个性化步态轨迹生成方法

平均心率降69%

基于FFT的概率映射模型，用128名健康者数据训练，从9名患者身体参数直接生成个性化步态轨迹，免去预中风数据采集。

Zhang, Shisheng · Yang, Zhang · Mengbo, Luan · Peng, Ansi · Ye, Jing · Chen, Gong · 付成龙 · 冷雨泉 · Wu, Xinyu

IEEE Transactions on Automation Science and Engineering 2024

参数信息

平均血氧饱和度从

94.5 %

平均心率从

105 次

血氧饱和度改善最高

66.67 %

心率改善最高

69.23 %

技术优势

无需患者中风前数据

利用FFT建立步态特征与身体参数的映射，从当前身体参数即可生成个性化轨迹，避免难以获取的中风前步态数据。

数据需求少

FFT减少回归数据点数，降低对大规模数据集的依赖，仅用128名健康者数据即完成模型训练。

训练更轻松

临床结果显示，个性化轨迹训练相比固定轨迹训练降低血氧饱和度和心率，改善最高达66.67%和69.23%，减轻患者生理负担。

应用场景

• 下肢康复外骨骼：为不同患者生成匹配的步态轨迹，提高下肢外骨骼的康复适配性。
• 神经康复机器人：个性化的生理负荷训练有助于神经重塑，提升康复机器人训练的针对性。
• 康复机器人控制：将生成轨迹作为控制参考输入，实现康复机器人的个性化运动控制。