表存在耗時長、主觀性強等弊端，且準確性主要依靠醫師的經驗和水平。此外，一些研究提出采用步態指數來實現病理步態的定量分析，如吉萊特步態指數(Gillette Gait Index,GGI)、步態偏差指數(Gait Deviation Index,GDI)、步態外形分數(Gait Profile Score,GPS)、步態變異指數(Gait Variability Index,GVI)和分類定向步態評分(Classifier Oriented Gait Score,COGS)等[10-13]。這些步態指數能夠準確評估運動能力，但由于采集過程和特征提取過程復雜，并不適合老年人下肢運動能力的評估。

本研究提出一種基于Xception、長短期記憶網絡(long short-term memory,LSTM) 并聯的Xception-LSTM 網絡與核主成分分析(kernel principal component analysis,KPCA)相結合的下肢運動能力評估方法。在此基礎上，建立融合步態圖像特征、膝關節角度和地面反作用力(ground reaction force,GRF)的下肢運動能力評估指標步行能力評分(gait ability score,GAS)。

1 資料與方法

1.1 一般資料

2016 年8 月至2017 年3 月，選取學校和周邊社區自愿參與本研究的中老年人和年輕健康人共40例。……