编辑推荐：
在人体步态分析中，准确检测足着地（Foot Strike）和足离地（Foot Off）事件至关重要，但现有算法存在精度不足等问题。研究人员开发了 Multi - Condition 算法，该算法检测精度比专家校正更高，能在几秒内完成检测，有助于为临床提供可靠的步态分析参数。
在日常生活中，我们的每一步看似平常，却蕴含着复杂的力学原理。人体步态作为不断学习和调整的结果，会随着年龄、身体活动以及生活经历而变化。对于患有神经肌肉损伤等疾病的患者来说，他们的步态还需适应身体的各种不适 。在医学领域，准确分析步态对于了解患者身体状况、制定康复计划意义重大。然而，传统的步态事件检测方法却面临诸多挑战。
目前，仪器化步态分析是获取客观定量数据、辅助临床决策的重要手段。其中，检测足着地（Foot Strike）和足离地（Foot Off）这两个关键步态事件，是精确计算时空参数、关节运动学和动力学的基础。但在临床实践中，现有的自动检测算法效果并不理想。基于地面力板的动力学数据检测方法，虽被视为金标准，但一次只能检测一步，在患者使用助行器或出现滑动、拖曳步态时就无法适用。而基于标记点的运动捕捉技术所使用的运动学数据检测算法，如基于位置、速度或加速度的确定性算法，由于不同研究的队列和分析协议存在差异，其可靠性和效率也有待提升。即便被认为最可靠的 Ghoussayni 算法，在面对临床多样化的队列时，精度仍显不足，需要专家校正。近年来新兴的深度学习方法，虽有潜力，但依赖大量优质训练数据，且检测过程难以解释。自动选择方法虽能提高精度，但会排除大量步态周期，也无法考虑个体步态的变化。
为了解决这些难题，来自巴黎萨克雷大学（Paris Saclay University）等机构的研究人员展开了深入研究。他们致力于开发一种新算法，以实现对步态事件的精准、客观检测，减少专家校正带来的主观偏差，为临床医生提供更可靠的步态分析参数。最终，研究人员成功开发出一种名为 Multi - Condition 的确定性算法。该算法的出现，在步态分析领域具有重要意义，相关研究成果发表在《Journal of NeuroEngineering and Rehabilitation》上。
研究人员在开展这项研究时，运用了多种关键技术方法。首先，他们收集了健康个体和患有病理步态（如中风、多发性硬化症、脊髓损伤等）患者的步态分析数据库。通过让参与者在 10 米的仪器化通道上行走，利用 Motive version 3.0.3 光电运动捕捉系统，以 100Hz 的采样频率采集运动学和动力学数据。之后，对采集到的数据进行手动清理和标记。此外，为了确定新算法的最佳参数，研究人员进行了参数优化，并将新算法与现有文献中的多种算法进行比较，还对不同的足部标记集进行了敏感性分析 。
下面来详细看看研究的具体结果：
- 评估评判者间信度：研究发现，评判者的专业知识比地面反作用力（GRF）更适合作为定义 Multi - Condition 算法所需精度的标准。对于足着地和足离地事件，评判者评估的中位数都集中在 0，但足离地的评估离散度更大，这主要是因为当时没有在脚趾尖端设置标记，导致评判者难以准确判断。基于此，研究设定了参数优化的要求，即足着地和足离地的检测误差范围应在 ±2.1 帧内 。
- Multi - Condition 算法校准过程：经过大量计算，研究人员找到了 Multi - Condition 算法的最佳校准参数组合 [9Hz, 18%, 31%, 8%]。应用该参数组合的 MC7算法，在检测足着地和足离地事件时，中位数分别为 0 和 - 1 帧，[5%, 95%] 分位数范围分别为 3 和 4 帧。考虑到拇趾标记位置的影响，对结果进行调整后得到的 MC7算法，检测精度更高。
- MC7 * 算法的性能：将 MC7算法与其他算法进行比较，结果显示，只有 MC7算法在检测足着地和足离地事件时，误差范围都在 ±2.1 帧内，比其他算法更精确，且误差变异性比评判者间的变异性更小 。
- 敏感性分析：研究人员对不同的足部标记集进行测试后发现，脚跟和拇趾标记分别对检测足着地和足离地事件至关重要。使用包含脚跟、第 5 跖趾关节、第 2 跖趾关节和拇趾标记的 MC4配置，能得到与 MC7算法相同的结果。如果只能使用两个标记，推荐使用脚跟和拇趾标记 。
综合来看，研究人员开发的 Multi - Condition 算法在步态事件检测方面表现出色。它能够在几秒钟内完成计算，准确检测足着地和足离地事件，检测精度在 3 帧范围内，优于专家评判的变异性，且不受患者病理或步态模式的影响。这一算法的出现，为临床步态分析提供了更可靠的工具，有助于临床医生更准确地评估患者的步态状况，制定更有效的康复治疗方案。不过，该算法也存在一些需要进一步研究和改进的地方。例如，在某些情况下仍会出现误报，算法在不同的行走任务（如转弯、绕障）中的适应性还需进一步优化，而且研究队列相对较小，需要在更多样化的人群和不同的运动分析实验室中进行验证。尽管如此，Multi - Condition 算法的开发仍是步态分析领域的重要突破，为未来的临床实践和相关研究开辟了新的道路，有望推动康复工程等领域的进一步发展。
