Mobiles Ganganalysesystem zur Bewertung der prothetischen Versorgung transfemoraler Amputationen

Autor: Thiele, Julius
Přispěvatelé: Kraft, Marc, Technische Universität Berlin, Duda, Georg
Jazyk: němčina
Rok vydání: 2019
Předmět:
DOI: 10.14279/depositonce-8287
Popis: Introduction: The loss of parts of the lower limbs means a severe change to anyone affected. With a prosthetic leg, mobility can be largely regained. Compared to the much more complex natural counterpart, even prostheses featuring modern microprocessor-based knee joint systems (MPK) have distinct limitations. Against this backdrop a reasonable selection of the prosthesis components and an accurate adjustment of the prosthesis itself, considering the specific demands of each patient, are all the more important. To support this optimization process and to objectify the result, a mobile gait analysis system featuring dedicated software for orthopedic experts was developed. Material and methods: The mobile gait analysis system detects the forces and moments acting in the prosthesis, the pressure and the shear forces on the contralateral side, and the movements of the body segments foot, lower leg, thigh, pelvis, and upper body, each with a wireless sensor. Adding a motion analysis lab with an instrumented walkway, the developed algorithms for processing of data of the mobile system are validated. Studies with transfemoral amputated subjects examined the influence of different prosthetic components and different prosthesis alignments on the gait pattern of the participants and examples of abnormal gait pattern with prosthesis were analyzed. In order to evaluate options for automated analysis of the extensive measurement data, various methods of machine learning were implemented. Results: The mobile gait analysis system showed a high validity comparing the forces and moments acting in the prosthesis and the calculated joint angles to the data of the stationary measurement systems of the motion analysis lab. The use of different MPK had a significant influence on the gait pattern of the subjects, due to distinct mechanisms for generating joint resistances with considerably varying capabilities. The examination of different prosthesis alignments revealed strong interindividual differences as well as intraindividual differences due to the physical and mental state on the day of testing. Nevertheless, especially for the displacement of the knee axis in the anterior-posterior direction and for the adaptation of the plantar flexion of the prosthetic foot systematic effects were observed, such as a highly individual compensation of the tendency towards flexion during stance phase. This was also evident in the combination of alignment variations in the sagittal and frontal planes. Furthermore, there were no interaction effects between variations in both planes, but strong effects due to exhausting became apparent. For the examined abnormal gait pattern with prosthesis a quantitative measure could be specified. For the alignment variations the automated evaluation of resulting gait pattern is complicated by inter- and intravariability. If the individual characteristics of the gait pattern of one subject are identified, high recognition accuracies could be achieved with particular machine learning algorithms. Discussion: The mobile gait analysis system provides an objective assessment of gait patterns of transfemoral amputees, thus being able to assist during optimization of leg prostheses by orthopedic technicians. Due to the detected individual differences, a baseline measurement before start of the optimization process is indicated. For all measured values a classification based on the constitution of the subject would be reasonable to weight the results with respect to a comparable basis. The investigation of larger cohorts is mandatory in this context and would also allow for optimization of the automated evaluation of measurement data with methods of machine learning. With the mobile gait analysis system, due to the low effort for data acquisition, extensive studies within point of care environments are feasible and thus comprehensive data on prosthesis optimization may easily be collected.
Einleitung: Der Verlust von Teilen der unteren Gliedmaßen stellt ein einschneidendes Ereignis für jeden Betroffenen dar. Mit einer Beinprothese lässt sich die Mobilität zwar weitestgehend wiedererlangen, jedoch weisen auch Prothesen mit modernen mikroprozessorgesteuerten Kniegelenksystemen (MPK) Limitationen gegenüber dem deutlich komplexeren natürlichen Vorbild auf. Umso wichtiger sind eine sinnvolle Auswahl der Prothesenkomponenten und eine gewissenhafte Anpassung der Prothese an die spezifischen Anforderungen jedes Patienten. Um diesen Optimierungsprozess zu unterstützen und das Ergebnis zu objektivieren, wurde ein mobiles Ganganalysesystem mit einer zugehörigen Expertensoftware entwickelt. Material und Methode: Das mobile Ganganalysesystem erfasst die in der Prothese wirkenden Kräfte und Momente, den Druck und die Scherkräfte auf der kontralateralen Seite sowie die Bewegungen der Körpersegmente Fuß, Unterschenkel, Oberschenkel, Becken und Oberkörper mit je einem drahtlosen Sensor. Daneben wurde ein stationäres Ganganalysesystem mit einer instrumentierten Laufbahn genutzt, um die Validierung der entwickelten Algorithmen zur Auswertung der Sensordaten zu ermöglichen. Mehrere Studien mit transfemoral amputierten Probanden untersuchten den Einfluss von verschiedenen Prothesenkomponenten und Varianten der Prothesengeometrie (Aufbau) auf das Gangbild der Teilnehmer. Exemplarisch wurden typische Abweichungen im Gangbild mit Prothese (Gehfehler) betrachtet. Um eine automatisierte Bewertung der umfangreichen Messdaten zu evaluieren, wurden verschiedene Methoden des maschinellen Lernens eingesetzt. Ergebnisse: Die im mobilen Ganganalysesystem erfassten Kräfte und Momente in der Prothese sowie die berechneten Gelenkwinkel zeigten eine hohe Validität. Der Einsatz verschiedener MPK hatte einen deutlichen Einfluss auf das Gangbild der Probanden, der auf die unterschiedlichen Möglichkeiten der Kniegelenke bei der Erzeugung von Bewegungswiderständen zurückführbar ist. Bei der Untersuchung verschiedener Varianten des Prothesenaufbaus wurden starke interindividuelle Unterschiede aber auch formbedingte intraindividuelle Unterschiede deutlich. Dennoch konnten insbesondere für die Verschiebung der Knieachse in anterior-posteriorer Richtung und für die Anpassung der Plantarflexion des Prothesenfußes systematische Effekte beobachtet werden, wie eine stark individuelle Kompensation der Flexionsneigung in der Standphase. Dies zeigte sich auch bei der Kombination von Aufbauvariationen in der Sagittal- und Frontalebene. Weiterhin fehlten Interaktionseffekte zwischen den Anpassungen in beiden Ebenen und es wurden starke Ermüdungseffekte deutlich. Während sich die untersuchten Gehfehler gut quantifizieren lassen, ist die automatisierte Bewertung des Gangbilds bei den Aufbauvariatioen durch Inter- und Intravariabilität erschwert. Sind die individuellen Besonderheiten im Gangbild eines Probanden bekannt, konnten hohe Erkennungsgenauigkeiten erzielt werden. Diskussion: Das mobile Ganganalysesystem ermöglicht eine objektive Bewertung des Gangbilds transfemoral amputierter Probanden und kann so die Optimierung von Beinprothesen in der Versorgung unterstützen. Wegen der festgestellten individuellen Differenzen ist eine Referenzmessung vor Start des Optimierungsprozesses angezeigt und es sollte eine Einordnung der Messwerte in spezifische Referenzbereiche erfolgen, die sich an der Konstitution der Probanden orientieren. Hierfür ist die Untersuchung größerer Kollektive notwendig, auch um die automatische Auswertung der Messdaten mit Methoden des maschinellen Lernens zu optimieren. Das mobile Ganganalysesystem ermöglicht durch den geringen Messaufwand umfangreiche Studien im versorgungsnahen Umfeld und bietet sich damit für die Sammlung eines umfassenden Datenpools an.
Databáze: OpenAIRE
Externí odkaz: