CN108209924A - 一种前交叉韧带断裂后步态特征的分析方法 - Google Patents
一种前交叉韧带断裂后步态特征的分析方法 Download PDFInfo
- Publication number
- CN108209924A CN108209924A CN201810038606.2A CN201810038606A CN108209924A CN 108209924 A CN108209924 A CN 108209924A CN 201810038606 A CN201810038606 A CN 201810038606A CN 108209924 A CN108209924 A CN 108209924A
- Authority
- CN
- China
- Prior art keywords
- data
- pressure
- gait
- plantar pressure
- dimensional motion
- 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.)
- Granted
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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- 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
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
-
- 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
- A61B5/4528—Joints
-
- 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
- A61B5/4533—Ligaments
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
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)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Rehabilitation Therapy (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种前交叉韧带断裂后步态特征的分析方法,其特征在于包括以下步骤:1)获取若干ACL断裂患者和正常人正常行走过程中的三维运动学数据和足底压力数据,随机选取若干组数据为标准样本数据,其余为待检测样本数据;2)对足底压力数据进行分析处理,并提取足底压力特征参数;3)对三维运动学数据进行分析处理,并提取步态三维运动学特征参数;4)以标准样本数据中提取的步态三维运动学特征参数和足底压力特征参数为基础,进行训练得到评估模型,以待检测数据的三维运动学特征参数和足底压力特征参数为输入进行聚类分析,得到聚类分析结果。本发明可以广泛应用于前交叉韧带断裂后步态特征的分析中。
Description
技术领域
本发明涉及人体运动系统数据处理领域,特别是关于一种基于三维运动学和足底压力参数的前交叉韧带断裂后步态特征的分析方法。
背景技术
目前,运动损伤的发病率逐渐提高,而膝关节前交叉韧带(Anterior cruciateligament,ACL)断裂是最常见的运动损伤之一。在美国,ACL断裂发病率约为1/3000, 仅外科手术的费用每年高达十亿美元。我国专业运动员ACL断裂者中女性发病率为 0.71%,男性为0.29%。ACL的主要功能是限制胫骨过度前移,ACL断裂会造成膝关节 不稳,严重影响膝关节功能和运动能力,使患者生活质量明显降低。若未能及时诊断 和准确评估其功能,ACL断裂将会继发半月板、软骨损坏,导致骨关节炎。
目前临床上常用体格检查、膝关节主观问卷评分、静态韧带松弛度测量等方法来评价ACL断裂后的膝关节功能和生物力学特征,但ACL断裂主要会影响人们的运动能 力,在日常活动状况下,肌肉收缩、关节囊和关节周围结构的限制作用及自身惯性和 重力作用会对膝关节运动产生累积效应,上述临床常用方法不能评价动态膝关节功能 状况。ACL断裂后主要引起动态承重状态下膝关节稳定性降低、功能紊乱。早期评估 和纠正动态承重状态下的膝关节生物力学异常,具有非常重要的临床价值。
研究表明,在运动过程中,ACL断裂患者和正常人之间的足底压力和运动学特征存在差异。足底压力中心(center of pressure,COP)轨迹是人体行走过程中足–地接 触作用力位置、大小、分布及力度顺序的综合结果,能反映足与地面接触全过程的作用 方式,也是对人体行走运动姿态的间接反映,是一种重要的步态支撑期足底压力特征。 与正常人相比,ACL断裂患者足底受力会更快地从足跟过渡到前足而运动学特征则主 要体现在ACL断裂侧的伸膝最大角度变小等方面。而目前运动系统的疾病评估主要依 靠影像学检查和医务人员的临床经验。大量的患者和诊断工作给医务人员带来巨大的 工作压力和挑战。
发明内容
针对上述现有临床技术主要进行静态评估的缺点与不足,本发明的目的是提供一种前交叉韧带断裂后步态特征的分析方法,基于三维运动学和足底压力特征的信息融 合,对前交叉韧带断裂后的步态特征进行评估分析。同时,该方法还具有较好的扩展 性,针对其他类型的运动系统患者的动态评估也具有重要的参考作用。
为实现上述目的,本发明采取以下技术方案:一种前交叉韧带断裂后步态特征的分析方法,其特征在于包括以下步骤:1)获取若干ACL断裂患者和正常人正常行走过 程中的三维运动学数据和足底压力数据,随机选取若干组数据为标准样本数据,其余 为待检测样本数据;2)分别对标准样本数据和待检测样本数据中的足底压力数据进行 分析处理,并提取足底压力特征参数;3)分别对标准样本数据和待检测样本数据中的 三维运动学数据进行分析处理,并提取步态三维运动学特征参数;4)以标准样本数据 中提取的步态三维运动学特征参数和足底压力特征参数为基础,采用基于粒子群优化 和错误反馈神经网络的聚类算法进行训练得到评估模型,以待检测数据的三维运动学 特征参数和足底压力特征参数为输入进行聚类分析,得到前交叉韧带断裂后的步态特 征分类结果。
所述步骤1)中,所述三维运动学数据是指各ACL断裂患者和正常人在正常行走 过程中粘贴在各受试者下肢骨性标志点上的反光标志点的三维坐标原始数据。
所述步骤1)中,所述足底压力数据是指各ACL断裂患者和正常人在正常行走过 程中的足底压力信息,包括压力时间、压力行值、压力列值和压力大小。
所述步骤2)中,对得到的足底压力数据进行分析处理,并提取足底压力特征参 数的方法,包括以下步骤:2.1)获取各ACL患者和正常人所有单脚的完整数据帧的足 底压力数据,并对获取的足底压力数据进行标准化处理,进而得到足底压力中心轨迹; 2.2)根据步态周期的划分标准,将正常步态支撑阶段划分为5个时刻;2.3)提取正 常步态支撑阶段各个时刻的足底压力中心轨迹数据,作为足底压力特征参数。
所述步骤2.1)中,对获取的足底压力数据进行标准化处理的计算公式为:
上式中,X和Y分别表示以压力传感器为单位的坐标的两个维度,整足所占空间 的左下角被标记为坐标原点,Pi表示压力测量平板每个测量点的压强大小;XC、YC指 缩放前的压力中心坐标值;X'C和YC'表示缩放之后的压力中心坐标值;LX和LY分别表 示足底压力数据表的宽度和表的长度,即受试者足的尺寸。
所述步骤2.2)中,划分的5个时刻分别为:足跟触地、前足触地、前后足支撑、 足跟离地和足尖离地。
所述步骤3)中,对得到的三维运动学数据进行分析处理,并提取步态三维运动 学参数的方法,包括以下步骤:3.1)对三维运动学数据进行滤波、计算,得到各ACL 断裂患者和正常人的下肢各关节的三维角度数据;3.2)对得到的三维角度数据进行对 比分析,根据各关节曲线特点,确定典型关节;3.3)提取典型关节的三维角度数据, 将ACL断裂患者和正常人的三维角度数据按照每个维度展开,选取差异性大的角度数 据作为典型关节的角度特征值;3.4)对提取的典型关节的角度特征值进行标准化处理, 得到步态三维运动学特征参数。
所述步骤3.4)中,对提取的典型关节的角度特征值进行标准化处理的计算公式为:
式中,θij表示角度变化曲线的一个极值,i表示组的数量,j表示膝关节矢状面内(屈曲/伸展)角度的最小值、膝关节水平面内(内旋/外旋)角度的最小值和最大值、 足踝关节水平面内(内旋/外旋)角度的最小值和最大值、足踝关节冠状面内(内翻/ 外翻)角度的最小值,代表标准化值。
本发明由于采取以上技术方案,其具有以下优点:1、本发明由于结合三维运动学和足底压力参数同步对前交叉韧带断裂后的步态特征进行评估分析,大大提高了仅以 足底压力参数进行评估分析的准确率。2、本发明由于结合走路过程中的三维运动学和 足底压力参数进行前交叉韧带断裂后步态特征的评估分析,可以动态评估前交叉韧带 断裂后的功能状态。3、本发明基于神经网络的改进和输入参数的融合识别,整体上提 高了基于三维运动学和足底压力参数对前交叉韧带断裂后步态特征分析的准确率。因 而,本发明可以广泛应用于基于三维运动学和足底压力对前交叉韧带断裂后的步态特 征分类分析中。
附图说明
图1是正常健康人和前交叉韧带断裂患者的COP曲线;图1(a)为正常健康人的 COP曲线;图1(b)是前交叉韧带断裂患者的COP曲线;
图2为映射之前和之后的足底压力中心轨迹;
图3为支撑阶段的5个特征时刻示意图,图3(a)是足跟触地时刻的示意图;图 3(b)是前足触地时刻的示意图;图3(c)是前后足支撑时刻示意图;图3(d)是足 跟离地时刻的示意图;图3(e)是足尖离地时刻示意图;
图4是不同参数的识别诊断率,图4(a)是基于不同参数ACL断裂者的识别诊断 率;图4(b)是基于不同参数健康对照者的识别诊断率;图4(c)是健康对照者和 ACL断裂者平均识别正确率的比较。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明提供的一种前交叉韧带断裂后步态特征的分析方法,包括以下步骤:
1)利用三维运动捕捉系统和足底压力测试平板系统获取若干ACL断裂患者和正常人正常行走过程中的三维运动学数据和足底压力数据,随机选取若干组数据为标准样 本数据,其余为待检测样本数据;
2)分别对标准样本数据和待检测样本数据中的足底压力数据进行分析处理,并提取足底压力特征参数;
3)分别对标准样本数据和待检测样本数据中的三维运动学数据进行分析处理,并提取步态三维运动学特征参数;
4)以标准样本数据中提取的步态三维运动学特征参数和足底压力特征参数为基础,应用基于粒子群优化(PSO)和错误反馈(BP)神经网络的聚类算法进行训练得到 评估模型,并以待检测数据的三维运动学特征参数和足底压力特征参数为输入进行聚 类分析,得到前交叉韧带断裂后的步态特征分类结果。由于PSO算法和BP神经网络的 建立为已有技术,本发明在此不再赘述。
上述步骤1)中,三维运动学数据是指各ACL断裂患者和正常人在正常行走过程 中粘贴在各受试者下肢骨性标志点上的反光标志点的三维坐标等原始数据。该三维坐 标原始数据的获取是通过红外高速运动捕捉系统(8镜头,Vicon,Nexus,T40,英国) 进行实时采集和存储,采集频率为100Hz,每名受试者均采集5次有效数据。本发明 中设置的反光标志点数目为24,分别粘贴在左右外踝、内踝、足跟、第二跖趾关节、 第一跖趾关节、第五跖趾关节、胫骨粗隆、股骨内侧髁、股骨外侧髁、大腿前侧、髂 前上棘、髂后上棘。
足底压力数据是指各ACL断裂患者和正常人在正常行走过程中的足底压力信息,包括压力时间、压力行值、压力列值和压力大小。该足底压力数据的获取是通过足底 压力测力板测试系统中的压力传感器进行实时采集和存储,本发明中采用的足底压力 测力板测试系统为Footscan SCSI的高频率平板测试系统,型号为Footscan SCSI 2 米长的高频率平板测试系统(比利时RSscan公司生产,2×0.4m,16384个传感器, 125-500Hz)。
上述步骤2)中,对得到的足底压力数据进行分析处理,并提取足底压力特征参 数的方法,包括以下步骤:
2.1)获取各ACL患者和正常人所有单脚的完整数据帧的足底压力数据,并对获取的足底压力数据进行标准化处理,进而得到足底压力中心轨迹。
足底压力中心(center of pressure,COP)轨迹是人体行走过程中足–地接触作用力位置、大小、分布及力度顺序的综合结果,能反映足与地面接触全过程的作用方式, 也是对人体行走运动姿态的间接反映,是一种重要的步态支撑期足底压力特征。COP 轨迹线从足后跟至趾尖总体形态呈“S”形,其时空特征能较好地反映足与行走运动机 能的变化,可作为建立人体运动能力评价系统的指标之一,揭示步态的平衡性和稳定 性。
足底压力是按照每帧给出的,依据下面公式计算出每帧的中心,将每帧的中心点连接后便是压力中心轨迹曲线。如果直接使用原始测得的足底压力数据进行分析,结 果的准确性将会降低。因此需要通过对原始足底压力数据进行标准化,每帧的压力中 心坐标值计算公式和坐标标准化计算公式为:
上式中,X和Y分别表示以压力传感器为单位的坐标的两个维度,整足所占空间 的左下角被标记为坐标原点,Pi表示压力测量平板每个测量点的压强大小。XC、YC指 缩放前的压力中心坐标值;和表示缩放之后的压力中心坐标值;LX和LY分别 示足底压力数据表的宽度和表的长度,即受试者足的尺寸。通过该公式,所有足底压 力数据被映射到30*20的直角坐标系(该值来自依据标准脚尺寸建立的标准脚模型)。
2.2)根据步态周期的划分标准,将正常步态支撑阶段划分为5个时刻。
将正常步态支撑阶段分为5个时刻,分别为:足跟触地(first foot contact,FFC)、 前足触地(first metatarsal contact,FMC)、前后足支撑(forefoot flat,FFF)、足跟离地(heel off,HO)和足尖离地(last foot contact,LFC)]。
2.3)提取正常步态支撑阶段各个时刻的足底压力中心轨迹数据,作为足底压力特征参数。
上述步骤3)中,对得到的三维运动学数据进行分析处理,并提取步态三维运动 学参数的方法,包括以下步骤:
3.1)对三维运动学数据进行滤波、计算,得到各ACL断裂患者和正常人的下肢各关节的三维角度数据。
应用Visual 3D软件(C-Motion,Maryland)对获得的三维运动学坐标参数进行 滤波、计算,获取各ACL断裂患者和正常人的下肢骨的三维角度数据,包括骨盆、髋 关节、膝关节和足踝关节的在矢状面、冠状面和水平面内的三维角度数据。
3.2)对得到的三维角度数据进行对比分析,根据各关节曲线特点,确定典型关节。
3.3)提取典型关节的三维角度数据,将ACL断裂患者和正常人的三维角度数据按照每个维度展开,选取差异性大的角度数据作为典型关节的角度特征值。
每个角度的变化曲线均由许多点组成的,所以如果直接分析原始数据,工作量很大。本发明通过对典型关节的三维角度数据按照每个维度展开,之后观察对比各角度 的差异性较大的作为典型关节的角度特征值,本发明选取的角度特征值为:膝关节矢 状面内(屈/伸)角度的最小值、膝关节水平面内(内旋/外旋)角度的最小值和最大 值、足踝关节水平面内(内旋/外旋)角度的最小值和最大值、足踝关节冠状面内(内 翻/外翻)角度的最小值。
3.4)对提取的典型关节的角度特征值进行标准化处理,得到步态三维运动学特征参数。
式中,θij表示角度变化曲线的一个极值,i表示组的数量,j表示膝关节矢状面内(屈/伸)角度的最小值、膝关节水平面内(内旋/外旋)角度的最小值和最大值、足 踝关节水平面内(内旋/外旋)角度的最小值和最大值、足踝关节冠状面内(内翻/外 翻)角度的最小值,代表标准化值。
实施例一
1)获取ACL断裂患者和正常人正常行走过程中的三维运动学数据和足底压力数据。
2)对得到的足底压力数据进行分析处理,并提取足底压力特征参数。
如图1(a)、(b)所示,分别为ACL断裂患者和正常人右足的压力中心轨迹。由 图中可以看出,ACL断裂患者的压力中心曲线总体形态不如正常人平滑,变化范围更 大。
如图2所示,为对足底压力中心轨迹进行处理前后的对比示意图。图中映射后的曲线显示了对受试者足的尺寸进行标准化后的大小。
如图3(a)~(e)所示,为正常步态支撑阶段的5个特征时刻。图3(a)表示 足跟触地时刻的特征;图3(b)表示前足触地时刻的特征;图3(c)表示前后足支撑 时刻的特征;图3(d)表示足跟离地时刻的特征;图3(e)表示足尖离地时刻的特征。
本实施例中共收集50组足底压力数据,其中1-25组为正常健康人的数据,26-50组为ACL断裂患者的足底压力数据。从COP曲线中提取出以上5个特征时刻的值(10 个坐标数据)输入到神经网络进行模拟和计算,获得5个特征值的识别结果,如表1 所示,正常健康人的识别率为52%,ACL断裂患者的识别率为52%。
表1.基于传统足底压力参数的识别诊断率
3)对得到的三维运动学数据进行分析处理,并提取步态三维运动学特征参数。
获取所有ACL断裂患者和正常人的骨盆、髋关节、膝关节和足踝关节的三维角度,通过对比分析ACL断裂患者和各关节曲线特点,重点分析膝关节和足踝关节角度参数, 其中,膝关节和足踝关节的角度参数如下表2所示。
表2健康人在一个步态周期内不同阶段膝关节和足踝关节的角度变化
结果发现ACL断裂患者和正常人的最大伸膝角度呈现差异。ACL断裂也会使患侧膝关节的旋转、屈伸和内收/外展角度产生异常变化。对于ACL断裂的患者,在初始着 地阶段和前足触地阶段,足和胫骨的旋转可能会导致膝关节的不稳定。这些因素都可 能会使ACL断裂患者的步态特征发生变化。由于人体运动时各个关节之间存在相互协 调的关系,当膝关节出现结构异常时,其他关节为了保持步行能力会进行相应调整。 因此本发明选取了膝关节和足踝关节作为典型关节分析。
4)以标准样本数据中提取的步态三维运动学特征参数和足底压力特征参数为基础,应用基于粒子群优化(PSO)和错误反馈(BP)神经网络的聚类算法进行训练得到 评估模型,并以待检测数据的三维运动学特征参数和足底压力特征参数为输入进行聚 类分析,得到前交叉韧带断裂后步态特征的聚类分析结果。
根据上述表1的结果可以看出,当仅用足底压力数据进行识别时,识别的准确率小于60%。不能为医务人员提供有效的参考。因此,考虑到结合三维运动学和足底压 力数据进行识别鉴定。如上所述,提取三维运动学数据中的膝关节矢状面内(屈曲/ 伸展)角度的最小值、膝关节水平面内(内旋/外旋)角度的最小值和最大值、足踝关 节水平面内(内旋/外旋)角度的最小值和最大值、足踝关节冠状面内(内翻和外翻) 角度的最小值,并结合足底压力数据作为神经网络信号的输入。前25组数据为正常的 3D运动学和足底压力特征;后25组数据是ACL缺乏患者。表3中前10列为足底压力 参数,后6列为三维运动学参数,序号中前25名受试者为正常人,后25名为ACL断 裂患者。之后对数据进行仿真,获得五个识别结果的平均值,结果如表4所示。正常 健康者的诊断率为80%,ACL断裂患者的诊断率为92%。
表3受试者的足底压力和三维运动学参数
表4基于足底压力和三维运动学参数的识别结果
如图4所示,为基于不同参数的识别准确率。从图中可以看出,仅基于足底压力 数据进行识别的识别准确率较低,但将足底压力与三维运动学数据相结合,识别准确 率得到显著提高。尽管仍存在识别误差,但可以为医务工作者提供非常有意义的参考。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其 依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行 等同替换,而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技 术方案的精神和范围。
Claims (8)
1.一种前交叉韧带断裂后步态特征的分析方法,其特征在于包括以下步骤:
1)获取若干ACL断裂患者和正常人正常行走过程中的三维运动学数据和足底压力数据,随机选取若干组数据为标准样本数据,其余为待检测样本数据;
2)分别对标准样本数据和待检测样本数据中的足底压力数据进行分析处理,并提取足底压力特征参数;
3)分别对标准样本数据和待检测样本数据中的三维运动学数据进行分析处理,并提取步态三维运动学特征参数;
4)以标准样本数据中提取的步态三维运动学特征参数和足底压力特征参数为基础,采用基于粒子群优化和错误反馈神经网络的聚类算法进行训练得到评估模型,以待检测数据的三维运动学特征参数和足底压力特征参数为输入进行聚类分析,得到前交叉韧带断裂后的步态特征分类结果。
2.如权利要求1所述的一种前交叉韧带断裂后步态特征的分析方法,其特征在于:所述步骤1)中,所述三维运动学数据是指各ACL断裂患者和正常人在正常行走过程中粘贴在各受试者下肢骨性标志点上的反光标志点的三维坐标原始数据。
3.如权利要求1所述的一种前交叉韧带断裂后步态特征的分析方法,其特征在于:所述步骤1)中,所述足底压力数据是指各ACL断裂患者和正常人在正常行走过程中的足底压力信息,包括压力时间、压力行值、压力列值和压力大小。
4.如权利要求1所述的一种前交叉韧带断裂后步态特征的分析方法,其特征在于:所述步骤2)中,对得到的足底压力数据进行分析处理,并提取足底压力特征参数的方法,包括以下步骤:
2.1)获取各ACL患者和正常人所有单脚的完整数据帧的足底压力数据,并对获取的足底压力数据进行标准化处理,进而得到足底压力中心轨迹;
2.2)根据步态周期的划分标准,将正常步态支撑阶段划分为5个时刻;
2.3)提取正常步态支撑阶段各个时刻的足底压力中心轨迹数据,作为足底压力特征参数。
5.如权利要求4所述的一种前交叉韧带断裂后步态特征的分析方法,其特征在于:所述步骤2.1)中,对获取的足底压力数据进行标准化处理的计算公式为:
上式中,X和Y分别表示以压力传感器为单位的坐标的两个维度,整足所占空间的左下角被标记为坐标原点,Pi表示压力测量平板每个测量点的压强大小;XC、YC指缩放前的压力中心坐标值;X′C和Y′C表示缩放之后的压力中心坐标值;LX和LY分别表示足底压力数据表的宽度和表的长度,即受试者足的尺寸。
6.如权利要求4所述的一种前交叉韧带断裂后步态特征的分析方法,其特征在于:所述步骤2.2)中,划分的5个时刻分别为:足跟触地、前足触地、前后足支撑、足跟离地和足尖离地。
7.如权利要求1所述的一种前交叉韧带断裂后步态特征的分析方法,其特征在于:所述步骤3)中,对得到的三维运动学数据进行分析处理,并提取步态三维运动学参数的方法,包括以下步骤:
3.1)对三维运动学数据进行滤波、计算,得到各ACL断裂患者和正常人的下肢各关节的三维角度数据;
3.2)对得到的三维角度数据进行对比分析,根据各关节曲线特点,确定典型关节;
3.3)提取典型关节的三维角度数据,将ACL断裂患者和正常人的三维角度数据按照每个维度展开,选取差异性大的角度数据作为典型关节的角度特征值;
3.4)对提取的典型关节的角度特征值进行标准化处理,得到步态三维运动学特征参数。
8.如权利要求7所述的一种前交叉韧带断裂后步态特征的分析方法,其特征在于:所述步骤3.4)中,对提取的典型关节的角度特征值进行标准化处理的计算公式为:
式中,θij表示角度变化曲线的一个极值,i表示组的数量,j表示膝关节矢状面内屈/伸角度的最小值、膝关节水平面内内旋/外旋角度的最小值和最大值、足踝关节水平面内内旋/外旋角度的最小值和最大值、足踝关节冠状面内内翻/外翻角度的最小值,代表标准化值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810038606.2A CN108209924B (zh) | 2018-01-16 | 2018-01-16 | 一种前交叉韧带断裂后步态特征的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810038606.2A CN108209924B (zh) | 2018-01-16 | 2018-01-16 | 一种前交叉韧带断裂后步态特征的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108209924A true CN108209924A (zh) | 2018-06-29 |
CN108209924B CN108209924B (zh) | 2019-02-19 |
Family
ID=62641617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810038606.2A Active CN108209924B (zh) | 2018-01-16 | 2018-01-16 | 一种前交叉韧带断裂后步态特征的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108209924B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109620246A (zh) * | 2018-12-19 | 2019-04-16 | 福建师范大学 | 一种单侧跟腱断裂患者康复期步态模式评价方法 |
CN109646009A (zh) * | 2018-11-15 | 2019-04-19 | 北京中科汇成科技有限公司 | 基于便携式步态分析系统的步态时空参数的计算方法 |
CN109758274A (zh) * | 2019-02-28 | 2019-05-17 | 清华大学 | 单髁膝关节置换术中股骨远端相对于假体垫片力线轨迹的测量方法与系统 |
CN109979595A (zh) * | 2019-02-22 | 2019-07-05 | 福州大学 | 一种基于足底压力检测的支持向量机足踝外伤康复评估结果的分类方法 |
CN110232372A (zh) * | 2019-06-26 | 2019-09-13 | 电子科技大学成都学院 | 基于粒子群优化bp神经网络的步态识别方法 |
CN110327054A (zh) * | 2019-07-17 | 2019-10-15 | 袁兴光 | 一种基于加速度和角速度传感器的步态分析方法及装置 |
CN110427987A (zh) * | 2019-07-17 | 2019-11-08 | 军事科学院系统工程研究院军需工程技术研究所 | 一种关节炎患者的足底压力特征识别方法和系统 |
CN110558991A (zh) * | 2019-07-30 | 2019-12-13 | 福建省万物智联科技有限公司 | 一种步态分析方法 |
CN111178338A (zh) * | 2020-03-18 | 2020-05-19 | 福建中医药大学 | 一种步态分析系统中数据库和标准化模型的建立方法 |
CN111326232A (zh) * | 2020-03-18 | 2020-06-23 | 福建中医药大学 | 一种基于三维步态分析系统鉴别异常步态形式的方法 |
CN111329484A (zh) * | 2020-02-24 | 2020-06-26 | 华南理工大学 | 基于足底压力信息时空域特征的糖尿病足风险预警装置 |
CN111374673A (zh) * | 2018-12-29 | 2020-07-07 | 西安思博探声生物科技有限公司 | 膝关节损伤预警设备、服务器、系统及智能跑鞋 |
CN111507209A (zh) * | 2020-03-31 | 2020-08-07 | 湖北民族大学 | 基于足底压力分布的步态识别方法及系统 |
CN112401834A (zh) * | 2020-10-19 | 2021-02-26 | 南方科技大学 | 一种运动阻碍型疾病诊断装置 |
CN114886413A (zh) * | 2022-03-25 | 2022-08-12 | 四川大学华西医院 | 一种人体双侧压力的评估方法及评估装置 |
WO2022214769A1 (fr) | 2021-04-07 | 2022-10-13 | Digitsole | Procede et dispositif d'inference d'une ligne de pression plantaire |
CN116246774A (zh) * | 2023-03-15 | 2023-06-09 | 北京医准智能科技有限公司 | 一种基于信息融合的分类方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101627900A (zh) * | 2009-08-10 | 2010-01-20 | 北京大学第三医院 | 一种辅助评价膝关节受力状态的方法 |
US20100152619A1 (en) * | 2008-12-16 | 2010-06-17 | 24/8 Llc | System, method, and computer-program product for measuring pressure points |
CN104636599A (zh) * | 2014-12-31 | 2015-05-20 | 北京大学 | 一种足底压力中心轨迹自动比对方法 |
CN105286875A (zh) * | 2015-11-24 | 2016-02-03 | 龙岩学院 | 一种辅助筛查前交叉韧带损伤的步态分析方法 |
-
2018
- 2018-01-16 CN CN201810038606.2A patent/CN108209924B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100152619A1 (en) * | 2008-12-16 | 2010-06-17 | 24/8 Llc | System, method, and computer-program product for measuring pressure points |
CN101627900A (zh) * | 2009-08-10 | 2010-01-20 | 北京大学第三医院 | 一种辅助评价膝关节受力状态的方法 |
CN104636599A (zh) * | 2014-12-31 | 2015-05-20 | 北京大学 | 一种足底压力中心轨迹自动比对方法 |
CN105286875A (zh) * | 2015-11-24 | 2016-02-03 | 龙岩学院 | 一种辅助筛查前交叉韧带损伤的步态分析方法 |
Non-Patent Citations (1)
Title |
---|
李晓理: "《前交叉韧带断裂后足底压力特征的聚类分析》", 《自动化学报》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109646009A (zh) * | 2018-11-15 | 2019-04-19 | 北京中科汇成科技有限公司 | 基于便携式步态分析系统的步态时空参数的计算方法 |
CN109646009B (zh) * | 2018-11-15 | 2021-11-26 | 北京中科汇成科技有限公司 | 基于便携式步态分析系统的步态时空参数的计算方法 |
CN109620246A (zh) * | 2018-12-19 | 2019-04-16 | 福建师范大学 | 一种单侧跟腱断裂患者康复期步态模式评价方法 |
CN111374673A (zh) * | 2018-12-29 | 2020-07-07 | 西安思博探声生物科技有限公司 | 膝关节损伤预警设备、服务器、系统及智能跑鞋 |
CN109979595A (zh) * | 2019-02-22 | 2019-07-05 | 福州大学 | 一种基于足底压力检测的支持向量机足踝外伤康复评估结果的分类方法 |
CN109758274A (zh) * | 2019-02-28 | 2019-05-17 | 清华大学 | 单髁膝关节置换术中股骨远端相对于假体垫片力线轨迹的测量方法与系统 |
CN109758274B (zh) * | 2019-02-28 | 2020-12-29 | 清华大学 | 单髁膝关节置换术中股骨远端相对于假体垫片力线轨迹的测量方法与系统 |
CN110232372A (zh) * | 2019-06-26 | 2019-09-13 | 电子科技大学成都学院 | 基于粒子群优化bp神经网络的步态识别方法 |
CN110232372B (zh) * | 2019-06-26 | 2021-09-24 | 电子科技大学成都学院 | 基于粒子群优化bp神经网络的步态识别方法 |
CN110327054A (zh) * | 2019-07-17 | 2019-10-15 | 袁兴光 | 一种基于加速度和角速度传感器的步态分析方法及装置 |
CN110427987A (zh) * | 2019-07-17 | 2019-11-08 | 军事科学院系统工程研究院军需工程技术研究所 | 一种关节炎患者的足底压力特征识别方法和系统 |
CN110558991A (zh) * | 2019-07-30 | 2019-12-13 | 福建省万物智联科技有限公司 | 一种步态分析方法 |
CN111329484A (zh) * | 2020-02-24 | 2020-06-26 | 华南理工大学 | 基于足底压力信息时空域特征的糖尿病足风险预警装置 |
CN111178338A (zh) * | 2020-03-18 | 2020-05-19 | 福建中医药大学 | 一种步态分析系统中数据库和标准化模型的建立方法 |
CN111326232A (zh) * | 2020-03-18 | 2020-06-23 | 福建中医药大学 | 一种基于三维步态分析系统鉴别异常步态形式的方法 |
CN111507209A (zh) * | 2020-03-31 | 2020-08-07 | 湖北民族大学 | 基于足底压力分布的步态识别方法及系统 |
CN112401834A (zh) * | 2020-10-19 | 2021-02-26 | 南方科技大学 | 一种运动阻碍型疾病诊断装置 |
WO2022214769A1 (fr) | 2021-04-07 | 2022-10-13 | Digitsole | Procede et dispositif d'inference d'une ligne de pression plantaire |
FR3121595A1 (fr) * | 2021-04-07 | 2022-10-14 | Digitsole | Procede et dispositif d’inference d’une ligne de pression plantaire |
CN114886413A (zh) * | 2022-03-25 | 2022-08-12 | 四川大学华西医院 | 一种人体双侧压力的评估方法及评估装置 |
CN114886413B (zh) * | 2022-03-25 | 2023-06-30 | 四川大学华西医院 | 一种人体双侧压力的评估方法及评估装置 |
CN116246774A (zh) * | 2023-03-15 | 2023-06-09 | 北京医准智能科技有限公司 | 一种基于信息融合的分类方法、装置及设备 |
CN116246774B (zh) * | 2023-03-15 | 2023-11-24 | 浙江医准智能科技有限公司 | 一种基于信息融合的分类方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108209924B (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108209924B (zh) | 一种前交叉韧带断裂后步态特征的分析方法 | |
US20200085348A1 (en) | Simulation of physiological functions for monitoring and evaluation of bodily strength and flexibility | |
Laroche et al. | Test–retest reliability of 3D kinematic gait variables in hip osteoarthritis patients | |
Nigg et al. | Development of a symmetry index using discrete variables | |
Kenneally-Dabrowski et al. | Late swing running mechanics influence hamstring injury susceptibility in elite rugby athletes: a prospective exploratory analysis | |
Laroche et al. | A classification study of kinematic gait trajectories in hip osteoarthritis | |
Kour et al. | A survey of knee osteoarthritis assessment based on gait | |
Leardini et al. | ISB recommendations for skin-marker-based multi-segment foot kinematics | |
Costello et al. | Quantifying varus thrust in knee osteoarthritis using wearable inertial sensors: A proof of concept | |
Hatfield et al. | Relationship between knee adduction moment patterns extracted using principal component analysis and discrete measures with different amplitude normalizations: Implications for knee osteoarthritis progression studies | |
CN113057623B (zh) | 平足症筛查步态分析系统 | |
CN117158952A (zh) | 一种三维步态特征提取及异常步态评估的实现方法 | |
Rutherford et al. | Knee moment outcomes using inverse dynamics and the cross product function in moderate knee osteoarthritis gait: A comparison study | |
CN111540465A (zh) | 神经网络模型预测大学生男子足球员运动损伤风险的方法 | |
Lo et al. | Bayesian analysis of sub-plantar ground reaction force with BSN | |
Djun et al. | The Association Between Foot Structure and Foot Kinematics During Slow Running | |
Tang | Comparison Marker-Based and Markerless Motion Capture Systems in Gait Biomechanics During Running | |
Huang et al. | Assessment of over-pronated/over-supinated foot using foot-motion measured by an in-shoe motion sensor | |
Wu et al. | Research on gait detection algorithm based on plantar pressure | |
McBride | Clinical Tests of Foot Posture and Mobility and Midfoot and Ankle Joint Kinetics and Quasi-Stiffness During Gait | |
Ahmadi et al. | A Review on Efficient Identification of Posture Alterations Through the Analysis of the Footprint and Artificial Vision Technologies | |
Sant'Anna et al. | A WEARABLE GAIT ANALYSIS SYSTEM USING INERTIAL SENSORS PART I-Evaluation of Measures of Gait Symmetry and Normality against 3D Kinematic Data | |
Liu et al. | A Wearable System to Monitor Gait Modification | |
Xinyue et al. | Research on joint synergy and muscle activity in ankle-foot complex motion | |
Freemyer et al. | Running Alterations Pre-and Postarthroscopy for Femoroacetabular Impingement Syndrome and Labral Tears |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |