前交叉韧带断裂后足底压力特征的聚类分析

作     者：李晓理 黄红拾 王杰 于媛媛 敖英芳 LI Xiao-Li;HUANG Hong-Shi;WANG Jie;YU Yuan-Yuan;AO Ying-Fang

作者机构：北京工业大学电子信息与控制工程学院北京100124 北京大学第三医院运动医学研究所北京100191 北京科技大学自动化学院北京100083 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2017年第43卷第3期

页      面：418-429页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家自然科学基金(61473034 61673053) 高等学校博士学科点专项科研基金(2013000611008) 内涵发展–引进人才科研启动费 北京市科技新星交叉学科项目(Z161100004916041) 低温重点实验室开放基金(CRYO 201316 TIPC CAS) 北京大学医–信交叉建设孵化基金(BMU2016-12)资助 

主　　题：足底压力 步态特征 极限学习机神经网络 前交叉韧带断裂 聚类分析 

摘      要：运动过程中,人体的步态特征可以在足底压力图像上有准确的记录,而这也就可以成为判断步态正常与否的一条有效依据.通过一组压力传感器阵列获取人体运动过程的足底压力分布数据,提取步态的运动学和动力学特性.在此基础上,采用极限学习机(Extreme learning machines,ELM)神经网络聚类算法对足底压力数据进行分析,完成正常与异常步态的分类辨识工作.本文从实际临床数据出发,对前交叉韧带断裂患者进行步态分析,并据医生的临床诊断结果进行校验.该方法在步态分析上取得了较为良好的效果,仿真结果表明了其有效性.