准确率超94%
利用确定性学习对步态系统动态进行建模，通过动态估计器区分CSM患者与健康人，实现非侵入式自动检测。
姬冰 · Qihang, Dai · Xinyu, Ji · Wu, Weiming · Sun, Qinghua · Hecheng, Ma · Menglin, Cong · Lei, Cheng · 王聪 · Meng, Si · 曾玮
Artificial Intelligence Review 2023
通过确定性学习将步态系统动态存储在常值RBF神经网络中，以动态估计器自动区分CSM与健康步态，减少对人工步态分析的依赖。
在45对样本上采用留一法交叉验证仍获得95.56%平均准确率，表明模型对个体差异不敏感，泛化能力强。
提取髋、膝关节在矢状面和冠状面的角度特征，这些运动学参数能捕捉CSM患者步态偏离的细微变化。