
-
生物通官微
陪你抓住生命科技
跳动的脉搏
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
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。