| 作者： Magnús Gíslason，雷克雅未克大學(xué)

近三分之二的普通人一生中至少會(huì)受到一次頸部疼痛的影響。頸部疼痛已經(jīng)成為日益嚴(yán)重的健康問題。引起這種疾病的常見原因可能包括頸部扭傷、頭部重?fù)艋蛟诠ぷ鲿r(shí)頸部姿勢(shì)不良。例如，長(zhǎng)時(shí)間彎腰駝背工作的專業(yè)人士，比如外科醫(yī)生和牙醫(yī)，經(jīng)常會(huì)出現(xiàn)頸部疼痛。佩戴厚重防護(hù)頭盔的人員，包括運(yùn)動(dòng)員、噴氣式飛機(jī)駕駛員和消防隊(duì)員，也可能面臨頸部損傷的風(fēng)險(xiǎn)。

臨床醫(yī)生當(dāng)前用于評(píng)估頸部損傷的許多方法都有明顯的缺點(diǎn)，因?yàn)檫@些方法基于有主觀性的運(yùn)動(dòng)范圍觀測(cè)值，這讓損傷評(píng)估或跟蹤治療進(jìn)程變得困難。有些方法還需要例如將激光指針連接到患者頭部等繁瑣耗時(shí)的手動(dòng)治療程序，生成的還是主觀結(jié)果。

我們的團(tuán)隊(duì)開發(fā)了硬件和軟件，以幫助簡(jiǎn)化和自動(dòng)化使用客觀指標(biāo)對(duì)頸部損傷的臨床評(píng)估。該技術(shù)最初由雷克雅未克大學(xué)研究，目前已在初創(chuàng)公司 NeckCare 實(shí)現(xiàn)商業(yè)化。該技術(shù)依賴于具有嵌入式慣性測(cè)量單元 (IMU) 的頭盔，以及在 MATLAB 中開發(fā)的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法。這些算法可處理來自 IMU(圖 1)的信號(hào)，并生成頸部運(yùn)動(dòng)可量化的客觀三維指標(biāo)。通過將健康受試者的 IMU 傳感器數(shù)據(jù)與揮鞭傷或腦震蕩等患者的數(shù)據(jù)進(jìn)行比較，它們還可以準(zhǔn)確地對(duì)無癥狀病例進(jìn)行分類，并識(shí)別那些受到頸部損傷常見病因困擾的人群。

蝴蝶測(cè)試介紹

使用 IMU 頭盔以及 MATLAB，我們可以進(jìn)行各種各樣的評(píng)估，涵蓋人體運(yùn)動(dòng)學(xué)的所有三個(gè)主要維度：運(yùn)動(dòng)范圍、本體感覺(感知身體部位運(yùn)動(dòng)和方向的能力)和神經(jīng)肌肉控制。其中，神經(jīng)肌肉評(píng)估通常在診斷中最有價(jià)值，也最難以使用現(xiàn)有方法來定量執(zhí)行。

為了評(píng)估個(gè)人的神經(jīng)肌肉控制，我們發(fā)明了蝴蝶測(cè)試這一專用程序，并為其申請(qǐng)了專利保護(hù)。在這項(xiàng)測(cè)試過程中，受試者會(huì)佩戴我們的 IMU 頭盔坐在計(jì)算機(jī)監(jiān)視器前。按照指示，受試者需要目視跟蹤監(jiān)視器上一個(gè)點(diǎn)從難到易的三種不同運(yùn)動(dòng)軌跡的原則(圖 2)。

圖 2. 在難度為簡(jiǎn)單、中等和困難的蝴蝶測(cè)試中動(dòng)點(diǎn)遵循的路徑。速度隨曲率而變化，因此，目標(biāo)點(diǎn)的移動(dòng)速度在直線段會(huì)加快，而在彎曲處會(huì)減慢。

在該測(cè)試過程中，當(dāng)受試者的視線跟隨動(dòng)點(diǎn)移動(dòng)時(shí)，IMU 會(huì)不斷測(cè)量頭部方向的變化(圖 3)。具體來說，它每秒會(huì)記錄 60 次滾動(dòng)、俯仰和偏轉(zhuǎn)角，以及頭部在這些維度的角速度和加速度。我們?cè)?MATLAB 中使用統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)方法處理的就是這些記錄的數(shù)據(jù)。

統(tǒng)計(jì)分析和可視化

我們基于 MATLAB 開發(fā)了軟件，用于客觀分析和測(cè)量受試者，在蝴蝶測(cè)試中跟隨移動(dòng)點(diǎn)時(shí)控制頭部和頸部的能力。首先，該軟件將 IMU 捕獲的旋轉(zhuǎn)角，投影到的二維平面上(即監(jiān)視器屏幕表面)。使用這種投影，它隨后可將該動(dòng)點(diǎn)的路徑與受試者的跟蹤行為生成的路徑進(jìn)行比較。通過繪制這些路徑的疊加圖，很容易就能看出無癥狀受試者和頸部受傷受試者的表現(xiàn)差異(圖 4)。

圖 4. 無癥狀和頸部扭傷受試者在蝴蝶測(cè)試中表現(xiàn)的可視化。

除了生成可視化，該軟件還可計(jì)算若干個(gè)統(tǒng)計(jì)指標(biāo)，以更好地量化無癥狀和有癥狀受試者之間的差異。其中一個(gè)關(guān)鍵指標(biāo)是幅度準(zhǔn)確度，即整個(gè)測(cè)試期間目標(biāo)點(diǎn)和受試者控制的光標(biāo)之間的平均差值。此外，該軟件還可計(jì)算目標(biāo)追隨時(shí)間，即光標(biāo)位于目標(biāo)點(diǎn)上或目標(biāo)點(diǎn)附近的時(shí)間百分比。其中包括滯后和超前，分別是指滯后或領(lǐng)先于目標(biāo)點(diǎn)的時(shí)間比例。最后，該軟件可計(jì)算運(yùn)動(dòng)的平滑度參數(shù)。該參數(shù)基于受試者軌跡空間坐標(biāo)的三階導(dǎo)數(shù)平方和的積分來量化抖動(dòng)程度。在計(jì)算中，受試者軌跡空間坐標(biāo)根據(jù)目標(biāo)點(diǎn)軌跡空間坐標(biāo)進(jìn)行了歸一化。

使用該軟件進(jìn)行的分析一致顯示，對(duì)于幾乎所有的計(jì)算指標(biāo)，無癥狀受試者與揮鞭傷受試者之間都存在顯著的統(tǒng)計(jì)學(xué)差異。通常，p 值小于 0.001(圖 5)。

圖 5. 無癥狀 (AB)、腦震蕩 (CC) 和揮鞭傷 (WAD) 受試者的幅度準(zhǔn)確度圖。

機(jī)器學(xué)習(xí)分類

最近，我們一直在探索如何使用機(jī)器學(xué)習(xí)根據(jù)測(cè)試結(jié)果將受試者分為無癥狀、揮鞭傷或腦震蕩類別。使用 Statistics and Machine Learning Toolbox 中的分類學(xué)習(xí)器，我們根據(jù)特定的數(shù)據(jù)集訓(xùn)練了各種機(jī)器學(xué)習(xí)模型。該數(shù)據(jù)集包含 15 個(gè)來自蝴蝶測(cè)試的變量、30 個(gè)來自運(yùn)動(dòng)范圍測(cè)試的變量，以及 28 個(gè)來自頭部/頸部復(fù)位測(cè)試的變量。在使用有限數(shù)據(jù)集訓(xùn)練了模型后，我們發(fā)現(xiàn)，樸素貝葉斯模型表現(xiàn)最佳，它對(duì)受試者的分類準(zhǔn)確度高達(dá)或接近 100%(圖 6)。

圖 6. 分類學(xué)習(xí)器顯示樸素貝葉斯模型與使用所有可用特征進(jìn)行測(cè)試的其他模型的比較。

我們還使用了分類學(xué)習(xí)器的特征排名功能確定對(duì)分類最重要的特征(圖 7)。利用此功能，我們發(fā)現(xiàn)僅基于前七個(gè)特征(使用方差分析 (ANOVA) 進(jìn)行排序)的分類與基于所有特征的分類精度相同(圖 8)。目前，我們正在擴(kuò)展訓(xùn)練數(shù)據(jù)以包括更多受試者，同時(shí)還在開發(fā)各種模型，以根據(jù)受試者受傷的嚴(yán)重程度對(duì)他們進(jìn)一步分類。

圖 7. 分類學(xué)習(xí)器中的特征排序。

圖 8. 分類學(xué)習(xí)器顯示樸素貝葉斯模型與其他模型使用排名前七的特征進(jìn)行測(cè)試的比較。

臨床應(yīng)用

我們正在積極致力于將此技術(shù)投入臨床應(yīng)用，以便于醫(yī)生能夠更好地治療有頸部損傷的患者。該頭盔目前已在美國食品藥品管理局注冊(cè)為 I 類醫(yī)療器械。此外，我們將繼續(xù)開發(fā) MATLAB 算法，以支持越來越多的軟件應(yīng)用程序。其中一個(gè)應(yīng)用涉及遠(yuǎn)程醫(yī)療和其他家庭保健解決方案。患者可以通過此類解決方案在家里使用我們的技術(shù)進(jìn)行治療性鍛煉。另一個(gè)應(yīng)用將用于評(píng)估運(yùn)動(dòng)員在頭部受傷后是否仍適合參加比賽。該技術(shù)可能還用于驗(yàn)證頸部扭傷患者提出的保險(xiǎn)和殘疾索賠是否恰當(dāng)。最后，我們計(jì)劃擴(kuò)大技術(shù)的應(yīng)用范圍，使其不僅用于評(píng)估頸椎，而且還用于評(píng)估人體的其他部位。