今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

利用惯性传感器和深度学习进行犬类步态分析,以辅助诊断骨科及神经系统疾病

《Scientific Reports》:Canine gait analysis using inertial sensors and deep learning for orthopedic and neurological disorders

【字体: 大 中 小 】 时间:2026年03月19日 来源:Scientific Reports 4.9

编辑推荐:

  摘要在兽医临床领域,利用可穿戴惯性传感器对犬类步态进行分析越来越受到重视,因为这能为各种运动功能障碍提供有价值的见解。即便是有经验的临床医生,也往往难以轻易区分神经性和骨科疾病。本研究探讨并开发了一种基于惯性传感器数据深度学习方法,用以判断神经性和骨科性步态特征是否有助于步态分析

  

摘要

在兽医临床领域,利用可穿戴惯性传感器对犬类步态进行分析越来越受到重视,因为这能为各种运动功能障碍提供有价值的见解。即便是有经验的临床医生,也往往难以轻易区分神经性和骨科疾病。本研究探讨并开发了一种基于惯性传感器数据深度学习方法,用以判断神经性和骨科性步态特征是否有助于步态分析。我们的研究重点在于提升区分这些步态异常的性能与泛化能力。同时,还提出了调整传感器配置、优化评估流程以及改进深度学习模型架构的建议。通过29只狗的数据集测试,所提出的方法在多类分类任务(健康/骨科疾病/神经系统疾病)中的准确率为0.96,在二分类任务(健康/非健康)中的准确率为0.85,且能在未见过的狗身上保持较好性能。研究结果表明,基于惯性的深度学习模型有望成为一种实用且客观的诊断工具,帮助区分骨科疾病和神经系统疾病中的步态特征。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:神经性病|骨科病|步态分析|深度学习|诊断工具|传感器优化

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号