CN108309236B - 人体平衡评估方法及系统 - Google Patents
人体平衡评估方法及系统 Download PDFInfo
- Publication number
- CN108309236B CN108309236B CN201810036115.4A CN201810036115A CN108309236B CN 108309236 B CN108309236 B CN 108309236B CN 201810036115 A CN201810036115 A CN 201810036115A CN 108309236 B CN108309236 B CN 108309236B
- Authority
- CN
- China
- Prior art keywords
- data
- pressure
- area
- gravity center
- complexity
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
- A61B5/4023—Evaluating sense of balance
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种人体平衡评估方法,包括:采集待测体的压力重心数据;采用多尺度熵算法处理所述压力重心数据,得到多尺度熵曲线下的面积值,所述面积值作为所述压力重心数据的复杂度,用以衡量所述待测体的平衡性;确定所述压力重心数据的重心轨迹,计算所述重心轨迹所形成的图形的面积得到压力重心轨迹面积,用于衡量所述待测体的平衡性;通过所述轨迹面积与所述复杂度的比值衡量所述待测体的平衡性。通过轨迹面积与复杂度的比值来确定人体或被测物的平衡性,具体根据人体重心变化所包含的信息,进行平衡性的计算,使得本方法克服了线性系统算法和非线性系统算法的缺点,能够准确的评估人体的平衡性。
Description
技术领域
本发明涉及人体平衡检测技术领域,具体而言,涉及一种人体平衡评估方法及系统。
背景技术
目前,在生理医学中常用“复杂度(complexity)”来分析生理信号,这样的特性是从生理控制系统的动态模型分析和诊断学中总结出来的,例如随着年龄的增长,生理信号量随之减少,个体的使用能力减弱,因此复杂度的缺失被认为是病理动力学的普遍特征。熵是计算信号复杂度的。
现有的动静压力平衡仪大部分都只是采集人体动态步伐压力重心和站桩式静态压力中心的数据,人体的平衡性只是根据动态步伐的重心轨迹形成的椭圆和离心率去评估。只能通过动态步伐重心轨迹形成的椭圆面积和离心率去计算,准确率低,算法简单并且设备易用性较差,设备采集器需要专业的人来操作,并且只是采集,还需要导出去重新分析计算才能登出结论,没有专业人员完成不了,而且设备庞大,造价高,不可移植。
发明内容
鉴于此,本发明提出了一种人体平衡评估方法及系统,旨在解决准确获得人体平衡性的问题。
一个方面,本发明提出了一种人体平衡评估方法,包括:采集待测体的压力重心数据;采用多尺度熵算法处理所述压力重心数据,得到多尺度熵曲线下的面积值,所述面积值作为所述压力重心数据的复杂度,用以衡量所述待测体的平衡性;确定所述压力重心数据的重心轨迹,计算所述重心轨迹所形成的图形的面积得到压力重心轨迹面积,用于衡量所述待测体的平衡性;通过所述轨迹面积与所述复杂度的比值衡量所述待测体的平衡性。
进一步地,在计算所述压力重心轨迹面积时,根据所述图形在坐标系中的位置,确定所述图形的极值点,并将所述图形在所述坐标系中连续旋转预设角度,确定每次旋转后的所述图形的极值点,直到所述图形旋转180度后,结束旋转操作,并将所有的极值点首尾相连形成所述重心轨迹的图形。
进一步地,将所述重心轨迹的图形拆分为N-2个三角形,所述压力重心轨迹面积为N-2个三角形的面积之和,其中N为所述图形的极值点的个数,其N为大于2的整数。
进一步地,结束所述旋转操作后,对所有的所述极值点进行去重操作,只保留一个位于所述图形中相同位置的极值点,根据去重操作后的极值点确定所述重心轨迹的图形。
进一步地,确定所述复杂度时,分解所述压力重心数据,去除掉所述压力重心数据中的噪声、其他高频分量和部分低频分量后,重组所述压力重心数据,用多尺度熵分析重组后的所述压力重心数据,得到在各个尺度下样本熵的总体面积值,作为所述复杂度。
进一步地,所述重心轨迹的图形在所述坐标系中的各个点的坐标,按下式计算:
Xn=X*cos(dwA)+Y*sin(dwA)
Yn=Y*cos(dwA)+X*sin(dwA)
其中,dwA为所述重心轨迹的图形在所述坐标系中旋转的角度,其为预设值,Xn和Yn为所述点经过旋转后的新坐标,X、Y为所述点的原始坐标。
进一步地,各所述三角形的面积,按下式计算:
T=(a+b+c)/2
其中,a、b、c为所述三角形的三边长,所述三角形的顶点根据所述重心轨迹的极值点确定,T为所述三角形周长的一半,A为所述三角形的面积。
进一步地,采集n组所述压力重心数据的重心坐标数的数据集,通过重心公式计算所述压力重心数据的重心坐标数据集合[copx,copy],所述重心公式为:
M*copx=s1*x1+s2*x2+.....+sn*xn
M*copy=s1*y1+s2*y2+.....+sn*yn
其中copx为所述压力重心数据x轴方向的集合,copy所述压力重心数据y轴方向的集合,sn为第n组所述数据集,xn为第n组所述数据集的x轴坐标,yn为第n组所述数据集的y轴坐标。
进一步地,在分解所述压力重心数据时,根据数据序列本身的时间尺度来分解信号,产生一组数新的据序列,设定为本征模函数,每一个所述本征模函数都包含了原始所述压力重心数据在某个尺度上的局部特征,所述本征模函数的应当满足以下条件:在整个所述压力重心数据序列中,过零点的数目和极值点的数目相差不超过1;在所述预设时间范围的任意时刻,由所述极值点形成的上下包络线的均值趋近于零。
进一步地,用多尺度熵计算所述本征模函数重组后的所述压力重心数据,多尺度熵曲线下面积值为所述压力重心数据重组后的复杂度,重组后的所述复杂度按下式计算:
其中CI为重组后的所述复杂度,MSEn为第n组重组后的所述压力重心数据,h为所述数据序列与所述多尺度熵曲线平均包络线平均值的差值。
进一步地,所述复杂度包括所述压力重心数据在坐标系中的x轴方向的复杂度,以及所述所述压力重心数据在坐标系中的y轴方向的复杂度,通过所述压力重心轨迹面积与所述x轴方向的复杂度的比值,以及所述压力重心轨迹面积与所述y轴方向的复杂度的比值衡量待测体的平衡性。
进一步地,将所述x轴方向的复杂度、y轴方向的复杂度相加,获得相加后的复杂度,通过所述压力重心轨迹面积与所述相加后的复杂度的比值衡量待测体的平衡性。
进一步地,所述重心轨迹的图形为一不规则多边形,在拆分所述图形时,以所述图形的任意一极值点为定点,与其余极值点连接,形成N-2三角形。
进一步地,在对多个所述待测体进行所述压力重心数据的采集时,每采集一个所述待测体的所述压力重心数据前,将前一个所述待测体的所述压力重心数据清除,防止多个所述压力重心数据的混乱而影响测量结果。
进一步地,所述压力重心数据为预设时间内对同一所述待测体实时测量获得的数据。
另一方面,本发明提出了一种人体平衡评估系统,包括:采集模块,用于采集待测体的压力重心数据;处理模块,所述处理模块与所述采集模块连接,所述处理模块采用多尺度熵算法处理所述压力重心数据,得到多尺度熵曲线下的面积值,所述面积值作为所述压力重心数据的复杂度,用以衡量所述待测体的平衡性;所述处理模块还用于确定所述压力重心数据的重心轨迹,计算所述重心轨迹所形成的图形的面积,得到压力重心轨迹面积,通过所述轨迹面积衡量所述待测体的平衡性;所述处理模块通过所述轨迹面积与所述复杂度的比值衡量所述待测体的平衡性。
进一步地,所述系统还包括一显示模块,所述显示模块与所述处理模块连接,用以显示所述处理模块输出的所述轨迹面积与所述复杂度的比值。
进一步地,所述采集模块包括一压力传感器,通过所述压力传感器采集所述待测体的压力重心数据。
进一步地,所述处理模块包括一MCU处理器,所述MCU处理器用于接收所述压力传感器采集的所述压力重心数据,并根据所述压力重心数据输出所述轨迹面积与所述复杂度的比值。
本发明的有益效果为:通过轨迹面积与复杂度的比值来确定人体或被测物的平衡性,具体根据人体重心变化所包含的信息,进行平衡性的计算,使得本方法克服了线性系统算法和非线性系统算法的缺点,能够准确的评估人体的平衡性。
进一步地,通过采用旋转的方式确定极值点,能够找出全部的极值点,从而避免漏掉极值点的情况,能够准确的确定重心轨迹的图形,从而能够通过极值点准确的计算出重心轨迹的面积。
进一步地,通过在坐标系内确定极值点,来确定重心轨迹的图形,避免遗漏数据,使得所有数据都包括在图形内,以对图形内的数据进一步进行分析,已获得最终结果,提高数据完整性,进一步提高了最终结构的准确性。
进一步地,通过将重心轨迹的图形分解为N-2个三角形来计算重心轨迹的图形的面积,替代了以往用椭圆面积计算重心轨迹的图形的面积的方式,进一步提高了计算面积时的准确性,从而提高了评估人体平衡性的准确率。
进一步地,通过极值点准确的计算出重心轨迹的面积,并将x轴复杂度与y轴复杂度相加得到一个综合值,通过重心轨迹的面积与复杂度综合值的比值来判断待测体的平衡性,进一步提高计算结果的准确性。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例人体平衡评估方法的流程图;
图2为本发明实施例人体平衡评估方法的第一重心轨迹的图形;
图3为本发明实施例人体平衡评估方法的第二重心轨迹的图形;
图4为本发明实施例人体平衡评估方法的第二重心轨迹的图形;
图5为本发明实施例人体平衡评估装置的第一底板示意图;
图6为本发明实施例人体平衡评估装置的上侧板示意图;
图7为本发明实施例人体平衡评估装置的第二底板示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
实施例一
参阅图1所示,其为本发明实施例人体平衡评估方法的流程图。本实施例所述人体平衡评估方法包括以下步骤:
步骤S101,采集待测体的压力重心数据;
步骤S102,采用多尺度熵算法处理压力重心数据,计算压力重心数据的复杂度;
步骤S103,确定压力重心数据的重心轨迹,计算重心轨迹所形成的图形的面积得到压力重心轨迹面积;
步骤S104,通过轨迹面积与复杂度的比值衡量待测体的平衡性。
具体而言,步骤S101,采集待测体的压力重心数据。在预设的时间内,使待测体置于采集器上,通过采集器实时获取待测体的压力重心数据,并将数据保存以便进一步分析。
具体而言,步骤S102,采用多尺度熵算法处理压力重心数据(Cop:center ofpressure),计算压力重心数据的复杂度CI(complexity,MSE曲线下的面积值)。在获取待测体的压力重心数据后,采用多尺度熵(MSE:multi-scalesample entropy)算法对获取的压力重心数据进行处理,得到Cop数据的集合[copx,copy],并计算copx数据的CI和copy数据的CI,将得到copx、copy的CI进行求和,得到copx数据的CI和copy数据的CI的和值SumCI,通过SumCI的数值判断待测体的平衡性。具体的,复杂度包括压力重心数据在坐标系中的x轴方向的复杂度,以及压力重心数据在坐标系中的y轴方向的复杂度,通过压力重心轨迹面积与x轴方向的复杂度的比值,以及压力重心轨迹面积与y轴方向的复杂度的比值衡量待测体的平衡性。将所述x轴方向的复杂度、y轴方向的复杂度相加,获得相加后的复杂度SumCI。
具体而言,步骤S103,确定压力重心数据的重心轨迹,计算重心轨迹所形成的图形的面积得到压力重心轨迹面积。根据获得的Cop数据,计算得出Cop数据在坐标系中的各个点的坐标,并根据各点的坐标计算Cop数据在坐标系中的极值点,将得到的所有极值点依次收尾相连,极值点则为Cop数据的重心轨迹,重心轨迹所形成的图形为不规则的多边形,并计算多边形的面积,多边形的面积即为cop数据的重心轨迹面积SumS,根据重心轨迹面积可判断待测体的平衡性。或者,通过压力重心轨迹面积与相加后的复杂度的比值衡量待测体的平衡性。
可以理解的是,步骤S102和步骤S103的先后顺序在此只是示例性说明,并不是对具体顺序的限定,步骤S102和步骤S103可以相互颠倒进行,还可以同时进行,即步骤S102和步骤S103为并列存在的两个步骤。
具体而言,步骤S104,通过轨迹面积与复杂度的比值衡量待测体的平衡性。由于线性系统和非线性系统均存在诸多缺点,因此,将重心轨迹面积SumS与SumCI相比,计算SumS/SumCI的比值,通过SumS/SumCI的比值来判断待测体的平衡性。
可以理解的是,通过轨迹面积SumS与复杂度SumCI的比值来确定被测物的平衡性,能够克服单独使用SumS或SumCI时的不足,进一步提高测量被测物的平衡性使得准确性,同时还克服了线性系统和非线性系统判断被测体平衡性时均存在的诸多缺点。
参阅图2和图3所示,其分别为本发明实施例人体平衡评估方法的第一重心轨迹的图形和第二重心轨迹的图形。基于上述实施例的一种可能的实现方式中,在计算压力重心轨迹面积时,根据压力重心轨迹所形成的图形在坐标系中的位置,确定图形的极值点,即确定压力重心轨迹在坐标系中的极值点,并将图形在坐标系中连续旋转预设角度,确定每次旋转后的图形的极值点,直到图形旋转180度后,结束旋转操作,并将所有的极值点首尾相连形成重心轨迹的在坐标系中的图形,所述图形为不规则图形,图形的面积即为SumS。具体的,在图2中,首先可以确定坐标系中的图形x轴上的极值点f和j,f为x轴上的极小值,j为x轴上的极大值,同时,还可以确定y轴上的极值点i和e,i为y轴上的极大值e为y轴上的极小值,在此图形的初始位置时,即可确定了四个极值点i、j、e、f;在将次图形在坐标系内进行旋转操作,旋转角度可按3度或者5度进行旋转操作,沿任意一个点进行旋转此图形,以g点为例,旋转角度按5度进行旋转操作,每旋转一次,进行一次极值点的确认,直至将次图形旋转180度位置,将旋转过程中的所有极值点全部找出,具体如图3所示,在此图形旋转180度后,得到新的极值点h和d,到此此图形的所有极值点已全部确定,分别为h、i、j、d、e和f。在极值点确认后,将h、i、j、d、e和f依次首尾相连,得到一六边形,则线hijdefh为重心轨迹,线hijdefh为一封闭的轮廓线,六边形的面积即为重心轨迹的面积。
结合图4所示,其为本发明实施例人体平衡评估方法的第三重心轨迹的图形。基于上述实施例的另一种可能的实现方式中,进一步地,在计算重心轨迹的图形的面积时,将重心轨迹的图形拆分为N-2个三角形,压力重心轨迹面积为N-2个三角形的面积之和,其中N为图形的极值点的个数,其N为大于2的整数。
具体而言,在得到六边形hijdef后,可确定此六边形hijdef由六个极值点组成,则在计算六边形的面积时,将六边形分成(6-2)个三角形,即为4个三角形,分别计算4个三角形的面积,将4个三角形的面积相加得到六边形的面积,从而即可获得重心轨迹的面积。
具体而言,各三角形的面积,按下式计算:
T=(a+b+c)/2
其中,a、b、c为三角形的三边长,三角形的顶点根据所述重心轨迹的极值点确定,T为三角形周长的一半,A为三角形的面积。即三角形aef的面积A为:
可以理解的是,再将多边形拆分为多个三角形时,以多边形的一个顶点为中心点,分别与其他的顶点连接,以形成若干三角形,如图4所示,以点e为中心点,将六边形拆分为4个三角形。
基于上述实施例的另一种可能的实现方式中,结束旋转操作后,对所有的极值点进行去重操作,只保留一个位于图形中相同位置的极值点,根据去重操作后的极值点确定重心轨迹的图形。
进一步地,重心轨迹的图形在坐标系中的各个点的坐标,按下式计算:
Xn=X*cos(dwA)+Y*sin(dwA)
Yn=Y*cos(dwA)+X*sin(dwA)
其中,dwA为重心轨迹的图形在坐标系中旋转的角度,其为预设值,Xn和Yn为点经过旋转后的新坐标,X、Y为点的原始坐标。
基于上述实施例的另一种可能的实现方式中,确定Cop数据的复杂度CI时,分解Cop数据,去除掉Cop数据中的噪声、其他高频分量和部分低频分量后,重组压力重心数据,用多尺度熵分析重组后的压力重心数据,得到在各个尺度下样本熵的总体面积值,作为Cop数据的复杂度CI。
具体而言,在预设时间内,采集n组压力重心数据的重心坐标数的数据集,通过重心公式计算压力重心数据的重心坐标数据集合[copx,copy],重心公式为:
M*copx=s1*x1+s2*x2+.....+sn*xn
M*copy=s1*y1+s2*y2+.....+sn*yn
其中copx为压力重心数据x轴方向的集合,copy压力重心数据y轴方向的集合,sn为第n组数据集,xn为第n组数据集的x轴坐标,yn为第n组数据集的y轴坐标。
具体而言,分解压力重心数据时,采用经验模态分解法(EMD:empiricalmodedecomposition)来分解压力重心数据。具体的,根据数据序列本身的时间尺度来分解信号,产生一组数新的据序列,设定为本征模函数(IMF,intrinsic mode function),每一个本征模函数都包含了原始压力重心数据在某个尺度上的局部特征,本征模函数的应当满足以下条件:在整个压力重心数据序列中,过零点的数目和极值点的数目相差不超过1;在预设时间范围的任意时刻,由极值点形成的上下包络线的均值趋近于零。
进一步地,Cop数据处理的具体过程为:
(1)确定数据序列xt所有的局部极大值点和极小值点;
(2)用三次样条插值将所有的局部极大值点连接起来形成的上包络线,用同样的方法得到下包络线;
(3)计算上下包络线的平均值,得到平均包络线m1,xt和m1的差值即为第一个分h1:
xt-m1=h1
(4)如果h1满足IMF分量的两个条件,那么h11就是xt的第一个特征模函数;若h1不满足IMF分量的条件,把h1作为原始数据,重复步骤1-3,得到新的差值h11如下:
h1-m11=h11
(5)如果h11仍然不满足条件,则步骤1-3重复k次直到h11满足条件:
h1(k-1)-m1k=h1k
这样就从原始信号中分解得到了第一个IMF分量,记作c1=h1k,从原始信号中将c1分离出来,得到差值信号r1,即:
xt-c1=r1
(5)将r1作为新的原始数据重复1-4,得到结果
r1-c2=r2…r(n-1)-cn=rn
当满足以下任意一个条件满足时,对原始信号筛选结束:
(1)分量cn或残余量rn小于实质结果的预定值;
(2)rn成为一个单调函数,不能再分解出本征模函数。
具体而言,用多尺度熵计算本征模函数重组后的压力重心数据,多尺度熵曲线下面积值为压力重心数据重组后的复杂度CI,重组后的复杂度CI按下式计算:
其中CI为重组后的复杂度,MSEn为第n组重组后的压力重心数据,h为数据序列与多尺度熵曲线平均包络线平均值的差值。在计算获得复杂度CI后,综合copx和copy所对应的复杂度CI,得到综合后的SumCI,将已获得的Sums与SumCI相比,通过Sums/SumCI的比值来判断人体或者其他待测体的平衡性能。
可以理解的是,通过轨迹面积与复杂度的比值来确定人体或被测物的平衡性,具体根据人体重心变化所包含的信息,进行平衡性的计算,使得本方法克服了线性系统算法和非线性系统算法的缺点,能够准确的评估人体的平衡性。
具体而言,在对多个待测体进行压力重心数据的采集时,每采集一个待测体的压力重心数据前,将前一个待测体的压力重心数据清除,防止多个压力重心数据的混乱而影响测量结果。上述的压力重心数据为预设时间内对同一所述待测体实时测量获得的数据。
基于上述实施例的一种可实现上述人体平衡评估方法的系统,所述人体平衡评估系统包括:采集模块和处理模块。采集模块用于采集待测体的压力重心数据;处理模块与采集模块连接,处理模块采用多尺度熵算法处理压力重心数据,得到多尺度熵曲线下的面积值,面积值作为压力重心数据的复杂度,用以衡量待测体的平衡性;处理模块还用于确定压力重心数据的重心轨迹,计算所述重心轨迹所形成的图形的面积,得到压力重心轨迹面积,通过轨迹面积衡量待测体的平衡性;处理模块通过轨迹面积与复杂度的比值衡量待测体的平衡性。
具体而言,上述人体平衡评估系统还包括一显示模块,显示模块与处理模块连接,用以显示处理模块输出的轨迹面积与所述复杂度的比值。显示模块还可以分别显示处理模块输出的轨迹面积的数据,以及压力重心数据的复杂度。
具体而言,采集模块包括一压力传感器,通过压力传感器采集待测体的压力重心数据。处理模块包括一MCU处理器,MCU处理器用于接收压力传感器采集的压力重心数据,并根据压力重心数据输出轨迹面积与复杂度的比值。
结合图5和图6所示,其分别为本发明实施例人体平衡评估方法装置的第一底板示意图和上侧板示意图。基于上述实施例的一种可实现上述人体平衡评估方法的装置。本实施方式所述装置包括一采集器,由上侧板9和底板8相闭合组成,将各个器件设在底板8上,身体平衡秤包括:主板1、压力传感器2、电极片3。主板1设置在采集器的底板8上,主板1用以接收人体压力数据并输出人体防摔等级数据,主板1用以接收所述人体电阻抗数据并输出所述人体相关指数数据;压力传感器2设置在底板8上,与主板1连接,用以向主板1输出人体压力数据;电极片3设置在采集器的上侧板9上,与主板1连接,用以向主板1输出人体电阻抗数据。主板1还包括一MCU处理器,用以处理输入的人体压力数据、人体电阻抗数据。MCU处理器按照上述人体平衡评估方法处理人体压力数据。
具体而言,首先将主板1固定在底板8上,并在底板8的四角位置设置至少设置三个压力传感器2,主板1与压力传感器2通过连接线连接以传递数据;在上侧板9上设置电极片3,并将电极片3与主板1通过连接线连接以采集人体的电阻抗数据;MCU处理器固定在主板1上,用以计算并处理数据。
具体而言,主板1上还设有一输入模块,用以输入人体的年龄、身高、性别。输入模块可直接固定在主板1上相应的位置,并在上侧板9上开设相应的孔位使得输入模块露出,用户可进行相应的输入操作;或者,输入模块固定在上侧板9上,不与主板1直接固定,而通过连接线连接。
具体而言,采集器还包括一显示屏5,显示屏5设在上侧板9上,与主板1连接,用以显示所述主板1的输出数据。显示屏5可以为单独设置的显示器件,其可以为单色或者彩色显示屏5,只需能够满足显示数据即可,或者,显示屏5还可以为触摸显示屏5,其还具有输入功能,可以输入数据传输至主板1进行处理,即可以理解为将输入模块和显示屏5合二为一,已达到更好用户体验,以及节省面板空间的效果和目的。
具体而言,电极片3选用ITO导电玻璃。ITO导电玻璃设在所述上侧板9表面,并且显示屏5可以透过ITO导电玻璃显示数据。ITO导电玻璃可以作为上侧板9,或者在ITO导电玻璃下侧设置一支撑板,以固定ITO导电玻璃,防止其碎裂,或者直接将ITO导电玻璃粘合在上侧板9上,并在上侧板9上开设可使显示屏5通过的光孔,以使得显示屏5可以通过ITO导电玻璃显示数据。
具体而言,采集器还包括一电源模块4,电源模块4设在底板8上,或者设在上侧板9上,与所述主板1连接,用以为主板1提供电源。电源模块4可以选用碱性电池、蓄电池或者锂电池等,其只需能够为采集器提供电源即可。
具体而言,首先通过压力传感器2收集人体的压力数据,将压力数据传输至主板1,同时通过电极片3收集人体的电阻抗数据,传输至主板1;用户通过输入模块输入用户的年龄、身高、性别等数据,并将此数据传输至主板1;主板1收集压力数据、电阻抗数据以及用户的年龄、身高、性别等数据,主板1上的MCU处理器内置生物电阻抗算法和身体平衡指数算法,MCU处理器根据内置的相关算法结合收集到的相关数据,确定人体的体重、脂肪率、骨量、BMI、水分率、肌肉含量、基础代谢率和内脏脂肪指数等相关数据。具体的,设置至少三个压力传感器2,采集人体的得重心变化信息,以确定人体的防摔等级指数。在MCU处理器确定了上述数据之后,将上述数据传输至显示屏5进行显示,使得用户可以清楚的获知自身相关指数数据。
可以理解的是,本采集器通过设置电极片3和压力传感器2,以及通过内置处理器以进行相关指数的计算和确定,并通过显示屏5展示给用户,使得用户能够轻易的获取自身相关健康指数,能够及时的进行实时的获知自身健康状况,同时,本采集器通过设置同个压力传感器2,能够实时收集人体的压力重心变化,从而能够确定用户的防摔等级。
结合图6和图7所示,其分别为本发明实施例人体平衡评估装置上侧板示意图和第二底板示意图。基于上述实施例的另一种可实现上述人体平衡评估方法的装置。本实施方式所述采集器由上侧板9和底板8相闭合组成,将各个器件设在底板8上,身体平衡秤包括:主板1、压力传感器2、电极片3和传输模块6。主板1设置在采集器的底板8上,主板1用以接收人体压力数据并输出人体防摔等级数据,主板1用以接收所述人体电阻抗数据并输出所述人体相关指数数据;压力传感器2设置在底板8上,与主板1连接,用以向主板1输出人体压力数据;电极片3设置在采集器的上侧板9上,与主板1连接,用以向主板1输出人体电阻抗数据;传输模块6设在所述底板8上,分别与主板1和终端连接,用以将主板1输出的数据传输至终端,还用以将终端输出的数据传输至主板1。
具体而言,传输模块6可以接收主板1输出的人体相关数据并传输至用户终端,以进行显示,使得用户可更加便捷的获取相关数据;同时,传输模块6还以接收用户终端输出的用户的年龄、身高、性别等信息,传输至主板1,以使得主板1进行相关数据的计算。用户终端可以是手机、PC、平板或者其他终端设备,传输模块6采用无线传输和/或有线传输的方式与主板1、终端进行连接,无线方式可采用蓝牙、WIFI、Zigbee等无线方式连接,有线方式通过数据线使传输模块6和终端连接,可以理解的是,具体选用那种连接方式无需限定,其只需能够传输数据即可。传输模块6可以单独设置在采集器的底板8上,还可以直接设置在主板1上。
具体而言,首先将主板1固定在底板8上,并在底板8的四角位置设置至少设置三个压力传感器2,主板1与压力传感器2通过连接线连接以传递数据;在上侧板9上设置电极片3,并将电极片3与主板1通过连接线连接以采集人体的电阻抗数据;MCU处理器固定在主板1上,用以计算并处理数据。
具体而言,主板1上还设有一输入模块,用以输入人体的年龄、身高、性别。输入模块可直接固定在主板1上相应的位置,并在上侧板9上开设相应的孔位使得输入模块露出,用户可进行相应的输入操作;或者,输入模块固定在上侧板9上,不与主板1直接固定,而通过连接线连接。
具体而言,采集器还包括一显示屏5,显示屏5设在上侧板9上,与主板1连接,用以显示所述主板1的输出数据。显示屏5可以为单独设置的显示器件,其可以为单色或者彩色显示屏5,只需能够满足显示数据即可,或者,显示屏5还可以为触摸显示屏5,其还具有输入功能,可以输入数据传输至主板1进行处理,即可以理解为将输入模块和显示屏5合二为一,已达到更好用户体验,以及节省面板空间的效果和目的。
具体而言,电极片3选用ITO导电玻璃。ITO导电玻璃设在所述上侧板9表面,并且显示屏5可以透过ITO导电玻璃显示数据。ITO导电玻璃可以作为上侧板9,或者在ITO导电玻璃下侧设置一支撑板,以固定ITO导电玻璃,防止其碎裂,或者直接将ITO导电玻璃粘合在上侧板9上,并在上侧板9上开设可使显示屏5通过的光孔,以使得显示屏5可以通过ITO导电玻璃显示数据。
具体而言,采集器还包括一电源模块4,电源模块4设在底板8上,或者设在上侧板9上,与所述主板1连接,用以为主板1提供电源。电源模块4可以选用碱性电池、蓄电池或者锂电池等,其只需能够为采集器提供电源即可。
具体而言,首先通过压力传感器2收集人体的压力数据,将压力数据传输至主板1,同时通过电极片3收集人体的电阻抗数据,传输至主板1;用户通过输入模块输入用户的年龄、身高、性别等数据,并将此数据传输至主板1;主板1收集压力数据、电阻抗数据以及用户的年龄、身高、性别等数据,主板1上的MCU处理器内置生物电阻抗算法和身体平衡指数算法,MCU处理器根据内置的相关算法结合收集到的相关数据,确定人体的体重、脂肪率、骨量、BMI、水分率、肌肉含量、基础代谢率和内脏脂肪指数等相关数据。具体的,设置至少三个压力传感器2,采集人体的得重心变化信息,以确定人体的防摔等级指数。在MCU处理器确定了上述数据之后,将上述数据传输至显示屏5进行显示,使得用户可以清楚的获知自身相关指数数据,同时将相关指数传输至终端进行显示,使得用户可以随时获取自身相关指数。
可以理解的是,本采集器通过设置电极片3和压力传感器2,以及通过内置处理器以进行相关指数的计算和确定,并通过显示屏5展示给用户,使得用户能够轻易的获取自身相关健康指数,能够及时的进行实时的获知自身健康状况,同时,本采集器通过设置同个压力传感器2,能够实时收集人体的压力重心变化,从而能够确定用户的防摔等级。
具体而言,在终端上编写应用程序,应用程序可与采集器进行数据交换,并通过应用程序进行采集器输出的数据的展示,同时还可以通过应用程序输入相关数据并输出至采集器。在移动终端上通过设置APP以实现上述功能,在终端为非移动终端时,设置应用程序。终端上还可以存储相关数据,以便对用户将存储的数据进行进行比较,可明确的知道数据的变化,从而可有针对性的进行改善。
可以理解的是,通过在终端上设置应用程序,使得本采集器使用更加方便灵活,且可使用户随时随地获取相关健康指数数据
具体而言,采集器的主板1上还设置有存储装置,用以存储相关数据,以方便用户实时调取,通过对以往数据的比较,从而判断用户自身的健康指数变化。
根据上述的采集器,制作一平衡称,平衡称内部各部件与上述采集器相同的部分再此不再赘述。具体的,平衡称由上侧板9和底板8组成,在底板8上设置一主板1用以控制各个器件和模块,主板1上设置一MCU处理器用以处理数据;主板1上还设置一输入模块,用以述入用户的身高、年龄、性别等数据;底板8四角部位设置至少三个压力传感器2,压力传感器2用以测量压力数据,压力传感器2与主板1通过导线连接,将收集到的数据传输至主板1,通过MCU处理器进行处理;底板8上还设有电源模块4,用以为平衡称提供电源;底板8或者上侧板9上设置一显示屏5,用以显示主板1输出的数据;在平衡称上侧板9上设置电极片3,用以测量用户的电阻抗数据;平衡称还包括一传输模块6,用以与终端进行数据交换;终端上还编写有相应的应用程序,用以与平衡称进行数据交换,应用程序还以存储平衡称输出数据;同时,还可以在平衡称的主板1上设置一存储装置,用以存储平衡称收集的数据以及输出的数据,以方便用户实时获取历史数据。
具体而言,平衡称的主板1内置身体平衡指数算法和生物电阻抗算法,通过至少三个独立采集重量信息的压力传感器2,将采集的压力数据进行量化处理通过核心算法计算人体的防摔风险等级,同时采集人体阻抗相关信息,计算脂肪率,骨量,BMI,水分率,肌肉含量,基础代谢率,内脏脂肪指数等,并通过显示器可以直接显示测量结果,还可以通过传输模块6间数据传输至终端进行显示。
可以理解的是,身体平衡称通过压力传感器采集重心的实现方法,以及计算身体平衡指数的算法,实现了对人体防摔风险的评估,结构简单,成本低。
综上,可将实施例一中所述的人体平衡评估方法,应用于上述装置的实施方式中,以使得上述装置可进行人体平衡性能的评估,以及人体防摔等级的确定。本领域技术人员可以理解的是,所述的方法可植入至采集器或者平衡称的主板上,或者通过编程植入采集器或者平衡称的处理器内,进行人体平衡性能数据计算,还可以将本法写入终端应用程序内,通过终端内置此方法,进行人体平衡性能的评估操作。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (19)
1.一种人体平衡评估方法,其特征在于,包括:
采集待测体的压力重心数据;
采用多尺度熵算法处理所述压力重心数据,得到多尺度熵曲线下的面积值,将所述面积值作为所述压力重心数据的复杂度;
确定所述压力重心数据的重心轨迹,计算所述重心轨迹所形成的图形的面积,以得到压力重心轨迹面积;
计算所述轨迹面积与所述复杂度的比值,并通过所述轨迹面积与所述复杂度的比值衡量所述待测体的平衡性。
2.根据权利要求1所述的人体平衡评估方法,其特征在于,在计算所述压力重心轨迹面积时,根据所述图形在坐标系中的位置,确定所述图形的极值点,并将所述图形在所述坐标系中连续旋转预设角度,确定每次旋转后的所述图形的极值点,直到所述图形旋转180度后,结束旋转操作,并将所有的极值点首尾相连形成所述重心轨迹的图形。
3.根据权利要求2所述的人体平衡评估方法,其特征在于,将所述重心轨迹的图形拆分为N-2个三角形,所述压力重心轨迹面积为N-2个三角形的面积之和,其中N为所述图形的极值点的个数,其N为大于2的整数。
4.根据权利要求2所述的人体平衡评估方法,其特征在于,结束所述旋转操作后,对所有的所述极值点进行去重操作,只保留一个位于所述图形中相同位置的极值点,根据去重操作后的极值点确定所述重心轨迹的图形。
5.根据权利要求1所述的人体平衡评估方法,其特征在于,确定所述复杂度时,分解所述压力重心数据,去除掉所述压力重心数据中的噪声、其他高频分量和部分低频分量后,重组所述压力重心数据,用多尺度熵分析重组后的所述压力重心数据,得到在各个尺度下样本熵的总体面积值,作为所述复杂度。
6.根据权利要求3所述的人体平衡评估方法,其特征在于,所述重心轨迹的图形在所述坐标系中的各个点的坐标,按下式计算:
Xn=X*cos(dwΑ)+Y*sin(dwΑ)
Yn=Y*cos(dwΑ)+X*sin(dwΑ)
其中,dwA为所述重心轨迹的图形在所述坐标系中旋转的角度,其为预设值,Xn和Yn为所述点经过旋转后的新坐标,X、Y为所述点的原始坐标。
8.根据权利要求1-7任一项所述的人体平衡评估方法,其特征在于,采集n组所述压力重心数据的重心坐标数的数据集,通过重心公式计算所述压力重心数据的重心坐标数据集合[copx,copy],所述重心公式为:
M*copx=s1*x1+s2*x2+.....+sn*xn
M*copy=s1*y1+s2*y2+.....+sn*yn
其中copx为所述压力重心数据x轴方向的集合,copy所述压力重心数据y轴方向的集合,sn为第n组所述数据集,xn为第n组所述数据集的x轴坐标,yn为第n组所述数据集的y轴坐标。
9.根据权利要求5所述的人体平衡评估方法,其特征在于,在分解所述压力重心数据时,根据数据序列本身的时间尺度来分解信号,产生一组数新的据序列,设定为本征模函数,每一个所述本征模函数都包含了原始所述压力重心数据在某个尺度上的局部特征,所述本征模函数的应当满足以下条件:
在整个所述压力重心数据序列中,过零点的数目和极值点的数目相差不超过1;
在预设时间范围的任意时刻,由所述极值点形成的上下包络线的均值趋近于零。
11.根据权利要求1所述的人体平衡评估方法,其特征在于,所述复杂度包括所述压力重心数据在坐标系中的x轴方向的复杂度,以及所述所述压力重心数据在坐标系中的y轴方向的复杂度,通过所述压力重心轨迹面积与所述x轴方向的复杂度的比值,以及所述压力重心轨迹面积与所述y轴方向的复杂度的比值衡量待测体的平衡性。
12.根据权利要求11所述的人体平衡评估方法,其特征在于,将所述x轴方向的复杂度、y轴方向的复杂度相加,获得相加后的复杂度,通过所述压力重心轨迹面积与所述相加后的复杂度的比值衡量待测体的平衡性。
13.根据权利要求3所述的人体平衡评估方法,其特征在于,所述重心轨迹的图形为一不规则多边形,在拆分所述图形时,以所述图形的任意一极值点为定点,与其余极值点连接,形成N-2三角形。
14.根据权利要求1-7、9-13任一项所述的人体平衡评估方法,其特征在于,在对多个所述待测体进行所述压力重心数据的采集时,每采集一个所述待测体的所述压力重心数据前,将前一个所述待测体的所述压力重心数据清除,防止多个所述压力重心数据的混乱而影响测量结果。
15.根据权利要求1-7、9-13任一项所述的人体平衡评估方法,其特征在于,所述压力重心数据为预设时间内对同一所述待测体实时测量获得的数据。
16.一种人体平衡评估系统,其特征在于,包括:
采集模块,用于采集待测体的压力重心数据;
处理模块,所述处理模块与所述采集模块连接,所述处理模块采用多尺度熵算法处理所述压力重心数据,得到多尺度熵曲线下的面积值,所述面积值作为所述压力重心数据的复杂度,用以衡量所述待测体的平衡性;
所述处理模块还用于确定所述压力重心数据的重心轨迹,计算所述重心轨迹所形成的图形的面积,得到压力重心轨迹面积,通过所述轨迹面积衡量所述待测体的平衡性;
所述处理模块通过所述轨迹面积与所述复杂度的比值衡量所述待测体的平衡性。
17.根据权利要求16所述的人体平衡评估系统,其特征在于,所述系统还包括一显示模块,所述显示模块与所述处理模块连接,用以显示所述处理模块输出的所述轨迹面积与所述复杂度的比值。
18.根据权利要求17所述的人体平衡评估系统,其特征在于,所述采集模块包括一压力传感器,通过所述压力传感器采集所述待测体的压力重心数据。
19.根据权利要求18所述的人体平衡评估系统,其特征在于,所述处理模块包括一MCU处理器,所述MCU处理器用于接收所述压力传感器采集的所述压力重心数据,并根据所述压力重心数据输出所述轨迹面积与所述复杂度的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810036115.4A CN108309236B (zh) | 2018-01-15 | 2018-01-15 | 人体平衡评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810036115.4A CN108309236B (zh) | 2018-01-15 | 2018-01-15 | 人体平衡评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108309236A CN108309236A (zh) | 2018-07-24 |
CN108309236B true CN108309236B (zh) | 2021-08-27 |
Family
ID=62893847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810036115.4A Active CN108309236B (zh) | 2018-01-15 | 2018-01-15 | 人体平衡评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108309236B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109330604B (zh) * | 2018-08-28 | 2020-06-09 | 浙江大学 | 一种人体站立晃动信号分解方法及装置 |
CN109271918B (zh) * | 2018-09-10 | 2021-11-16 | 西安理工大学 | 基于重心偏移模型区分平衡能力障碍人群的方法 |
CN110269613A (zh) * | 2019-04-10 | 2019-09-24 | 杭州电子科技大学 | 一种多模态信号静态平衡能力评估方法 |
CN110211662B (zh) * | 2019-06-05 | 2022-12-02 | 山东大学 | 基于视觉反馈的可变倾角站立平衡分析系统及方法 |
CN110916617A (zh) * | 2019-12-05 | 2020-03-27 | 江苏人先医疗科技有限公司 | 量化评估疼痛程度的方法及装置 |
CN111358471B (zh) * | 2020-04-15 | 2023-04-28 | 青岛一小步科技有限公司 | 一种身体姿态检测装置及检测方法 |
CN114176523B (zh) * | 2021-12-13 | 2023-10-27 | 江苏苏云医疗器材有限公司 | 一种站位平衡评估方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1985155A (zh) * | 2004-07-03 | 2007-06-20 | 伍兹堡尤利乌斯-马克西米利安斯大学 | 确定平衡特征的力估算装置和力估算方法 |
CN102088902A (zh) * | 2008-01-23 | 2011-06-08 | 松下电工株式会社 | 重心平衡判定装置 |
TW201125536A (en) * | 2010-01-20 | 2011-08-01 | Univ Yuan Ze | Human body balanced signal measuring system and the analyzing method thereof |
CN102228380A (zh) * | 2011-07-07 | 2011-11-02 | 上海帝诺医疗科技有限公司 | 用于平衡检测的数据分析方法 |
WO2015179910A1 (en) * | 2014-05-30 | 2015-12-03 | Isotechnology Pty Ltd | System and method for facilitating patient rehabilitation |
CN105310696A (zh) * | 2015-11-06 | 2016-02-10 | 中国科学院计算技术研究所 | 一种跌倒检测模型构建方法及相应的跌倒检测方法和装置 |
CN106388830A (zh) * | 2016-09-22 | 2017-02-15 | 小菜儿成都信息科技有限公司 | 基于WiiBalanceboard的平衡性检测方法 |
CN106413554A (zh) * | 2013-11-06 | 2017-02-15 | 康耐狄韦迪有限公司 | 用于评估智力健康障碍的系统 |
WO2017053475A1 (en) * | 2015-09-21 | 2017-03-30 | National Oilwell DHT, L.P. | Downhole drill bit with balanced cutting elements and method for making and using same |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG128483A1 (en) * | 2000-11-25 | 2007-01-30 | Silverbrook Res Pty Ltd | Sensing device with orientation sensor |
CN100388906C (zh) * | 2006-03-22 | 2008-05-21 | 山东师范大学 | 人体重心动态位置测量仪及其测量方法 |
TWI381831B (zh) * | 2010-01-20 | 2013-01-11 | Univ Yuan Ze | Fall risk assessment and the promotion of balance and stability |
JP5409495B2 (ja) * | 2010-04-07 | 2014-02-05 | アニマ株式会社 | 重心動揺システム及び平衡機能の検査方法 |
US9834365B2 (en) * | 2011-10-24 | 2017-12-05 | Eco-Pim Technologies | Temperature stabilizing cargo compartment, including a freeze and heat barrier, for transport container constructed with thermal resistant materials |
EP2946552B1 (en) * | 2013-01-16 | 2018-03-21 | BlackBerry Limited | Context determination for entropy coding of run-length encoded transform coefficients |
JP6349622B2 (ja) * | 2013-03-14 | 2018-07-04 | セイコーエプソン株式会社 | 振動素子、振動子、発振器、電子機器および移動体 |
US20150201867A1 (en) * | 2014-01-21 | 2015-07-23 | The Charlotte Mecklenburg Hospital Authority D/B/A Carolinas Healthcare System | Electronic free-space motion monitoring and assessments |
JP6746334B2 (ja) * | 2015-04-28 | 2020-08-26 | 住友理工株式会社 | バランス能力測定装置 |
CN107478058A (zh) * | 2017-09-30 | 2017-12-15 | 宜兴市海科耐火材料制品有限公司 | 一种换向节能型梭式窑 |
-
2018
- 2018-01-15 CN CN201810036115.4A patent/CN108309236B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1985155A (zh) * | 2004-07-03 | 2007-06-20 | 伍兹堡尤利乌斯-马克西米利安斯大学 | 确定平衡特征的力估算装置和力估算方法 |
CN102088902A (zh) * | 2008-01-23 | 2011-06-08 | 松下电工株式会社 | 重心平衡判定装置 |
TW201125536A (en) * | 2010-01-20 | 2011-08-01 | Univ Yuan Ze | Human body balanced signal measuring system and the analyzing method thereof |
CN102228380A (zh) * | 2011-07-07 | 2011-11-02 | 上海帝诺医疗科技有限公司 | 用于平衡检测的数据分析方法 |
CN106413554A (zh) * | 2013-11-06 | 2017-02-15 | 康耐狄韦迪有限公司 | 用于评估智力健康障碍的系统 |
WO2015179910A1 (en) * | 2014-05-30 | 2015-12-03 | Isotechnology Pty Ltd | System and method for facilitating patient rehabilitation |
WO2017053475A1 (en) * | 2015-09-21 | 2017-03-30 | National Oilwell DHT, L.P. | Downhole drill bit with balanced cutting elements and method for making and using same |
CN105310696A (zh) * | 2015-11-06 | 2016-02-10 | 中国科学院计算技术研究所 | 一种跌倒检测模型构建方法及相应的跌倒检测方法和装置 |
CN106388830A (zh) * | 2016-09-22 | 2017-02-15 | 小菜儿成都信息科技有限公司 | 基于WiiBalanceboard的平衡性检测方法 |
Non-Patent Citations (2)
Title |
---|
CHANGES IN INSTABILITY AND IRREGULARITY OF THE ELDERLY DUE TO DIFFERENT BALANCE ABILITY;DONG WON KANG;《Journal of Mechanics in Medicine and Biology》;20171231;1-8 * |
人体重心动摇轨迹包络面积的快速算法;安美君 等;《计算机工程》;20110531;1-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN108309236A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108309236B (zh) | 人体平衡评估方法及系统 | |
US10993651B2 (en) | Exercise guidance method and exercise guidance device | |
CN107705848B (zh) | 一种根据用户健康状况推荐调理方案的方法及系统 | |
JP7015795B2 (ja) | 体状態の分類 | |
CN111048209A (zh) | 基于活体人脸识别的健康评估方法、装置及其存储介质 | |
CN111048206A (zh) | 一种多维度健康状态的评估方法及装置 | |
CN107967931B (zh) | 身体平衡数据采集器 | |
CN112582067A (zh) | 基于大数据的年龄估计模型训练、年龄估计方法和装置 | |
CN210019349U (zh) | 身体平衡秤 | |
CN116453656B (zh) | 一种心理健康评估预警系统及方法 | |
Koryahin et al. | Innovative Intestification of Testing of Strength Endurance in Physical Education of Students With Chronic Diseases | |
KR20150061206A (ko) | 색채도형 심리 진단장치 및 방법 | |
CN107961014B (zh) | 身体平衡秤 | |
JP2023171493A (ja) | 指標の決定 | |
CN108877931B (zh) | 肩关节康复评价方法、装置及系统 | |
WO2023135625A1 (ja) | 評価装置、評価方法、および記録媒体 | |
CN113180672B (zh) | 一种肌力检测方法、装置以及计算机可读存储介质 | |
CN209401318U (zh) | 身体平衡数据采集器 | |
CN115192024A (zh) | 一种评测vr设备对心理健康影响程度的方法及系统 | |
RU129681U1 (ru) | Система определения функционального состояния группы людей с обратной связью | |
CN109645970B (zh) | 一种戒毒人员的心肺适能测评方法及设备 | |
RU2669618C1 (ru) | Система контроля состава и объемов тела для формирования оздоровительных мероприятий и программ питания | |
KR20150110447A (ko) | 색채도형 심리 진단장치 및 방법 | |
CN109036558B (zh) | 基于行走年龄的健康评估系统 | |
RU129680U1 (ru) | Система определения функционального состояния группы людей |
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 |