A Smart Insole-Based Explainable AI Framework for Non-Invasive Sciatica Diagnosis Using Optimally Selected Plantar Force Sensors
本研究提出了一种可穿戴的可解释人工智能框架，该框架利用配备优化选择的压力传感器智能鞋垫，通过识别特定的足底压力模式来实现准确、无创的坐骨神经痛诊断，同时将硬件需求减少了62.5%。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一双可以通过观察你的步态，向医生告知你是否患有腰部神经受压的鞋子。这就是可穿戴技术在医学领域的承诺——这一领域正从医院中昂贵且固定的机器，转向你可以日常穿着的智能设备。几十年来，医生一直依赖复杂的扫描或神经测试来诊断坐骨神经痛，这是一种由于从下背部延伸至腿部的神经受到刺激而导致的疼痛性疾病。这些传统方法通常成本高昂，且无法捕捉到一个人在实际站立或行走时的运动状态。与此同时，科学家们一直在研发一种内置压力传感器的智能鞋垫，用以绘制每一步的力度分布图。挑战在于如何确定这些传感器的精确位置，以及如何在不需要超级计算机或让整个脚部布满电子元件的情况下解读数据。
一组研究人员现在构建了一个系统，通过将智能鞋垫与一种能够解释其推理过程的人工智能相结合，解决了这些问题。他们创建了一个框架，通过分析重量在脚底的分布情况，以非侵入式的方式（即无需手术或针刺）来诊断坐骨神经痛。他们工作的核心是一个简单而强大的理念：与其用传感器覆盖整个鞋底，他们发现极少数特定的传感器就足以识别出这种疾病。通过在三十七个人的脚上测试不同的传感器组合，他们发现仅需六个传感器——每只脚三个——就足以捕捉到坐骨神经痛患者独特的步态。这些传感器被放置在脚跟、足中和脚趾处，这些位置与坐骨神经影响足部运动的方式相一致。
研究人员收集了来自二十名坐骨神经痛患者和十七名健康志愿者的数据。每个人都穿着这种智能鞋垫，鞋垫总共包含十六个传感器，每只脚八个。当他们行走时，鞋垫记录了压力的变化，同时研究人员还收集了来自肌肉传感器和运动追踪器的数据，以此作为参考点。随后，团队将这些信息输入到一个旨在学习模式的计算机程序中。他们测试了数千种不同的传感器排列方式，寻找能提供最清晰病情图像的组合。通过严谨的反复测试过程，他们将范围缩小到了六个最有效的传感器。这种精简意味着，未来的诊断工具可以比目前的系统更小巧、更便宜且更易于穿着，因为目前的系统通常需要密集的传感器阵列才能工作。
当他们使用这六个最优位置的传感器来训练人工智能模型时，结果令人瞩目。该系统大约在百分之九十的情况下能正确识别一个人患有坐骨神经痛还是处于健康状态。更重要的是，该模型不仅仅给出一个“是”或“否”的答案；它使用了一种称为“可解释人工智能”的技术，来展示哪些部分的脚对于做出该决策最为重要。系统生成的热力图强调了脚跟和足中，即健康人群与患病人群之间压力模式存在差异的关键区域。这种透明度对医生至关重要，因为它允许医生看到诊断背后的证据，而不是将计算机视为一个神秘的“黑箱”。
为了确保研究结果可靠，研究人员将压力传感器的结果与他们同时收集的肌肉和运动传感器数据进行了对比。这两种不同的方法在百分之八十二的时间里达成了一致，证实了简单的压力传感器捕捉到的物理现实与更复杂的肌肉追踪设备所捕捉到的物理现实是一致的。该研究还排除了需要全阵列传感器的设想，表明高度精简的设置仍能保留诊断所需的全部关键信息。虽然该系统目前尚不能取代全面的医学检查，且研究人员指出，它还需要针对其他腿部疾病进行测试，以确保不会将坐骨神经痛与其他类似问题混淆，但这项工作展示了一条清晰的前行路径。它表明，一种低成本、便携式的鞋垫很快就能为坐骨神经痛提供即时、准确的筛查工具，将先进的诊断能力从实验室带到临床医生和患者手中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。