基于深度学习的帕金森患者步态冻结预测与外骨骼自适应辅助控制设计.docx

PAGE2

基于深度学习的帕金森患者步态冻结预测与外骨骼自适应辅助控制设计

摘要

帕金森病患者的步态冻结（FreezingofGait,FoG）是导致跌倒与生活质量下降的核心运动障碍，其突发性与不可预测性使传统康复手段难以实时干预。本课题以可穿戴传感器与深度学习技术为基础，设计一套步态冻结预测与下肢外骨骼自适应辅助控制系统。系统通过惯性测量单元采集患者步态运动信号，构建基于卷积神经网络与长短期记忆网络的混合预测模型，实现冻结前兆的毫秒级超前识别；在此基础上，设计外骨骼高频振动刺激与自适应力矩辅助双模控制策略，在冻结发生前施加振动提示、在冻结发生时提供力矩补偿，从而中断或缓解冻结发作