傳統的步態分析系統往往操作復雜、便攜性差且設備成本高。本研究擬基于Azure Kinect深度視頻數據，結合足地接觸模型，建立基于Azure Kinect運動捕捉系統的下肢肌骨動力學分析流程。實驗采集了10名受試者的深度視頻數據，通過預處理獲取骨架結構，以此作為肌骨模型輸入，計算得到下肢關節角度、關節接觸力和地面反作用力，并將其計算結果與傳統的Vicon系統獲取的運動學和動力學數據進行對比。所計算的下肢關節力和地面反作用力除以每位受試者體重，進行歸一化處理。下肢關節角度曲線與Vicon得到的結果強相關（ρ平均值為0.78～0.92），但均方根誤差高達5.66°。在下肢關節力預測方面，Azure Kinect模型均方根誤差平均值范圍為0.44～0.68，而地面反作用力均方根誤差平均值范圍為0.01～0.09。研究表明，所建立的基于Azure Kinect的肌骨動力學模型能較好地預測下肢關節力和垂直地面反作用力，但在下肢關節角度預測方面還存在一定誤差。
目的綜述用于構建智能假肢人機接口的靶向肌肉神經功能重建（targeted muscle reinnervation，TMR）手術，為截肢患者的殘肢功能重建提供新的臨床干預范式。方法廣泛查閱國內外相關文獻，系統性闡述智能假肢的外科需求、TMR手術方案、目標人群與預后，以及TMR的發展與未來。 結果TMR手術通過重建“大腦-脊髓-外周神經-骨骼肌”的神經傳導通路，增加模式識別所需的表面肌電信號，促進截肢患者對于智能假肢的直覺操控。TMR術前應根據截肢患者的殘肢情況及功能需求設計個性化手術方案，不同目的的TMR手術應針對不同目標人群。 結論TMR手術已被國外認證為改善假肢操控能力的變革性技術，有望成為國內200萬截肢患者新的臨床干預范式。