一项开创性研究探讨了是否可以利用更加易于获取的技术--脚部穿戴传感器和3D深度摄像头--准确测量人们的行走方式，从而为传统的步态分析工具提供一种实用的替代方案。

图：传感器

步态，即一个人行走的模式，已成为衡量整体健康的重要标志，被用于检测跌倒风险、监测康复情况以及早期识别如帕金森病和阿尔茨海默病等神经退行性疾病。虽然像Zeno™步行道这样的电子走道长期以来被视为步态分析的标准工具，但其高昂的成本、占地面积大以及便携性有限限制了其广泛应用--尤其是在受控实验室环境之外。

为克服这些障碍，佛罗里达大西洋大学（FAU）工程与计算机科学学院和传感研究所的研究人员和合作者进行了首次同时评估三种不同传感技术的研究：APDM可穿戴惯性测量单元（IMUs）、微软Azure Kinect深度摄像头以及Zeno™步行道，并在相同的现实世界临床条件下进行评估。深度感应摄像头捕捉3D数据、彩色图像和身体动作，用于人工智能、机器人技术和运动跟踪。研究结果发表在《传感器》杂志上，显示脚部佩戴的IMUs和Azure Kinect不仅与传统工具具有同等准确性，还能够实现可扩展、远程且成本效益高的步态分析。

这三项技术首次在同一临床环境中直接并排进行比较，“FAU电气工程与计算机科学系和生物医学工程系副教授、资深作者Behnaz Ghoraani博士说，她还是传感研究所的成员。“我们想回答一个领域内长期存在的问题：像可穿戴设备和无标记摄像头这样的更易获取工具能否可靠地达到临床标准的详细步态分析要求？答案是肯定的——尤其是在涉及脚部传感器和Azure Kinect的情况下。”该研究招募了20名年龄在52至82岁的成年人，他们完成了单任务行走和双任务行走试验——这种方法常用于模拟需要分心或多重任务处理的真实世界行走条件。多亏FAU研究人员开发的一个自定义硬件平台，三个系统能够同时捕捉每位参与者的步态，并将所有数据源精确同步到毫秒级。

研究人员评估了11种不同的步态标记，包括基本的指标如行走速度和步频，以及更详细的指标如步长时间、支撑相时间和摆动时间。这些标记通过统计方法进行分析，将每种设备的测量结果与Zeno™步道的结果进行了比较。结果显示：脚部佩戴的传感器在几乎所有步态标记上都与步道显示出了近乎完美的一致性。Azure Kinect的表现也非常出色，在包含多名人员（包括护理人员和工作人员）的复杂现实临床环境中，即使在摄像头视野内也有很强的准确性。相比之下，腰背部佩戴的传感器通常用于穿戴式步态研究中，其准确性和一致性明显较低，尤其是在细微步态周期事件方面。许多研究使用腰部传感器是因为它们安装方便。然而，这项研究的数据表明，它们往往无法捕捉到临床医生最关心的细节——尤其是基于时间的标记，这些标记可以揭示早期神经问题的迹象。

“通过在具有所有不可预测的视觉噪音的真实临床环境中测试这些工具，我们朝着验证它们在日常使用中的有效性迈出了重要的一步。”Ghoraani 说。“这不仅仅是一项实验室实验。这些技术已经准备好应对现实世界的需求。”重要的是，这项研究是首次将Azure Kinect与电子走道进行微时间步长步态标记基准测试——填补了文献中的一个关键空白，并确认了该设备的临床价值潜力。“这项研究的意义深远，”FAU工程与计算机科学学院院长Stella Batalama博士表示，“随着医疗保健系统越来越多地接受远程医疗服务和远程监测，像可穿戴足部传感器和深度摄像头这样的可扩展技术正在成为强大的工具。它们使临床医生能够跟踪移动性、检测功能衰退的早期迹象，并量身定制干预措施——而无需昂贵且占用空间的设备。”

研究合著者是第一作者 Marjan Nassajpour 和 Mahmoud Seifallahi，均为佛罗里达国际大学工程与计算机科学学院的博士生；以及物理治疗研究员、教育副主任Amie Rosenfeld；神经学研究助理教授、研究副主任Magdalena I. Tolea博士；以及神经科教授、神经科部主任和全面脑健康中心主任James E. Galvin博士，以上皆来自迈阿密大学米勒医学院。本项工作得到了国家科学基金会和国立卫生研究院的支持。-佛罗里达国际大学-