使用隐私保护的可解释人工智能对模拟步态失能进行分类：基于移动电话视频

步态失能诊断常受主观或高成本评估方法的阻碍，现有解决方案要么需要昂贵的多摄像头设备，要么依赖主观的临床观察。亟需一种可访问且客观的工具，以在保持患者隐私的同时辅助步态评估。本文提出一种基于移动电话的、隐私保护的人工智能（AI）系统，用于分类步态失能，并引入一种新型的743个视频数据集，记录了七种不同步态模式。数据集由训练受试者在标准移动电话摄像头下捕获的正面和侧面视图，包含正常步态和六种疾病性步态（曲折步态、Trendelenburg步态、类风湿性步态、蹲姿步态、帕金森性步态和垂踢步态）。本系统在综合正面和侧面视图时实现了86.5%的准确率，侧面视图通常优于正面视图，除特定步态模式（如曲折步态）外。模型特征重要性分析表明，频域特征和熵值措施对分类性能至关重要，具体而言，下肢关键点最为重要，这与临床对步态评估的理解相符。这些发现表明，移动电话基础系统能够在保持隐私的前提下有效分类多样化的步态模式。使用模拟步态数据实现的高准确率表明其在快速原型设计步态分析系统方面具有潜力，尽管仍需临床验证。本工作是通向可访问、客观步态评估工具的重要一步，适用于临床、社区和远程康复场景。