谢秋蓉，张琪，盛博，陈超，吴绍海△

    (1.福建中医药大学，福建 福州 350122；2.上海大学，上海 200444；3.福建中医药大学附属康复医院，福建 福州 350005；4.福建中医药大学中医骨伤与运动康复重点实验室，福建 福州 350122)

    脑卒中又被称为“脑血管意外”、“中风”，是由于脑血管破裂或者堵塞引起脑组织损伤，从而发生相应神经功能缺损的临床综合征[1]。据报道，脑卒中已成为成年人致死和致残的首位疾病[2]，2002-2030年预计将有2300万人发生首次卒中并导致780万人死亡[3]。全世界每年大约有67%脑卒中患者遗留运动功能障碍[4]，大约3/4患者不同程度丧失劳动能力，重度致残者高达40%以上[5]，严重影响患者的日常生活活动能力和社会参与能力，给患者及其家庭乃至社会经济、医疗等带来沉重负担。运动功能障碍是卒中后最常见的后遗症之一[6-7]。运动功能的评估具有重要意义，可以用于评估康复治疗的临床疗效[8]，并有助于做出临床决策[9]。但是，目前运动功能评估最常用工具是临床量表，例如Berg量表[10]、Tinetti量表[11]等。尽管已对其进行了标准化和验证，但评估结果依赖于对测试进行评分的物理治疗师[12]，其主观成分较高。此外，临床量表无法对运动策略进行评估，必须将其与其他更客观的评估方法结合使用。

    目前传感器技术已经用于运动功能评估以提供人体运动的精确测量。常用的评估方法是基于传感器通过运动跟踪系统记录人体的运动，例如Qualisys三维运动分析系统[13]。基于标记的三维运动分析系统的客观性和准确性使其成为运动质量评估的金标准。但是，该类系统安装成本高，缺乏便携性，限制了其在临床工作中的应用[14]。因此，亟待开发一种廉价的便携式系统来收集精度较高的人体运动学数据。

    运动捕捉技术和计算方法的发展使得通过低成本、无标记和便携式的运动捕捉系统[15,16]来收集真实场景下脑卒中患者的定量运动数据成为可能。与有标记感应技术相比，运动捕捉技术不需要在特定位置和特定运动期间安装传感器[17]。微软Kinect是最常用的低成本无标记运动捕捉系统，它配备彩色摄像机镜头、红外线摄像机以及深度传感器，可以准确追踪并记录物体在三维空间中的运动轨迹，并且使用内置的机器学习算法，基于具有深度信息的二维图像估计人体关节(25个关节)的的XYZ坐标数据，可靠地估计三维关节位置[18]。此外，机器学习增强的Azure Kinect可用于识别异常的运动表现和模式。这种创新的运动功能评估方法一种经济高效的工具，可以帮助治疗师以高可靠性和高精度评估运动质量 ......