摘要
背景/目的：基于视频的无标记步态评估方法作为一种有前途的替代方案，已经取代了实验室中的运动捕捉系统，因为它能够实现客观、低成本且易于使用的移动能力评估。然而，关于深度学习（DL）在现实临床环境中用于10米步行测试（10-MWT）期间评估步态速度的有效性的证据仍然有限。本研究评估了基于DL的无标记视频系统在户外临床条件下估计10-MWT期间步态速度的同步有效性。 方法：来自三个年龄组的32名健康参与者在舒适、慢速和快速行走条件下完成了10-MWT测试。步态速度同时使用所提出的基于DL的无标记视频系统（结合YOLOv11x模型）和Tracker视频分析软件（版本6.3.2）进行测量。步态速度是在连续六个1米的行走段中计算的。同步有效性通过皮尔逊相关系数和Bland-Altman分析进行评估。 结果：在所有六个行走段和行走速度条件下，皮尔逊相关系数的范围为0.92至0.98，表明同步有效性非常高。Bland-Altman分析显示，所提出的系统与参考方法之间有很好的一致性，平均差异接近零，并且大多数观察结果落在95%的一致性范围内。所提出的系统在舒适、慢速和快速行走条件下均保持了高一致性，同时能够在整个10-MWT过程中进行特定段的步态速度分析。 结论：所提出的基于DL的无标记视频系统在户外非实验室条件下进行10-MWT步态速度评估时与Tracker方法具有很高的一致性，这支持了其作为一种可行的步态速度评估方法的潜力。
