临床步态分析中可信赖的可视化分析：以脑瘫患者为例

三维临床步态分析对于为脑瘫（CP）患者选择最佳治疗干预至关重要，但会产生大量时间序列数据。对于这些数据的自动化分析，机器学习方法取得了有前景的结果。然而，由于其黑箱性质，此类方法常受到临床医生的质疑。我们提出gaitXplorer，一种用于CP相关步态模式分类的可视化分析方法，其集成了成熟的 Explainable Artificial Intelligence 算法 Grad-CAM 以解释机器学习分类。分类高相关区域在交互式可视化界面中高亮显示。该方法在一项由两名临床步态专家参与的案例研究中得到评估。他们使用可视化界面检查了八名患者样本的解释，并表达了他们认为可信或可疑的相关性评分。总体而言，临床医生对该方法给予了积极反馈，因为它使他们更好地理解了数据中哪些区域对分类相关。