(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211288527.X (22)申请日 2022.10.20 (71)申请人 南京市儿童医院 地址 210000 江苏省南京市 建邺区江东 南 路八号儿童医院河西分院 (72)发明人 郑朋飞　唐凯　郭若宜　庄汉杰　 (74)专利代理 机构 江苏纵联律师事务所 32 253 专利代理师 戴勇 (51)Int.Cl. A61B 5/11(2006.01) A61B 5/103(2006.01) A61B 5/389(2021.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 40/20(2022.01) (54)发明名称 基于人工智能的步态分析诊断系统及方法 (57)摘要 基于人工智能的步态分析诊断系统及方法， 基于三维步态分析采集设备， 储存器和电脑AI分 析系统， 针对运动学、 动力学、 动态肌电图等 关键 部分进行分析和诊断。 与人工操作相比， AI具有 强大的运算能力， 对于图形的分析更加准确， 可 以在短时间内完成对于步态分析曲线的解析并 做出诊断， 将结果输出。 降低节省时间和人力成 本的同时， 极大降低误差概 率。 权利要求书2页 说明书5页 附图6页 CN 115486839 A 2022.12.20 CN 115486839 A 1.基于人工智能的步态分析诊断系统， 其特 征在于： 所述系统包括 三维步态采集分析设备， 储 存器和电脑 AI分析系统； 所述三维步态采集分析设备包括运动捕捉系统、 三维测力 板、 表面肌电系统、 足底压力 分布设备， 采集并分析得到初步数据， 包括受试者步行时的移动轨迹、 关节角度、 速度、 周期 和时相、 肌电图及重心位移和功率能量消耗； 采集和分析的初步数据均存 储至储存器中； 所述电脑AI分析系统使用回顾性的步态分析， 利用AI深度 学习法将步态分析诊断案例 记入数据库， 利用该数据库， 进行深度神经网络训练， 通过训练， 学习采集设备捕捉的相关 数据信息与诊断结果之间的相关性， 构建基于深度神经网络的分类模型， 并最终用于实际 临床病例的诊断分析； 设定人工智能建模的多分类 问题， 并利用多分类算法将初步数据进 行训练建模， 形成步态分析诊断的自动判别人工智能模型， 通过模型对三维步态采集分析 设备得到初步数据分析 得到分析诊断结果。 2.根据权利要求1所述的基于人工智能的步态分析诊断系统， 其特征在于： 所述电脑AI 分析系统中， 基于三维步态采集分析设备得到的初步数据， 得到分析结果， 包括步行周期、 运动学与动力学参数、 动态肌电图、 重心位移及能量消 耗、 站立姿态和步态足底解析结果、 步态解析 结果。 3.根据权利要求2所述的基于人工智能的步态分析诊断系统， 其特征在于： 对于步行周 期， 预先建立正常步态模型 的数据库， 记录下运动学、 动力学数据的平均值， 通过初步数据 与正常参数和曲线的比较， 对躯干、 髋关节、 膝关节和踝关节的步态曲线进行分析， 判断出 异常模式， 并匹配可能原因。 4.根据权利要求2所述的基于人工智能的步态分析诊断系统， 其特征在于： 对于运动学 与动力学参数， 计算得出各关节的运动学参数、 动力学参数以及各个关节中心的运动学参 数； 对比各时相各个关节的屈曲角度， 伸展角度， 最大活动范围， 判断步态 异常的原因。 5.根据权利要求2所述的基于人工智能的步态分析诊断系统， 其特征在于： 对于动态肌 电图， 分析人体在自由行走时其下肢肌肉优势侧和非优势侧差异， 根据各时相正常肌电图 和异常肌电图的波幅、 波峰以及收缩时间的变化， 判断肌肉功能水平。 6.根据权利要求2所述的基于人工智能的步态分析诊断系统， 其特征在于： 对于重心位 移及能量消耗， 基于力的测量结果运算处理得出人在运动状态时的总重心的空间位移轨 迹， 同时结合影像测量得出空间速度， 从而推算出行走时的能量消耗， 并于正常结果相对 比， 做出判断。 7.根据权利要求2所述的基于人工智能的步态分析诊断系统， 其特征在于： 对于站立姿 态解析， 比较左右脚承重大小， 双侧足前后受力以及足底压力中心在前后方向、 左右方向稳 定性， 解析站立姿态的异常状态； 对于步态足底解析， 比较双侧前后足的最大受力、 单支撑 线长度及压力中心的位置， 解析步态足底的异常状态。 8.根据权利要求2所述的基于人工智能的步态分析诊断系统， 其特征在于： 对于步态解 析， 从时空参数、 关节运动学及地 面反作用力解析步态， 解析步态 异常的原因； 时空参数包括： 对比双侧步频、 包含支撑相和摆动相的步态周期、 步长、 步幅、 步速的差 异， 与正常人群的关节动力学参数范围做对比， 判断是否存在异常， 同时比较双侧对称性水 平； 关节运动学包括： 记录双侧 踝关节跖屈背屈、 内翻外旋； 双侧膝关节屈伸旋转、 内翻外权　利　要　求　书 1/2 页 2 CN 115486839 A 2翻； 双侧髋关节内收外展、 内旋的运动状态， 与正常人群的关节动力学参数范围做对比， 判 断是否存在异常， 同时比较双侧对称性水平； 地面反作用力包括： 比较双侧足在前后方向的制动力和推动力、 稳定性、 重复性、 记录 足跟着地时作用力峰值， 与正常人群的关节动力学参数范围做对比， 判断是否存在异常， 同 时比较双侧对称性水平。 9.根据权利要求1所述的基于人工智能的步态分析诊断系统， 其特征在于： 所述电脑AI 分析系统中， 通过面积、 点位、 数值的特征对数据进 行检测， 与正常值的比较， 对曲线的分析 和图片的分辨， 配合AI深度学习算法和图像进行诊断； 同时将采集的步态数据跟数据库中 的储存的数据模板匹配， 由相关性的高低和所匹配的模板大小进一步诊断； 最终两者相 辅 相成形成最终诊断， 并将诊断及分析结果储存； 诊断结果将根据不同病 人的基础参数进行 调整。 10.使用如权利要求1 ‑9所述的基于人工智能的步态分析诊断系统 的分析诊断方法， 其 特征在于： 包括如下步骤： 步骤1， 通过三维步态分析采集设备获取初步数据， 包括受试者步行时的移动轨迹、 关 节角度、 速度、 周期和时相、 肌电图及重心位移和功率能量消耗； 步骤2， 获取的初步数据存 储至储存器中； 步骤3， 使用电脑AI分析系统， 通过建立的步态分析诊断的自动判别人工智能模型， 对 初步数据建模分析诊断， 得到分析诊断结果， 其中包括对步行周期、 运动学与动力学参数、 动态肌电图、 重心位移及能量消耗、 站立姿态和步态足底、 步态的分析诊断； 步骤4， 提取数据结果进行审核， 并同意或修改上一步骤得到的分析诊断结果， 通过签 名确认此次人工智能步态分析诊断结果真实有效； 步骤5， 将分析诊断结果打印， 同时留存备份。权　利　要　求　书 2/2 页 3 CN 115486839 A 3