利用智能多模态传感器融合技术进行早期膝关节疾病检测和损伤预防，同时结合假肢步态控制功能

《International Journal of Injury Control and Safety Promotion》：Intelligent multimodal sensor fusion for early knee disorder detection and injury prevention using prosthetic gait control

可穿戴系统通过两阶段框架实现膝盖病理检测与假肢自适应控制，第一阶段采用增强均值绝对值/波长特征提升检测精度至94.7%（显著优于传统方法），第二阶段融合肌电、压力传感器和惯性测量单元，利用XGBoost模型实现99.2%步态相位识别，动态调整相位转换时序、肌电阈值和驱动增益以适应不同病理状态，LabVIEW环境验证显示筛查准确率比深度学习高4.7%。

　　

摘要

用于膝关节病变检测和假肢控制的可穿戴系统仍受到诊断限制或刚性驱动机制的制约。本研究提出了一种集成式两阶段框架，结合了无创筛查和自适应假肢控制技术。第一阶段采用新型时频特征（增强型平均绝对值/增强型波长），通过Extra Trees分类器实现了94.7%的异常检测准确率，比传统特征提高了3.16%；该结果通过10折交叉验证和严格的统计测试（Friedman/Nemenyi方法，95%置信区间）得到了验证。SHAP分析得出了可供临床医生解读的阈值（例如半腱肌增强型平均绝对值大于0.3 mV）。第二阶段利用多模态融合技术（肌电图EMG、频率谱分析FSR、惯性测量单元IMU），结合XGBoost算法实现了99.2%的步态阶段识别准确率，从而实现实时健康自适应假肢控制，能够根据病变状态动态调整：阶段转换时机（异常情况下为400毫秒，正常情况下为300毫秒）、肌电图阈值（0.15 mV vs 0.10 mV）以及电机增益（2.5倍 vs 1.0倍）。该端到端的诊断-控制解决方案在基于LabVIEW的控制环境中经过验证，适用于多种地形和速度条件，其筛查准确率远高于深度学习方法（提升超过4.7%），同时实现了基于上下文的假肢适应性调整，为可及性的肌肉骨骼康复技术树立了新的范式。