基于生物启发的被动膝关节假体自适应优化运动框架：提升步态自然度与降低跌倒风险的新策略

　　本综述提出一种创新的生物启发式自适应框架，旨在优化被动膝关节假体的运动性能。通过深度学习架构实现94.44%的步态相位事件分类准确率，显著改善膝关节屈曲角度（64°±6），降低髋关节抬升幅度与疲劳度，并实现95%的跌倒预防率。该框架通过传感器与阻尼控制机制，模拟人体神经肌肉系统的反馈机制（如本体感觉Proprioceptive），为截肢者提供更自然、安全的行走体验。

　　

Materials and methods

我们基于人类步态分析设计了一套框架，并按照研究标准与协议开展实验和结果验证。所有志愿者参与者均签署知情同意书，授权在不同步行速度下进行步态数据采集。实验装置包含集成传感单元的被动膝关节假体，通过惯性测量单元（IMU）监测加速度数据，结合深度学习算法实现步态相位分类与阻尼自适应调节。

Results and discussion

实验结果显示，搭载传感单元的被动膝关节成功模拟健康个体的基准运动模式。股骨运动产生的加速度数据被用于分类步行速度（慢速/中速/快速），深度学习模型达到94.44%的分类准确率。框架显著优化了假肢运动：髋关节抬升幅度降低47%，膝关节屈曲角度恢复至正常范围（64°±6°），跌倒预防率为95%。步态平滑度与身体姿态稳定性均得到提升。

Conclusion

本研究开发的自动自适应框架成功模拟自然步态，显著降低髋部疲劳与跌倒风险，改善截肢者整体运动质量。该技术为被动膝关节假体的功能优化提供了创新解决方案，有望提升患者生活质量。

Future work

未来工作可聚焦于利用髋关节机械功率与股骨残肢惯性控制阻尼水平，实现无需机电执行器的摆动相屈曲调节。结合患者生理数据实现阻尼自动调整，并探索肌肉驱动力的机械能转换机制，进一步优化运动自适应性能。