• 研究生: 楊晉瑋
• 畢業學年度: 104
• 相關連結

步態是在現代醫療和診斷的重要指標，許多研究都以步態作為主要的研究主題，並嘗試將步態信號用於各項醫療用途。神經外科中，步態可以視為是由神經與肌肉的協調動作，隨著年齡增長，肌肉和神經的傳輸速度的強度之間將會減少。從醫學角度來說，步態可以當作一個指標作為神經系統的傷害或退化程度，所以建立客觀和定量化步態分析是相當重要的。
傳統的步態分析方法常只限於在實驗室環境，利用複雜儀器記錄人的步態動作，然而這些方法很難反應出現實生活中的步態。為了解決此限制，本論文研究如何透過現今普及的智慧型手機進行步態分析。所提出的方法利用智慧型手機中的三軸加速度傳感器採集步態信號，再利用三軸信號之間的關係將步態的七個週期區分出來，最後透過希爾伯特轉換分析步態信號在頻率域與時域之間的特徵。
本論文首先利用四種演算法將步態信號拆解為基本信號，四種演算法包含經驗模式分解（Empirical Mode Decomposition）、多變量經驗模式分解（Multivariate Empirical Mode Decomposition）、獨立成分析（Independent components analysis）、主成分分析（Principal components analysis），再透過希爾伯特轉換分析步態的頻率域與時域。本論文有兩大貢獻，第一個為探究智慧型手機用於步態分析的能力，第二個則是透過本論文提出的分析方法，找出重要的步態指標，用以提供醫護人員診斷上的重要依據。根據本論文的實驗中，可以驗證所提出的分析方法即使在低階的手機，也能夠找出重要的步態資訊與特徵，可做為醫護人員與患者長期追蹤的重要指標。

• 研究生: 黃冠勝
• 畢業學年度: 101
• 相關連結

步態在醫療照護上及醫學上是一個相當重要指標，在神經外科中，步態可以視為是由神經與肌肉的協調動作，然而目前的醫學診斷方式，主要是以醫生的主觀判定，但因不同醫師的主觀判定而有所不同，難以建立長期的追蹤與察覺其細微的變化。
步態分析可以用來評估及測量人類走路的行為模式。近年來大多數相關研究專注於將步態資訊量化，用以尋找與其相關的病因，然而大多數的方法需要侷限測試者於預設的實驗空間，並利用精密的儀器蒐集與分析步態資料。此方式難以反應日常生活中的情況。為了解決此限制，本論文以智慧型手機內嵌三軸加速器作為收集資料的感測器，並且將頸椎受傷的病人作為實驗目標，收集步態信號，進一步分析病人於手術前後的步態信號差異，建立一個統計量表提供量化分析的依據，除了可以與醫學相關病徵做連結對應之外，並提供病人與家屬一個復原的指標。
本論文中利用步態訊號於三軸加速器之特性分割步態週期，以三種訊號處理分析演算法包括傅立葉轉換（Fourier Transform）、短時傅立葉轉換（Short-time Fourier transform）、希爾伯特-黃轉換（Hilbert-Huang Transform）經驗模態分解（EMD），並採用統機分析的方法，制訂量化標準來幫助判斷手術前於手術後的顯著區別。並期待本論文的貢獻於未來能夠提供醫護人員，與診療復健相關細微難以查覺的步態資訊外，並可以成為病人自身的參考指標。