.png){kind=icon}
返回
A knowledge graph-based post-stroke gait assessment system: A pilot study
.png){kind=icon}
OA
AI
DOI：10.1016/j.medengphy.2025.104449.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
仪器化步态分析（IGA）已在研究中得到广泛应用，但在临床实践中并不常见，因为它需要数据分析与解释的专业知识。卒中后临床步态评估可通过将人工智能整合到IGA中得到改进，但以往的步态评估系统临床实用性相对较低。本研究旨在基于知识图谱（KG）开发一个面向临床的自动卒中后步态评估系统，以更好地支持临床医生。首先在步态分析领域构建了一个领域KG。该系统能够处理IGA数据，基于运动学分析和KG识别步态异常及其潜在原因。一项初步评估以二十名卒中后患者和四名领域专家为对象，测试了系统在临床环境中的性能，结果显示平均召回率、精确率和F值为1、0.78和0.89。四名临床专业人员表示在临床环境中使用该系统的行为意向较高（基于技术接受模型，5分量表得分为4.33 ± 0.41）。结果表明，该系统有潜力应用于临床环境，为临床医生提供有用的补充见解，这可能促进IGA的解释和临床实用性。该KG的架构可推广或扩展至与其他疾病相关的步态分析。
Keyword:
Gait analysis
Knowledge graph
Stroke
Automatic system
Gait rehabilitation
Decision making
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
M
IF:
2.3
论文数:
89
被引数:
0
机构
引用论文
Detection and Classification of Stroke Gaits by Deep Neural Networks Employing Inertial Measurement Units基于惯性测量单元的深度神经网络对中风步态的检测和分类.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容