Bối cảnh: Phục hồi dáng đi cần theo dõi tiến triển dài hạn, hiện chủ yếu dựa đánh giá trực quan của chuyên gia — phụ thuộc kinh nghiệm. Các hệ thống camera, cảm biến quán tính cung cấp dữ liệu quỹ đạo khớp và vị trí chi, nhưng chưa tự động nhận ra sự thay đổi mẫu bước qua thời gian.  

Mục tiêu: Xây dựng công cụ trên nền robot hỗ trợ di chuyển, tự động phát hiện sự dịch chuyển mẫu dáng đi (“gait pattern shift”) theo thời gian, hỗ trợ nhân viên y tế đánh giá tiến triển trị liệu.

Phương pháp:

• Đơn vị phân tích: chu kỳ bước (heel strike tới heel strike cùng chân), gồm nhiều tham số quỹ đạo (vị trí 3D và góc khớp hông, gối, bàn chân).
• - Tiền xử lý: lọc nhiễu (lọc động học 5 Hz), căn chỉnh thời gian bằng DTW, lấy mẫu lại về cùng số khung hình.
• - Đặc trưng không gian–thời gian: bước dài, thời gian chu kỳ, giá trị trung bình, độ lệch chuẩn, cực trị của góc khớp và vị trí khớp cho từng chân, khoảng cách tối đa giữa hai gối.
• - Độ tương đồng dạng sóng: huấn luyện một autoencoder riêng cho từng dạng sóng tham số từ bộ dữ liệu “tham chiếu” (reference), sau đó tính hệ số giống nhau giữa đầu vào và dạng sóng tái tạo.
• - Kết hợp: nối vector đặc trưng không gian–thời gian và hệ số tương đồng thành không gian đặc trưng tổng hợp.
• - Phân loại: huấn luyện máy vector hỗ trợ một lớp (One-Class SVM, kernel Gaussian) trên dữ liệu “tham chiếu” để tạo mô hình mẫu chuẩn.
• - Phát hiện mới lạ: mỗi chu kỳ mới được tính đặc trưng, cho vào OC-SVM để nhận điểm số; trên cửa sổ trượt, nếu tỷ lệ chu kỳ “mới” vượt ngưỡng thì báo có dịch chuyển mẫu, đồng thời thu thập dữ liệu và huấn luyện lại mô hình với mẫu mới.

Thử nghiệm:

• 5 tình nguyện viên khoẻ mạnh, mô phỏng bệnh lý bằng cách đeo đai hạn chế gập gối trái/phải.
• - Thu thập 3 bộ mẫu dáng đi (tự nhiên, hạn chế gối trái, hạn chế gối phải), mỗi bộ đi ~10 phút với robot ISR-AIWALKER.
• - Kết quả trung bình: độ chính xác nhận đúng mẫu cũ ~83–86%, nhận đúng mẫu mới ~94–100%; độ nhạy cao trong phát hiện mới lạ, ROC AUC ~0,83–0,86.  
• - Hệ thống hoạt động ổn định giữa các loại mẫu, nhạy với thay đổi có ý nghĩa y học.

Kết luận: Phương pháp kết hợp autoencoder và OC-SVM trên dữ liệu quỹ đạo từ robot hỗ trợ có thể giám sát tiến trình phục hồi dáng đi theo thời gian, tự động nhận ra dịch chuyển mẫu để cập nhật mô hình. Tiềm năng áp dụng lâm sàng giúp giảm tải cho chuyên gia, cung cấp cảnh báo và ghi nhận tiến triển.