[01927364]可穿戴膝关节智能监测设备

膝关节骨性关节炎（Knee Osteoarthritis, KOA）是一种严重破坏膝关节活动 能力的疾病，最初症状可能仅仅是关节疼痛和肿胀，但如不能早期诊断和治疗， 就会发展到关节活动功能障碍，最终丧失关节活动能力，严重影响患者的生活质 量，是世界第一大致残的慢性病。我国骨关节炎发病率约 10% ，而 55 岁以上年 龄段的发病率高达 80%。由此疾病造成的病患痛苦和医疗花费，无论对患者家庭， 还是政府机构，都是非常沉重的负担。

目前针对 KOA 的诊断主要依赖于影像学技术，以 X 线、电子计算机断层扫 描（Computed Tomography, CT）、磁共振成像(Magnetic Resonance Imaging, MRI) 和超声波检查为主要方法，但影像学技术因其自身缺陷并不能很好的满足基层医 疗单位的需求。

本项 目拟通过膝关节运动过程 中关节面摩擦产生振动（声音） 信号 （Vibroarthrography, VAG）为切入点，基于声学和姿态的多维度辅助测试技术， 开发膝关节智能诊断系统，形成智能医疗诊断测试产品。以期部分替代目前膝关 节诊断所依赖的各种影像学检查手段。最终实现普适基层用户的实时、便捷、高 准确率并且无创的膝关节诊断设备，并根据诊断结果给予治疗建议。

主要创新点

本项 目拟通过膝关节运动过程 中关节面摩擦产生振动（声音） 信号 （Vibroarthrography, VAG）为切入点，通过临床采集健康和不同疾患患者膝关节 微振动信号、声学信号、生物电信号和运动轨迹数据，精确诊断标注后，拟形成 集数据采集标注、特征提取、病情盲分类和进展预测于一体的可穿戴式膝关节疾 患智能检测系统，将人工智能与运动医学膝关节疾病诊断需求相结合，突破基于 声学和姿态的多维度辅助测试技术、基于 RNN 和 LSTM 神经网络的大数据学习 算法、基于深度故障诊断的振动特征分类方法和超低功耗与微型化数据采集系统 研制等关键技术，开发膝关节智能诊断系统，形成智能医疗诊断测试产品。以期 部分替代目前膝关节诊断所依赖的各种影像学检查手段。最终实现普适基层用户 的实时、便捷、高准确率并且无创的膝关节诊断设备，并根据诊断结果给予治疗 建议。