近日，國際期刊Advanced Materials刊發華中科技大學機械學院吳豪教授、尹周平教授教授團隊，人工智能與自動化學院黃劍教授團隊和同濟醫學院附屬協和醫院肖喜玲教授團隊在柔性電子醫工交叉領域的新成果，題為“A full-process, fine-grained, and quantitative rehabilitation assessment platform enabled by on-skin sensors and multi-task gait transformer model（基于表皮傳感器和多任務步態Transformer模型的全流程、細粒度、定量的康復評估平臺）”，華中科技大學機械學院學院博士生王志新為論文第一作者，人工智能與自動化學院博士生何欣潤為共同第一作者，吳豪教授和尹周平教授為通訊作者，人工智能與自動化學院黃劍教授、同濟醫學院附屬協和醫院肖喜玲教授為共同通訊作者。
下肢運動障礙患者的康復是一個復雜、漫長、循序漸進的過程，需要全流程康復評估（包括跌倒風險評估、步行能力評估、康復進展評估）來指導康復計劃的實施。然而，目前的康復評估策略只能在一個階段執行單一任務，難以滿足全流程康復評估的需求；傳統的步行能力評估依賴于醫師們觀察患者行走過程并根據量表打分，結果的主觀性和醫護人員的高工作量令人擔憂；此外，粗粒度的康復評估結果也難以準確地反饋患者康復過程中的取得的細微進展。因此，迫切需要開發出一種全流程、細粒度、定量的康復評估平臺。
為解決上述問題，研究人員提出了一種基于表皮傳感器和多任務步態Transformer模型（MG-former model）的全流程、細粒度、定量的康復評估平臺。通過材料選擇與器件結構設計提升了表皮傳感器的輸出性能與傳感靈敏度，保證了受試者步態信號高質量采集。該康復評估平臺基于高性能表皮傳感器采集的步態信號結合MG-former model，可以對下肢運動障礙患者進行跌倒風險評估、步行能力評估和康復進展評估，覆蓋了整個康復周期，實現了全流程康復評估。
本工作中提出的MG-former model在處理序列數據時可以提供豐富的上下文信息，有利于準確地捕捉步態信號中的局部或全局特征，并自適應地學習不同部位之間的相關性，從而實現對受試者步態信號的深入理解和分析。MG-former model可同時執行二分類、多分類、回歸等任務，分別對應跌倒風險評估、步行能力評估、康復進展評估，覆蓋了整個康復周期，滿足了全流程康復評估的需求，對醫生和患者在整個康復過程中實施有效的康復計劃具有指導意義。
相關工作得到了國家自然科學基金基礎科學中心、原創探索項目、聯合基金重點項目以及機械科學與工程學院STAR項目、華中科技大學“未來技術太湖創新基金”的支持。
相關鏈接：
https://doi.org/10.1002/adma.202408478
延伸閱讀：
《印刷和柔性傳感器技術及市場-2024版》
《觸覺技術及市場-2024版》
