CN108261175A - 一种基于人手“柱状抓握”动作的手功能康复定量评估方法 - Google Patents
一种基于人手“柱状抓握”动作的手功能康复定量评估方法 Download PDFInfo
- Publication number
- CN108261175A CN108261175A CN201711426321.8A CN201711426321A CN108261175A CN 108261175 A CN108261175 A CN 108261175A CN 201711426321 A CN201711426321 A CN 201711426321A CN 108261175 A CN108261175 A CN 108261175A
- Authority
- CN
- China
- Prior art keywords
- hand
- column
- data
- radius
- patient
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于人手“柱状抓握”动作的手功能康复定量评估方法。本方法通过计算机视觉与光学动作捕捉技术,并结合计算机智能计算,实时获取人体手部骨骼及各关节点信息。以当前康复评定标准为基础,将患者患手与健手信息进行计算,以评估值作为患者在整个康复训练过程中前臂前旋动作的定量描述。同时结合手部运动的速度、加速度等信息辅助医生进行病情诊断。本发明能够客观地有效地反映出患者手功能恢复程度,为医生治疗患者与患者自我康复提供帮助。
Description
技术领域
本发明涉及动作捕捉与智能计算技术在手功能康复评估领域的应用,具体涉及一种基于人手“柱状抓握”动作的手功能康复定量评估方法。属于电子信息领域,且交叉涉及康复医学评估领域。
背景技术
脑卒中是当前世界危害人类健康的重要急慢性疾病之一,其发病率,患病率和致残率均较高,也是全球人口三大主要死亡原因之一。我国每年脑卒中发病率为217/10万,患者数逾150万,致残率高达86.5%。在患者长期康复训练过程中,手部功能恢复对患者生活质量的改善有着重要的作用,通过康复训练与治疗的介入,部分患者在6个月之内手功能方面会有不同程度的恢复。目前的康复训练方案定制与实施中,主要根据Fugl-Meyer等量表进行定性的康复程度评估。然而,这种方式主要取决于康复医师的个人专业水准及其对病人肢体康复程度的判断,治疗个体差异性大,主观性强。因此,目前迫切需要一种手功能定量评估方式,提供精确量化数据并与量表结合,为患者制定合理的康复训练提供依据。
目前手功能检测时根据人体手部与腕部关节及其活动特性进行检测。其中柱状抓握动作是手功能康复过程中具有代表性的评估动作。国内外大多测量方法为用柱状物体供病人抓握,并结合Fugl-Meyer等量表要求如下:
a.受测者采取座位,上臂置于体侧,屈肘,手部处柱状抓握中立位,自然伸展并置于桌上;
b.给受测者不同半径大小的圆柱体,判断受测者手指是否可以贴合圆柱体表面
Fugl-Meyer等量表指标,将柱状抓握的动作恢复程度分别划分为0分、1分、2分,其中:0分表示患者不能完成该动作,1分表示患者能够部分完成该动作,2分表示患者能够正常完成该动作。
由此可见,传统评估量表为一种定性评估量表,其对于动作评估划分笼统,对于特定动作恢复程度描述宽泛,患者在一个或多个康复疗程中恢复情况难以准确判断,不利于医生调整康复训练方案,不利于患者增加自身复健的信心。
发明内容
为了克服目前现有手功能康复评估方法中过于依赖医师判断、治疗个体差异大、主观性强等缺点,本发明提供一种基于人手“柱状抓握”动作的手功能康复定量评估方法,能客观有效反映患者手功能恢复程度,为医生治疗和患者自我康复提供帮助。
为完成发明目的,本发明的构思是:
柱状抓握指手部从柱状抓握中立位,手部程抓握圆柱体形态,手部进行抓握半径最大程度(如图3左图所示)到最小程度近似握拳(如图3右图所示)这一动作过程,其对于判断手功能康复程度有着重要的意义。本发明在现有的统定性量表评估的方法基础上进一步定量评测患者在完成柱状抓握动作过程中的持续时间、手部运动平均速度信息。利用已有的灰阶摄像头与红外接收器组成的光学捕捉设备实时获取人体手部骨骼及各关节点信息。结合当前康复评定标准,将相关患者患手定量信息与患者健手定量信息进行对比,将计算结果作为该患者柱状抓握动作评估值,反映出患者手功能恢复程度。
本发明解决上述技术问题所采用的技术方案是:
一种基于人手“柱状抓握”动作的手功能康复定量评估方法,包括“柱状抓握”动作定量评估过程、“柱状抓握”动作评估结果获取及“柱状抓握”动作患者测试步骤。
所述光学动作捕捉设备包含:1个双目灰阶摄像头以及3个红外探测器。
所述“柱状抓握”动作定量评估过程共包含4个部分,分别为数据采集、数据预处理、评估参数处理和评估结果统计。
所述定量评估过程中的数据采集,中立位中指掌骨关节末端关节点A(X1,Y1,Z1),中指远端指骨关节尖端关节点B(X2,Y2,Z2),拇指远端指骨关节尖端关节点C(X3,Y3,Z3);
“柱状抓握”动作定量评估的数据预处理为:
1)计算的长度:
2)计算ΔABC的半周长P
3)计算△ABC的面积S
4)计算△ABC的外接圆半径r
“柱状抓握”动作定量评估的评估参数处理为:
a.手部在初始位置时,将当前时间t0、初始半径r存储在数据库之中,
b.运动过程中,当Δr=1mm时(即当柱状抓握半径增量等于1毫米时),存入对应数据帧号i、时间ti、抓握半径rmax,
c.当Δr=1mm时(即当当柱状抓握半径增量等于1毫米时),判断当前数据帧柱状抓握半径r与上一帧数据比较如果大于上一帧,则rmax=r,如何小于上一帧则rmin=r;
d.当运动至最大限度并向初始位返回时,停止数据采集,并将运动过程中柱状抓握最大值rmax和最小值rmin存储,
e.为避免出现单次动作采集出现误差,在健手与患手数据采集中均完成多次采集(本发明重复进行2组数据采集),取最优结果进行存储,即rmax较大的数据进行评估;
“柱状抓握”动作定量评估的评估结果统计为:
a.最大柱状抓握半径范围差值r:
r=rmax-rmin
其中,rmax为运动过程中柱状抓握半径最大值,rmin为柱状抓握半径最小值
b.抓握速度ω:
ri和ti为当前柱状抓握半径和当前时间,ri-1和ti-1为上一帧柱状抓握半径和时间
c.平均抓握速度
rmax和tmax为最大柱状抓握半径和时间,rmin和tmin为最小柱状抓握半径和时间
3、根据权利要求1所述的基于人手“柱状抓握”动作的手功能康复定量评估方法,其特征在于,所述“柱状抓握”评估结果描述方式:
1)在数据处理的过程中,健手最大柱状抓握半径范围差值为Δrh,平均抓握速度为在同一患者不同康复时期,健手数据作为患者参照标准数据,如无二次发病,健手数据保持不变;
2)进行柱状抓握评估时,将患者患手数据进行更新,定义当前评测患手最大柱状抓握半径范围差Δru,平均抓握速度通过与健手参照标准数据进行计算,得到如下结果:
3)将半径评估值作为主要评估依据,将健手与患手的平均抓握速度作为辅助参考依据,具有极大的临床意义。
所述“柱状抓握”动作患者测试步骤为:
a.待测者采取坐位,上臂置于体侧,屈肘,手部处柱状抓握中立位自然伸展置于检测仪器(如图6所示)中,测试仪器左右各设有一个工作区,分别用于测试者左右手的检测,对健手进行数据建立以及对患手进行定量评估;
b.在医师指导下,患者进行健手的数据采集建立;
c.患者健手开始进行柱状抓握动作,运动过程中,当柱状抓握半径增量为1毫米时,存储手部位置参量与定量数据信息;
d.当患者手部从初始位置抓握到极限位置(近握拳)时,停止数据采集,计算出最大柱状抓握半径和最小抓握半径差,以及平均抓握速度;
e.重复c、d步骤一次,将两组数据进行比对,保留较优结果,即最大柱状抓握半径和最小抓握半径差最大的结果;
f.在医师指导下,患者进行患手的定量评估;
g.重复c、d、e步骤,完成患者待测手数据获取;
h.通过所述“柱状抓握”动作评估结果获取方法,算计出测试者柱状抓握动作评估值。
与现有技术相比,本发明具有如下显而易见的突出实质性特点和显著优点:
本发明结合现有的计算机视觉及光学动作捕捉技术,通过光学捕捉设备实时捕捉并处理手部骨骼及各关节点信息,以患者健手作为参照对象,分别计算得到“柱状抓握”动作运动过程中的平均抓握速度及柱状抓握半径范围差的评估值,完成患者在康复训练过程中“柱状抓握”动作的定量描述,使医师与患者能够精确了解患手在治疗过程中的康复程度变化。
附图说明
图1为本方法的主程序框图
图2为权利3流程图
图3为柱状抓握示意图。
图4为光学捕捉设备示意图。
图5为柱状抓握半径定义。
图6为手功能康复定量评估检测设备示意图。
具体实施方式
下面结合附图,对本发明的具体实施做进一步的说明。
实施例一:
参见图1~图6,基于人手“柱状抓握”动作的手功能康复定量评估方法,其特征在于操作步骤如下:
1)采用手功能康复定量评估设备,进行数据采集,采集患者健手和患手的手部骨骼及关节点信息。
2)数据处理:根据手功能康复定量评估设备中的光学动作捕捉设备所获取的手部骨骼及关节点信息,计算最大抓握半径差值,抓握速度,平均抓握速度。
3)定量评估结果:以患者健手作为参照对象,利用步骤2)计算的参数,将患手与健手的参数作比得出一个百分值作为评估值即评估结果。
实施例二:
本实施例与实施例一基本相同,特别之处如下:
1)根据实施例一所述步骤1)中的手功能康复定量评估设备(图6),包括机壳(5)、电脑主机(3),交互显示屏(4),两个光学摄像头(1),四个光学动作捕捉传感器(2),两个光学摄像头(1)和四个光学动作捕捉传感器(2)都连接于电脑主机(3)之上,机壳(5)中有隔板而把其内腔分隔成左右工作区,两个光学摄像头分别安装在左右工作区内顶壁上,可以采集左右手在完成评估过程中的视觉信息,四个光学动作传感器分别安装在左右工作区内底上和隔板上,可以精确获取手部骨骼及关节点信息,利用这些信息进行模型建立,参数计算。
2)根据实施例一所述的数据采集的步骤如下:
a.待测者采取坐位,上臂置于体侧,屈肘,手部处柱状抓握中立位自然伸展置于手功能康复定量评估设备中,手功能康复定量评估设备左右各设有一个工作区,分别用于测试者左右手的检测,对健手进行数据采集建立;
b.在医师指导下,患者进行健手的数据采集建立;
c.患者健手开始进行柱状抓握动作,运动过程中,当柱状抓握半径增量为1mm±0.1mm时,存储手部位置参量与定量数据信息;
d.当患者手部从初始位置抓握到极限位置—近握拳时,停止数据采集;
e.重复c、d步骤一次,采集俩次数据;
实施例三:
柱状抓握指手部从柱状抓握中立位,手部程抓握圆柱体形态,手部进行抓握半径最大程度(如图3左图所示)到最小程度近似握拳(如图3右图所示)这一动作过程,其对于判断手功能康复程度有着重要的意义。
一种基于人手“柱状抓握”动作的手功能康复定量评估方法,包括“柱状抓握”动作定量评估过程、“柱状抓握”动作评估结果获取及“柱状抓握”动作患者测试步骤。
本发明使用光学动作捕捉设备对人体手部骨骼及各关节点信息进行实时捕捉与获取,其中光学动作捕捉设备(如图4所示)由1个双目灰阶摄像头与3个红外探测器组成。三维坐标系定义方法:以双目灰阶摄像头中点为原点,X、Y、Z三轴定义方法如图4所示。
所述“柱状抓握”动作定量评估过程共包含4个部分,分别为数据采集、数据预处理、评估参数处理和评估结果统计。
所述“柱状抓握”动作定量评估过程共包含4个部分,分别为数据采集、数据预处理、评估参数处理和评估结果统计。
所述定量评估过程中的数据采集,中立位中指掌骨关节末端关节点A(X1,Y1,Z1),中指远端指骨关节尖端关节点B(X2,Y2,Z2),拇指远端指骨关节尖端关节点C(X3,Y3,Z3);
“柱状抓握”动作定量评估的数据预处理为:
1)计算AB,AC,BC的长度:
2)计算ΔABC的半周长P
3)计算ΔABC的面积S
4)计算ΔABC的外接圆半径r
“柱状抓握”动作定量评估的评估参数处理为:
a.手部在初始位置时,将当前时间t0、初始半径r存储在数据库之中,
b.运动过程中,当Δr=1mm时(即当柱状抓握半径增量等于1毫米时),存入对应数据帧号i、时间ti、抓握半径rmax,
c.当Δr=1mm时(即当当柱状抓握半径增量等于1毫米时),判断当前数据帧柱状抓握半径r与上一帧数据比较如果大于上一帧,则rmax=r,如何小于上一帧则rmin=r;
d.当运动至最大限度并向初始位返回时,停止数据采集,并将运动过程中柱状抓握最大值rmax和最小值rmin存储,
e.为避免出现单次动作采集出现误差,在健手与患手数据采集中均完成多次采集(本发明重复进行2组数据采集),取最优结果进行存储,即rmax较大的数据进行评估;
“柱状抓握”动作定量评估的评估结果统计为:
a.最大柱状抓握半径范围差值r:
r=rmax-rmin
其中,rmax为运动过程中柱状抓握半径最大值,rmin为柱状抓握半径最小值
b.抓握速度ω:
ri和ti为当前柱状抓握半径和当前时间,ri-1和ti-1为上一帧柱状抓握半径和时间
c.平均抓握速度
rmax和tmax为最大柱状抓握半径和时间,rmin和tmin为最小柱状抓握半径和时间
3、根据权利要求1所述的基于人手“柱状抓握”动作的手功能康复定量评估方法,其特征在于,所述“柱状抓握”评估结果描述方式:
1)在数据处理的过程中,健手最大柱状抓握半径范围差值为Δrh,平均抓握速度为在同一患者不同康复时期,健手数据作为患者参照标准数据,如无二次发病,健手数据保持不变;
2)进行柱状抓握评估时,将患者患手数据进行更新,定义当前评测患手最大柱状抓握半径范围差Δru,平均抓握速度通过与健手参照标准数据进行计算,得到如下结果:
3)将半径评估值作为主要评估依据,将健手与患手的平均抓握速度作为辅助参考依据,具有极大的临床意义。
所述“柱状抓握”动作患者测试步骤为:
a.待测者采取坐位,上臂置于体侧,屈肘,手部处柱状抓握中立位自然伸展置于检测仪器(如图6所示)中,测试仪器左右各设有一个工作区,分别用于测试者左右手的检测,对健手进行数据建立以及对患手进行定量评估;
b.在医师指导下,患者进行健手的数据采集建立;
c.患者健手开始进行柱状抓握动作,运动过程中,当柱状抓握半径增量为1度时,存储手部位置参量与定量数据信息;
d.当患者手部从初始位置抓握到极限位置(近握拳)时,停止数据采集,计算出最大柱状抓握半径和最小抓握半径差,以及平均抓握速度;
e.重复c、d步骤一次,将两组数据进行比对,保留较优结果,即最大柱状抓握半径和最小抓握半径差最大的结果;
f.在医师指导下,患者进行患手的定量评估;
g.重复c、d、e步骤,完成患者待测手数据获取;
h.通过所述“柱状抓握”动作评估结果获取方法,算计出测试者柱状抓握动作评估值。
Claims (5)
1.一种基于人手“柱状抓握”动作的手功能康复定量评估方法,其特征在于操作步骤如下:
1)采用手功能康复定量评估设备,进行数据采集,采集患者健手和患手的手部骨骼及关节点信息;
2)数据处理:根据手功能康复定量评估设备中的光学动作捕捉设备所获取的手部骨骼及关节点信息,计算最大抓握半径差值,抓握速度,平均抓握速度;
3)定量评估结果:以患者健手作为参照对象,利用步骤2)计算的参数,将患手与健手的参数作比得出一个百分值作为评估值即评估结果。
2.根据权利要求1所述的基于人手“柱状抓握”动作的手功能康复定量评估方法,其特征在于所述步骤1)中的手功能康复定量评估设备(图6),包括机壳(5)、电脑主机(3),交互显示屏(4),两个光学摄像头(1),四个光学动作捕捉传感器(2),两个光学摄像头(1)和四个光学动作捕捉传感器(2)都连接于电脑主机(3)之上,机壳(5)中有隔板而把其内腔分隔成左右工作区,两个光学摄像头分别安装在左右工作区内顶壁上,采集左右手在完成评估过程中的视觉信息,四个光学动作传感器分别安装在左右工作区内底上和隔板上,精确获取手部骨骼及关节点信息,利用这些信息进行模型建立,参数计算。
3.根据权利要求1所述的基于人手“柱状抓握”动作的手功能康复定量评估方法,其特征在于步骤1)中所述的数据采集的步骤如下:
a.待测者采取坐位,上臂置于体侧,屈肘,手部处柱状抓握中立位自然伸展置于手功能康复定量评估设备中,手功能康复定量评估设备左右各设有一个工作区,分别用于测试者左右手的检测,对健手进行数据采集建立;
b.在医师指导下,患者进行健手的数据采集建立;
c.患者健手开始进行柱状抓握动作,运动过程中,当柱状抓握半径增量为1mm±0.1mm时,存储手部位置参量与定量数据信息;
d.当患者手部从初始位置抓握到极限位置—近握拳时,停止数据采集;
e.重复c、d步骤一次,采集俩次数据。
4.根据权利要求1所述的基于人手“柱状抓握”动作的手功能康复定量评估方法,其特征在于所述步骤2)数据处理:
通过光学动作捕捉设备精确获取手部骨骼及关节点信息并提取相关参量:中立位中指掌骨关节末端关节点A(X1,Y1,Z1),中指远端指骨关节尖端关节点B(X2,Y2,Z2),拇指远端指骨关节尖端关节点C(X3,Y3,Z3);
“柱状抓握”动作定量评估的数据预处理为:
1)计算的长度:
2)计算ΔABC的半周长P
3)计算ΔABC的面积S
4)计算ΔABC的外接圆半径r
(1)“柱状抓握”动作定量评估的评估参数处理为:
a.手部在初始位置时,将当前时间t0、初始半径r存储在数据库之中,
b.运动过程中,当Δr=1mm时(即当柱状抓握半径增量等于1毫米时),存入对应数据帧号i、时间ti、抓握半径rmax,
c.当Δr=1mm时(即当当柱状抓握半径增量等于1毫米时),判断当前数据帧柱状抓握半径r与上一帧数据比较如果大于上一帧,则rmax=r,如何小于上一帧则rmin=r;
d.当运动至最大限度并向初始位返回时,停止数据采集,并将运动过程中柱状抓握最大值rmax和最小值rmin存储,
e.为避免出现单次动作采集出现误差,在健手与患手数据采集中均完成多次采集(本发明重复进行2组数据采集),取最优结果进行存储,即rmax较大的数据进行评估;
(2)“柱状抓握”动作定量评估的评估结果统计为:
a.最大柱状抓握半径范围差值r:
r=rmax-rmin
其中,rmax为运动过程中柱状抓握半径最大值,rmin为柱状抓握半径最小值
b.抓握速度ω:
ri和ti为当前柱状抓握半径和当前时间,ri-1和ti-1为上一帧柱状抓握半径和时间
c.平均抓握速度
rmax和tmax为最大柱状抓握半径和时间,rmin和tmin为最小柱状抓握半径和时间。
5.根据权利要求1所述的基于人手“柱状抓握”动作的手功能康复定量评估方法,其特征在于所述步骤3)定量评估结果描述方式:
1)在数据处理的过程中,健手最大柱状抓握半径范围差值为Δrh,平均抓握速度为在同一患者不同康复时期,健手数据作为患者参照标准数据,如无二次发病,健手数据保持不变;
2)进行柱状抓握评估时,将患者患手数据进行更新,定义当前评测患手最大柱状抓握半径范围差Δru,平均抓握速度通过与健手参照标准数据进行计算,得到如下结果:
3)将半径评估值作为主要评估依据,将健手与患手的平均抓握速度作为辅助参考依据,具有极大的临床意义。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711426321.8A CN108261175A (zh) | 2017-12-26 | 2017-12-26 | 一种基于人手“柱状抓握”动作的手功能康复定量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711426321.8A CN108261175A (zh) | 2017-12-26 | 2017-12-26 | 一种基于人手“柱状抓握”动作的手功能康复定量评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108261175A true CN108261175A (zh) | 2018-07-10 |
Family
ID=62772530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711426321.8A Pending CN108261175A (zh) | 2017-12-26 | 2017-12-26 | 一种基于人手“柱状抓握”动作的手功能康复定量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108261175A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112205980A (zh) * | 2020-10-16 | 2021-01-12 | 南开大学 | 一种基于光学立体测量的脑深部电刺激术中手部动作评估方法 |
CN112509668A (zh) * | 2020-12-16 | 2021-03-16 | 成都翡铭科技有限公司 | 一种识别手部是否在进行抓握的方法 |
CN117133465A (zh) * | 2023-10-26 | 2023-11-28 | 营动智能技术(山东)有限公司 | 一种慢性病康复治疗效果评价方法、设备及存储介质 |
-
2017
- 2017-12-26 CN CN201711426321.8A patent/CN108261175A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112205980A (zh) * | 2020-10-16 | 2021-01-12 | 南开大学 | 一种基于光学立体测量的脑深部电刺激术中手部动作评估方法 |
CN112509668A (zh) * | 2020-12-16 | 2021-03-16 | 成都翡铭科技有限公司 | 一种识别手部是否在进行抓握的方法 |
CN117133465A (zh) * | 2023-10-26 | 2023-11-28 | 营动智能技术(山东)有限公司 | 一种慢性病康复治疗效果评价方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109243572B (zh) | 一种精准运动评估和康复训练系统 | |
Hester et al. | Using wearable sensors to measure motor abilities following stroke | |
CN105832343B (zh) | 多维视觉手功能康复定量评估系统和评估方法 | |
US7478009B2 (en) | Apparatus and method for evaluating a hypertonic condition | |
EP3376414B1 (en) | Joint movement detection system and method, and dynamic assessment method and system for knee joint | |
CN108634957A (zh) | 基于人手“手指内收外展”动作的手功能康复定量评估方法 | |
CN103417218A (zh) | 一种上肢运动的参数采集评估系统及方法 | |
CN104159644A (zh) | 分析高尔夫挥杆的装置和方法 | |
US20070038154A1 (en) | Living body inspection apparatus | |
CN108261175A (zh) | 一种基于人手“柱状抓握”动作的手功能康复定量评估方法 | |
CN110755085B (zh) | 基于关节活动度与运动协调性的运动功能评估方法及设备 | |
CN112057040B (zh) | 一种上肢运动功能康复评价方法 | |
CN109199417A (zh) | 一种用于运动康复治疗的增强现实方法及系统 | |
Zhou et al. | Instrumented trail-making task: application of wearable sensor to determine physical frailty phenotypes | |
CN105902273A (zh) | 一种基于人手尺偏动作的手功能康复定量评估方法 | |
CN116507276A (zh) | 用于机器学习以从图像分析肌肉骨骼康复的方法和设备 | |
US20220378349A1 (en) | A novel means of assessing muscular function and frailty | |
CN107256390B (zh) | 基于手各个部位在三维空间位置变化的手功能评价装置及方法 | |
CN112185565A (zh) | 一种基于动作识别的患者康复评定方法 | |
TW201121525A (en) | Training system and upper limb exercise function estimation for hemiplegic stroke patient. | |
Connolly et al. | Wearable rehab technology for automatic measurement of patients with arthritis | |
CN113974612A (zh) | 一种卒中患者上肢运动功能自动化评估方法与系统 | |
CN109492713A (zh) | 一种远程超声影像质量监控系统 | |
Fazeli et al. | Estimation of spatial-temporal hand motion parameters in rehabilitation using a low-cost noncontact measurement system | |
Jobbagy et al. | Early detection of Parkinson's disease through automatic movement evaluation |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180710 |