基于步行时足底压力信息的前交叉韧带断裂辅助诊断方法

黄红拾¹, 王政飞², 许国雄², 李文新², 张思¹, 张东霞¹, 敖英芳^1,?

1. 北京大学第三医院运动医学研究所, 北京 1001912. 北京大学信息科学技术学院,北京 100871

收稿日期:2018-06-14修回日期:2018-11-01出版日期:2019-09-20

基金资助:国家自然科学基金(91646202)、北京大学医学-信息科学联合研究种子基金(BMU20160590)、北京大学第三医院院临床重点项目(BYSY2017012)和广州市产学研协同创新重大专项(201604020095)资助

Anterior Cruciate Ligament Deficiency Auxiliary DiagnosisBased on Plantar Pressure Information during Walking

HUANG Hongshi¹, WANG Zhengfei², XU Guoxiong², LI Wenxin², ZHANG Si¹,ZHANG Dongxia¹, AO Yingfang^1,?

1. Institute of Sports Medicine, Peking University Third Hospital, Beijing 1001912. School of Electronic Engineering andComputer Science, Peking University, Beijing 100871

Received:2018-06-14Revised:2018-11-01Published:2019-09-20

PDF

(3188KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 为了辨识动态足底压力信息与前交叉韧带断裂的关系, 将步行时的足底压力数据转换成图像, 采用深度学习中的卷积神经网络模型, 在给定足量输入图像与分类结果的情况下, 不断更新神经网络的参数, 建立图像与前交叉韧带断裂的关系。将足底压力测试系统(FootScan^®)采集的数据分为训练集和测试集两个部分。训练集用于调整模型的参数, 帮助模型更好地分析并找到足底压力信息与前交叉韧带断裂的关系; 测试集用于模拟诊断, 对比真实情况, 评估准确性, 并评估其作为临床辅助诊断方法的性能。结果表明, 提出的投票法模型的诊断正确率超过90%, 并且从得到足底压力数据到产生诊断结果, 总耗时仅3秒左右。由此得出, 所提出的基于步行时足底压力信息的深度学习模型, 可以在很短时间内辅助诊断前交叉韧带断裂, 为临床辅助诊断及康复提供参考。

引用本文

黄红拾, 王政飞, 许国雄, 李文新, 张思, 张东霞, 敖英芳. 基于步行时足底压力信息的前交叉韧带断裂辅助诊断方法[J]. 北京大学学报自然科学版, 2019, 55(5): 859-864.
HUANG Hongshi, WANG Zhengfei, XU Guoxiong, LI Wenxin, ZHANG Si, ZHANG Dongxia, AO Yingfang. Anterior Cruciate Ligament Deficiency Auxiliary DiagnosisBased on Plantar Pressure Information during Walking[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(5): 859-864.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3388