随着我国居民健康意识水平的日益提高和人口老龄化问题的愈加突出,康复医学在整个医学体系中的作用越来越明显,进一步推动发展康复医学显的格外重要。老年人群、慢性病及亚健康人群、残疾人群均存在不同程度的肢体运动功能障碍,社会和家庭需要花费极大的代价来治疗和护理这类群体;另外,我国康复医疗起步晚、行业医务人员短缺、医疗资源分布不均以及服务能力不足,使得社会和家庭负担更为沉重。本文将从常见的步态障碍入手,提出将数字人体运动模型同机器学习算法相结合,实现智能的步态康复评定,辅助临床医生的诊疗,尝试探讨这种新模式解决部分上述问题的可能性。首先,通过基于深度图像的骨骼关键点检测技术和基于逆向动力学原理的骨肌仿真技术建立数字人体运动模型,该模型可实现运动学和动力学两个方面的定量康复评估。然后,将数字人体运动模型同机器学习算法相结合,以从数字人体运动模型中导出的步态特征作为输入、对应的步态模式作为输出,利用集成学习算法学习其中的映射关系,从而实现智能的步态康复评估。考虑到步态分析参数的多样性和复杂性,大量参数可能存在信息冗余及属性重复等问题,提出了以信息增益为依据的二元对比决策方法来实现最优特征子集的选取;同时,集成学习的性能受特定参数的影响大,本文选用的随机森林算法就受决策树的深度和决策树的数量影响,因此本文引入了一新的启发式算法—鲸鱼优化算法来自动调整分类识别算法的参数。最后,以偏瘫步态的自动识别和分析为例,通过实验的方法来验证将数字人体运动模型同机器学习算法相结合来实现智能的步态康复评定的可行性。本文的创新点有两个:第一,通过构建数字人体运动模型实现了非侵入性的步态评估参数获取;第二,将数字人体运动模型同机器学习算法相结合,实现了步态障碍的自动识别和分析,一定程度上避免了由于医生经验不足而引起的误判。在我国康复医疗成本高、行业服务能力不足和康复医师短缺的大背景下,利用数字人体运动模型这种全新且无创的技术进行康复评定,具有一定的现实意义和创新性。将数字人体模型同机器学习算法相结合,实现步态康复的智能评定,符合国家政策和社会发展的导向,能在一定程度上推动远程医疗、移动医疗、智慧医疗的发展。成本低廉、易于操作的智能康复评定易于在临床上推广,服务患者。