科创中国
基于足惯融合姿态检测和时序建模的认知诊断系统
发布时间: 2025-10-31
基本信息
合作方式：
技术转让
成果类型：
发明专利,软件著作权,新技术
行业领域：
电子信息技术
成果介绍
本成果面向日益严峻的老龄化与认知障碍防治需求（也可以应用到其它相关领域，如康复、运动等，可以根据客户需要定制调整），系统性、创新性地将可穿戴动捕技术与人工智能算法深度融合，构建了一套集"硬件设备-数据采集-智能分析-精准诊断"于一体的认知障碍评估解决方案。系统核心是自主研发的足底压力与惯性融合可穿戴设备，通过多个惯性传感器节点与足底压力鞋垫的深度融合，实现毫秒级时间同步和高精度全身姿态捕捉。采用分布式架构，包括数据采集模块、汇聚终端模块和姿态解算模块，通过自定义通信协议和FreeRTOS实时操作系统，实现多个惯性传感节点与双脚压力数据的毫秒级实时同步接收。在应用层面，系统实时采集老年人在标准化步态与坐立转换任务中的多模态运动数据，包括足底压力分布、三轴加速度和角速度等信号。通过自适应周期分割、相位协同建图和频域增强等先进数据处理方法，提取步态时空特征、压力特征以及高维时序特征，全面捕捉反映认知功能的潜在运动表型。在智能分析层面，采用深度学习和多模态融合方法，对不同模态特征进行潜在空间对齐与低秩注意力融合，结合正则化约束与专家协商机制，实现对老年人认知障碍程度的精准分类预测与定量化评估
成果亮点
本成果在技术创新、临床应用和社会价值三方面具有显著优势：
技术创新方面，实现足底压力与全身惯性数据的同步融合，采用自主研发的时间同步算法和高效通信协议，确保节点数据实时一致性。基于FreeRTOS操作系统构建多任务调度框架，在32字节缓存区内完整封装多维传感器数据，配合ACK确认机制保障传输可靠性，大幅提升系统实时响应能力。在算法层面，创新性采用潜在空间对齐与低秩注意力融合机制，实现多模态数据的深度融合，认知障碍评估显著优于传统单模态方法。
临床应用方面，突破传统神经心理学量表评估的局限，通过步态多模态特征建立认知功能量化评估模型。系统通过多维运动学参数的定量化分析，减少主观量表的人为误差，提供更客观、可重复的评估结果。支持长期佩戴和日常场景数据采集，实现从单次诊断向连续健康监测的转变，及时发现认知功能微小变化。
社会价值方面，采用可穿戴设备替代昂贵的影像学检查（如PET、MRI），设备成本降低70%以上，评估周期从数周缩短至30分钟以内。设备便携式设计，适合在社区卫生服务中心和基层医疗机构大规模推广，惠及更广泛老年人群，为认知障碍的社区化早期筛查提供了切实可行的技术方案。
团队介绍
核心团队由西南大学计算机与信息科学学院张衡教授（物联智能与可穿戴健康计算研发中心负责人）领衔，张衡教授系中国计算机学会、人工智能学会高级会员，中国可穿戴计算大会程序委员会主席，人机交互、普适计算及智慧医疗等专委会委员。曾在国内头部IT公司担任程序员，多年从事物联网与嵌入式应用软件研制，在数据感知、传输、建模及交互呈现方面具有完整的理论储备和丰富的工程实践经验。主持并参与了863、国家自然科学基金、中加国际合作、中德基金等多项科研项目，在相关领域发表论文50余篇。团队研究方向涵盖嵌入式系统、人工智能、物联网等领域，具备从理论研究到应用落地的全链条研发能力。
成果资料
下载app