人體步態對稱性量化評價方法研究進展

林英杰 吳建寧 林麗輝

(福建師范大學數學與信息學院，福州 350007)

引言

步態是指人體行走時的姿態，是人體解剖結構與功能、人體運動控制調節系統、人體行為及心理狀態活動等生理因素在行走期間的外在綜合體現。步態對稱性是刻畫人體步態的重要特征之一[1]。在相關研究中，通常將人體步態對稱性假設為人體左、右兩側步態功能具有一致性。健康人體步態對稱性可有效減少人體行走時的能量消耗，降低跌倒風險，提供穩定和舒適的行走狀態模式[2]。臨床研究發現，一些神經系統或運動系統疾病(諸如下肢長度差異[3]、下肢截肢[4-5]、中風[6-8]、腦癱[9-10]和帕金森病[11-12])可損害人體步態對稱性，產生步態異常，在某種程度上揭示人體健康狀況和病理特征。準確評估人體步態對稱性，有助于臨床相關疾病診斷、治療和康復效果評估。早期，臨床醫師通常依靠臨床經驗和目視等方法，主觀評估人體步態對稱性，缺乏準確量化評價步態對稱性的技術手段和方法，難以得到客觀準確的評估效果[13]。客觀、準確地量化評價人體步態對稱性，是目前臨床急需解決的關鍵問題[14]。

探索人體步態對稱性的相關研究已成為步態分析、生物力學、計算機科學、生物醫學工程、康復工程等交叉學科領域研究的重點問題。近30年來，步態對稱性的相關研究較集中于步態對稱性變異、步態對稱性量化評價方法等研究方向。近年來，步態對稱性變異的相關研究取得了豐碩成果，但仍存在著一些爭議，其焦點在于如何揭示人體左右兩側步態的差異。例如，一些學者提出將人體正常行走期間左右下肢的行走主導功能性差異假設為步態對稱性變異體現，認為正常(健康)人體存在步態非對稱性[1,15]。從近年來的研究文獻來看，上述相關研究仍在探索中，未有普遍共識的研究成果報道。

探索步態對稱性的量化評價方法在步態對稱性的相關研究中一直受到持續性的高度關注，大多相關研究較集中于臨床應用環境，探討量化評價步態對稱性變異程度的技術手段，其研究的基本思路是：探尋有效的技術手段，量化分析人體左、右兩側步態參數，鑒別人體左、右兩側步態的相似差異性(也就是人體左、右兩側步態是否存在差異)，以評價步態對稱性的變異狀況?？傮w而言，量化評價步態對稱性研究包括步態參數、人體步態對稱解剖結構、評價技術手段等幾個方面。就步態參數而言，早期大多數研究采用基于由光學運動捕捉系統[16]、壓力測量平臺[17]和肌電圖[18]等步態分析系統所采集的步態參數，如步長、相位時間跨度、關節角度、關節位移等運動學參數，以及足地反作用力、力矩等動力學參數。步態分析系統價格昂貴，僅在高標準實驗室采集相關步態數據；不僅要求受試者反復訓練適應采集環境，而且采集過程繁瑣，難以采集戶外或日常生活環境中自然行走步態的數據。近年來，一些相關研究較關注基于價格低廉的可穿戴設備，用于采集受試者戶外或日常生活環境中的步態數據(諸如加速度數據、陀螺儀數據等)，為準確量化分析步態對稱性變異狀況提供數據支撐。就量化評價人體左、右兩側步態差異而言，早期相關研究大多基于人體下肢左右兩側步態參數，探討量化分析步態對稱性變異的技術手段。近年來，相關研究較關注將人體上肢和下肢的左右兩側步態數據相融合，嘗試基于人體運動結構整體框架來探尋量化評價步態對稱性的新途徑和新方法[19]。就量化評價步態對稱性技術手段而言，其相關研究的焦點問題在于如何從步態參數中獲取更多與步態功能密切相關的步態特征信息，量化分析人體左右兩側步態的相似性差異，準確鑒別步態對稱性的變異狀況。早期相關研究側重于直接從步態周期中選取步態參數作為步態特征，通過定義具有統計意義的計算公式，量化分析人體左、右兩側步態的相似性差異，量化判別步態對稱性變異的狀況。近年來，一些先進信息技術(諸如互聯網技術、無線傳感網絡、大數據分析技術、人工智能等)在人體步態對稱性的量化評價研究中得到高度關注，網絡化、智能化、遠程化已成為量化評價人體步態對稱性相關研究的主要趨勢。探尋準確刻畫人體步態變化的步態對稱性模型、步態對稱性綜合評價特征指標，以及準確量化評價步態對稱性的技術手段，仍是未來相關研究急需解決的關鍵問題。

下面著重論述近30年步態對稱性量化評價方法的相關研究成果。首先，綜述目前常用的3種步態對稱性量化評價方法——離散量化評價方法、連續量化評價方法、統計量化評價方法；然后，介紹當前步態對稱性量化評價方法相關研究的前沿性特點和未來的發展趨勢，以及亟需解決的關鍵問題。

1 步態對稱性量化評價方法

近年來，探討步態對稱性量化評價方法的焦點在于：如何從步態參數獲取更多蘊含與步態變化密切相關的步態特征信息，準確量化評價步態對稱性變異狀況。為此，相關研究基于運動學、動力學等步態參數在步態周期中的變化特性，嘗試探尋有效的步態對稱性量化評價方法。目前在相關研究中，常用的3種步態對稱性量化評價方法是：離散步態參數量化分析方法、連續步態參數量化分析方法和統計分析量化分析方法。這些方法常用于臨床環境，評價患者步態對稱性變異程度。步態對稱性量化評價方法的分類如圖1所示，下面對相關研究進行綜述。

圖1 步態對稱性量化評價方法分類Fig.1 The classification chart of gait symmetry quantitative evaluation method

1.1 離散步態參數量化分析方法

離散步態參數量化分析方法是較早采用的步態量化評價方法，其基本思路是：直接從步態周期中選取蘊含步態特征信息量的步態參數，定義步態對稱性評價指標(諸如對稱指數、比率指數和對稱角度等)，計算人體左右兩側肢體步態差異。相關研究常用的步態參數主要包括：步長、步頻、站立相時間、邁步相時間、足觸地時刻、足離地時刻、關節角度等重要的步態特征參數。更多的離散步態參數量化分析方法詳見文獻[15]。下面對目前研究中常用的離散型步態對稱性評價指標進行分析和比較，綜述如下。

1.1.1對稱指標評價方法

對稱指標(symmetry index, SI)是Robinson等學者于1987年首先提出的步態對稱性量化評價指標，為后續的相關研究奠定了基礎[11]。對稱指標通常定義為

式中，Xr和Xl分別表示人體左右兩側下肢的步態參數值。若SI=0，表明左右兩側下肢步態完全對稱。

對稱指標雖然具有簡單、易操作等優點，但由于其僅采用簡單的統計平均疊加方法計算左右兩側下肢步態差異，易丟失與左右兩側下肢步態差異密切相關的步態信息，難以準確評價步態對稱性變異狀況[20-21]。為此，一些相關研究對此不斷完善[22-23]。

1.1.2比率指標評價方法

比率指標(ratio index, RI)評價方法[24]旨在通過比較左右兩側下肢步態參數差異來評價步態對稱性狀況，其公式定義為

(2)

式中，X1和X2分別表示人體兩側下肢的步態參數值。若RI=1，表明左右兩側下肢步態完全對稱。

該方法可充分比較左右下肢在步態周期任一時刻步態參數的差異狀況，有助于臨床解釋和評價步態對稱性。例如Patterson等學者利用比率評價指標，探討了中風患者步態非對稱性與步速之間的相關性影響[25]。Lewek等學者利用比率評價指標，探討了慢性卒中患者步態平衡與步態對稱性的相關性[26]。研究發現，比率指標若分別采用左右兩側下肢步態參數作為分子或分母，評價結果可能存在差異。為此，一些學者對比率指標公式進行了完善[27-30]，例如Patterson等學者提出了通過使用最大步態參數值作為分子來計算比率評價指標，鑒別步態非對稱性，并用正負號標示步態不對稱方向[30]。

1.1.3對稱角度評價方法

為了彌補對稱指標和比率指標的局限性，Zifchock等學者提出了對稱角度(symmetry angle, SA)的量化評價方法[20]。該方法通過兩側下肢步態參數比值定義正切角度變化差異來量化評價步態對稱性變異狀況，其公式定義為

(3)

式中，X1和X2分別表示人體兩側下肢的步態參數值。

若SA=0，表明左右兩側下肢步態完全對稱；若SA=1，表明左右兩側下肢步態參數大小相等且方向相反，步態非對稱。該方法可有效避免分別采用左右兩側下肢步態參數作為分子或分母計算結果存在差異的局限性。此外，一些研究也比較了SA和SI評價方法。例如，Wafai等學者基于足-地反作用力步態參數，探討了利用SA和SI評價方法量化評估健康受試者和足病患者的步態對稱性，研究發現，雖然SA計算結果值遠低于SI計算結果值，但這兩種評價方法均能準確評價上述受試者和患者的步態對稱性[31]。比較而言，SA評價方法具有無需歸一化處理且可依據標準尺度來解釋評價結果的優點[20]，但SI方法簡單，便于臨床推廣[31]。

總體而言，離散型量化評價方法具有簡單、易操作、評價結果易解釋等優點，但其計算過程僅選取步態周期有限的步態參數，只評價了步態周期中某一時刻的步態對稱性，難以揭示步態周期中所有步態參數的內在相關性，影響量化評價步態對稱性的準確性[30]。

1.2 連續步態參數量化評價方法

與離散步態參數量化評價方法不同，連續步態參數量化評價方法是：充分量化分析步態周期中局部或全部時間內在連續變化的步態參數[32]，捕獲其內在步態相關性信息，準確獲取人體左右兩側下肢步態相似性差異，以期達到準確量化評價步態對稱性狀況。較典型的連續步態參數量化評價方法主要有循環圖、波形相似性、偏差區域分析等方法。

1.2.1循環圖量化評價方法

Goswami等學者首先提出了基于雙邊循環圖(bilateral cyclograms)的步態對稱性量化評價方法[33]，其研究思路是：若步態保持完美對稱性，在步態周期內，左右下肢關節(髖關節、膝關節、踝關節)相互作用運動軌跡生成的循環圖區域是一致的，也就是循環圖完全位于一條通過原點傾斜45°的對稱直線上。若偏離對稱線，則表現為步態非對稱性。該方法可通過量化循環圖偏離對稱線的程度，判別步態對稱性變異程度。一些相關研究相繼探討了循環圖量化評價步態對稱性方法的可行性。例如，Kutilek等學者探討了基于雙邊循環圖量化健康受試者和腦癱患者肌肉力矩對稱性，發現腦癱患者雙邊循環圖顯著不對稱[34]。由于循環圖量化評價方法的準確性易受步態參數的精確性和相關性等因素影響，難以在臨床環境中推廣應用[15]。

1.2.2波形相似性量化評價方法

波形相似性量化評價方法的基本研究思路是：準確尋找人體左右兩側下肢步態數據連續變化的相似性差異，鑒別步態對稱性變異狀況。早期國內廖福元等學者通過模數轉換，將連續地面反支力數據(VGRF)轉換為左、右下肢支撐期和跨步時間序列對，探討了基于步態參數時間序列對相似性量化評價步態對稱性[35]，是較早采用波形相似性思路來量化評價步態對稱性的研究。研究發現，任意提取步態參數時間序列對可能丟失步態特征信息。2006年，Crenshaw等學者提出了基于特征向量比較步態數據波形相似性的新方法，探討了通過比較左右下肢相應關節角度波形數據來量化評價關節角度對稱性的可行性[6]，其研究思路是：基于下肢相應關節角度波形數據來計算不同的特征量，包括趨勢對稱性(trend symmetry)、相移(phase shift)、范圍幅度比(range amplitude ratio)和范圍偏移(range offset)，然后基于上述4個特征量，計算反映左右下肢步態數據波形之間相位差異的趨勢對稱值量化評價步態對稱性。該方法雖在一段時間內能有效比較步態參數曲線的波形差異，但難以找到產生波形差異的步態周期時刻。另外，Iosa等學者也提出一種波形相似性量化評價步態對稱性的新方法[36]，其基本思路是：首先對采集的步態數據集線性擬合，然后比較其波形之間的形狀、振幅、偏移量的相似性差異。實驗結果表明，該方法可較好地鑒別步態相似性差異，敏感性和特異性分別達到94.1%和93.3%，但尚未在其他類型步態數據中驗證其可行性。

1.2.3偏差區域量化評價方法

Shorter等學者提出偏差區域分析(region of deviation analysis)量化評價步態對稱性的定量方法[37]，旨在解決波形相似性方法難以確定與關節角度波形差異相對應的步態周期中時間點的問題。該方法的基本思路是：計算患者下肢關節受影響側和未受影響側之間在步態周期中關節角度峰值幅度和相應時間的差異，并與健康受試者的相應關節活動范圍進行比較，通過判別患者關節角度位移與健康受試者正常關節角度位移在步態周期中的偏離區域，鑒別人體下肢左右兩側關節是否對稱,有助于量化評價步態對稱性變異狀況。

偏差區域量化評價方法不僅可以鑒別步態周期中關節伸/曲活動范圍差異的時間和大小，而且還能提供相鄰關節的相互擾動特征信息，有助于臨床監測與步態損傷密切相關的步態對稱性變異狀況。此外，一些相關研究嘗試采用連續t檢驗方法，力圖從偏差區域分析中尋找在步態周期中出現的與步態對稱性變異密切相關的偏差位置[38]。研究發現，偏差區域量化評價方法在臨床應用環境中，需要健康受試者步態數據作為參考標準，以便于鑒別步態對稱性變異程度[15，38]。

總之，連續步態參數量化評價方法可揭示步態周期內所有步態參數的內在相互作用關系，能獲取與步態對稱性變異密切相關的步態參數相關性信息，有助于準確鑒別步態對稱性變異狀況[1，15,17，38]，其缺點在于難以獲取步態周期中某一時刻的步態對稱性變異狀況，評價結果難以臨床解釋[1，15，17，38]。更多的基于連續步態參數量化評價步態對稱性的方法詳見文獻[15]。

1.3 統計分析量化評價方法

統計分析量化評價方法在量化評價步態對稱性相關研究中一直受到廣泛關注和重視，其特點在于充分利用離散型、連續型步態參數，獲取更多與步態對稱性變異密切相關的步態特征信息，力圖準確量化評價步態對稱性變異狀況。近20年來，相關研究主要探討采用傳統的統計分析方法(如方差分析、自相關系數、互相關系數、主成分分析等)，量化分析人體左右兩側的離散型或連續型步態參數，以此鑒別步態對稱性變異狀況[15，39-45]。近年來有關量化評價步態對稱性的統計分析方法詳見文獻[15]。下面主要綜述采用傳統統計分析方法，量化分析離散型、連續型步態參數，鑒別步態對稱性變異狀況的可行性。

1.3.1基于離散型步態參數的統計方法

近年來，相關研究主要探討采用傳統的配對t檢驗、方差分析、變異系數、方差比等統計分析方法，量化分析人體左右兩側離散型步態參數，力圖尋找人體左右兩側步態相似性差異信息，判別人體步態對稱性變異狀況的可行性[15]。

由于配對t檢驗方法處理離散型數據具有簡單、易操作等優點，在早期相關研究工作中得到廣泛關注和應用。例如，Sadeghi等學者于2000年首先采用配對t檢驗方法，量化分析受試者左、右兩側下肢動力學波形峰值步態數據，探討了量化評價步態對稱性變異狀況的可行性[46]。此外，Allard等學者也采用傳統配對t檢驗方法，探討了量化分析受試者在休息和疲勞狀態下左右兩側下肢膝關節對稱角度的差異性。研究發現，采用傳統配對t檢驗方法，可明顯看出受試者疲勞狀態時左右兩側下肢膝關節對稱角度存在差異，步態對稱性易受損害和變異[40]。

此外，一些學者也探討了采用方差分析、變異系數來量化評價步態對稱性變異狀況的可行性。例如，Mills等學者采用方差分析模型，探討了量化評價關節炎患者步態對稱性變異狀況的可行性。研究通過對單側膝關節關節炎患者組、雙側膝關節關節炎患者組、健康受試者對照組的左右兩側步態數據方差分析，發現雙側膝關節患者左右兩側步態參數差異性明顯，步態對稱性易受損害和變異[41]。另外，Pierotti等學者也采用變異系數、方差比等，統計量化分析膝關節處的肌電(EMG)步態數據，探討了量化評價健康受試者不同行走步速對步態對稱性變異影響的可行性，研究發現，快速行走可能影響步態對稱性變異[42]。

研究發現，采用傳統統計分析方法雖然能夠獲取人體左右兩側步態參數的顯著差異性信息，但難以捕獲人體左右兩側步態參數的細小差異，因而難以及早準確鑒別步態對稱性的變異狀況[1,15]。

1.3.2基于連續型步態參數的統計方法

近年來，一些學者相繼探討了采用相關性統計分析方法(如主成分分析、自相關系數、互相關系數、均方差等)量化分析連續型步態參數，旨在嘗試獲取步態參數內在蘊含步態運動的相關性信息，準確鑒別人體左右兩側的步態差異，準確量化評價步態對稱性。

主成分分析(principal component analysis，PCA)方法較早應用于量化分析連續型步態參數、評價步態對稱性變異的相關研究，其基本思路是：充分利用主成分分析，從高維步態參數獲取少許蘊含較大方差信息的低維步態特征向量，去除高維步態參數內在冗余信息，量化人體左右兩側的步態差異性，力圖準確量化評價步態對稱性的變異狀況。例如，Sadeghi等學者于2003年應用主成分分析，量化分析健康受試者髖關節曲/伸的連續型時空步態參數曲線，嘗試從步態功能性角度來評估健康受試者步態對稱性變異的可行性[43]。此外，Sadeghi等學者也采用主成分分析，量化分析健康老年受試者和年輕受試者的膝關節連續型肌力步態參數，量化評價兩者的步態差異性。

此外，一些學者采用自相關系數方法，量化分析加速度步態數據，嘗試從連續型加速度步態參數中獲得步態內在相關性信息，準確量化評價步態對稱性變異狀況。目前相關的研究思路是：通過計算前后方向和垂直方向的加速度波形數據，分別獲得第一個和第二個主導周期的自相關系數，根據其變化規律性，量化評價步態對稱性變異狀況[45]。國內劉蓉等學者應用自相關系數，量化分析加速度數據獲取步態特征參數，通過對比、分析受試者左、右足與步態周期的相關系數，量化評價步態對稱性變異的可行性[46]。近年來，Kobayashi等學者采用自相關系數方法，量化分析不同年齡和性別受試者軀干的前后和垂直方向的加速度數據，量化評價年齡和性別影響步態對稱性變異的可行性[47]。 此外，一些相關文獻相繼報道了采用均方差統計分析方法量化評價步態對稱性的可行性，其研究思路是：將連續型步態數據分段并規范化為獨立步幅，采用歸一化的互相關方法，獲得人體左右兩側步態的歸一化平均誤差，以期分析量化評價步態對稱性的變異狀況。例如，Gouwanda等學者采用均方差統計分析方法，量化分析人體下肢大腿陀螺儀步態數據，尋找人體左右兩側步態的歸一化平均誤差，準確評價步態對稱性的變異狀況[48]。另外，一些文獻也報道了采用均方根統計分析方法量化評價步態對稱性的相關研究[49]。

總體而言，目前研究所采用的統計分析方法能較好量化分析離散型或連續型步態參數，獲取更多蘊含步態內在相關性的特征信息，有助于量化評價步態對稱性的變異狀況，但也存在計算復雜度高、獲取的步態特征難以臨床解釋等的不足[3，15]。

1.4 傳統步態對稱性量化評價方法的局限性

據近年來的相關文獻報道，本研究所提3種常用方法在量化評價人體步態對稱性的變異研究中得到廣泛關注和應用，研究成果各具優勢和不足。這些相關研究對3種步態對稱性量化評價方法之間的內在關聯對比、分析、融合仍缺乏深入的探討和研究，難以消除每個量化評價方法在步態對稱性評價中所存在的內在局限性[15]。此外，目前各種步態對稱性量化評價方法對不同類型步態數據測量及相關的預處理方法各異，難以體現各種步態對稱性量化評價方法及相關研究成果的可比性[15]。更重要的是，本研究所提3種常用方法僅能獲取步態參數內在線性步態的特征信息，難以獲取與步態密切的非線性步態特征信息，有可能降低量化評價步態對稱性的準確性，為此仍需探索更加先進的步態對稱性量化評價方法。

2 步態對稱性評價方法的進展

目前，一些先進的信息技術(如大數據、人工智能、體域網、可穿戴技術等)在步態對稱性量化評價方法相關研究中得到高度關注和應用。準確監測戶外或家居環境下的步態對稱性變異狀況，已成為目前步態對稱性量化評價研究的一個新的熱點，相關研究呈現網絡化、遠程化、信息化、智能化等，已成為量化評價步態對稱性的主要技術手段、未來發展的總體趨勢。為此，目前相關研究主要集中于探索步態數據獲取的新手段，步態特征提取的新方法，步態對稱性的定義與評價等關鍵技術環節，下面對目前的研究成果及發展趨勢進行綜述。

2.1 步態數據采集的可穿戴化

基于光學捕捉系統的步態數據采集系統雖然具有高精度、易控制分析等優點，但其價格昂貴，僅局限于高標準實驗室環境下采集，難以滿足人們日常生活環境的需求[50]，特別是難以滿足臨床長時間持續監測人體步態對稱性狀況的要求[51]。一些研究發現，在實驗室環境下采集步態數據的過程中，受試者由于受到采集步驟和要求的影響，可能會影響步態的正常行進，難以準確評估步態對稱性變異狀況[52]。如何準確、長時間持續采集蘊含人體步態對稱性信息的步態數據，是近年來相關研究探討的熱點問題。近年來的大量相關研究嘗試采用先進的可穿戴技術，從而獲取人體日常生活環境中的步態數據，為探索量化評價步態對稱性提供新的思路和方法[53]。

近年來，相關研究大多采用整合微型慣性傳感器、微型單片機和無線傳感模塊來構建可穿戴設備，旨在隨時隨地實時采集受試者在日常生活環境中的不同運動解剖結構部位(如髖關節、膝關節、踝關節等)的步態數據，用于臨床實時監測、評價步態對稱性狀況，其基本研究思路是：將可穿戴設備佩戴于受試者不同運動解剖結構部位來采集步態參數，受試者既可采用手持智能設備(如智能手機)觀測采集步態參數的狀況，又可通過手持智能設備經互聯網傳送至遠端數據處理中心(如社區保健中心、醫院等)，進一步遠程量化分析步態對稱性狀況[54]。例如，Tura等學者將單個可穿戴加速度計佩戴于劍突處，以評估步態對稱性和規律性[45, 55]。另外，一些相關研究相繼探討了基于壓力傳感器[56]、超聲波傳感器[57]等可穿戴設備量化評價步態對稱性的可行性。

此外，相關研究也發現，價格低廉的可穿戴設備雖然較大改善了戶外或家居環境步態分析的便捷性和可操作性，但是所獲得的多傳感器步態數據的高維性、非線性、隨機性，也影響進一步量化評價步態對稱性變異狀況的準確性，有待于進一步深入探索[58]。

2.2 步態對稱性特征信息提取

探尋從高維步態參數中獲取與步態對稱性變異密切相關的特征信息的技術手段，是目前步態對稱性量化評價相關研究中的一個熱點問題，旨在準確獲取人體步態運動系統各關節內在相互作用的非線性和相關性信息[59]，以期提高量化評價步態對稱性的準確性[60]。

目前的相關研究主要集中于步態高維數據內在非線性結構特點，相繼提出了一些步態非線性特征信息提取技術，用于準確量化評價步態對稱性變異狀況。例如，國內吳建寧等學者首先探討了應用核主成分分析(kernel-based principal component analysis，KPCA)技術，量化分析高維足-地反作用力步態數據，嘗試從高維步態數據特征空間中獲取蘊含更多非線性特征信息的低維步態數據特征向量，用于評價步態對稱性變異狀況的可行性[61]。國內廖福元等學者探討了應用小波變換技術量化分析高維步態時間序列數據，量化評價步態對稱性的可行性，其基本思路是：應用小波變換技術，量化分析高維步態時間序列數據多層分解，分別計算每一分解層的相似性指數，加權擬合相關相似性指數，以刻畫兩個原始步態參數序列的步態對稱性變異狀況[62]。

此外，一些研究也應用基于時間序列動力學信息的符號化方法，通過高維步態參數量化分析高維步態參數，從而量化評價步態對稱性的可行性[63]]，其基本思想是：對高維步態參數粗?；幚?，去除高維步態參數中的冗余特征的信息，獲取更多蘊含步態內在非線性特征的信息，以鑒別高維步態參數中所隱含的人體左右兩側步態變異狀況[64]。例如，Sant′Anna等學者采用符號化方法，量化分析高維加速度時間序列步態數據，嘗試從高維加速度步態參數中獲取更多隱含人體左右兩側步態變異特征的信息，用來量化評價步態對稱性變異狀況的可行性[65]。研究發現，符號化方法不僅能有效量化評價步態對稱性變異狀況，并且還可降低計算復雜度。

雖然近年來的步態對稱性特征信息提取技術能獲取高維步態數據內在非線性特征信息，但其獲取的特征信息難以用于臨床解釋，并且計算復雜度高，仍有待于進一步探索[15，63-65]。

2.3 全局性步態對稱性指標

從生理學角度來講，人體步態行走是在神經系統支配下由肢體肌肉和骨骼相互作用產生的，是一個由神經-肌肉-骨骼系統之間的相互補償機制持續調整的過程，實現由身體局部肢體步態非對稱調整為全身肢體步態對稱性狀態[39]。也就是說，人體步態對稱性是一個在全身神經-肌肉-骨骼系統之間的相互補償機制調節下，人體運動系統自然學習和保持的過程[66]。

近年來，一些相關研究嘗試從人體步態運動系統內在機制整體框架角度，探索用全局性步態對稱性指標量化評價步態對稱性變異狀況，力圖彌補先前相關研究的不足，即僅考慮下肢某一個關節的某一類型局部性步態參數來定義計算步態對稱性指標，難以準確評價步態對稱性變異的狀況[67-68]。例如，Nigg等學者綜合利用垂直方向和前后方向的足地反作用力、 髖關節、膝關節和踝關節角度等不同類型步態參數，通過選取蘊含顯著步態特征信息的步態特征參數定義離散型度量，探討了用離散型全局步態對稱性指標來量化評價步態對稱性變異狀況的可行性[69]。研究發現，離散型全局步態對稱性指標可能會丟失步態的重要特征信息，影響量化評價步態對稱性的準確性[70]。

此外，一些學者也探討了綜合采用連續型步態參數，定義全局性步態對稱性指標來量化評價步態對稱性變異狀況的可行性。例如，Lundh等學者綜合利用下肢髖、膝和踝關節步態周期中所有關節角度步態參數，定義連續型全局性步態對稱性指標，嘗試克服離散型全局性步態對稱性指標的局限[71]。同樣，Silvia等學者也綜合利用下肢髖、膝和踝關節和軀干步態周期中的所有連續步態參數，嘗試定義與臨床相關的連續型的全局步態對稱性指標[70]，研究發現，僅綜合利用下肢多個關節步態參數，難以準確揭示步態內在相關性，獲取的步態對稱性指標的可靠性差[72]。

近期，一些學者嘗試應用先進的統計方法，探討定義全局性步態對稱性指標的可行性。例如，Ramakrishnan等學者應用馬氏距離量化分析連續踏步的步態數據，定義綜合步態非對稱指標(combined gait asymmetry metric，CGAM)，探討了鑒別人體左右兩側步態變異狀況的可行性，相關研究為探討全局性步態對稱性指標提供了新的思路和方法[73-74]。

總體而言，探索全局性步態對稱性指標是未來相關研究的一個重要方向。目前的研究工作未從人體步態運動系統的內在機制整體框架全面揭示人體步態運動系統的內在相關性，仍需探索全面體現步態整體框架的模型以及相應先進的數據融合算法、數據挖掘算法，獲取全局性步態對稱性指標[72，75]。

2.4 步態對稱性量化評價智能化

近年來，大數據、人工智能等先進信息技術在步態對稱性量化評價相關研究領域得到高度關注，探索步態對稱性量化評價智能化也是相關研究未來發展的一個重點和趨勢。近年來，一些學者探討了人工智能技術(如機器學習技術)量化評價步態對稱性變異狀況的可行性，其基本思路是：將量化評價人體左右兩側步態相似性的差異問題轉化為步態模式分類問題，通過步態模式分類模型，實現量化評價人體步態對稱性狀況[76-77]。例如，Linah 等學者采用人工神經網絡(artificial neural network，ANN)分類算法，探討了量化評價步態對稱性的可行性[75]，其基本思路是：采用人工神經網絡分類算法，分別識別健康受試者和患者的左、右足底壓力步態模式，通過對比健康受試者，鑒別患者左右足步態模式的差異性，以期準確量化評價步態對稱性變異狀況。研究表明，患者左右足模式識別率可達94%，可有效鑒別步態對稱性變異狀況，但健康受試者左右步態模式識別率低，特別是對左右足步態模式的細小差異難以鑒別[76]。此外，國內吳建寧等學者采用支持向量機(support vector machine，SVM)，探討了量化評價老年人步態對稱性變異狀況的可行性[77]。國內李慧敏等學者采用基于改進的K-Means算法，探討了無監督聚類量化評價步態對稱性的可行性[78]。仇森等學者采用動態時間規整算法(dynamic time warping，DTW)，計算相鄰步行周期相同步態參數的匹配程度，探討了量化評價左右足步態對稱性變異狀況的可行性[79]。

近期，一些學者嘗試從可穿戴傳感器數據自動提取量化步態對稱性的特征，以此作為機器學習分類算法的輸入向量。這種方法優化了步態模式分類算法的性能，準確鑒別左右步態模式差異，提高了量化評價步態對稱性變異狀況的準確性。例如，Anwary等學者首先從可穿戴傳感器自動提取24種常用步態特征(如步頻、步速、足離地時刻、足觸地時刻等)，使用這些特征向量的算法平均分類準確率可達97.57%[80]，準確識別人體左右兩側步態模式差異，有利于量化評價步態對稱性變異狀況。此外，Mitchell等學者也基于可穿戴傳感器步態數據，自動獲取時域和頻域步態特征，分類準確率達97%，有助于量化評價步態對稱性變異狀況[81]。

研究發現，機器學習分類算法有助于提高量化評價步態對稱性變異狀況的準確性，為量化評價步態對稱性智能化提供了技術手段支撐。但也存在著一些不足，如機器學習算法就像一個“黑盒子”，僅能體現機器學習步態分類算法內在的數學結構邏輯關系，難以解釋步態對稱性內在的全身神經-肌肉-骨骼系統之間的相互補償機制調節過程，無法滿足臨床需求，所以仍需探尋先進的數據融合和挖掘算法，從步態參數中獲得可解釋的步態對稱性內在變異特征信息[15，58]。

3 亟待解決的問題和未來的發展趨勢

3.1 當前亟待解決的關鍵問題

目前，量化評價步態對稱性相關研究雖然取得了豐碩的成果，但仍存在一些亟待解決的關鍵問題。

1)探尋滿足人體“動力鏈”的步態對稱性模型。從本質上講，步態對稱性變異起源于全身神經-肌肉-骨骼系統之間相互補償機制失調的狀況。如何準確刻畫全身神經-肌肉-骨骼系統之間相互補償機制調節狀況，是準確量化評價步態對稱性變異狀況的關鍵所在。而目前相關研究大多僅局限于人體左右兩側下肢或上肢相關關節構建刻畫步態對稱性模型，無法準確描述全身神經-肌肉-骨骼系統之間內在相互作用的“動力鏈”關系，也就是難以捕獲蘊含步態行走期間各相關運動部位相互耦合的動態相關性信息，影響量化評價步態對稱性狀況的準確性[82]。對此,需要生理學、生物力學、無線人體傳感網絡等交叉學科相互融合，探索構建能準確捕獲蘊含各相關步態運動部位、相互耦合的動態相關性信息的步態對稱性模型[83]。步態對稱性模型網絡化是相關研究未來發展的主要趨勢，有助于準確描述全身神經-肌肉-骨骼系統之間內在相互作用的“動力鏈”關系和調節過程狀況。

2)步態對稱性量化評價標準有待確定。目前各相關研究所采用的研究方法、步態參數變量選取、步態對稱性定義計算公式等各不相同，僅僅適用于各相關研究的特定情形[15，84]。到目前為止，仍未形成步態對稱性量化評估方法，以及與其配套使用的步態對稱性變異狀況的判定標準，難以準確評估步態對稱性量化評價方法的適用性，需要制定統一的、行之有效的步態對稱性量化評價標準。為此，構建高質量規范的步態對稱性數據庫，制定統一的步態對稱性量化評價標準是相關研究未來研究的重點方向，對于準確鑒別人體步態對稱性變異狀況、有效地滿足臨床步態對稱性評價需求至關重要。

3.2 未來相關研究的發展趨勢

近年來， 人工智能、大數據分析技術在量化評價步態對稱性相關研究中越來越受到廣泛關注。如何將人工智能、大數據分析技術融入步態對稱性量化評價研究中的步態數據獲取、步態特征提取與選擇、 量化評價方法確定等關鍵技術環節，探尋便捷、自動化地量化評價步態對稱性的技術手段，為實現遠程化、智能化、網絡化、信息化量化評價步態對稱性提供可靠的技術支撐，是未來相關研究發展的主要趨勢和熱點問題，有助于遠程監測戶外或日常生活環境中的人體步態對稱性變異狀況，為臨床及早鑒別步態對稱性變異提供依據。