[论文解读] Smart Insole: A Gait Analysis Monitoring Platform Targeting Parkinson Disease Patients Based on Insoles

Dimitrios G. Boucharas, Christos Androutsos+12 more|arXiv (Cornell University)|Nov 23, 2022

Parkinson's Disease Mechanisms and Treatments被引用 4

一句话总结

本论文提出了一种模块化、云端连接的智能鞋垫系统，配备16个足底压力传感器、一个加速度计和一个陀螺仪，用于监测帕金森病（PD）患者的步态与平衡状况。该系统集成了人工智能驱动的分析与可视化功能（例如，热力图、蝴蝶结图、环形步态相位图），以支持临床决策，展现出作为PD疾病进展和步态不稳评估的数字生物标志物的强大潜力。

ABSTRACT

During the preceding decades, human gait analysis has been the center of attention for the scientific community, while the association between gait analysis and overall health monitoring has been extensively reported. Technological advances further assisted in this alignment, resulting in access to inexpensive and remote healthcare services. Various assessment tools, such as software platforms and mobile applications, have been proposed by the scientific community and the market that employ sensors to monitor human gait for various purposes ranging from biomechanics to the progression of functional recovery. The framework presented herein offers a valuable digital biomarker for diagnosing and monitoring Parkinson's disease that can help clinical experts in the decision-making process leading to corrective planning or patient-specific treatment. More accurate and reliable decisions can be provided through a wide variety of integrated Artificial Intelligence algorithms and straightforward visualization techniques, including, but not limited to, heatmaps and bar plots. The framework consists of three core components: the insole pair, the mobile application, and the cloud-based platform. The insole pair deploys 16 plantar pressure sensors, an accelerometer, and a gyroscope to acquire gait data. The mobile application formulates the data for the cloud platform, which orchestrates the component interaction through the web application. Utilizing open communication protocols enables the straightforward replacement of one of the core components with a relative one (e.g., a different model of insoles), transparently from the end user, without affecting the overall architecture, resulting in a framework with the flexibility to adjust its modularity.

研究动机与目标

• 开发一种低成本、远程且易于获取的帕金森病患者步态监测平台。
• 通过实现家庭环境下的持续监测，解决临床步态评估可及性有限的挑战。
• 为临床医生提供经人工智能增强的可视化效果与数字生物标志物，以改善诊断与治疗方案制定。
• 设计一种模块化、可扩展的架构，实现组件更换（例如，不同型号的鞋垫）而无需整体系统重构。
• 评估系统通过动态压力中心（COP）模式与步态相位分布检测步态与平衡异常的能力。

提出的方法

• 部署了一对配备16个足底压力传感器、一个加速度计和一个陀螺仪的智能鞋垫，用于实时采集步态与平衡数据。
• 利用移动应用程序通过开放通信协议将原始传感器数据传输至基于云端的平台。
• 开发了基于标准协议的网络应用程序，用于数据编排、可视化与临床报告生成。
• 设计状态机以检测足部状态（如足跟触地、脚趾离地等），实现精确的步态周期分析。
• 生成专业可视化图表：基于动态COP计算生成热力图，基于COP轨迹生成蝴蝶结图，基于步态相位分布生成环形图。
• 应用人工智能算法提取并分析步态指标，如支撑相、摆动相、单足支撑相与双足支撑相，以供临床解读。

实验结果

研究问题

• RQ1 配备嵌入式传感器的智能鞋垫系统能否有效捕捉帕金森病患者的步态与平衡模式？
• RQ2 基于COP数据生成的可视化生物标志物（如热力图与蝴蝶结图）在多大程度上能反映PD患者的步态不稳？
• RQ3 人工智能增强的步态相位可视化在多大程度上可提升PD管理的临床决策能力？
• RQ4 该模块化架构是否能在不破坏系统功能的前提下支持组件更换（如不同型号的鞋垫）？
• RQ5 步态相位分布（如双足支撑时间）与PD患者步态功能障碍的临床指标之间存在何种相关性？

主要发现

• 该系统成功利用嵌入鞋垫中的16个足底压力传感器、一个加速度计和一个陀螺仪，捕获了详细的步态与平衡数据。
• 基于动态压力中心（COP）数据生成的热力图清晰显示出聚类模式与变异性，表明平衡状态与不稳定性。
• 基于COP轨迹生成的蝴蝶结图揭示了在对称性、高度与线性特征方面的显著差异，可有效区分PD患者与健康个体的步态模式。
• 用于可视化步态相位分布的环形图有效突出了双足支撑相的异常增加，而这是已知的步态不稳指标。
• 模块化架构实现了无缝的组件更换（如不同型号的鞋垫），且未影响系统性能或用户体验。
• 人工智能算法与可视化分析的结合，为临床医生提供了可操作的、数据驱动的洞察，有助于制定个体化治疗方案。