在足底压力相关的研究中，研究者往往先对足底区域进行划分，再通过对足底各区域的压力测量与分析来研究各运动足底受力的特点^[14-17]。目前对足底区域的划分通常基于解剖学，如：将足底区域从前至后分为足趾、足掌、足弓、足跟4个部分后再进一步细分，或者简单地按照足的前后、内外进行几何划分(如图1所示)。这类研究方法，简言之是基于特定的足部区域来研究足底的受力特征。

实验装置：实验装置是由美国Tekscan公司生产的F-scan Lite VersaTek System足底压力分析系统，该系统主要由测量硬件和分析软件组成，测量系统硬件如图2所示。其中，可修剪性鞋垫厚度为0.15 mm，每平方厘米覆盖4个压阻式传感器，共955个传感器(即955个测量点)，其位置分布如图3所示。传感器型号3000E，传感器测量范围为7-862 kPa，鞋垫的传感器上下被聚酯薄板包裹形成完整的鞋垫，鞋垫可多次使用。测量系统软件主要功能是实时动态记录与显示测量数据。

实验装置：实验装置是由美国Tekscan公司生产的F-scan Lite VersaTek System足底压力分析系统，该系统主要由测量硬件和分析软件组成，测量系统硬件如图2所示。其中，可修剪性鞋垫厚度为0.15 mm，每平方厘米覆盖4个压阻式传感器，共955个传感器(即955个测量点)，其位置分布如图3所示。传感器型号3000E，传感器测量范围为7-862 kPa，鞋垫的传感器上下被聚酯薄板包裹形成完整的鞋垫，鞋垫可多次使用。测量系统软件主要功能是实时动态记录与显示测量数据。

选取测试中间时刻、步态较稳定的连续801帧(t=0-16 s)数据作为分析对象。剔除无效测量点，得到有效测量点385个，数据归一化后进行聚类分析，结果如图4所示。

由于同一特征区域内各测量点的压强变化趋势相近，因此可以用特征区域中某一测量点的压强数据来反映整个特征区域的压强变化情况。以图4e为例，实验选择位于各特征区域几何中心位置的测量点作为特征点，见图5a中的黑色区域，绘制出各特征点所测得的压强随时间的变化关系，如图5b所示。

随着科学技术的发展，足底压力研究已经成为生物力学领域的热点问题，通过分析足底压力的各类数值在各类运动中的变化分布，可以达到预测、诊断某些疾病^[1-2]、反推运动类型^[3-4]、身份识别^[5]、为术后恢复和运动规范提供数据参考^[6-7]，以及为设计合理舒适的鞋、鞋垫^[8]、人体假肢、运动辅助器具^[9]、运动状态追踪器提供理论支持^[10]。

足底压力测量技术是运用压力测量仪器对人体在静止或者运动过程中足底压力的力学、几何学及时间参数值进行测定，由BEELY等在1882年第1次完成压力分布测量^[11]。现阶段较为流行的是F-Scan压力鞋垫系统与Pedar压力鞋垫系统^[12-13]，在其鞋垫上每1 cm²可覆盖4个传感器，一片鞋垫就有近一千个传感器，虽然可以使足底压力测量的分辨率得到提升，但也增加了测量成本和数据冗余。

在足底压力相关的研究中，研究者往往先对足底区域进行划分，再通过对足底各区域的压力测量与分析来研究各运动足底受力的特点^[14-17]。目前对足底区域的划分通常基于解剖学，如：将足底区域从前至后分为足趾、足掌、足弓、足跟4个部分后再进一步细分，或者简单地按照足的前后、内外进行几何划分(如图1所示)。这类研究方法，简言之是基于特定的足部区域来研究足底的受力特征。

每个人的步态都有其个性化的特征^[18]，而足底压力作为步态研究中的一个组成部分，其特点也因人而异。考虑到不同人之间，其足部的解剖学结构比较接近，基于解剖学进行足底压力区域划分时，由于没有考虑每个个体独特的足底生物力学因素，会使每个人的划分结果几乎一致，因此无法反映每个个体足底受力的个性化特征。鉴于此，文章尝试提出一种新的方法，即基于生物力学数据，采用聚类分析方法来研究足底区域的个性化划分，得到个体足底区域划分的个性化图谱，并以最常见的下肢运动——步行为例，将上述方法应用于实际。

此次研究提出的方法，可为身份识别、个体的运动状态识别提供新的思路。同时，随着可穿戴式设备迅猛发展^[19-20]，基于生物力学角度对足底区域进行合理划分，也可以简化足底压力测试方法、减少传感器的使用量，降低测试成本，有助于定制式、家用型足底压力测试设备的发展和普及。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程

1.1  设计  足底生物力学数据采集和聚类分析。

1.2  时间及地点  实验于2019年9至12月在上海健康医学院医疗器械学院生物力学实验室完成。

1.3  材料  不同的人在运动时，其足底压力分布情况和变化规律不尽相同，由于实验的主要目的是基于足底生物力学数据，为个体足底区域的个性化划分提供一套方法，从而得到个体足底区域划分的个性化图谱，因此特别选择了1名实验对象的步行状态为例，以便于更直观、清晰地描述该方法及其应用，所选实验对象的具体情况如下：上海理工大学男性学生1名，年龄22岁，身高172 cm，体质量65 kg，脚码(欧码)41码，正常足，无下肢关节、肌肉、韧带、骨等损伤史及各类疾病。

实验装置：实验装置是由美国Tekscan公司生产的F-scan Lite VersaTek System足底压力分析系统，该系统主要由测量硬件和分析软件组成，测量系统硬件如图2所示。其中，可修剪性鞋垫厚度为0.15 mm，每平方厘米覆盖4个压阻式传感器，共955个传感器(即955个测量点)，其位置分布如图3所示。传感器型号3000E，传感器测量范围为7-862 kPa，鞋垫的传感器上下被聚酯薄板包裹形成完整的鞋垫，鞋垫可多次使用。测量系统软件主要功能是实时动态记录与显示测量数据。

1.4  方法

1.4.1  实验环境与方法  实验步道长40 m，地面坚硬且平坦。不失一般性，以受试者的左足作为数据采集对象，由于鞋内衬材料较柔软，测力鞋垫置入鞋内后，在受力情况下会产生褶皱，影响数据准确性，因此，在测试时令受试者脱去鞋袜，将测试鞋垫用普通双面胶粘贴于受试者左足的大拇指、足弓和足跟处，使运动过程中鞋垫与足底的相对位置不会发生改变，保证所测数据位置的一致性。

设置采样频率为50 Hz，令受试者根据节拍器从步道起始端以约70步/min的频率走到终止端后停止，完成测试。由足底压力分析系统输出鞋垫上各传感器在各时刻的压强数据。

1.4.2  聚类分析方法

(1)选取步态稳定阶段的数据：剔除起步阶段和停步阶段的测试数据，选取测试中间时刻、步态较稳定的连续数据作为分析对象。

(2)剔除无效测量点：在955个测量点中，存在部分测量点在任意时刻所采集得到的压强数据均为0(即所受压强始终小于传感器的量程下限)，将这些测量点作为无效测量点剔除，得到有效测量点m个。

(3)归一化各有效测量点数据：在基于各有效测量点的压强数据进行足底特征区域划分时，实验的目的是将压强变化趋势相近的测量点归为一类，而非直接比较各测量点的压强数值是否接近。因此，在进行聚类分析之前，先将各有效测量点所采集到的数据归一化。

设p_i(t)是第i个传感器(i=1,2,…,m)在t时刻采集到的压强数据，max(p_i)是第i个传感器所测得压强数据的最大值，令归一化后第i个传感器的数据记为P_i(t)，则有：

(4)聚类分析：将m个传感器视为m个样本，对应的P_i (t)(i=1,2,…,m)视为观测数据，定义样本间距离为欧氏距离，类间距离为重心距离，运用MATLAB进行聚类分析。

1.5  主要观察指标  观察足底压力特征区域划分结果。

聚类分析方法主要应用于探索性研究，可为足底区域划分提供多个可能的结果，包括但不限于图4b-f中所呈现的结果，最终采用何种划分结果依赖于研究者的主观判断和分析。以图4为例，随着特征区域被依次划分出来，作者注意到，当划分出第5个特征区域时(即图4f中的浅蓝色区域)，该区域与之前所划分出的特征区域面积相比，面积相对较小，且未形成一个连续的区域。因此可以以此为依据，认为基于该实验对象的足底主要特征区域已经获得，即1-足跟区域、2-足弓后部、3-跖骨外后侧和4-跖骨内前侧，其足底区域划分的个性化图谱如图4e所示。

近年来，有不少研究者采用聚类分析的方法对足底压力特征进行研究。霍洪峰等^[21]用Footscan高频足底压力测试系统，对1 000名女大学生自然行走时的动态足底压力分布进行测试，通过聚类分析将正常人步行时足横弓负重分为4类承重类型，为解释足步行时的足部功能提供帮助。李晓理等^[22]从实际临床数据出发，采用极限学习机神经网络聚类算法对前交叉韧带断裂患者的足底压力数据进行分析, 实现了正常与异常步态的分类辨识。WANG等^[23]通过聚类分析对20名健康受试者和20例相对恢复期(发病后2-6个月)患者的足底压力特征参数进行比较，实现了对脑卒中患者术后恢复情况的评估。SAWACHA等^[24]通过层次聚类分析对糖尿病足的生物力学特征进行了比较研究。这些研究均基于生物力学数据，通过聚类分析寻找特征指标，从而实现对人的分类。对足底区域进行分类的研究较为少见。谢雅婷等^[25]采用美国F-scan足底压力测试系统对35名男性受试者进行裸足压力测试，通过聚类分析将对应足底的鞋垫位置分为减压区、分压区和稳定区，以此提出了对应改善足底压力分布的优化建议。与此次实验不同的是：谢雅婷等预先将足底按解剖学划分为10个区域，再通过聚类分析，将其聚为3个区域；谢雅婷等的观测数据为整个测试过程中足底各区域的峰值压力和均值压力，不能完整地反映运动过程中足底压力的变化特征。

综上，实验基于足底生物力学数据，运用聚类分析为个体足底区域的个性化划分提供了一套可行的方法，运用该方法可以得到个体足底区域划分的个性化图谱。对于同一特征区域内的测量点，其测得的压强数据的变化趋势相似性较高，而不同特征区域内的测量点，其测得的压强数据的变化趋势则存在明显差异性。利用位于特征区域几何中心处的极个别传感器，就能较好地反映出运动过程中足底的受力特点。

当然，实验只是提出了一种基于聚类分析的足底特征区域的划分方法，在前文已经提到，这是一种个性化的划分方法。在今后的工作中将针对同一实验对象，对其跑、跳等常见的运动形式继续进行实验和分析，得到同一个体在不同运动下的足底区域划分图谱，通过分析比较图谱之间的异同，为个性化的运动形式识别、步态异常监测、术后康复监测等提供有效的方案。同时还将研究特定人群(如扁平足、高弓足群体等)足底区域划分的个性化图谱，从个性中寻找共性，来进一步研究特定人群的足底受力特征和运动特点。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程

文题释义：

生物力学：每个人的步态都有其个性化特征，而足底生物力学是步态研究中的一个重要分支。通过采集个体在运动过程中足底的受力变化过程，可以进一步分析个体在运动过程中足底的受力特点。

特征区域划分：基于足底生物力学数据，采用聚类分析方法对足底区域进行个性化划分，得到个体足底区域划分的个性化图谱，反映个体在运动过程中足底的受力特点。

在传统的足底压力相关研究中，研究者往往先对足底区域进行划分，再通过对足底各区域的压力测量与分析来研究各运动足底受力的特点，由于没有考虑每个个体独特的足底生物力学因素，无法反映每个个体足底受力的个性化特征。文章提出了一种新的方法，基于生物力学数据，采用聚类分析的方法来研究足底区域的个性化划分，得到个体足底区域划分的个性化图谱，可以作为反映该个体步行时足底受力特征的指标，利用位于足底特征区域几何中心处的少量传感器就能较好地反映出该个体运动过程中足底的受力特点。

中国组织工程研究杂志出版内容重点：人工关节；骨植入物；脊柱；骨折；内固定；数字化骨科；组织工程#br#