CN108338790B - 步态分析及跌倒评估系统 - Google Patents
步态分析及跌倒评估系统 Download PDFInfo
- Publication number
- CN108338790B CN108338790B CN201710055109.9A CN201710055109A CN108338790B CN 108338790 B CN108338790 B CN 108338790B CN 201710055109 A CN201710055109 A CN 201710055109A CN 108338790 B CN108338790 B CN 108338790B
- Authority
- CN
- China
- Prior art keywords
- axis
- gait
- data
- value
- inertial sensor
- 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
- 230000005021 gait Effects 0.000 title claims abstract description 46
- 238000004458 analytical method Methods 0.000 title description 6
- 230000001133 acceleration Effects 0.000 claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 206010008129 cerebral palsy Diseases 0.000 claims abstract description 14
- 230000008054 signal transmission Effects 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004148 unit process Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000011990 functional testing Methods 0.000 description 2
- 201000007770 spastic cerebral palsy Diseases 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010037714 Quadriplegia Diseases 0.000 description 1
- 208000005392 Spasm Diseases 0.000 description 1
- 208000028752 abnormal posture Diseases 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000005358 geomagnetic field Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009984 peri-natal effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—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
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- 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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种人体步态评估系统，包括九轴惯性传感器、信号传输单元以及评估单元，所述九轴惯性传感器用于测量三维空间的线加速度、角速度和物体倾角数据，该惯性传感器按照一定时间间隔测量而获得多个数据；所述信号传输单元将该多个数据传输给评估单元；所述评估单元通过分别统计左右方位的数据的累计值来判断出人体的步伐状态，来衡量跌倒风险大小，并通过查找各个处理后的数据中的最大值的方式来预测跌倒方向，评估方式准确，计算简单，特别适用于脑瘫患者。
Description
技术领域
本发明涉及人体运动检测领域，尤其是涉及一种步态分析及跌倒评估系统。
背景技术
现有技术中提供了多种预测老年人跌倒风险的系统及方法，申请号201510740004.8的中国专利申请文献中所用方式为：检测并分析人体脚底压力信息，通过计算获得人体步态数据，将步态数据与正常人步态数据进行比较，从而获得跌倒步态平衡和跌倒风险评估信息，其系统组成结构如图1所示。具体分析方法为：根据脚底压力数据和步态数据获得人体重心移动轨迹曲线与正常人人体重心移动轨迹曲线进行比较，当人体中心移动轨迹曲线超出正常人人体重心移动轨迹曲线范围时，跌倒风险较大。该技术存在的缺点为：
1.缺乏跌倒方向性信息方面的预测与评估；
2.只能定性进行跌倒风险评估，评估方法单一。即超出正常人范围便评价为跌倒风险较大，无法提供定量指标表明跌倒风险的程度；
“预测老年人跌倒危险的平衡和步态功能性评定研究进展”，陈君等，中国康复医学杂志，2004年第19卷第9期中公开了一种平衡和步态功能测试量表，包括单腿平衡测试、功能性伸展测试、多方向伸展测试、计时起立行走测试、Tinetti步态和平衡测试、身体能力测试、Berg平衡量表、改良的步态异常等级量表等8种方法，此类方法为功能性评定方法，通过设定不同的功能性测试，根据被测人完成情况采用量表的形式进行评分，根据得分量表评估跌倒风险。该方法的缺点包括：
1.仅做功能性评估，缺乏跌倒方向性信息方面的预测与评估；
2.仅提供功能测试结果评分，缺乏客观性步态数据和评价参数，如人体步行时加速度数据、左右一致性等。
3.评估需要特定的多学科专业人员和特定场所，受主观性影响较大，并且对跌倒风险评估的准确性不足。
现有技术中鲜见脑瘫患者步态分析及预测跌倒风险的系统及方法。小儿脑性瘫痪(简称脑瘫)是指由产前、围产期、产后各种非进行性因素所致的中枢神经系统发育异常或脑损伤引起的以运动障碍与姿势异常为主的综合征，是最常见的儿童致残性疾病之一。在世界范围内新生儿脑瘫的发病率约为2.1‰，约有1500万脑瘫患儿。我国脑瘫发病率为1.5‰-5.0‰。现有脑瘫患者约175万人，且每年新增约3.6万-8万患儿。
在所有患者中痉挛型脑瘫最为常见，约占全部患儿的75％。根据肢体运动功能的差异可分为双侧瘫、四肢瘫和偏瘫。下肢痉挛会造成运动系统机能改变，造成步态异常，极易发生跌倒，严重影响行走能力。因此，对脑瘫患者的步态分析及跌倒风险预测具有积极的意义。
发明内容
针对现有技术的不足，本发明的目的在于提供一种特别适合于痉挛型脑瘫患者的步态评估系统，具体方案如下：
一种人体步态评估系统，包括九轴惯性传感器、信号传输单元以及评估单元，其特征在于：所述九轴惯性传感器包括三轴线加速度计、三轴陀螺仪和三轴磁场计，该惯性传感器能够佩戴在被测者身上，并按照一定时间间隔测量而获得多个数据；所述信号传输单元将该多个数据传输给评估单元；所述评估单元对坐标系中的所述数据进行处理，其中，坐标系的X轴正向指向人体右方，Y轴正向指向人体上方，Z轴正向指向人体后退方向，
并定义评价指标FD1＝AccR/AccL，其中，将数值>0的X轴加速度数值累加得右向加速度累加值，记为AccR；将数值<0的X轴加速度数值累加得左向加速度累加值，该左向加速度累加值的绝对值记为AccL；FD1用于评价步态时人体躯干左右施力的对称性；
定义评价指标FD2＝AngR/AngL，其中，将数值>0的Y轴角速度数值累加得右向角速度累加值，记为AngR；将数值<0的Y轴角速度数值累加得左向角速度累加值，该左向角速度累加值的绝对值记为AngL；FD2用于评价步态时人体躯干左右旋转的对称性；
定义评价指标FD3＝AccXZ×AngV，将XZ平面上线加速度的数值大小记为AccXZ，人体躯干与垂直轴的夹角记为AngV，求出FD3的最大值，根据最大值对应的线加速度方向判断跌倒风险最高的方向；
优选的，所述惯性传感器按照一定时间间隔测量而获得的多个数据是在被测者以正常步速在平地上直线行走10-50步内的数据。
优选的，所述惯性传感器数据更新频率为50HZ以上，线加速度范围为-6到6g，陀螺仪测量范围0到1200deg/s，分辨率0.05度，且该惯性传感器内置充电电池。
优选的，所述信号传输单元采用蓝牙或ZigBee无线传输方式。
优选的，线加速度数据中垂直轴的数据除去了重力加速度的影响。
优选的，所述九轴惯性传感器能够佩戴在脑瘫患者的躯干上。
优选的，当FD1、FD2中任一个的值远大于1或远小于1时，尤其是大于2或小于0.5时，提示步态对称性差。
优选的，所述评估单元包括显示屏，用于显示FD1、FD2和FD3的值以及提示步态信息和跌倒风险程度。
本发明通过九轴惯性传感器测量人体步态信息，通过分别统计左右方位的数据的累计值来判断出人体的步伐状态，来衡量跌倒风险大小，并通过查找各个处理数据中的最大值的方式来预测跌倒方向，评估方式准确，计算简单，特别适用于脑瘫患者。
附图说明
下面通过具体实施方式并参照附图介绍本发明的其它细节和优点，附图如下：
图1为现有技术中的系统组成结构图；
图2为本发明的人体步态评估系统组成结构图；
图3为本发明的人体步态评估系统中的九轴惯性传感器佩戴图；
图4为本发明惯性传感器的坐标系。
具体实施例
下面结合附图进一步详细说明本发明的商品信息保存系统的具体实施方式，但不用来限制本发明的保护范围。
本发明包括一套人体步态测试系统和测试评估方法，系统的组成结构如图2所示。系统硬件组成如图3所示，包括计算机和一件9轴惯性传感器(惯性测量单元)，该传感器包含三轴线加速度计、三轴陀螺仪和三轴磁场计。所测参数包括三维空间的线加速度、角速度和地磁场矢量在物体坐标系中的分量。该传感器佩戴在被测者背部，测量信号通过蓝牙或ZigBee无线传输方式传到计算机上，该计算机作为评估单元，通过软件进行处理。
具体测试方法为：被测者背部佩戴惯性传感器，取正常站立静止姿态，采集并保存此时传感器数据，作为初始状态。然后开始测量，被测者以正常步速在平地直线行走一定步数(10-50步，所测步数为偶数)，完成后停止测量，保存测量数据。通过无线传输方式传输到计算机中。
惯性传感器的坐标系如图4所示。图4中，当被测者正常站立静止姿态时，X轴正向指向人体右方，Y轴正向指向人体上方，Z轴正向指向人体后退方向。
计算机中通过软件程序对数据进行处理：
处理X轴上线加速度数据，将数值>0的加速度数值累加得右向加速度累加值，记为AccR；将数值<0的加速度数值累加得左向加速度累加值，该累加值的绝对值记为AccL。定义参数FD1＝AccR/AccL，求出FD1的值，FD1为步态对称性评价指标，表征正常平地步态时人体躯干左右施力的对称性，FD1的值趋近于1时，表明步态对称性越好，反之，步态对称性越差。
处理Y轴上角速度数据，将数值>0的角速度数值累加得右向角速度累加值，记为AngR；将数值<0的角速度数值累加得左向角速度累加值，该累加值的绝对值记为AngL。定义参数FD2＝AngR/AngL，求出FD2的值，FD2为步态对称性评价指标，表征正常平地步态时人体躯干左右旋转的对称性，FD2的值趋近于1时，表明步态对称性越好，反之，步态对称性越差。
处理XZ平面上线加速度数据，XZ平面上线加速度的数值大小记为AccXZ，人体躯干与垂直轴的夹角记为AngV，人体竖直站立时，此角度约为0°。定义参数FD3＝AccXZ×AngV,求出FD3的最大值，根据最大值对应的线加速度方向判断跌倒风险最高的方向。
目前未见通过此3个参数指标对步态进行分析，对跌倒风险进行评估的方法。
所用9轴惯性传感器(惯性测量单元)数据更新率为50HZ以上，线加速度范围(-6g～6g)，陀螺仪测量范围0到1200deg/s，分辨率0.05度。内附充电电池。无线传输标准为蓝牙或ZigBee。
由于采用了具有体积小、重量轻、便携、不干扰人正常行走等特点的惯性测量单元测量人体行走时的运动参数，及后续数据分析和处理，给出量化评估指标，使得跌倒风险评估测试更加简便，易操作，不需要太多专业知识和专业人员，因而对于跌倒风险评估提供了量化指标，同时指出了可能发生跌倒的方向信息，此方案也为康复训练后的评估提供了辅助参考指标。
以上为本发明的最佳实施方式，依据本发明公开的内容，本领域普通技术人员能够显而易见想到一些雷同替代方案，均应落入本发明的保护范围。
Claims (7)
1.一种人体步态评估系统，包括九轴惯性传感器、信号传输单元以及评估单元，其特征在于：所述九轴惯性传感器包括三轴线加速度计、三轴陀螺仪和三轴磁场计，该惯性传感器能够佩戴在被测者身上，并按照一定时间间隔测量而获得多个数据；所述信号传输单元将该多个数据传输给评估单元；所述评估单元对坐标系中的所述数据进行处理，其中，坐标系的X轴正向指向人体右方，Y轴正向指向人体上方，Z轴正向指向人体后退方向，坐标系为右手坐标系；
并定义评价指标FD1＝AccR/AccL，其中，将数值>0的X轴加速度数值累加得右向加速度累加值，记为AccR；将数值<0的X轴加速度数值累加得左向加速度累加值，该左向加速度累加值的绝对值记为AccL；FD1用于评价步态时人体躯干左右施力的对称性；
定义评价指标FD2＝AngR/AngL，其中，将数值>0的Y轴角速度数值累加得右向角速度累加值，记为AngR；将数值<0的Y轴角速度数值累加得左向角速度累加值，该左向角速度累加值的绝对值记为AngL；FD2用于评价步态时人体躯干左右旋转的对称性；
定义评价指标FD3＝AccXZ×AngV，将XZ平面上线加速度的数值大小记为AccXZ，人体躯干与垂直轴的夹角记为AngV，求出FD3的最大值，根据最大值对应的线加速度方向判断跌倒风险最高的方向；
所述惯性传感器按照一定时间间隔测量而获得的多个数据是在被测者以正常步速在平地上直线行走10-50步内的数据。
2.如权利要求1所述的人体步态评估系统，其特征在于：所述惯性传感器数据更新频率为50HZ以上，线加速度范围为-6到6g，陀螺仪测量范围0到1200deg/s，分辨率0.05度，且该惯性传感器内置充电电池。
3.如权利要求2所述的人体步态评估系统，其特征在于：所述信号传输单元采用蓝牙或ZigBee无线传输方式。
4.如权利要求3所述的人体步态评估系统，其特征在于：所述九轴惯性传感器能够佩戴在脑瘫患者的躯干上。
5.如权利要求4所述的人体步态评估系统，其特征在于：当FD1、FD2中任一个的值远大于1或远小于1时，提示步态对称性越差。
6.如权利要求4所述的人体步态评估系统，其特征在于：当FD1、FD2中任一个的值远大于2或小于0.5时，提示步态对称性越差。
7.如权利要求5或6所述的人体步态评估系统，其特征在于：所述评估单元包括显示屏，用于显示FD1、FD2和FD3的值以及提示步态信息和跌倒风险程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710055109.9A CN108338790B (zh) | 2017-01-24 | 2017-01-24 | 步态分析及跌倒评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710055109.9A CN108338790B (zh) | 2017-01-24 | 2017-01-24 | 步态分析及跌倒评估系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108338790A CN108338790A (zh) | 2018-07-31 |
| CN108338790B true CN108338790B (zh) | 2020-09-18 |
Family
ID=62962968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710055109.9A Active CN108338790B (zh) | 2017-01-24 | 2017-01-24 | 步态分析及跌倒评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108338790B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11179064B2 (en) * | 2018-12-30 | 2021-11-23 | Altum View Systems Inc. | Method and system for privacy-preserving fall detection |
| CN109730687A (zh) * | 2019-01-14 | 2019-05-10 | 清华大学 | 用于脑瘫患者的可穿戴步态检测分析系统 |
| CN110367996A (zh) * | 2019-08-30 | 2019-10-25 | 方磊 | 一种评估人体跌倒风险的方法及电子设备 |
| CN113288121A (zh) * | 2021-05-07 | 2021-08-24 | 深圳先进技术研究院 | 一种步态分析系统 |
| CN113496216B (zh) * | 2021-08-31 | 2023-05-05 | 四川大学华西医院 | 一种基于骨骼关键点的多角度跌倒高危识别方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5120795B2 (ja) * | 2005-11-15 | 2013-01-16 | 学校法人日本大学 | 人の姿勢動作判別装置およびエネルギー消費量算出装置 |
| CN102707305B (zh) * | 2012-06-06 | 2014-07-16 | 山东大学 | 摔倒检测定位系统的工作方法 |
| CN103027687B (zh) * | 2012-12-05 | 2015-03-04 | 北京工业大学 | 基于3d加速度仪和陀螺仪的老年人跌倒检测报警系统 |
| CN103377541A (zh) * | 2013-07-16 | 2013-10-30 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警及干预方法和系统 |
| CN103377542A (zh) * | 2013-07-16 | 2013-10-30 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警方法及预警器 |
-
2017
- 2017-01-24 CN CN201710055109.9A patent/CN108338790B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108338790A (zh) | 2018-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108338790B (zh) | 步态分析及跌倒评估系统 | |
| JP5849092B2 (ja) | ストライドの生体力学的パラメータを分析するための、加速度計を実装する一体型携帯装置及び方法 | |
| Jasiewicz et al. | Gait event detection using linear accelerometers or angular velocity transducers in able-bodied and spinal-cord injured individuals | |
| KR100601981B1 (ko) | 활동패턴 감시 방법 및 장치 | |
| AU2010269846B2 (en) | Fall prevention | |
| KR102010898B1 (ko) | 관성센서를 이용한 보행 분석 시스템 및 방법 | |
| EP2988099B1 (en) | Estimating local motion of physical exercise | |
| JP6183906B2 (ja) | 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム | |
| US20170095181A1 (en) | System and method for characterizing biomechanical activity | |
| KR20190108016A (ko) | 3축 동작측정기를 이용한 노쇠 예측 방법, 3축 동작측정기를 이용한 노쇠 예측 시스템 및 웨어러블 노쇠 예측 장치 | |
| CN102144248A (zh) | 预防跌倒系统 | |
| JP3984253B2 (ja) | 健康管理用装置 | |
| JP2012502721A (ja) | 力測定方法及び装置 | |
| Tamura | Wearable inertial sensors and their applications | |
| CN109480857A (zh) | 一种用于帕金森病患者冻结步态检测的装置及方法 | |
| Anwary et al. | Validity and consistency of concurrent extraction of gait features using inertial measurement units and motion capture system | |
| US10912510B2 (en) | Index deriving device, wearable device, and mobile device | |
| JP2020192307A (ja) | 下肢筋力評価方法、下肢筋力評価プログラム、下肢筋力評価装置及び下肢筋力評価システム | |
| JP2008161228A (ja) | 歩行解析システム | |
| JP2018007979A (ja) | 運動支援装置及び運動支援方法、運動支援プログラム | |
| Machulik et al. | Validation of an Inertial Measurement Unit Based Magnetic Timing Gate System during Running and Sprinting. | |
| JP6586173B2 (ja) | 歩行状態検出装置及び歩行状態検出プログラム | |
| CN110916639B (zh) | 获取运动心率恢复率的方法、系统、可穿戴设备和计算机可读存储介质 | |
| TW201311214A (zh) | 視覺化ｉｍｕ步態偵測裝置及其分析方法 | |
| Aqueveque et al. | Validation of a portable system for spatial-temporal gait parameters based on a single inertial measurement unit and a mobile application |
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 |