河南大学学子以科技创新守护银发安康

在人口老龄化日益加剧的时代背景下，如何有效预防老年跌倒、提升老年人生活质量，已成为全社会高度关注的民生课题。近日，河南大学体育学院盛旭东作为第一作者，在权威期刊《医用生物力学》2026年第41卷S1期上发表了题为《基于深度学习与多模态可穿戴数据的个性化老年步态稳态调控策略：一项基于两岸样本的多中心研究》的学术论文。该研究不仅展现了盛旭东在运动科学与人工智能交叉领域的卓越创新能力，更为构建两岸乃至全国范围的老年智慧健康服务新体系提供了坚实的科学支撑。

勇闯科研“深水区”，以交叉学科破解民生痛点

老年跌倒不仅是导致老年人失能、产生沉重医疗负担的直接诱因，更是传统实验室步态分析难以精准捕捉的“隐形杀手”。面对这一痛点，盛旭东没有局限于传统的单一研究视角，而是将目光投向了深度学习与可穿戴设备的交叉领域。

作为论文的第一作者，盛旭东主导设计了严谨的多中心随机对照试验。他带领团队跨越海峡，在上海与台北两地共招募了400名65至80岁的社区老年受试者。为了获取真实、多维度的步态数据，他采用自主研发的轻量化9轴IMU传感器，不仅完成了标准的10米步行测试和计时起立－行走测试（TUG），更创新性地开展了为期7天的日常生活活动监测。这种从“实验室”走向“真实生活”的研究设计，充分体现了盛旭东以解决实际问题为导向的科研初心。

算法赋能精准识别，数据彰显科研硬实力

在海量且复杂的步态数据面前，盛旭东展现了深厚的算法功底与学术洞察力。他设计并实现了LSTM－CNN混合深度学习模型——Deep－Gait－Net算法。该模型在识别跌倒高风险人群时，准确率高达83.2％，灵敏度达到80.8％，显著优于传统逻辑回归模型的78.5％。

不仅如此，盛旭东还通过深入的数据挖掘，精准锁定了跌倒识别中至关重要的生物力学特征：足廓清高度变异系数（Toe　Clearance　Variability）与躯干冠状面角速度极值（Pelvis　CCRV　Max）。在两岸数据的对比分析中，他敏锐地发现两地受试者在基础步态参数上并无明显差别，但在复杂场景下却存在显著的地域性行为偏好。这一发现不仅丰富了老年步态生物力学理论，也为未来制定更具针对性的区域化干预策略提供了科学依据。

闭环干预成效显著，科研成果惠及千家万户

科学研究的价值最终要落脚于实际应用。盛旭东在研究中并未止步于“监测与评估”，而是进一步构建了“监测－评估－干预”的闭环模式。

研究结果显示，经过12周的AI定制化运动干预，干预组受试者的TUG时间平均下降了1.8秒（P＜0.01），步态不对称性指数大幅下降22.4％。更为振奋人心的是，在随访6个月后，干预组的跌倒发生率降至对照组的55％。这一组组详实的数据，不仅是盛旭东科研实力的有力证明，更是运动科学领域实现“融合创新”的生动写照。他用科技的力量，为老年人的日常行走筑起了一道坚实的安全防线。

展望智慧养老未来，青年学者勇担时代使命

盛旭东此次发表的论文，不仅是他个人学术生涯的重要里程碑，更是河南大学体育学院在智慧养老与运动健康领域深耕细作的缩影。他以扎实的学术功底、严谨的科研态度和强烈的社会责任感，生动诠释了新时代青年学者的使命与担当。

展望未来，随着人工智能与体育健康领域的深度融合，盛旭东及其团队有望在个性化运动处方生成、多模态健康数据融合分析等方向取得更多突破性成果。我们有理由相信，这位在科研道路上不断攀登的青年学者，将继续以科技为笔、以数据为墨，在守护银发安康的画卷上书写更加精彩的篇章，为我国乃至海峡两岸的智慧健康服务体系建设贡献更多青春力量。