基于足底压力和卷积长短期记忆神经网络的前交叉韧带断裂智能辅助诊断

作     者：李玳 王天牧 张思 秦跃 谢福贵 刘辛军 聂振国 黄红拾 LI Dai;WANG Tianmu;ZHANG Si;QIN Yue;XIE Fugui;LIU Xinjun;NIE Zhenguo;HUANG Hongshi

作者机构：北京大学第三医院运动医学科北京大学运动医学研究所运动医学关节伤病北京市重点实验室运动创伤治疗技术与器械教育部工程研究中心北京100191 摩擦学国家重点实验室清华大学机械工程系北京100084 精密/超精密制造设备与控制北京市重点实验室清华大学机械工程系北京100084 

出 版 物：《北京大学学报（自然科学版）》 (Acta Scientiarum Naturalium Universitatis Pekinensis)

年 卷 期：2024年第60卷第1期

页      面：109-117页

核心收录：

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金–区域创新发展联合基金(U23A20471) 北京市科技新星计划交叉合作课题(20230484412) 北京市自然科学基金–海淀原始创新联合基金(L222138) 北京大学第三医院创新转化基金(BYSYZHKC2022119)和北京大学第三医院临床重点项目(BYSYZD2021012)资助 

主　　题：智能诊断 前交叉韧带断裂 足底压力 深度学习 卷积长短期记忆神经网络 

摘      要：提出一种基于卷积长短期记忆神经网络的深度学习模型PressureConvLSTM,用来提取行走过程中足底压力的空间特征和时序特征,并进行步态分类。通过对前交叉韧带断裂患者的足底压力数据分析,实现智能辅助诊断。结合临床数据的实验结果表明,PressureConvLSTM模型对前交叉韧带断裂的辅助诊断,能够达到95%的预测准确度;与卷积神经网络等其他模型相比,准确度得到大幅度提升。