CN106419927B - 一种脊柱健康评估方法及装置 - Google Patents
一种脊柱健康评估方法及装置 Download PDFInfo
- Publication number
- CN106419927B CN106419927B CN201610751857.6A CN201610751857A CN106419927B CN 106419927 B CN106419927 B CN 106419927B CN 201610751857 A CN201610751857 A CN 201610751857A CN 106419927 B CN106419927 B CN 106419927B
- Authority
- CN
- China
- Prior art keywords
- data
- spinal motion
- angular speed
- peak value
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4566—Evaluating the spine
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Physical Education & Sports Medicine (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及医学检测技术领域,特别涉及一种脊柱健康评估方法及装置。所述脊柱健康评估方法包括:步骤a:采集被检测者的脊柱运动数据;步骤b:根据所述脊柱运动数据提取脊柱运动的最大均值角度及峰值角速度;步骤c:将所提取的脊柱运动的最大均值角度和峰值角速度进行相关性分析和回归分析,得到所述最大均值角度和峰值角速度的敏感性、特异性和正确度评估参数,根据所述评估参数对被检测者的脊柱健康进行评估。本发明用惯性传感器采集运动数据,小巧轻便、使用方便、操作简单、无创、能够实时传输在人体脊柱上的运动数据,方便在任何场所测量,节省时间和费用,并可以反映出影像学不能反映的运动异常特征。
Description
技术领域
本发明涉及医学检测技术领域,特别涉及一种脊柱健康评估方法及装置。
背景技术
腰间盘突出症是颈腰部纤维环前厚后薄,髓核易向后外侧脱出,突入椎管或椎间孔,压迫脊髓或脊神经发生的。社会的快节奏发展,人们承受的压力越来越大,腰间盘突出症也越来越常见,这个与外伤、职业等有关,是在脊柱的负荷与运动中承受强大的压应力,大约在20岁以后,椎间盘开始退变,对人们的生活造成了很大的影响。因此,快速简单的诊断与对症康复方法的研究成为生物医学研究的焦点。
目前,诊断腰间盘突出症多是用影像学的方法,如:X线、计算机断层扫描(CT)及磁共振扫描(MRI)等。X线是最早也是最基本的测量方法,分析腰椎的过屈过伸侧位片是临床上常用的方法,此方法简单易行,操作简单,但由于体位的原因重复性差并且放射性大;CT可以获得腰部不同仰卧位上的数据,发现解剖上的改变,利用数据进行三维重建和测量,但该方法的测量数据时间长、重建图像计算量大,且其放射性比X线更大;MRI可以获取矢状面、冠状面、横断面以及任何方向断面的图像,能够直接三维重建显示,但由于MRI方法采用的是平卧位椎体拍摄,疼痛的患者难以在长时间保持同一体位,实际操作困难,且多次扫描工作量大,价格昂贵。
腰椎间盘突出症患者表现在脊柱损伤,往往显示脊柱运动的异常,以上影像学放射性检查方法可能不易显示异常。而惯性传感器具有小巧轻便、无创、能够实时传输在人体脊柱上的运动数据等优点,Raymond Y.W.Lee等利用集成了重力感应仪及磁强计的传感器对19例年轻自愿者的腰椎进行三维运动分析,记录并输出运动数据,表现出了优异的准确性和可靠性。但该实验研究的是正常人,还未应用到腰椎间盘突出患者的诊断分析中。
发明内容
本发明提供了一种脊柱健康评估方法及装置,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本发明提供了如下技术方案:
一种脊柱健康评估方法,包括:
步骤a:采集被检测者的脊柱运动数据;
步骤b:根据所述脊柱运动数据提取脊柱运动的最大均值角度及峰值角速度;
步骤c:将所提取的脊柱运动的最大均值角度和峰值角速度进行相关性分析和回归分析,得到所述最大均值角度和峰值角速度的敏感性、特异性和正确度评估参数,根据所述评估参数对被检测者的脊柱健康进行评估。
本发明实施例采取的技术方案还包括:在所述步骤a中,所述采集被检测者的脊柱运动数据的采集方式为:通过至少两个惯性传感器分别采集被检测者的脊柱运动数据。
本发明实施例采取的技术方案还包括:所述步骤a还包括:利用四元数更新算法将所述至少两个惯性传感器采集的脊柱运动数据进行融合。
本发明实施例采取的技术方案还包括:所述步骤a还包括:将融合后的脊柱运动数据进行预处理;所述数据预处理具体包括:将脊柱运动数据进行快速傅里叶变换FFT,找到脊柱运动数据的主频,采用切比雪夫滤波器对脊柱运动数据进行带通滤波,并将滤波后的脊柱运动数据进行野值剔除,将脊柱运动数据中大于各个组中数据标准差3倍的数据,用前一个数据来代替该奇异值。
本发明实施例采取的技术方案还包括:在所述步骤c中,所述相关性分析和回归分析具体包括:将提取的脊柱运动的最大均值角度和峰值角速度分别用VAS疼痛等级进行相关性分析,得到最大均值角度和峰值角速度的相关性参数;对提取的脊柱运动的最大均值角度和峰值角速度进行逻辑回归分析,得到最大均值角度和峰值角速度的回归参数;将所述相关性参数和回归参数融合ROC曲线,得到最大均值角度和峰值角速度的敏感性、特异性和正确度评估参数。
本发明实施例采取的另一技术方案为:一种脊柱健康评估装置,包括数据采集模块、特征值提取模块和数据分析模块;所述数据采集模块用于采集被检测者的脊柱运动数据;所述特征值提取模块用于根据所述脊柱运动数据提取脊柱运动的最大均值角度及峰值角速度;所述数据分析模块用于将所提取的脊柱运动的最大均值角度和峰值角速度进行相关性分析和回归分析,得到所述最大均值角度和峰值角速度的敏感性、特异性和正确度评估参数,根据所述评估参数对被检测者的脊柱健康进行评估。
本发明实施例采取的技术方案还包括:所述数据采集模块采集被检测者的脊柱运动数据的采集方式为:通过至少两个惯性传感器分别采集被检测者的脊柱运动数据。
本发明实施例采取的技术方案还包括数据融合模块,所述数据融合模块用于利用四元数更新算法将所述至少两个惯性传感器采集的脊柱运动数据进行融合。
本发明实施例采取的技术方案还包括数据预处理模块,所述数据预处理模块用于将融合后的脊柱运动数据进行预处理;所述数据预处理具体包括:将脊柱运动数据进行快速傅里叶变换FFT,找到脊柱运动数据的主频,采用切比雪夫滤波器对脊柱运动数据进行带通滤波,并将滤波后的脊柱运动数据进行野值剔除,将脊柱运动数据中大于各个组中数据标准差3倍的数据,用前一个数据来代替该奇异值。
本发明实施例采取的技术方案还包括:所述数据分析模块进行相关性分析和回归分析具体包括:将提取的脊柱运动的最大均值角度和峰值角速度分别用VAS疼痛等级进行相关性分析,得到最大均值角度和峰值角速度的相关性参数;对提取的脊柱运动的最大均值角度和峰值角速度进行逻辑回归分析,得到最大均值角度和峰值角速度的回归参数;将所述相关性参数和回归参数融合ROC曲线,得到最大均值角度和峰值角速度的敏感性、特异性和正确度评估参数。
相对于现有技术,本发明实施例产生的有益效果在于:本发明实施例的骨骼健康评估方法及装置采用惯性传感器测量动态脊柱运动中的运动数据,对采集的运动数据进行一系列数据处理得到特征值,进行相关性分析和回归分析,以及ROC曲线参数判定等,找出评估参数,从而对骨骼健康进行有效评估。与现有的影像学诊断方式相比,本发明小巧轻便、使用方便、操作简单、无创、能够实时传输在人体脊柱上的运动数据,方便在任何场所测量,并可以反映出影像学不能反映的运动异常特征。
附图说明
图1是本发明实施例的脊柱健康评估方法的流程图;
图2是本发明实施例的惯性传感器位置及设备示意图;
图3是本发明实施例的数据预处理流程图;
图4(a)是脊柱运动的最大均值角度的VAS疼痛等级示意图;图4(b)是脊柱运动的峰值角速度的VAS疼痛等级示意图;图4(c)为最大均值角度的敏感性和特异性ROC曲线图,图4(d)为峰值角速度的敏感性和特异性ROC曲线图;
图5是本发明实施例的脊柱健康评估装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明实施例的脊柱健康评估方法及装置通过利用惯性传感器测量被检测者的脊柱运动数据,对测量数据进行一系列数据处理得到特征值,进行相关性分析、回归分析以及ROC曲线(接受者操作特征曲线)参数判定等,找出评估骨骼健康的一系列参数,进而对骨骼健康进行分析评估。在以下实施例中,本发明仅以采集脊柱运动数据对腰椎间盘突出症患者的健康评估为例进行具体说明,可以理解,本发明同样适用于其他部位的骨骼健康分析评估,例如颈椎、四肢等。
具体地,请参阅图1,是本发明实施例的脊柱健康评估方法的流程图。本发明实施例的脊柱健康评估方法包括以下步骤:
步骤100:通过至少两个惯性传感器分别采集被检测者的脊柱运动数据;
在步骤100中,惯性传感器是荷兰xsens公司的MTx系统,至少两个惯性传感器的安装位置如图2所示,是本发明实施例的惯性传感器位置及设备示意图。
步骤200:将至少两个惯性传感器采集的脊柱运动数据进行融合;
在步骤200中,本发明实施例利用四元数更新算法对脊柱运动数据进行融合。
步骤300:将融合后的脊柱运动数据进行预处理;
在步骤300中,请一并参阅图3,是本发明实施例的数据预处理流程图。数据预处理方法具体包括:将脊柱运动数据进行快速傅里叶变换FFT,找到脊柱运动数据的主频(在0.4Hz附近),确定主频后设置滤波器,然后采用切比雪夫滤波器对脊柱运动数据进行0.15-3Hz的带通滤波。其中带通滤波器的通带左边界频率fl=0.15Hz,通带右边界频率fh=3HZ,衰减截止左边界频率fsl=0.1Hz,衰减截止右边界频率fsh=4Hz,通带边衰减dB值rp=0.1,阻带边衰减dB值rs=30,采样频率fs=100Hz。然后将滤波后的脊柱运动数据进行野值剔除(3σ准则),将脊柱运动数据中大于各个组中数据标准差3倍的数据,用前一个数据来代替该奇异值。
步骤400:根据脊柱运动数据提取脊柱运动的最大均值角度及峰值角速度等特征值;
在步骤400中,峰值角速度提取方式为通过波峰检测算法提取。
步骤500:将提取的脊柱运动的最大均值角度和峰值角速度进行相关性分析和回归分析,得到最大均值角度和峰值角速度的相关性参数和回归参数,并融合ROC曲线,得到最大均值角度和峰值角速度的敏感性、特异性和正确度等评估参数,从而对被检测者的脊柱健康进行有效评估。
在步骤500中,首先,将提取的脊柱运动的最大均值角度和峰值角速度分别用VAS(视觉模拟评分法)疼痛等级进行相关性分析,相关性分析可以评估特征值与疼痛等级的程度的紧密程度,相关系数的数值范围为|r|≤1,|r|越接近于1,则表示相关关系越强,相关性越好。
本发明实施例中,脊柱运动的最大均值角度与VAS疼痛等级的相关性参数达到r=0.967,且峰值角速度与VAS疼痛等级的相关性参数达到r=0.995,这两特征值与VAS疼痛等级的高相关性,说明这两特征值可以作为疼痛等级的一种定量评估,具体如图4(a)和图4(b)所示,图4(a)是脊柱运动的最大均值角度的VAS疼痛等级示意图,图4(b)是脊柱运动的峰值角速度的VAS疼痛等级示意图。
其次,对提取的脊柱运动的最大均值角度和峰值角速度进行逻辑回归分析,定义为:
在公式(1)中,β0是截距,β1,β2,...,βk是变量的回归系数。本发明实施例中的最大均值角度的回归参数是:β0=19.443,β1=1.35;峰值角速度的回归参数是β0=2.615,β1=-0.246,通过两特征值的回归分析建立回归模型,对腰椎间盘突出症等骨骼健康进行评估分析。
融合以上分析,可以看到脊柱运动的最大均值角度和峰值角速度这两特征值可以有效的进行疼痛程度的评估及腰椎间盘突出症的诊断,因此用ROC曲线从临床金标准去验证,从两特征值的敏感性和特异性连续变量的综合指标,用构图法揭示敏感性和特异性的相互关系以及这两特征值的正确度。具体如图4(c)和图4(d)所示,图4(c)为最大均值角度的敏感性和特异性ROC曲线图,图4(d)为峰值角速度的敏感性和特异性ROC曲线图。因此,融合以上的相关性参数,回归参数,以及敏感性、特异性和正确度的判定值可作为评估腰椎间盘突出症的分析方法,效果显著,本发明实施例中的最大脊柱角度<57.4deg,且峰值角速度<1.98deg/s则判断为腰椎间突出症。具体参数如下表1所示:
表1两特征值ROC分类检测结果
请参阅图5,是本发明实施例的脊柱健康评估装置的结构示意图。本发明实施例的脊柱健康评估装置包括数据采集模块、数据融合模块、数据预处理模块、特征值提取模块和数据分析模块。
数据采集模块用于采集被检测者的脊柱运动数据;其中,数据采集模块为惯性传感器,惯性传感器是荷兰xsens公司的MTx系统,惯性传感器的数量为至少两个或两个以上,至少两个惯性传感器的安装位置如图2所示,是本发明实施例的惯性传感器位置及设备示意图。
数据融合模块用于将至少两个惯性传感器采集的脊柱运动数据进行融合;其中,本发明实施例利用四元数更新算法对脊柱运动数据进行融合。
数据预处理模块用于将融合后的脊柱运动数据进行预处理;其中,数据预处理模块的数据预处理方法具体包括:将脊柱运动数据进行快速傅里叶变换FFT,找到脊柱运动数据的主频,确定主频后设置滤波器,然后采用切比雪夫滤波器对脊柱运动数据进行0.15-3Hz的带通滤波。其中带通滤波器的通带左边界频率fl=0.15Hz,通带右边界频率fh=3HZ,衰减截止左边界频率fsl=0.1Hz,衰减截止右边界频率fsh=4Hz,通带边衰减dB值rp=0.1,阻带边衰减dB值rs=30,采样频率fs=100Hz。然后将滤波后的脊柱运动数据进行野值剔除(3σ准则),将脊柱运动数据中大于各个组中数据标准差3倍的数据,用前一个数据来代替该奇异值。
特征值提取模块用于根据脊柱运动数据提取脊柱运动的最大均值角度及峰值角速度等特征值;其中,峰值角速度提取方式为通过波峰检测算法提取。
数据分析模块用于将提取的脊柱运动的最大均值角度和峰值角速度进行相关性分析和回归分析,得到最大均值角度和峰值角速度的相关性参数和回归参数,并融合ROC曲线,得到最大均值角度和峰值角速度的敏感性、特异性和正确度等评估参数,从而对被检测者的脊柱健康进行有效评估。首先,将提取的脊柱运动的最大均值角度和峰值角速度分别用VAS疼痛等级进行相关性分析,相关性分析可以评估特征值与疼痛等级的程度的紧密程度,相关系数的数值范围为|r|≤1,|r|越接近于1,则表示相关关系越强,相关性越好。
本发明实施例中,脊柱运动的最大均值角度与VAS疼痛等级的相关性参数达到r=0.967,且峰值角速度与VAS疼痛等级的相关性参数达到r=0.995,这两特征值与VAS疼痛等级的高相关性,说明这两特征值可以作为疼痛等级的一种定量评估,具体如图4(a)和图4(b)所示,图4(a)是脊柱运动的最大均值角度的VAS疼痛等级示意图,图4(b)是脊柱运动的峰值角速度的VAS疼痛等级示意图。
其次,对提取的脊柱运动的最大均值角度和峰值角速度进行逻辑回归分析,定义为:
在公式(1)中,β0是截距,β1,β2,...,βk是变量的回归系数。本发明实施例中的最大均值角度的回归参数是:β0=19.443,β1=1.35;峰值角速度的回归参数是β0=2.615,β1=-0.246,通过两特征值的回归分析建立回归模型,对腰椎间盘突出症等骨骼健康进行评估分析。
融合以上分析,可以看到脊柱运动的最大均值角度和峰值角速度这两特征值可以有效的进行疼痛程度的评估及腰椎间盘突出症的诊断,因此用ROC曲线从临床金标准去验证,从两特征值的敏感性和特异性连续变量的综合指标,用构图法揭示敏感性和特异性的相互关系以及这两特征值的正确度。具体如图4(c)和图4(d)所示,图4(c)为最大均值角度的敏感性和特异性ROC曲线图,图4(d)为峰值角速度的敏感性和特异性ROC曲线图因此,融合以上的相关性参数,回归参数,以及敏感性、特异性和正确度的判定值可作为评估腰椎间盘突出症的分析方法,效果显著,本发明实施例中的最大脊柱角度<57.4deg,且峰值角速度<1.98deg/s则判断为腰椎间突出症。具体参数如下表1所示:
表1两特征值ROC分类检测结果
本发明实施例的骨骼健康评估方法及装置采用惯性传感器测量动态脊柱运动中的运动数据,对采集的运动数据进行一系列数据处理得到特征值,进行相关性分析和回归分析,以及ROC曲线参数判定等,找出评估参数,从而对骨骼健康进行有效评估。与现有的影像学诊断方式相比,本发明小巧轻便、使用方便、操作简单、无创、能够实时传输在人体脊柱上的运动数据,方便在任何场所测量,并可以反映出影像学不能反映的运动异常特征。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种脊柱健康评估装置,其特征在于,包括数据采集模块、特征值提取模块和数据分析模块;所述数据采集模块用于采集被检测者的脊柱运动数据;所述特征值提取模块用于根据所述脊柱运动数据提取脊柱运动的最大均值角度及峰值角速度;所述数据分析模块用于将所提取的脊柱运动的最大均值角度和峰值角速度进行相关性分析和回归分析,得到所述最大均值角度和峰值角速度的敏感性、特异性和正确度评估参数,根据所述评估参数对被检测者的脊柱健康进行评估;
所述数据分析模块进行相关性分析和回归分析具体包括:将提取的脊柱运动的最大均值角度和峰值角速度分别用VAS疼痛等级进行相关性分析,得到最大均值角度和峰值角速度的相关性参数;对提取的脊柱运动的最大均值角度和峰值角速度进行逻辑回归分析,得到最大均值角度和峰值角速度的回归参数;将所述相关性参数和回归参数融合ROC曲线,得到最大均值角度和峰值角速度的敏感性、特异性和正确度评估参数。
2.根据权利要求1所述的脊柱健康评估装置,其特征在于,所述数据采集模块采集被检测者的脊柱运动数据的采集方式为:通过至少两个惯性传感器分别采集被检测者的脊柱运动数据。
3.根据权利要求2所述的脊柱健康评估装置,其特征在于,还包括数据融合模块,所述数据融合模块用于利用四元数更新算法将所述至少两个惯性传感器采集的脊柱运动数据进行融合。
4.根据权利要求3所述的脊柱健康评估装置,其特征在于,还包括数据预处理模块,所述数据预处理模块用于将融合后的脊柱运动数据进行预处理;所述数据预处理具体包括:将脊柱运动数据进行快速傅里叶变换FFT,找到脊柱运动数据的主频,采用切比雪夫滤波器对脊柱运动数据进行带通滤波,并将滤波后的脊柱运动数据进行野值剔除,将脊柱运动数据中大于数据标准差3倍的数据,用前一个数据来代替奇异值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610751857.6A CN106419927B (zh) | 2016-08-29 | 2016-08-29 | 一种脊柱健康评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610751857.6A CN106419927B (zh) | 2016-08-29 | 2016-08-29 | 一种脊柱健康评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106419927A CN106419927A (zh) | 2017-02-22 |
CN106419927B true CN106419927B (zh) | 2019-08-23 |
Family
ID=58182773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610751857.6A Active CN106419927B (zh) | 2016-08-29 | 2016-08-29 | 一种脊柱健康评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106419927B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107242853B (zh) * | 2017-05-24 | 2020-03-20 | 中南大学湘雅三医院 | 腰部活动风险评估和监测设备 |
KR101962033B1 (ko) * | 2017-10-24 | 2019-03-25 | 김홍래 | 척추 측만도 검사 장치 |
CN110101388B (zh) * | 2019-05-17 | 2022-02-18 | 南京东奇智能制造研究院有限公司 | 一种基于mimu的便携脊柱测量仪及方法 |
CN112802019B (zh) * | 2021-04-01 | 2021-06-29 | 成都成电金盘健康数据技术有限公司 | 一种基于脊柱AIS影像的lenke分型方法 |
CN113017610B (zh) * | 2021-05-26 | 2021-10-08 | 北京诺亦腾科技有限公司 | 一种脊柱数据的测量方法、装置及存储介质 |
CN114305398B (zh) * | 2021-12-15 | 2023-11-24 | 上海长征医院 | 一种用于检测待测对象的脊髓型颈椎病的系统 |
-
2016
- 2016-08-29 CN CN201610751857.6A patent/CN106419927B/zh active Active
Non-Patent Citations (2)
Title |
---|
A portable inertial sensing-based spinal motion measurement system for low back pain assessment;Lee J K等;《International Conference of the IEEE Engineering in Medicine & Biology Society, Embc. Conf Proc IEEE Eng Med Biol Soc》;20110903;第804-812页 * |
Quantification of Lumbar Stability During Wall Plank-and-Roll;Yoon C 等;《Pm & R》;20150831;第7卷(第8期);第4737-4740页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106419927A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106419927B (zh) | 一种脊柱健康评估方法及装置 | |
Ravichandran et al. | RespNet: A deep learning model for extraction of respiration from photoplethysmogram | |
CN100418476C (zh) | 身体运动解析装置和身体运动解析系统及其解析方法 | |
CN108186000A (zh) | 基于心冲击信号与光电信号的实时血压监测系统及方法 | |
Bragança et al. | A comparison of manual anthropometric measurements with Kinect-based scanned measurements in terms of precision and reliability | |
CN108960155A (zh) | 基于Kinect的成人步态提取与异常分析方法 | |
Casaccia et al. | Smart Monitoring of Userp s Health at Home: Performance Evaluation and Signal Processing of a Wearable Sensor for the Measurement of Heart Rate and Breathing Rate. | |
US10376166B2 (en) | Method and apparatus for non-invasive assessment of intracranial pressure | |
CN114220543B (zh) | 一种肿瘤患者身心痛苦指数评估方法以及系统 | |
Dorofeev et al. | The assessment of gait features according to the data of a portable acceleration sensor in an intelligent monitoring system | |
CN106560860A (zh) | 用于评估骨融合的系统 | |
Chanlalit et al. | Validation of the telemedicine-based goniometry for measuring elbow range of motion | |
Pröll et al. | Ejection wave segmentation for contact-free heart rate estimation from ballistocardiographic signals | |
CN110693466A (zh) | 基于遥控感应技术的康复评估装置及其实现方法 | |
CN108720870A (zh) | 一种基于超声衰减系数的脂肪肝检测系统 | |
Suliman et al. | Performance evaluation of processing methods for ballistocardiogram peak detection | |
CN110897621B (zh) | 一种生理信号提取方法及其系统 | |
Shrinivasan et al. | Analysis of gait in patients with normal pressure hydrocephalus | |
Chockalingam et al. | Study of marker placements in the back for opto-electronic motion analysis | |
CN114431846A (zh) | 一种术中血管血压非接触式测量方法及视觉检测系统 | |
Seedat et al. | A comparison of footfall detection algorithms from walker mounted sensors data | |
KR20200049683A (ko) | 깊이 카메라를 이용한 호흡량 측정 시스템 | |
Kawathekar et al. | Use of textural and statistical features for analyzing severity of radio-graphic osteoarthritis of knee joint | |
KR102248251B1 (ko) | 체열정보를 이용한 의료진단 보조장치 | |
Schneider et al. | Preliminary investigation of walking motion using a combination of image and signal processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |