林英杰 吴建宁 林丽辉

(福建师范大学数学与信息学院，福州 350007)

引言

步态是指人体行走时的姿态，是人体解剖结构与功能、人体运动控制调节系统、人体行为及心理状态活动等生理因素在行走期间的外在综合体现。步态对称性是刻画人体步态的重要特征之一[1]。在相关研究中，通常将人体步态对称性假设为人体左、右两侧步态功能具有一致性。健康人体步态对称性可有效减少人体行走时的能量消耗，降低跌倒风险，提供稳定和舒适的行走状态模式[2]。临床研究发现，一些神经系统或运动系统疾病(诸如下肢长度差异[3]、下肢截肢[4-5]、中风[6-8]、脑瘫[9-10]和帕金森病[11-12])可损害人体步态对称性，产生步态异常，在某种程度上揭示人体健康状况和病理特征。准确评估人体步态对称性，有助于临床相关疾病诊断、治疗和康复效果评估。早期，临床医师通常依靠临床经验和目视等方法，主观评估人体步态对称性，缺乏准确量化评价步态对称性的技术手段和方法，难以得到客观准确的评估效果[13]。客观、准确地量化评价人体步态对称性，是目前临床急需解决的关键问题[14]。

探索人体步态对称性的相关研究已成为步态分析、生物力学、计算机科学、生物医学工程、康复工程等交叉学科领域研究的重点问题。近30年来，步态对称性的相关研究较集中于步态对称性变异、步态对称性量化评价方法等研究方向。近年来，步态对称性变异的相关研究取得了丰硕成果，但仍存在着一些争议，其焦点在于如何揭示人体左右两侧步态的差异。例如，一些学者提出将人体正常行走期间左右下肢的行走主导功能性差异假设为步态对称性变异体现，认为正常(健康)人体存在步态非对称性[1,15]。从近年来的研究文献来看，上述相关研究仍在探索中，未有普遍共识的研究成果报道。

探索步态对称性的量化评价方法在步态对称性的相关研究中一直受到持续性的高度关注，大多相关研究较集中于临床应用环境，探讨量化评价步态对称性变异程度的技术手段，其研究的基本思路是：探寻有效的技术手段，量化分析人体左、右两侧步态参数，鉴别人体左、右两侧步态的相似差异性(也就是人体左、右两侧步态是否存在差异)，以评价步态对称性的变异状况。总体而言，量化评价步态对称性研究包括步态参数、人体步态对称解剖结构、评价技术手段等几个方面。就步态参数而言，早期大多数研究采用基于由光学运动捕捉系统[16]、压力测量平台[17]和肌电图[18]等步态分析系统所采集的步态参数，如步长、相位时间跨度、关节角度、关节位移等运动学参数，以及足地反作用力、力矩等动力学参数。步态分析系统价格昂贵，仅在高标准实验室采集相关步态数据；不仅要求受试者反复训练适应采集环境，而且采集过程繁琐，难以采集户外或日常生活环境中自然行走步态的数据。近年来，一些相关研究较关注基于价格低廉的可穿戴设备，用于采集受试者户外或日常生活环境中的步态数据(诸如加速度数据、陀螺仪数据等)，为准确量化分析步态对称性变异状况提供数据支撑。就量化评价人体左、右两侧步态差异而言，早期相关研究大多基于人体下肢左右两侧步态参数，探讨量化分析步态对称性变异的技术手段。近年来，相关研究较关注将人体上肢和下肢的左右两侧步态数据相融合，尝试基于人体运动结构整体框架来探寻量化评价步态对称性的新途径和新方法[19]。就量化评价步态对称性技术手段而言，其相关研究的焦点问题在于如何从步态参数中获取更多与步态功能密切相关的步态特征信息，量化分析人体左右两侧步态的相似性差异，准确鉴别步态对称性的变异状况。早期相关研究侧重于直接从步态周期中选取步态参数作为步态特征，通过定义具有统计意义的计算公式，量化分析人体左、右两侧步态的相似性差异，量化判别步态对称性变异的状况。近年来，一些先进信息技术(诸如互联网技术、无线传感网络、大数据分析技术、人工智能等)在人体步态对称性的量化评价研究中得到高度关注，网络化、智能化、远程化已成为量化评价人体步态对称性相关研究的主要趋势。探寻准确刻画人体步态变化的步态对称性模型、步态对称性综合评价特征指标，以及准确量化评价步态对称性的技术手段，仍是未来相关研究急需解决的关键问题。

下面着重论述近30年步态对称性量化评价方法的相关研究成果。首先，综述目前常用的3种步态对称性量化评价方法——离散量化评价方法、连续量化评价方法、统计量化评价方法；然后，介绍当前步态对称性量化评价方法相关研究的前沿性特点和未来的发展趋势，以及亟需解决的关键问题。

1 步态对称性量化评价方法

近年来，探讨步态对称性量化评价方法的焦点在于：如何从步态参数获取更多蕴含与步态变化密切相关的步态特征信息，准确量化评价步态对称性变异状况。为此，相关研究基于运动学、动力学等步态参数在步态周期中的变化特性，尝试探寻有效的步态对称性量化评价方法。目前在相关研究中，常用的3种步态对称性量化评价方法是：离散步态参数量化分析方法、连续步态参数量化分析方法和统计分析量化分析方法。这些方法常用于临床环境，评价患者步态对称性变异程度。步态对称性量化评价方法的分类如图1所示，下面对相关研究进行综述。

图1 步态对称性量化评价方法分类Fig.1 The classification chart of gait symmetry quantitative evaluation method

1.1 离散步态参数量化分析方法

离散步态参数量化分析方法是较早采用的步态量化评价方法，其基本思路是：直接从步态周期中选取蕴含步态特征信息量的步态参数，定义步态对称性评价指标(诸如对称指数、比率指数和对称角度等)，计算人体左右两侧肢体步态差异。相关研究常用的步态参数主要包括：步长、步频、站立相时间、迈步相时间、足触地时刻、足离地时刻、关节角度等重要的步态特征参数。更多的离散步态参数量化分析方法详见文献[15]。下面对目前研究中常用的离散型步态对称性评价指标进行分析和比较，综述如下。

1.1.1对称指标评价方法

对称指标(symmetry index, SI)是Robinson等学者于1987年首先提出的步态对称性量化评价指标，为后续的相关研究奠定了基础[11]。对称指标通常定义为

式中，Xr和Xl分别表示人体左右两侧下肢的步态参数值。若SI=0，表明左右两侧下肢步态完全对称。

对称指标虽然具有简单、易操作等优点，但由于其仅采用简单的统计平均叠加方法计算左右两侧下肢步态差异，易丢失与左右两侧下肢步态差异密切相关的步态信息，难以准确评价步态对称性变异状况[20-21]。为此，一些相关研究对此不断完善[22-23]。

1.1.2比率指标评价方法

比率指标(ratio index, RI)评价方法[24]旨在通过比较左右两侧下肢步态参数差异来评价步态对称性状况，其公式定义为

(2)

式中，X1和X2分别表示人体两侧下肢的步态参数值。若RI=1，表明左右两侧下肢步态完全对称。

该方法可充分比较左右下肢在步态周期任一时刻步态参数的差异状况，有助于临床解释和评价步态对称性。例如Patterson等学者利用比率评价指标，探讨了中风患者步态非对称性与步速之间的相关性影响[25]。Lewek等学者利用比率评价指标，探讨了慢性卒中患者步态平衡与步态对称性的相关性[26]。研究发现，比率指标若分别采用左右两侧下肢步态参数作为分子或分母，评价结果可能存在差异。为此，一些学者对比率指标公式进行了完善[27-30]，例如Patterson等学者提出了通过使用最大步态参数值作为分子来计算比率评价指标，鉴别步态非对称性，并用正负号标示步态不对称方向[30]。

1.1.3对称角度评价方法

为了弥补对称指标和比率指标的局限性，Zifchock等学者提出了对称角度(symmetry angle, SA)的量化评价方法[20]。该方法通过两侧下肢步态参数比值定义正切角度变化差异来量化评价步态对称性变异状况，其公式定义为

(3)

式中，X1和X2分别表示人体两侧下肢的步态参数值。

若SA=0，表明左右两侧下肢步态完全对称；若SA=1，表明左右两侧下肢步态参数大小相等且方向相反，步态非对称。该方法可有效避免分别采用左右两侧下肢步态参数作为分子或分母计算结果存在差异的局限性。此外，一些研究也比较了SA和SI评价方法。例如，Wafai等学者基于足-地反作用力步态参数，探讨了利用SA和SI评价方法量化评估健康受试者和足病患者的步态对称性，研究发现，虽然SA计算结果值远低于SI计算结果值，但这两种评价方法均能准确评价上述受试者和患者的步态对称性[31]。比较而言，SA评价方法具有无需归一化处理且可依据标准尺度来解释评价结果的优点[20]，但SI方法简单，便于临床推广[31]。

总体而言，离散型量化评价方法具有简单、易操作、评价结果易解释等优点，但其计算过程仅选取步态周期有限的步态参数，只评价了步态周期中某一时刻的步态对称性，难以揭示步态周期中所有步态参数的内在相关性，影响量化评价步态对称性的准确性[30]。

1.2 连续步态参数量化评价方法

与离散步态参数量化评价方法不同，连续步态参数量化评价方法是：充分量化分析步态周期中局部或全部时间内在连续变化的步态参数[32]，捕获其内在步态相关性信息，准确获取人体左右两侧下肢步态相似性差异，以期达到准确量化评价步态对称性状况。较典型的连续步态参数量化评价方法主要有循环图、波形相似性、偏差区域分析等方法。

1.2.1循环图量化评价方法

Goswami等学者首先提出了基于双边循环图(bilateral cyclograms)的步态对称性量化评价方法[33]，其研究思路是：若步态保持完美对称性，在步态周期内，左右下肢关节(髋关节、膝关节、踝关节)相互作用运动轨迹生成的循环图区域是一致的，也就是循环图完全位于一条通过原点倾斜45°的对称直线上。若偏离对称线，则表现为步态非对称性。该方法可通过量化循环图偏离对称线的程度，判别步态对称性变异程度。一些相关研究相继探讨了循环图量化评价步态对称性方法的可行性。例如，Kutilek等学者探讨了基于双边循环图量化健康受试者和脑瘫患者肌肉力矩对称性，发现脑瘫患者双边循环图显著不对称[34]。由于循环图量化评价方法的准确性易受步态参数的精确性和相关性等因素影响，难以在临床环境中推广应用[15]。

1.2.2波形相似性量化评价方法

波形相似性量化评价方法的基本研究思路是：准确寻找人体左右两侧下肢步态数据连续变化的相似性差异，鉴别步态对称性变异状况。早期国内廖福元等学者通过模数转换，将连续地面反支力数据(VGRF)转换为左、右下肢支撑期和跨步时间序列对，探讨了基于步态参数时间序列对相似性量化评价步态对称性[35]，是较早采用波形相似性思路来量化评价步态对称性的研究。研究发现，任意提取步态参数时间序列对可能丢失步态特征信息。2006年，Crenshaw等学者提出了基于特征向量比较步态数据波形相似性的新方法，探讨了通过比较左右下肢相应关节角度波形数据来量化评价关节角度对称性的可行性[6]，其研究思路是：基于下肢相应关节角度波形数据来计算不同的特征量，包括趋势对称性(trend symmetry)、相移(phase shift)、范围幅度比(range amplitude ratio)和范围偏移(range offset)，然后基于上述4个特征量，计算反映左右下肢步态数据波形之间相位差异的趋势对称值量化评价步态对称性。该方法虽在一段时间内能有效比较步态参数曲线的波形差异，但难以找到产生波形差异的步态周期时刻。另外，Iosa等学者也提出一种波形相似性量化评价步态对称性的新方法[36]，其基本思路是：首先对采集的步态数据集线性拟合，然后比较其波形之间的形状、振幅、偏移量的相似性差异。实验结果表明，该方法可较好地鉴别步态相似性差异，敏感性和特异性分别达到94.1%和93.3%，但尚未在其他类型步态数据中验证其可行性。

1.2.3偏差区域量化评价方法

Shorter等学者提出偏差区域分析(region of deviation analysis)量化评价步态对称性的定量方法[37]，旨在解决波形相似性方法难以确定与关节角度波形差异相对应的步态周期中时间点的问题。该方法的基本思路是：计算患者下肢关节受影响侧和未受影响侧之间在步态周期中关节角度峰值幅度和相应时间的差异，并与健康受试者的相应关节活动范围进行比较，通过判别患者关节角度位移与健康受试者正常关节角度位移在步态周期中的偏离区域，鉴别人体下肢左右两侧关节是否对称,有助于量化评价步态对称性变异状况。

偏差区域量化评价方法不仅可以鉴别步态周期中关节伸/曲活动范围差异的时间和大小，而且还能提供相邻关节的相互扰动特征信息，有助于临床监测与步态损伤密切相关的步态对称性变异状况。此外，一些相关研究尝试采用连续t检验方法，力图从偏差区域分析中寻找在步态周期中出现的与步态对称性变异密切相关的偏差位置[38]。研究发现，偏差区域量化评价方法在临床应用环境中，需要健康受试者步态数据作为参考标准，以便于鉴别步态对称性变异程度[15，38]。

总之，连续步态参数量化评价方法可揭示步态周期内所有步态参数的内在相互作用关系，能获取与步态对称性变异密切相关的步态参数相关性信息，有助于准确鉴别步态对称性变异状况[1，15,17，38]，其缺点在于难以获取步态周期中某一时刻的步态对称性变异状况，评价结果难以临床解释[1，15，17，38]。更多的基于连续步态参数量化评价步态对称性的方法详见文献[15]。

1.3 统计分析量化评价方法

统计分析量化评价方法在量化评价步态对称性相关研究中一直受到广泛关注和重视，其特点在于充分利用离散型、连续型步态参数，获取更多与步态对称性变异密切相关的步态特征信息，力图准确量化评价步态对称性变异状况。近20年来，相关研究主要探讨采用传统的统计分析方法(如方差分析、自相关系数、互相关系数、主成分分析等)，量化分析人体左右两侧的离散型或连续型步态参数，以此鉴别步态对称性变异状况[15，39-45]。近年来有关量化评价步态对称性的统计分析方法详见文献[15]。下面主要综述采用传统统计分析方法，量化分析离散型、连续型步态参数，鉴别步态对称性变异状况的可行性。

1.3.1基于离散型步态参数的统计方法

近年来，相关研究主要探讨采用传统的配对t检验、方差分析、变异系数、方差比等统计分析方法，量化分析人体左右两侧离散型步态参数，力图寻找人体左右两侧步态相似性差异信息，判别人体步态对称性变异状况的可行性[15]。

由于配对t检验方法处理离散型数据具有简单、易操作等优点，在早期相关研究工作中得到广泛关注和应用。例如，Sadeghi等学者于2000年首先采用配对t检验方法，量化分析受试者左、右两侧下肢动力学波形峰值步态数据，探讨了量化评价步态对称性变异状况的可行性[46]。此外，Allard等学者也采用传统配对t检验方法，探讨了量化分析受试者在休息和疲劳状态下左右两侧下肢膝关节对称角度的差异性。研究发现，采用传统配对t检验方法，可明显看出受试者疲劳状态时左右两侧下肢膝关节对称角度存在差异，步态对称性易受损害和变异[40]。

此外，一些学者也探讨了采用方差分析、变异系数来量化评价步态对称性变异状况的可行性。例如，Mills等学者采用方差分析模型，探讨了量化评价关节炎患者步态对称性变异状况的可行性。研究通过对单侧膝关节关节炎患者组、双侧膝关节关节炎患者组、健康受试者对照组的左右两侧步态数据方差分析，发现双侧膝关节患者左右两侧步态参数差异性明显，步态对称性易受损害和变异[41]。另外，Pierotti等学者也采用变异系数、方差比等，统计量化分析膝关节处的肌电(EMG)步态数据，探讨了量化评价健康受试者不同行走步速对步态对称性变异影响的可行性，研究发现，快速行走可能影响步态对称性变异[42]。

研究发现，采用传统统计分析方法虽然能够获取人体左右两侧步态参数的显著差异性信息，但难以捕获人体左右两侧步态参数的细小差异，因而难以及早准确鉴别步态对称性的变异状况[1,15]。

1.3.2基于连续型步态参数的统计方法

近年来，一些学者相继探讨了采用相关性统计分析方法(如主成分分析、自相关系数、互相关系数、均方差等)量化分析连续型步态参数，旨在尝试获取步态参数内在蕴含步态运动的相关性信息，准确鉴别人体左右两侧的步态差异，准确量化评价步态对称性。

主成分分析(principal component analysis，PCA)方法较早应用于量化分析连续型步态参数、评价步态对称性变异的相关研究，其基本思路是：充分利用主成分分析，从高维步态参数获取少许蕴含较大方差信息的低维步态特征向量，去除高维步态参数内在冗余信息，量化人体左右两侧的步态差异性，力图准确量化评价步态对称性的变异状况。例如，Sadeghi等学者于2003年应用主成分分析，量化分析健康受试者髋关节曲/伸的连续型时空步态参数曲线，尝试从步态功能性角度来评估健康受试者步态对称性变异的可行性[43]。此外，Sadeghi等学者也采用主成分分析，量化分析健康老年受试者和年轻受试者的膝关节连续型肌力步态参数，量化评价两者的步态差异性。

此外，一些学者采用自相关系数方法，量化分析加速度步态数据，尝试从连续型加速度步态参数中获得步态内在相关性信息，准确量化评价步态对称性变异状况。目前相关的研究思路是：通过计算前后方向和垂直方向的加速度波形数据，分别获得第一个和第二个主导周期的自相关系数，根据其变化规律性，量化评价步态对称性变异状况[45]。国内刘蓉等学者应用自相关系数，量化分析加速度数据获取步态特征参数，通过对比、分析受试者左、右足与步态周期的相关系数，量化评价步态对称性变异的可行性[46]。近年来，Kobayashi等学者采用自相关系数方法，量化分析不同年龄和性别受试者躯干的前后和垂直方向的加速度数据，量化评价年龄和性别影响步态对称性变异的可行性[47]。 此外，一些相关文献相继报道了采用均方差统计分析方法量化评价步态对称性的可行性，其研究思路是：将连续型步态数据分段并规范化为独立步幅，采用归一化的互相关方法，获得人体左右两侧步态的归一化平均误差，以期分析量化评价步态对称性的变异状况。例如，Gouwanda等学者采用均方差统计分析方法，量化分析人体下肢大腿陀螺仪步态数据，寻找人体左右两侧步态的归一化平均误差，准确评价步态对称性的变异状况[48]。另外，一些文献也报道了采用均方根统计分析方法量化评价步态对称性的相关研究[49]。

总体而言，目前研究所采用的统计分析方法能较好量化分析离散型或连续型步态参数，获取更多蕴含步态内在相关性的特征信息，有助于量化评价步态对称性的变异状况，但也存在计算复杂度高、获取的步态特征难以临床解释等的不足[3，15]。

1.4 传统步态对称性量化评价方法的局限性

据近年来的相关文献报道，本研究所提3种常用方法在量化评价人体步态对称性的变异研究中得到广泛关注和应用，研究成果各具优势和不足。这些相关研究对3种步态对称性量化评价方法之间的内在关联对比、分析、融合仍缺乏深入的探讨和研究，难以消除每个量化评价方法在步态对称性评价中所存在的内在局限性[15]。此外，目前各种步态对称性量化评价方法对不同类型步态数据测量及相关的预处理方法各异，难以体现各种步态对称性量化评价方法及相关研究成果的可比性[15]。更重要的是，本研究所提3种常用方法仅能获取步态参数内在线性步态的特征信息，难以获取与步态密切的非线性步态特征信息，有可能降低量化评价步态对称性的准确性，为此仍需探索更加先进的步态对称性量化评价方法。

2 步态对称性评价方法的进展

目前，一些先进的信息技术(如大数据、人工智能、体域网、可穿戴技术等)在步态对称性量化评价方法相关研究中得到高度关注和应用。准确监测户外或家居环境下的步态对称性变异状况，已成为目前步态对称性量化评价研究的一个新的热点，相关研究呈现网络化、远程化、信息化、智能化等，已成为量化评价步态对称性的主要技术手段、未来发展的总体趋势。为此，目前相关研究主要集中于探索步态数据获取的新手段，步态特征提取的新方法，步态对称性的定义与评价等关键技术环节，下面对目前的研究成果及发展趋势进行综述。

2.1 步态数据采集的可穿戴化

基于光学捕捉系统的步态数据采集系统虽然具有高精度、易控制分析等优点，但其价格昂贵，仅局限于高标准实验室环境下采集，难以满足人们日常生活环境的需求[50]，特别是难以满足临床长时间持续监测人体步态对称性状况的要求[51]。一些研究发现，在实验室环境下采集步态数据的过程中，受试者由于受到采集步骤和要求的影响，可能会影响步态的正常行进，难以准确评估步态对称性变异状况[52]。如何准确、长时间持续采集蕴含人体步态对称性信息的步态数据，是近年来相关研究探讨的热点问题。近年来的大量相关研究尝试采用先进的可穿戴技术，从而获取人体日常生活环境中的步态数据，为探索量化评价步态对称性提供新的思路和方法[53]。

近年来，相关研究大多采用整合微型惯性传感器、微型单片机和无线传感模块来构建可穿戴设备，旨在随时随地实时采集受试者在日常生活环境中的不同运动解剖结构部位(如髋关节、膝关节、踝关节等)的步态数据，用于临床实时监测、评价步态对称性状况，其基本研究思路是：将可穿戴设备佩戴于受试者不同运动解剖结构部位来采集步态参数，受试者既可采用手持智能设备(如智能手机)观测采集步态参数的状况，又可通过手持智能设备经互联网传送至远端数据处理中心(如社区保健中心、医院等)，进一步远程量化分析步态对称性状况[54]。例如，Tura等学者将单个可穿戴加速度计佩戴于剑突处，以评估步态对称性和规律性[45, 55]。另外，一些相关研究相继探讨了基于压力传感器[56]、超声波传感器[57]等可穿戴设备量化评价步态对称性的可行性。

此外，相关研究也发现，价格低廉的可穿戴设备虽然较大改善了户外或家居环境步态分析的便捷性和可操作性，但是所获得的多传感器步态数据的高维性、非线性、随机性，也影响进一步量化评价步态对称性变异状况的准确性，有待于进一步深入探索[58]。

2.2 步态对称性特征信息提取

探寻从高维步态参数中获取与步态对称性变异密切相关的特征信息的技术手段，是目前步态对称性量化评价相关研究中的一个热点问题，旨在准确获取人体步态运动系统各关节内在相互作用的非线性和相关性信息[59]，以期提高量化评价步态对称性的准确性[60]。

目前的相关研究主要集中于步态高维数据内在非线性结构特点，相继提出了一些步态非线性特征信息提取技术，用于准确量化评价步态对称性变异状况。例如，国内吴建宁等学者首先探讨了应用核主成分分析(kernel-based principal component analysis，KPCA)技术，量化分析高维足-地反作用力步态数据，尝试从高维步态数据特征空间中获取蕴含更多非线性特征信息的低维步态数据特征向量，用于评价步态对称性变异状况的可行性[61]。国内廖福元等学者探讨了应用小波变换技术量化分析高维步态时间序列数据，量化评价步态对称性的可行性，其基本思路是：应用小波变换技术，量化分析高维步态时间序列数据多层分解，分别计算每一分解层的相似性指数，加权拟合相关相似性指数，以刻画两个原始步态参数序列的步态对称性变异状况[62]。

此外，一些研究也应用基于时间序列动力学信息的符号化方法，通过高维步态参数量化分析高维步态参数，从而量化评价步态对称性的可行性[63]]，其基本思想是：对高维步态参数粗粒化处理，去除高维步态参数中的冗余特征的信息，获取更多蕴含步态内在非线性特征的信息，以鉴别高维步态参数中所隐含的人体左右两侧步态变异状况[64]。例如，Sant′Anna等学者采用符号化方法，量化分析高维加速度时间序列步态数据，尝试从高维加速度步态参数中获取更多隐含人体左右两侧步态变异特征的信息，用来量化评价步态对称性变异状况的可行性[65]。研究发现，符号化方法不仅能有效量化评价步态对称性变异状况，并且还可降低计算复杂度。

虽然近年来的步态对称性特征信息提取技术能获取高维步态数据内在非线性特征信息，但其获取的特征信息难以用于临床解释，并且计算复杂度高，仍有待于进一步探索[15，63-65]。

2.3 全局性步态对称性指标

从生理学角度来讲，人体步态行走是在神经系统支配下由肢体肌肉和骨骼相互作用产生的，是一个由神经-肌肉-骨骼系统之间的相互补偿机制持续调整的过程，实现由身体局部肢体步态非对称调整为全身肢体步态对称性状态[39]。也就是说，人体步态对称性是一个在全身神经-肌肉-骨骼系统之间的相互补偿机制调节下，人体运动系统自然学习和保持的过程[66]。

近年来，一些相关研究尝试从人体步态运动系统内在机制整体框架角度，探索用全局性步态对称性指标量化评价步态对称性变异状况，力图弥补先前相关研究的不足，即仅考虑下肢某一个关节的某一类型局部性步态参数来定义计算步态对称性指标，难以准确评价步态对称性变异的状况[67-68]。例如，Nigg等学者综合利用垂直方向和前后方向的足地反作用力、 髋关节、膝关节和踝关节角度等不同类型步态参数，通过选取蕴含显著步态特征信息的步态特征参数定义离散型度量，探讨了用离散型全局步态对称性指标来量化评价步态对称性变异状况的可行性[69]。研究发现，离散型全局步态对称性指标可能会丢失步态的重要特征信息，影响量化评价步态对称性的准确性[70]。

此外，一些学者也探讨了综合采用连续型步态参数，定义全局性步态对称性指标来量化评价步态对称性变异状况的可行性。例如，Lundh等学者综合利用下肢髋、膝和踝关节步态周期中所有关节角度步态参数，定义连续型全局性步态对称性指标，尝试克服离散型全局性步态对称性指标的局限[71]。同样，Silvia等学者也综合利用下肢髋、膝和踝关节和躯干步态周期中的所有连续步态参数，尝试定义与临床相关的连续型的全局步态对称性指标[70]，研究发现，仅综合利用下肢多个关节步态参数，难以准确揭示步态内在相关性，获取的步态对称性指标的可靠性差[72]。

近期，一些学者尝试应用先进的统计方法，探讨定义全局性步态对称性指标的可行性。例如，Ramakrishnan等学者应用马氏距离量化分析连续踏步的步态数据，定义综合步态非对称指标(combined gait asymmetry metric，CGAM)，探讨了鉴别人体左右两侧步态变异状况的可行性，相关研究为探讨全局性步态对称性指标提供了新的思路和方法[73-74]。

总体而言，探索全局性步态对称性指标是未来相关研究的一个重要方向。目前的研究工作未从人体步态运动系统的内在机制整体框架全面揭示人体步态运动系统的内在相关性，仍需探索全面体现步态整体框架的模型以及相应先进的数据融合算法、数据挖掘算法，获取全局性步态对称性指标[72，75]。

2.4 步态对称性量化评价智能化

近年来，大数据、人工智能等先进信息技术在步态对称性量化评价相关研究领域得到高度关注，探索步态对称性量化评价智能化也是相关研究未来发展的一个重点和趋势。近年来，一些学者探讨了人工智能技术(如机器学习技术)量化评价步态对称性变异状况的可行性，其基本思路是：将量化评价人体左右两侧步态相似性的差异问题转化为步态模式分类问题，通过步态模式分类模型，实现量化评价人体步态对称性状况[76-77]。例如，Linah 等学者采用人工神经网络(artificial neural network，ANN)分类算法，探讨了量化评价步态对称性的可行性[75]，其基本思路是：采用人工神经网络分类算法，分别识别健康受试者和患者的左、右足底压力步态模式，通过对比健康受试者，鉴别患者左右足步态模式的差异性，以期准确量化评价步态对称性变异状况。研究表明，患者左右足模式识别率可达94%，可有效鉴别步态对称性变异状况，但健康受试者左右步态模式识别率低，特别是对左右足步态模式的细小差异难以鉴别[76]。此外，国内吴建宁等学者采用支持向量机(support vector machine，SVM)，探讨了量化评价老年人步态对称性变异状况的可行性[77]。国内李慧敏等学者采用基于改进的K-Means算法，探讨了无监督聚类量化评价步态对称性的可行性[78]。仇森等学者采用动态时间规整算法(dynamic time warping，DTW)，计算相邻步行周期相同步态参数的匹配程度，探讨了量化评价左右足步态对称性变异状况的可行性[79]。

近期，一些学者尝试从可穿戴传感器数据自动提取量化步态对称性的特征，以此作为机器学习分类算法的输入向量。这种方法优化了步态模式分类算法的性能，准确鉴别左右步态模式差异，提高了量化评价步态对称性变异状况的准确性。例如，Anwary等学者首先从可穿戴传感器自动提取24种常用步态特征(如步频、步速、足离地时刻、足触地时刻等)，使用这些特征向量的算法平均分类准确率可达97.57%[80]，准确识别人体左右两侧步态模式差异，有利于量化评价步态对称性变异状况。此外，Mitchell等学者也基于可穿戴传感器步态数据，自动获取时域和频域步态特征，分类准确率达97%，有助于量化评价步态对称性变异状况[81]。

研究发现，机器学习分类算法有助于提高量化评价步态对称性变异状况的准确性，为量化评价步态对称性智能化提供了技术手段支撑。但也存在着一些不足，如机器学习算法就像一个“黑盒子”，仅能体现机器学习步态分类算法内在的数学结构逻辑关系，难以解释步态对称性内在的全身神经-肌肉-骨骼系统之间的相互补偿机制调节过程，无法满足临床需求，所以仍需探寻先进的数据融合和挖掘算法，从步态参数中获得可解释的步态对称性内在变异特征信息[15，58]。

3 亟待解决的问题和未来的发展趋势

3.1 当前亟待解决的关键问题

目前，量化评价步态对称性相关研究虽然取得了丰硕的成果，但仍存在一些亟待解决的关键问题。

1)探寻满足人体“动力链”的步态对称性模型。从本质上讲，步态对称性变异起源于全身神经-肌肉-骨骼系统之间相互补偿机制失调的状况。如何准确刻画全身神经-肌肉-骨骼系统之间相互补偿机制调节状况，是准确量化评价步态对称性变异状况的关键所在。而目前相关研究大多仅局限于人体左右两侧下肢或上肢相关关节构建刻画步态对称性模型，无法准确描述全身神经-肌肉-骨骼系统之间内在相互作用的“动力链”关系，也就是难以捕获蕴含步态行走期间各相关运动部位相互耦合的动态相关性信息，影响量化评价步态对称性状况的准确性[82]。对此,需要生理学、生物力学、无线人体传感网络等交叉学科相互融合，探索构建能准确捕获蕴含各相关步态运动部位、相互耦合的动态相关性信息的步态对称性模型[83]。步态对称性模型网络化是相关研究未来发展的主要趋势，有助于准确描述全身神经-肌肉-骨骼系统之间内在相互作用的“动力链”关系和调节过程状况。

2)步态对称性量化评价标准有待确定。目前各相关研究所采用的研究方法、步态参数变量选取、步态对称性定义计算公式等各不相同，仅仅适用于各相关研究的特定情形[15，84]。到目前为止，仍未形成步态对称性量化评估方法，以及与其配套使用的步态对称性变异状况的判定标准，难以准确评估步态对称性量化评价方法的适用性，需要制定统一的、行之有效的步态对称性量化评价标准。为此，构建高质量规范的步态对称性数据库，制定统一的步态对称性量化评价标准是相关研究未来研究的重点方向，对于准确鉴别人体步态对称性变异状况、有效地满足临床步态对称性评价需求至关重要。

3.2 未来相关研究的发展趋势

近年来， 人工智能、大数据分析技术在量化评价步态对称性相关研究中越来越受到广泛关注。如何将人工智能、大数据分析技术融入步态对称性量化评价研究中的步态数据获取、步态特征提取与选择、 量化评价方法确定等关键技术环节，探寻便捷、自动化地量化评价步态对称性的技术手段，为实现远程化、智能化、网络化、信息化量化评价步态对称性提供可靠的技术支撑，是未来相关研究发展的主要趋势和热点问题，有助于远程监测户外或日常生活环境中的人体步态对称性变异状况，为临床及早鉴别步态对称性变异提供依据。