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

doi:10.13209/j.0479-8023.2023.089

北京大学学报自然科学版 ›› 2024, Vol. 60 ›› Issue (1): 109-117.DOI: 10.13209/j.0479-8023.2023.089

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

李玳¹, 王天牧^2,3, 张思¹, 秦跃^2,3, 谢福贵^2,3, 刘辛军^2,3, 聂振国^2,3,†, 黄红拾^1,†

1. 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 2. 摩擦学国家重点实验室, 清华大学机械工程系, 北京 100084 3. 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

收稿日期:2022-12-26 修回日期:2023-05-20 出版日期:2024-01-20 发布日期:2024-01-20
通讯作者: 聂振国, E-mail: zhenguonie(at)tsinghua.edu.cn, 黄红拾, E-mail: huanghs(at)bjmu.edu.cn
基金资助:
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

Intelligent Diagnosis on Anterior Cruciate Ligament Deficiency Based on Plantar Pressure and ConvLSTM Neural Network

LI Dai¹, WANG Tianmu^2,3, ZHANG Si¹, QIN Yue^2,3, XIE Fugui^2,3, LIU Xinjun^2,3, NIE Zhenguo^2,3,†, HUANG Hongshi^1,†

1. Department of Sports Medicine, Peking University Third Hospital, Institute of Sports Medicine of Peking University, Beijing Key Laboratory of Sports Injuries, Engineering Research Center of Sports Trauma Treatment Technology and Devices (Ministry of Education), Beijing 100191 2. The State Key Laboratory of Tribology, Department of Mechanical Engineering, Tsinghua University, Beijing 100084 3. Beijing Key Lab of Precision/Ultra-precision Manufacturing Equipments and Control, Department of Mechanical Engineering, Tsinghua University, Beijing 100084

Received:2022-12-26 Revised:2023-05-20 Online:2024-01-20 Published:2024-01-20
Contact: NIE Zhenguo, E-mail: zhenguonie(at)tsinghua.edu.cn, HUANG Hongshi, E-mail: huanghs(at)bjmu.edu.cn

摘要/Abstract

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。

关键词: 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

Abstract:

Based on Convolutional Long-Short Term Memory Neural Network, the authors proposed a deep learning method PressureConvLSTM to extract features during walking in both spatial and temporal dimensions. Classification based on plantar pressure of anterior cruciate ligament deficiency (ACLD) was applied to distinguish walking gait information. Experiment results combined with clinical data showed that PressureConvLSTM model obtained 95% test accuracy when diagnosing ACLD, which was well performed over other traditional deep learning models.

Key words: intelligent diagnosis, anterior cruciate ligament deficiency (ACLD), plantar pressure, deep learning; ConvLSTM neural network

李玳, 王天牧, 张思, 秦跃, 谢福贵, 刘辛军, 聂振国, 黄红拾. 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[J]. 北京大学学报自然科学版, 2024, 60(1): 109-117.

LI Dai, WANG Tianmu, ZHANG Si, QIN Yue, XIE Fugui, LIU Xinjun, NIE Zhenguo, HUANG Hongshi. Intelligent Diagnosis on Anterior Cruciate Ligament Deficiency Based on Plantar Pressure and ConvLSTM Neural Network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2024, 60(1): 109-117.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2023.089

https://xbna.pku.edu.cn/CN/Y2024/V60/I1/109

[1]	张丰硕, 李豫, 李向前, 徐金安, 陈钰枫. 一种消减多模态偏见的鲁棒视觉问答方法[J]. 北京大学学报自然科学版, 2024, 60(1): 23-33.
[2]	姚照原, 马磊, 万玮, 宋本钦, 王卫红, 邓继伟, 肖蕾, 冀锐, 魏之皓, 崔要奎. 基于深度学习的遥感样本库一致性评估[J]. 北京大学学报自然科学版, 2023, 59(4): 563-568.
[3]	周翔宇, 毛善君, 李梅. 基于频域降采样和CNN的轴承故障诊断方法[J]. 北京大学学报自然科学版, 2023, 59(2): 251-260.
[4]	李放, 曹健, 李普, 谢豪, 赵雄波, 王源, 张兴. 基于ARM+FPGA异构平台的目标检测加速模块设计与实现[J]. 北京大学学报自然科学版, 2022, 58(6): 1035-1041.
[5]	李天然, 刘明童, 张玉洁, 徐金安, 陈钰枫. 基于深度学习的实体链接研究综述[J]. 北京大学学报自然科学版, 2021, 57(1): 91-98.
[6]	黄德朋, 李正华, 龚晨, 张民. 基于神经耦合模型的异构词法数据转化和融合[J]. 北京大学学报自然科学版, 2020, 56(1): 97-104.
[7]	黄红拾, 王政飞, 许国雄, 李文新, 张思, 张东霞, 敖英芳. 基于步行时足底压力信息的前交叉韧带断裂辅助诊断方法[J]. 北京大学学报自然科学版, 2019, 55(5): 859-864.
[8]	方海泉, 蒋云钟, 冶运涛, 曹引. 基于深度学习和多次棋盘分割法的高分辨率影像河流提取[J]. 北京大学学报自然科学版, 2019, 55(4): 692-698.
[9]	蔡振宇, 盖增喜. 人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例[J]. 北京大学学报自然科学版, 2019, 55(3): 451-460.
[10]	厉小军, 施寒潇, 陈南南, 柳虹, 邹轶. 基于表示学习的情感分析研究[J]. 北京大学学报自然科学版, 2019, 55(1): 105-112.
[11]	王潜升, 余南, 张梅山, 韩子嘉, 付国宏. N3LDG: 一种轻量级自然语言处理深度学习库[J]. 北京大学学报自然科学版, 2019, 55(1): 113-119.
[12]	王墨, 樊卓宸, 马浩, 彭晨, 张思旭, 王新安. 基于传感阵列的足底压力扫描系统设计研究[J]. 北京大学学报自然科学版, 2018, 54(6): 1159-1165.
[13]	吴焕钦, 张红阳, 李静梅, 朱俊国, 杨沐昀, 李生. 基于伪数据的机器翻译质量估计模型的训练[J]. 北京大学学报（自然科学版）, 2018, 54(2): 279-285.
[14]	黄红拾, 邱健威, 于媛媛, 杨洁, 敖英芳, 罗定生. 健康女大学生步行和慢跑运动模式下足底压力中心轨迹相似度分析[J]. 北京大学学报（自然科学版）, 2015, 51(6): 1035-1039.
[15]	刘勘,袁蕴英. 基于自动编码器的短文本特征提取及聚类研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 282-288.

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

Intelligent Diagnosis on Anterior Cruciate Ligament Deficiency Based on Plantar Pressure and ConvLSTM Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

留言