团队名称：康养AI仪器与XR交互系统创新团队 负责人：宋涛

研究方向：

团队深耕两大研究方向：一是XR+康养医疗技术，研发沉浸式交互系统，代表性成果为“虚拟现实全场景交互智慧养老护理实训平台”，通过高度仿真环境实现护理操作训练、设备交互与应急演练，提升养老护理教学与培训实效；二是人体姿态诊断与康复辅助技术，结合计算机视觉与深度学习算法，开发脊柱侧弯自动监测系统，实现全自动测量，减少人工误差，并应用于动作识别与康复评估。

团队简介：

康养AI仪器与XR交互系统创新团队，以人工智能（AI）与扩展现实（XR）技术为核心，聚焦康养医疗与数字化医学教育领域，致力于推动虚拟现实（VR）、增强现实（AR）、三维可视化与人体姿态分析技术的深度融合，解决行业痛点，助力智慧康养与精准医疗发展。

团队核心技术突破包括多模态XR交互系统（如智慧养老社区漫游、适老化样板间交互）、轻量化人体姿态模型（支持实时康复评估）及脊柱侧弯智能诊断。

目前累计授权国家专利10项，发表学术论文20余篇，获省级科技进步奖4项，典型应用包括服务多家养老机构与院校的智慧养老护理实训平台，以及在中小学试点的脊柱侧弯监测系统，助力青少年健康筛查。团队以“科技赋能康养，创新守护健康”为使命，通过产学研融合推动技术落地，未来将持续构建覆盖“预防-诊断-康复”全链条的智慧康养生态，为健康中国战略提供技术支撑。

成果简介：

人体姿态诊断与康复辅助评估系统是一款针对脊柱健康问题设计的智能化解决方案。该系统基于多视角视觉检测技术，融合计算机视觉、边缘计算与人工智能算法，通过深度摄像头与传感器同步采集三维姿态与运动数据，结合NVIDIA Jetson Orin NX边缘计算单元实现毫秒级实时处理（延迟<50ms）。

在算法层面，系统创新性地采用轻量化YOLOv改进模型与多级注意力机制，显著提升复杂场景下关键点检测精度（平均精度>85%）；针对脊柱侧弯诊断，通过改进的MLU-Net网络与CascadeCNN精准定位椎体关键点，全自动拟合脊柱曲线并计算Cobb角（误差≤±2°），结合动态特征融合技术增强遮挡场景的鲁棒性。目前，该系统已实现静态与动态多场景适配，可高效筛查脊柱侧弯、高低肩（精度±1.5°）、骨盆倾斜等体态异常（灵敏度≥93%），并能批量生成个体/群体体态报告。

成果价值：

围绕脊柱侧弯及体态异常的“早发现—精准评估—科学康复”需求，构建了一套集智能诊断、虚拟康复与多端协同于一体的脊柱健康管理系统。系统通过改进的MLU-Net与CascadeCNN实现高精度关键点定位与Cobb角自动计算（误差≤±2°），并在复杂遮挡场景下保持高鲁棒性与稳定性；结合Unity3D虚拟交互平台与云端数据同步，打通了筛查、随访与康复训练的全流程闭环。该成果不仅显著降低了传统脊柱检测对医生经验和设备的依赖，提升了大规模筛查效率和准确性，还填补了家庭长期监测与个性化康复指导的技术空白，对学校体态健康管理、基层医疗筛查、康复机构智能化升级具有重要应用价值和推广前景。

项目成果应用情况：

医疗机构：辅助骨科医生快速诊断脊柱侧弯，优化康复方案制定。

中小学校：定期开展学生体态筛查，建立健康档案。

家庭场景：通过便携设备实现居家体态监测与训练指导。