近红外光谱技术识别下肢运动趋势

本文探讨了基于近红外光谱技术识别下肢运动趋势在行走辅助设备智能化中的重要性。研究者通过对七名受试者进行自发的上楼、下楼、坐下和起立运动，利用近红外光谱技术实时监测大脑血红蛋白（cerebral hemoglobin）的信息变化，尤其是氧合血红蛋白（oxyHb）和脱氧血红蛋白（deoxygenated hemoglobin）的速率（oxyHb_rate和deoxyHb_rate）。通过分析方差，作者发现这些生理指标在不同运动模式下存在显著差异。 在皮层运动相关区域（PMCR），在上楼和下楼运动中，氧合血红蛋白的速率和脱氧血红蛋白的速率分别表现出显著的区别（p=0.001和p=0.000），这表明这两个运动模式下大脑的血液供应和消耗有独特的动态特性。然而，在坐下和起立运动中，尽管有一定的变化，但没有达到统计学上的明显区别，可能意味着这两种动作对大脑血流的影响相对较小或更为复杂，需要进一步的研究来精确区分。 这项研究结果对于开发能更智能地适应用户运动模式的行走辅助设备至关重要。通过实时分析近红外光谱数据，设备可以更准确地判断用户是处于静止、行走还是进行上下楼梯等特定活动，从而提供更个性化的支持，提升用户体验和安全性。未来的研究可能会探索如何将这些技术与机器学习算法相结合，以便实现实时的运动模式识别和反馈控制。这项工作展示了近红外光谱技术在生物力学监测和人机交互领域的潜在应用价值。