步行是人体基本的运动功能，以此为基础而衍生出的系列身体活动，对机体健康促进、慢病预防和功能提升具有重要作用。其中，步行能量消耗（Energy expenditure, EE）是确保运动安全性和获得功能收益的关键参数。步行能量消耗监测对于健康评估和主动健康管理具有重要意义，尤其是对于老年和慢病人群。步行能量消耗可以采用呼吸测量法准确估计，但并不适用于在运动训练和康复干预环境中进行实时监测。尽管前人围绕步行能量消耗的预测做出了卓越的工作，但仍然缺乏具有广泛适用性和高精度的预测方法。由于运动人体具有高度复杂的时变性和非线性，影响能量消耗的因素复杂多样，不同人群之间的预测因子和函数关系并不相同，使得开发兼具广泛适用和高精度的算法模型具有挑战性。
2024年2月2号，课题组在iScience上发表了题为“A contactless monitoring system for accurately predicting energy expenditure during treadmill walking based on an ensemble neural network”的研究论文，该研究开发了集成神经网络模型，并采用深度相机和毫米波雷达开发了一种非接触式的步行能量消耗监测系统，实现了对年轻人、老年人和脑卒中患者步行能量消耗的高精度预测。该系统可与其他智能康复系统或跑步机设备相结合，适用于评估、监测和跟踪康复干预环境中运动人体的步行能量消耗变化，为步行能量消耗的实时高精度监测提供了便捷工具。
一、集成神经网络模型
机器学习算法的选择对于步行能量消耗预测任务至关重要。由于步行能量消耗预测的最佳函数类型未知，预测因子和能量消耗之间关系复杂且非线性。适用于步行能量消耗预测任务的机器学习算法在一定程度上是未知的。该研究首先纳入当前流行的机器学习算法进行预测精度的初步比较，包括线性回归、高斯过程回归、支持向量机、人工神经网络、决策树和提升树等。结果发现，以神经网络的预测精度最高，决定系数为0.91。
基于923个样本建立的神经网络模型的预测精度依然不能令人满意，这可能与每组人群中输入特征，及其与能量消耗之间的函数关系不同有关。与传统神经网络模型相比，集成神经网络可以获得更高的预测精度，并且可以在多目标框架内解决种类多样性和预测准确性之间的权衡。因此，该研究进一步提出了集成神经网络（Ensemble Neural Network，ENN）模型，并采用留一法在测试集（脑卒中: r=0.9651; 老年人: r=0.9763; 年轻人: r=0.9607）和新数据（脑卒中: r= 0.9302; 老年人: r= 0.9521; 年轻人: r= 0.9506）上分别评估了模型的性能，预测值和测量值之间的高相关性和Bland–Altman低误差表明，该模型在预测脑卒中、老年人和年轻人步行能量消耗方面具有较高精度。此外，与先前研究相比，该模型将脑卒中患者和年轻人的估计误差分别降低了13.95%和66.20%。
二、非接触式智能监测系统
该研究进一步开发了一种无接触式的步行能量消耗监测系统。该监测系统包括Kinect深度相机、毫米波雷达、计算机和跑步机。搭载MediaPipe姿态估计算法的深度相机用于步行姿势跟踪，获取步行速度信息；毫米波雷达用于遥测监控心率；实时获取的速度和心率信息，与其他输入特征相结合，进入到ENN算法模型，进而实现了步行能量消耗的实时监测。研究者重新招募了年轻人、老年人和脑卒中患者受试者各1名，以评估该监测系统追踪步行EE的性能，结果显示，该研究提出的监测系统与金标准测量方法在预测步行EE方面具有强相关性（脑卒中：r=0.9061，MSE = 0.0298 kcal/min；老年人：r = 0.9205，MSE = 0.0132 kcal/min，年轻人：r = 0.9264，MSE = 0.004 kcal/min）。
综上所述，针对步行能量消耗难以实施监测的痛点，该研究提出了一种兼具高精度和广泛适用性的集成神经网络模型，基于简单的特征输入实现了年轻人、老年人和脑卒中患者步行能量消耗的高精度预测，并结合深度相机和毫米波雷达开发了一种无接触的步行能量消耗智能监测系统。这项研究也存在一些局限性，如，集成神经网络模型存在“黑盒”问题，缺乏可解释性。未来研究需要开发基于大样本和可解释性优化算法的预测模型，这可以进一步促进在运动和康复训练环境中智能监测步行能量消耗。
本文通讯作者是牛文鑫老师；第一作者是博士生黄尚军。中科院海西研究院戴厚德教授、上海市第七人民医院于小明主任、上海体育大学伍勰教授团队也参与了研究工作。研究工作受国家重点研发计划“主动健康和老龄化科技应对”重点专项和国家自然科学基金面上项目的资助。
本文发表后，被国家自然科学基金委《科学·基金·通讯（委内版）》（第1281期）和“岚翰生命科学”（https://mp.weixin.qq.com/s/kVrzPBnl5FPz-a3nbGTT3g）报道。
全文链接： https://doi.org/10.1016/j.isci.2024.109093