CN109480858A - 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法 - Google Patents
一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法 Download PDFInfo
- Publication number
- CN109480858A CN109480858A CN201811637453.XA CN201811637453A CN109480858A CN 109480858 A CN109480858 A CN 109480858A CN 201811637453 A CN201811637453 A CN 201811637453A CN 109480858 A CN109480858 A CN 109480858A
- Authority
- CN
- China
- Prior art keywords
- data
- watch
- patient
- assessment
- patients
- 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
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1101—Detecting tremor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- 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
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Abstract
本发明涉及一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法,可穿戴智能系统包括可穿戴智能设备和智能终端设备,可穿戴智能设备由穿戴于身体不同位置的数据采集设备和穿戴于手腕部的腕表组成。可穿戴智能设备利用惯性传感器采集患者的运动信息数据并通过腕表集成所有的运动信息数据,腕表从运动信息数据中提取特征值并输入评估模型进行评估分析,得到评估结果并显示,腕表进一步把评估结果传输到智能终端设备,智能终端设备结合患者的性别、年龄等个人信息以及以往评估结果生成检测报告。本发明提出的可穿戴智能系统可实现对运动迟缓症状的智能量化检测,本发明可应用于帕金森患者症状和疗效评估。
Description
技术领域
本发明涉及传感技术、生物医学工程、医疗卫生等领域,特别涉及用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法。
背景技术
帕金森病(Parkinson’s disease,PD)是一种多发于中老年人群,以运动障碍为主要临床症状的神经退行性疾病,属于运动障碍疾病。世界帕金森病协会的统计数据显示,65岁以上人群的帕金森病发病率1.7%,70岁以上的发病率3-5%。运动迟缓(Bradykinesia)是PD的主要症状之一,MDS的PD评定量表(MDS-UPDRS)建议,通过检查重复动作,通常是手指-手指敲击,手臂旋前-旋后动作,脚尖敲击和脚跟跺脚来发现帕金森病运动迟缓。作为帕金森病(PD)的最典型特征,运动迟缓(运动缓慢)影响所有帕金森病患者并干扰其日常活动。
随着近年来电子和计算机技术的发展,出现了多种智能评估方法用于帕金森病(Parkinson’s disease,PD)的运动障碍评估领域,在可穿戴产品方面可见大量的研究。可穿戴智能设备可随时随地进行症状的量化评估,便于制定个性化治疗方案、便于远程疗效评估及监护。可穿戴智能设备在运动迟缓方面通常的研究方法是指导病人做一些临床上常用的测试动作,例如手指开合、抓取、手臂快速交替旋前-旋后,采集病人做上述三个动作时的运动信号后,根据临床经验,从信号中提取速度、幅度和节律性等方面的量化参数。
为此专利公布号CN 104127187A,名称为“用于帕金森病人主要症状定量检测的可穿戴系统及方法”公开了一种用于帕金森病人主要症状定量检测的可穿戴系统,系统包括手套和计算机,通过手套结合检测模块对患者的手部运动进行检测,通过计算机来实现对帕金森病人震颤、运动迟缓,肌肉僵直症状的分析和显示。
上述的可穿戴系统可以进行帕金森运动迟缓症状的定量检测,但帕金森患者大部分会出现肌僵直导致的手指屈曲,可能无法穿戴手套或穿戴手套困难,该系统的穿戴方式并不适用于所有的帕金森患者。该系统以及目前大部分与帕金森病评估检测有关的可穿戴技术主要针对于单侧的检测,而帕金森运动迟缓症状前期通常从单侧开始,在疾病中后期逐步发展为双侧,并且帕金森病运动迟缓症状具有不对称性。因此现有技术中仅检测单侧的运动信息数据所得出的量化评估结果还不足以全面评估帕金森运动迟缓症状。
发明内容
本发明技术解决问题:克服现有技术的不足,提供一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法,能够在不伤害人体和不影响人体正常运动的前提下通过检测帕金森患者运动时的四肢运动数据对帕金森病运动迟缓症状进行更为全面的分析和评估,使之能取代传统的依靠病人口述和医生个人经验的评估方式。
为了达到上述目的,本发明所采用的技术方案为:
一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,包括可穿戴智能设备和智能终端设备,可穿戴智能设备由穿戴于身体不同位置的数据采集设备和腕表组成;
所述的数据采集设备用于采集患者的运动信息数据并将数据传输给腕表;
所述的腕表除了用于采集手腕部的患者运动信息数据外,还用于集成所有数据采集设备传输的数据并进行量化分析评估和评估结果显示;
所述的数据采集设备包括第一惯性传感器、第一数据存储模块、第一蓝牙通信模块、第一微控制器、第一电源管理模块、第一电池和第一USB接口;
所述的腕表包括第二惯性传感器、微处理器、第二数据存储模块、第二蓝牙通信模块、第二微控制器、第二电源管理模块、语音模块、第二电池、显示屏和第二USB接口;
所述第一惯性传感器,用于采集加速度数据、角速度数据和磁场强度数据;
所述第一数据存储模块,用于存储第一惯性传感器采集的数据;
所述第一蓝牙通信模块,用于将第一惯性传感器检测到的数据传输给腕表;
所述第一微控制器,用于控制所述第一惯性传感器采集数据以及控制所述第一蓝牙通信模块与腕表进行数据与指令交互;
所述第一电源管理模块,对数据采集设备进行电源管理,保障电子元器件正常供电且提高电池续航时间;
所述第一电池,为数据采集设备供电;
所述第一USB接口,用于充电和下载数据;
所述第二惯性传感器,用于采集加速度数据、角速度数据和磁场强度数据;
所述第二微控制器,用于控制所述第二惯性传感器采集数据以及控制所述第二蓝牙通信模块与数据采集设备和智能终端设备进行数据与指令交互;
所述第二蓝牙通信模块,用于接收数据采集设备的数据和传输评估结果到智能终端设备;
所述微处理器,用于集成所述数据采集设备传输的数据和腕表采集的数据并对数据进行降噪滤波、数据特征提取及量化分析评估处理;
所述第二数据存储模块,用于存储第二惯性传感器采集的数据,还用于存储数据采集设备传输的数据和腕表量化分析评估得出的评估结果;
所述第二电池,为腕表供电;
所述第二电池管理模块,对腕表进行电源管理,保障电子元器件正常供电且提高电池续航时间;
所述语音模块,用于实时播报腕表所得出评估结果和出现严重运动迟缓症状时的警示提醒信息;
所述显示屏,用于腕表对所得出的评估结果进行显示;
所述第二USB接口,用于充电和下载数据;
所述第一惯性传感器和第二惯性传感器结构相同,分别包括三轴加速度传感器、三轴陀螺仪和三轴磁力计,所述三轴加速度传感器用于检测患者运动时的加速度信号,所述三轴陀螺仪用于检测患者运动时的角速度信号,所述三轴磁力计用于检测患者运动时的磁场强度,惯性传感器所采集的数据包括三轴加速度传感器采集的加速度数据、三轴陀螺仪采集的角速度数据、三轴磁力计采集的磁场强度数据;
所述第一USB接口和第二USB接口结构相同,为了达到防水的目的,USB接口在不使用时用TPE材料制作的防水橡皮盖密封好;
所述智能终端设备,用于为患者提供数据管理、风险评估服务和评估结果显示,所述智能终端设备包括计算机、平板电脑或智能手机。
所述第一电池和第二电池为高能量密度锂离子电池,体积能量密度在600Wh/L以上。
所述第一蓝牙通信模块和第二蓝牙通信模块为低功耗蓝牙BLE,功耗在0.01至0.5W,峰值电流消耗<15mA。
所述数据采集设备穿戴于身体不同位置分别是:患者双手食指处、左手腕部和双脚脚踝处;所述腕表穿戴于患者右手腕部,通过穿戴数据采集设备和腕表获取患者四肢的运动信息数据,穿戴位置和穿戴数量根据具体情况进行调整:腕表的位置可根据患者习惯用手进行调整,若患者习惯用手在左手则可将腕表佩戴在左手;数据采集设备的穿戴数量可根据要求采集的部位进行调整,若无需采集脚踝部的数据则去除左右脚踝的数据采集设备,若只需采集单侧的数据如右侧数据,则去除左侧的数据采集设备;
所述可穿戴智能设备中穿戴于双手食指处的数据采集设备被制作成指环的形式,穿戴于左手腕部与双脚脚踝的数据采集设备和穿戴于右手腕的腕表通过佩戴舒适的可调节软硅胶皮带穿戴于患者身上;所有可穿戴智能设备包括数据采集设备和腕表的表面均作纳米防水涂层处理,使患者能长时间佩戴设备进行检测,在日常生活中无需取下。
所述腕表进一步包括开关按钮和数据采集按钮,开关按钮用于控制腕表开关机,数据采集按钮用于控制开始或停止采集数据;
所述微处理器中对数据降噪滤波采用降噪滤波算法,所述降噪滤波算法采用扩展卡尔曼滤波算法和互补滤波算法进行融合滤波;
所述腕表根据所采集的运动信息数据提取运动迟缓相关特征值,再根据特征值进行分类量化检测评估,得出评估结果并显示;
所提取的特征值包括:从加速度数据中提取的均值、方差、偏度和峰度,三轴互相关系数;从角速度数据中提取RMS(均方根)速度、RMS角度以及主频附近估计功率;从加速度数据和角速度数据中提取FFT系数、能量值、频域熵和能量谱密度。
所述智能终端设备显示评估结果,可根据帕金森患者的个人信息结合评估结果生成量化检测报告;智能终端设备通过应用软件传输检测报告至云服务器端,实现多地数据共享及深度应用;医生用户通过智能终端设备查看名下所有病人的检测报告,并诊断分析和记录;患者及患者家属通过智能终端设备查看患者的检测报告以及医生的诊断结果和建议。
所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能方法,包括以下步骤:
步骤501:对系统进行初始化;
步骤502:对所有的数据采集设备以及腕表进行校准和同步;
步骤503:给患者穿戴好设备,患者做好测试准备;
步骤504:使用腕表发送开始采集指令;
步骤505:判断是否接收到开始采集指令,是则进入506,否则继续执行步骤504;
步骤506:所有的惯性传感器开始采集数据;
步骤507:患者开始运动,运动动作包括行走、手指捏合、手的伸展攥紧、手的快速交替运动、足跟反复踮起、从有扶手的椅子上起立;
步骤508:穿戴于身体不同位置的数据采集设备将所采集的数据传输给腕表;
步骤509:腕表接收数据并进行集成分析与处理,包括对数据进行滤波降噪以及提取相关特征值并输入评估模型进行评估分析,得出评估结果;
步骤510:腕表通过显示屏显示所得出的评估结果,并通过腕表语音模块播报评估结果,评估过程中出现严重运动迟缓症状时通过腕表的语音模块播报警示提醒语音信息;
步骤511:完成数据采集和评估任务腕表发送停止数据采集指令;
步骤512:所有的惯性传感器停止数据采集;
步骤513:腕表将数据评估结果传输到智能终端设备;
步骤514:智能终端设备将当前评估结果结合个人信息和以往评估结果生成检测报告;
步骤515:智能终端设备将生成的检测报告同步至云服务器端。
与现有技术相比,本发明具有如下有益效果:
(1)本发明所述的可穿戴智能设备采用基于MEMS的惯性传感器可以减小测量设备体积及重量,方便佩戴。可穿戴智能设备中穿戴于手指的数据采集设备制作成指环的形式,穿戴于左手腕与脚踝的数据采集设备和穿戴于右手的腕表采用软硅胶制作的皮带穿戴于患者身上,具有较高的佩戴舒适度。所有的可穿戴智能设备表面做纳米防水涂层处理,使患者可在日常生活活动中长时间佩戴,无需取下。
(2)本发明所述的可穿戴智能设备可佩戴于患者双手手指处、双手手腕处和双脚脚踝处,这种穿戴方式可以检测患者四肢的运动信息数据,可适用于单侧发病患者和双侧发病患者,为之提供更为全面的运动迟缓症状评估结果。根据患者的具体情况,可穿戴智能设备的穿戴位置和穿戴数量可进行调整。
(3)本发明所述的腕表的语音模块可语音播报所得出的评估结果,可使患者在检测过程中无需重复抬手臂观察评估结果。评估过程中若出现严重运动迟缓症状时则通过腕表的语音模块播报警示提醒语音信息,这项设计有利于提醒患者家属及时对患者当前状态采取措施,防止如摔倒等情况对患者造成的伤害。
(4)本发明所述的智能终端设备得出患者的检测报告,报告可同步到医生端和患者端,医生可根据患者的检测报告进行在线诊断,患者及其家属可在线查看医生的诊断说明。患者可随时随地使用本系统检测评估帕金森运动迟缓症状,无需在家与医院之间来回奔波。
(5)本发明测量评估结果可以为患者和医生提供客观、准确和及时的帕金森病运动迟缓的量化检测,可用于患者病情诊断和治疗疗效反馈。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍:
图1为本发明系统智能终端设备、运动迟缓信息获取的通信示意图和可穿戴智能设备的安装佩戴示意图;
图2为本发明中腕表外观示意图;
图3为本发明中可穿戴智能设备中数据采集设备的主要组成模块框图;
图4为本发明中可穿戴智能设备中腕表的主要组成模块框图;
图5为本发明的工作流程方法。
具体实施方式
下面结合具体实施例对本发明中的技术方案进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
如图1所示,本发明的一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,包括数据采集设备101RF、101LF、101LH、101RA、101LA,腕表102RH和智能终端设备103。其中腕表102RH穿戴于患者右手腕处,但可根据患者的用手习惯(左手/右手)进行更改,腕表102RH除了用于采集患者右手的运动信息数据外还可用于接收所有数据采集设备传输的数据并进行集成处理和分析;数据采集设备101LH穿戴于患者左手腕处,用于采集患者左手腕的运动信息数据;数据采集设备101RF穿戴于患者右手食指上,用于采集患者右手手指捏合或手部伸展攥紧等运动信息数据;数据采集设备101LF穿戴于患者左手食指上,用于采集患者左手手指捏合或手部伸展攥紧等运动信息数据;数据采集设备101RA穿戴于患者右脚踝处,用于采集患者右脚的运动信息数据;数据采集设备101LA穿戴于患者左脚踝处,用于采集患者左脚的运动信息数据;通过腕表102RH发送指令来控制数据采集设备开始采集数据和停止采集数据,所采集的数据同步传输到腕表102RH;腕表102RH接收数据,并根据所采集的数据对运动迟缓症状进行量化检测和评估结果显示;量化检测得出的评估结果由腕表102RH传输到智能终端设备103;智能终端设备103将评估结果结合患者的个人信息和以往评估结果形成检测报告,并将检测报告同步上传至云服务器端,医生、患者及患者家属皆可查看所生成的检测报告。
如图2所示,为腕表102RH的外观示意图,其中201为腕表102RH的显示屏用于显示腕表102RH检测分析评估得出帕金森运动迟缓症状的评估结果;202为第二USB接口,用于给腕表102RH充电和数据下载,为了达到防水的要求,USB接口在不使用时用TPE材料制作的防水橡皮盖密封好;203为腕表102RH的开关按钮,可对腕表102RH进行开机以及关机操作;腕表102RH通过数据采集按钮204发送数据开始采集指令或停止采集指令,当腕表102RH处于开机状态且连接上所有的数据采集设备,按下数据采集按钮204则数据开始采集,数据采集完成后再按下数据采集按钮204则数据停止采集。
如图3所示,为数据采集设备的内部主要组成结构图,数据采集设备主要包括第一电池301、第一电源管理模块302、第一惯性传感器303、第一微控制器304、第一数据存储模块305、第一蓝牙通信模块306和第一USB接口307;第一电池301为高能量密度锂离子可充电电池,可为设备提供电源;第一电源管理模块302对数据采集设备进行电源管理,为设备提供稳压、上电、断电和电量检测功能,保障电子元器件正常供电且提高电池续航时间;第一惯性传感器303包括三轴加速度传感器、三轴陀螺仪和三轴磁力计;第一微控制器304控制第一惯性传感器303采集数据和第一蓝牙通信模块306传输数据;第一数据存储模块305用于存储第一惯性传感器303所采集的数据;第一蓝牙通信模块306用于接收腕表102RH的指令和将所采集的数据传输给腕表102RH;第一USB接口307用于数据的下载和充电功能;
如图4所示,为腕表的内部主要组成结构图,腕表主要包括第二电池401、第二电源管理模块402、第二惯性传感器403、微处理器404、第二微控制器405、显示屏406、第二数据存储模块407、第二蓝牙通信模块408、语音模块409、第二USB接口410。第二电池401为高能量密度锂离子可充电电池,可为设备提供电源;第二电源管理模块402对腕表进行电源管理,为腕表提供稳压、上电、断电和电量检测功能,保障电子元器件正常供电且提高电池续航时间;第二惯性传感器403包括三轴加速度传感器、三轴陀螺仪和三轴磁力计;微处理器404用于集成第二惯性传感器403采集的数据和所有数据采集设备传输的数据,并进行降噪滤波和分析量化评估,得出评估结果;第二微控制器405控制第二惯性传感器403采集数据和第二蓝牙通信模块408传输数据;显示屏406用于对评估结果进行显示;第二数据存储模块407用于存储腕表和数据采集设备所采集的数据,还用于存储腕表评估所得出的评估结果;第二蓝牙通信模块408用于腕表与数据采集设备和智能终端设备进行数据与指令的交互;语音模块409用于语音播报腕表得出的评估结果,当评估过程中出现严重运动迟缓症状时语音模块409播报警示提醒语音信息;第二USB接口410用于数据的下载与充电功能。
需要说明的是第一惯性传感器303和第二惯性传感器403采集数据的采样率为100HZ,三轴加速度传感器的采样范围为±16g,三轴陀螺仪的采样范围为±2000deg/s,三轴磁力计的采样范围为±8Gauss。数据存储模块305和数据存储模块407采用的是Flash闪存。第一蓝牙通信模块306和第二蓝牙通信模块408采用的是低功耗蓝牙。
图5为本发明的工作方法,其步骤如下:
步骤501:对系统进行初始化;
步骤502:对所有的数据采集设备以及腕表进行校准和同步;
步骤503:给患者穿戴好设备,患者做好测试准备;
步骤504:使用腕表发送开始采集指令;
步骤505:判断是否接收到开始采集指令,是则进入506,否则继续执行步骤504;
步骤506:所有的惯性传感器开始采集数据;
步骤507:患者开始运动,运动动作包括行走、手指捏合、手的伸展攥紧、手的快速交替运动、足跟反复踮起、从有扶手的椅子上起立;
步骤508:穿戴于身体不同位置的数据采集设备将所采集的数据传输给腕表;
步骤509:腕表接收数据并进行集成分析与处理,包括对数据进行融合滤波以及提取相关特征值并输入评估模型进行评估分析,得出评估结果;
步骤510:腕表通过显示屏显示评估结果,并通过腕表语音模块播报评估结果,评估过程中出现严重运动迟缓症状时通过腕表的语音模块播报警示提醒语音信息;
步骤511:完成数据采集和评估任务,腕表发送停止数据采集指令;
步骤512:所有的惯性传感器停止数据采集;
步骤513:腕表将数据评估结果传输到智能终端设备;
步骤514:智能终端设备将当前评估结果结合个人信息和以往评估结果生成检测报告;
步骤515:智能终端设备将生成的检测报告同步至云服务器端;
步骤516:流程结束;
所述步骤509:融合滤波计算采用扩展卡尔曼滤波算法与互补滤波算法结合,扩展卡尔曼滤波(Extended kalman filter,EKF)其基本思想是将非线性状态函数和量测函数进行局部线性化,即进行一阶Taylor多项式展开,然后应用线性系统Kalman滤波算法来处理,其公式为:
设Xk表示k时刻目标的状态向量,Zk表示k时刻目标的观测向量。则非线性状态函数为:
Xk=Fk/k-1Xk-1+vk-1 νk~N(0,Q) (公式1)
量测函数为:
Zk=HXk+wk wk~N(0,R) (公式2)
式中:k表示时间序列的第k时刻,k-1表示时间序列的第k-1时刻,νk是k时刻的状态噪声,νk-1是k-1时刻的状态噪声,wk是k时刻的过程噪声,两者都是高斯白噪声且相互独立,Xk-1为k-1时刻的状态向量,Fk/k-1为测量状态方程矩阵,H为观测向量控制矩阵,Q为过程激励噪声协方差矩阵,R为观测噪声协方差矩阵,N表正态分布,vk~N(0,Q)表示vk服从均值为0、协方差为Q的正态分布,wk~N(0,R)表示wk服从均值为0、协方差为R的正态分布。
互补滤波器从频域的角度来分辨噪声。由于三轴加速度传感器、三轴陀螺仪以及三轴磁力计的工作原理特性决定了这些惯性测量器件本身存在一些不可避免的缺陷。其中,加速度计和磁力计动态响应特性较差,但测量过程中不会存在累积误差,而陀螺仪动态响应特性良好,角速度瞬时精度高,但测量使用过程中由于漂移和积分运算,计算出的姿态角会产生累积误差。这样使得他们在频域上的特性形成互补,因此采用互补滤波算法融合这3种传感器的数据,可以有效提高测量精度和系统的动态性能。
通过互补滤波器的滤波处理,滤除三轴加速度传感器、三轴磁力计的高频噪声和三轴陀螺仪的低频噪声,得到3个方向的修正误差,结合相关系数计算出累积误差。通过此种用加速度修正三轴陀螺仪偏差的互补方法,便能够很好的融合三者采集的数据,得到最接近实际的值。
实验验证两种滤波算法进行结合,可有效的降低数据计算误差和随机噪声方差,提高数据处理的精度。
数据滤波后即进行特征提取和根据UPDRS量表进行分类识别。
所提取的特征值包括:从加速度数据中提取的均值、方差、偏度和峰度,三轴互相关系数;从角速度数据中提取RMS(均方根)速度、RMS角度以及主频附近估计功率;从加速度数据和角速度数据中提取FFT系数、能量值、频域熵和能量谱密度。
根据所提取的特征值,利用机器学习模型进行分类识别操作,给患者的运动迟缓症状进行评分,判断其运动迟缓症状的严重程度。在UPDRS量表中将运动迟缓症状等级分为5级,用计分值表示为0分,1分,2分,3分,4分,分值越高,症状越严重。机器学习模型在实验中经过充分训练,具有较高的分类精度。
实施例1
使用者可利用本发明进行药物疗效分析评估,在患者服用药物治疗前,使用本系统给患者进行帕金森运动迟缓症状评估,并记录。具体方法:对可穿戴智能设备中的数据采集设备101RF、101LF、101LH、101RA、101LA及腕表102RH进行校准和同步,给患者穿戴好可穿戴智能设备,患者做好测试准备。患者按下腕表102RH的开关按钮203启动腕表,开始工作后按下数据采集按钮204,利用腕表102RH发送开始采集指令,判断所有的可穿戴智能设备的惯性传感器是否都接收到数据采集指令,否则腕表重新发送数据采集指令,是则所有的惯性传感器开始采集数据,数据采集的采样率为100HZ,即每秒采集100次数据。患者开始运动,运动动作包括行走、手指捏合、手的伸展攥紧、手的快速交替运动、足跟反复踮起、从有扶手的椅子上起立。数据采集设备将所采集的数据通过第一蓝牙通信模块306传输给腕表102RH,腕表102RH接收数据并集成处理分析及得出评估结果。腕表102RH的语音模块409播报所得出的评估结果,评估完成则再次按下腕表102RH的数据采集按钮204,发送停止采集指令。通过腕表102RH的第二蓝牙通信模块408将评估结果传输给智能终端设备103,智能终端设备103根据评估结果得出检测报告。在患者服用药物治疗一段时间后,患者可再次使用本设备对患者进行帕金森运动迟缓症状评估,得出评估结果(UPDRS评分),并与治疗前评估结果进行比较。若治疗后评估得出的UPDRS评分比治疗前低,则说明使用此药物对患者的运动迟缓症状有明显疗效,后续可考虑继续使用此药物。若治疗后的评估得出的UPDRS评分与治疗前无明显变化,则说明此药物对患者治疗效果不明显,可考虑结合患者实际情况,更换药物。同理可使用本系统的量化评估结果,得出最适合患者的用药类型和用药剂量。
Claims (10)
1.一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:包括,可穿戴智能设备和智能终端设备;所述可穿戴智能设备由穿戴于身体不同位置的数据采集设备和穿戴于手腕部的腕表组成;所述数据采集设备用于采集患者的运动信息数据并将数据传输给腕表;所述腕表用于采集手腕部的运动信息数据,同时用于集成所有的数据采集设备传输的数据并进行量化分析评估和评估结果显示;
所述数据采集设备包括第一惯性传感器、第一数据存储模块、第一蓝牙通信模块、第一微控制器、第一电源管理模块、第一电池和第一USB接口;所述腕表包括第二惯性传感器、微处理器、第二数据存储模块、第二蓝牙通信模块、第二微控制器、第二电源管理模块、语音模块、第二电池、显示屏和第二USB接口;
所述第一惯性传感器,用于采集加速度数据、角速度数据和磁场强度数据;
所述第一数据存储模块,用于存储第一惯性传感器采集的数据;
所述第一蓝牙通信模块,用于将第一惯性传感器检测到的数据传输给腕表;
所述第一微控制器,用于控制所述第一惯性传感器采集数据以及控制所述第一蓝牙通信模块与腕表进行数据与指令交互;
所述第一电源管理模块,对数据采集设备进行电源管理,保障电子元器件正常供电且提高电池续航时间;
所述第一电池,为数据采集设备供电;
所述第一USB接口,用于充电和下载数据;
所述第二惯性传感器,用于采集加速度数据、角速度数据和磁场强度数据;
所述微处理器,用于集成所述数据采集设备传输的数据和腕表采集的数据并对数据进行降噪滤波、数据特征提取及量化分析评估处理;
所述第二数据存储模块,用于存储第二惯性传感器采集的数据,还用于存储数据采集设备传输的数据和腕表量化分析评估得出评估结果;
所述第二蓝牙通信模块,用于接收数据采集设备的数据和传输评估结果到智能终端设备;
所述第二微控制器,用于控制所述第二惯性传感器采集数据以及控制所述第二蓝牙通信模块与数据采集设备和智能终端设备进行数据与指令交互;
所述第二电池管理模块,对腕表进行电源管理,保障电子元器件正常供电且提高电池续航时间;
所述语音模块,用于实时播报腕表所得出评估结果和出现严重运动迟缓症状时的警示提醒信息;
所述第二电池,为腕表供电;
所述显示屏,用于腕表对所得出的评估结果进行显示;
所述第二USB接口,用于充电和下载数据;
所述第一惯性传感器和第二惯性传感器结构相同,分别包括三轴加速度传感器、三轴陀螺仪和三轴磁力计,所述三轴加速度传感器用于检测患者运动时的加速度信号,所述三轴陀螺仪用于检测患者运动时的角速度信号,所述三轴磁力计用于检测患者运动时的磁场强度,惯性传感器所采集的数据包括三轴加速度传感器采集的加速度数据、三轴陀螺仪采集的角速度数据、三轴磁力计采集的磁场强度数据;
所述第一USB接口和第二USB接口结构相同,为了达到防水的目的,USB接口在不使用时用TPE材料制作的防水橡皮盖密封好;
所述智能终端设备,用于为患者提供数据管理、风险评估服务和评估结果显示,智能终端设备包括计算机、平板电脑或智能手机。
2.根据权利要求1所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:所述第一电池和第二电池为高能量密度锂离子电池,即体积能量密度在600Wh/L以上。
3.根据权利要求1所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:所述第一蓝牙通信模块和第二蓝牙通信模块为低功耗蓝牙BLE,功耗范围0.01至0.5W,峰值电流消耗<15mA。
4.根据权利要求1所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:所述数据采集设备穿戴于身体不同位置分别是:患者双手食指处、左手腕部和双脚脚踝处;所述腕表穿戴于患者右手腕部,通过穿戴数据采集设备和腕表获取患者四肢的运动信息数据。
5.根据权利要求4所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:所述可穿戴智能设备中穿戴于双手食指处的数据采集设备被制作成指环的形式,穿戴于左手腕部与双脚脚踝的数据采集设备和穿戴于右手腕的腕表通过佩戴舒适的可调节软硅胶皮带穿戴于患者身上;所有可穿戴智能设备包括数据采集设备和腕表的表面均作纳米防水涂层处理,使患者能长时间佩戴设备进行检测,在日常生活中无需取下。
6.根据权利要求1所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:所述腕表进一步包括开关按钮和数据采集按钮,开关按钮用于控制腕表开关机,数据采集按钮用于控制开始或停止采集数据。
7.根据权利要求1所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:所述微处理器中对数据降噪滤波采用降噪滤波算法,所述降噪滤波算法采用扩展卡尔曼滤波算法和互补滤波算法进行融合滤波。
8.根据权利要求1所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:所述腕表根据所采集的运动信息数据提取运动迟缓相关特征值,再根据特征值进行分类量化检测评估,得出评估结果并显示;
所提取的特征值包括:从加速度数据中提取的均值、方差、偏度和峰度,三轴互相关系数;从角速度数据中提取RMS(均方根)速度、RMS角度以及主频附近估计功率;从加速度数据和角速度数据中提取FFT系数、能量值、频域熵和能量谱密度。
9.根据权利要求1所述的用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统,其特征在于:所述智能终端设备显示评估结果,可根据帕金森患者的个人信息结合评估结果生成量化检测报告;智能终端设备通过应用软件传输检测报告至云服务器端,实现多地数据共享及深度应用;医生用户通过智能终端设备查看名下所有病人的检测报告,并诊断分析和记录;患者及患者家属通过智能终端设备查看患者的检测报告以及医生的诊断结果和建议。
10.一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能方法,其特征在于,包括以下步骤:
步骤501:对系统进行初始化;
步骤502:对所有的数据采集设备以及腕表进行校准和同步;
步骤503:给患者穿戴好设备,患者做好测试准备;
步骤504:使用腕表发送开始采集指令;
步骤505:判断是否接收到开始采集指令,是则进入506,否则继续执行步骤504;
步骤506:所有的惯性传感器开始采集数据;
步骤507:患者开始运动,运动动作包括行走、手指捏合、手的伸展攥紧、手的快速交替运动、足跟反复踮起、从有扶手的椅子上起立;
步骤508:穿戴于身体不同位置的数据采集设备将所采集的数据传输给腕表;
步骤509:腕表接收数据并进行集成分析与处理,包括对数据进行滤波降噪以及提取相关特征值并输入评估模型进行评估分析,得出评估结果;
步骤510:腕表通过显示屏显示所得出的评估结果,并通过腕表语音模块播报评估结果,评估过程中出现严重运动迟缓症状时通过腕表的语音模块播报警示提醒语音信息;
步骤511:完成数据采集和评估任务,腕表发送停止数据采集指令;
步骤512:所有的惯性传感器停止数据采集;
步骤513:腕表将数据评估结果传输到智能终端设备;
步骤514:智能终端设备将当前评估结果结合个人信息和以往评估结果生成检测报告;
步骤515:智能终端设备将生成的检测报告同步至云服务器端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811637453.XA CN109480858B (zh) | 2018-12-29 | 2018-12-29 | 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811637453.XA CN109480858B (zh) | 2018-12-29 | 2018-12-29 | 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109480858A true CN109480858A (zh) | 2019-03-19 |
CN109480858B CN109480858B (zh) | 2022-02-22 |
Family
ID=65713379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811637453.XA Active CN109480858B (zh) | 2018-12-29 | 2018-12-29 | 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109480858B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502107A (zh) * | 2019-07-26 | 2019-11-26 | 森博迪(深圳)科技有限公司 | 可穿戴实时动作指导系统和方法 |
CN110522455A (zh) * | 2019-09-26 | 2019-12-03 | 安徽中医药大学 | 一种基于深度学习的wd震颤等级评估方法 |
CN110638458A (zh) * | 2019-08-26 | 2020-01-03 | 广东省人民医院(广东省医学科学院) | 一种基于步态数据的康复训练效果评估方法、装置 |
CN110826422A (zh) * | 2019-10-18 | 2020-02-21 | 北京量健智能科技有限公司 | 一种用于获得运动参数信息的系统和方法 |
CN111012312A (zh) * | 2019-12-25 | 2020-04-17 | 中国科学院合肥物质科学研究院 | 一种便携式帕金森病运动迟缓监测干预装置及方法 |
CN111528842A (zh) * | 2020-05-26 | 2020-08-14 | 复嶂环洲生物科技(上海)有限公司 | 基于生理和行为指标的帕金森病症状定量化评估方法 |
CN111544006A (zh) * | 2020-05-15 | 2020-08-18 | 中国科学院自动化研究所 | 帕金森病人运动障碍量化及识别的可穿戴设备 |
CN111759320A (zh) * | 2020-07-17 | 2020-10-13 | 复嶂环洲生物科技(上海)有限公司 | 一种定量评估并记录运动速度、幅度的无线穿戴电子设备 |
IT202000021382A1 (it) * | 2020-09-10 | 2020-12-10 | Brain Innovations S R L | Metodo e dispositivo per la caratterizzazione oggettiva dei sintomi della malattia di Parkinson |
CN112674760A (zh) * | 2020-12-22 | 2021-04-20 | 山东农业大学 | 一种基于可穿戴传感器的帕金森病上肢运动检测方法 |
CN113012815A (zh) * | 2021-04-06 | 2021-06-22 | 西北工业大学 | 一种基于多模态数据的帕金森健康风险评估方法 |
CN113747831A (zh) * | 2019-06-05 | 2021-12-03 | 腾讯美国有限责任公司 | 基于用户设备的帕金森病检测 |
CN114224296A (zh) * | 2022-01-13 | 2022-03-25 | 福州大学 | 基于可穿戴式传感装置的帕金森运动症状量化评估方法 |
CN116434908A (zh) * | 2023-06-14 | 2023-07-14 | 中国科学院自动化研究所 | 基于时间卷积网络的运动迟缓量化分级评估方法及装置 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050234309A1 (en) * | 2004-01-07 | 2005-10-20 | David Klapper | Method and apparatus for classification of movement states in Parkinson's disease |
CN201290676Y (zh) * | 2008-11-21 | 2009-08-19 | 中国人民解放军第三军医大学野战外科研究所 | 一种帕金森病震颤行为连续定量记录装置 |
US20100076348A1 (en) * | 2008-09-23 | 2010-03-25 | Apdm, Inc | Complete integrated system for continuous monitoring and analysis of movement disorders |
CN102056541A (zh) * | 2008-06-12 | 2011-05-11 | 全球动力股份有限公司 | 运动机能减退和/或运动机能亢进状态的检测 |
CN104127187A (zh) * | 2014-08-05 | 2014-11-05 | 戴厚德 | 用于帕金森病人主要症状定量检测的可穿戴系统及方法 |
CN104398263A (zh) * | 2014-12-25 | 2015-03-11 | 中国科学院合肥物质科学研究院 | 一种基于近似熵和互近似熵的帕金森患者震颤症状量化评测方法 |
CN104434129A (zh) * | 2014-12-25 | 2015-03-25 | 中国科学院合肥物质科学研究院 | 一种帕金森及相关锥体外系疾病运动障碍症状量化评测装置及方法 |
CN104522949A (zh) * | 2015-01-15 | 2015-04-22 | 中国科学院苏州生物医学工程技术研究所 | 一种用于定量评估帕金森患者运动功能的智能手环 |
CN204426918U (zh) * | 2015-02-10 | 2015-07-01 | 中国科学院苏州生物医学工程技术研究所 | 一种用于缓解帕金森病患者冻结步态的智能手环 |
US20160096025A1 (en) * | 2014-10-07 | 2016-04-07 | Boston Scientific Neuromodulation Corporation | Systems, devices, and methods for electrical stimulation using feedback to adjust stimulation parameters |
US20160106344A1 (en) * | 2014-10-14 | 2016-04-21 | Milad Nazari | Methods and systems for detecting movement disorder |
CN106419929A (zh) * | 2016-11-05 | 2017-02-22 | 上海大学 | 帕金森病患者姿态平衡稳定性的定量检测装置 |
CN206197948U (zh) * | 2016-07-19 | 2017-05-31 | 泉州装备制造研究所 | 量化检测帕金森运动症状的可穿戴智能设备 |
CN106725504A (zh) * | 2016-11-24 | 2017-05-31 | 苏州大学附属第二医院 | 一种多节点运动监测的可穿戴设备及其监测方法 |
CN106885566A (zh) * | 2017-01-03 | 2017-06-23 | 浙江大学 | 一种可穿戴式运动传感器及其抗磁场干扰的方法 |
CN106937871A (zh) * | 2016-01-05 | 2017-07-11 | 袁囡囡 | 智能运动状态检测系统 |
WO2017156835A1 (zh) * | 2016-03-18 | 2017-09-21 | 深圳大学 | 健身姿势识别、评估、预警和强度估算的智能方法及系统 |
CN108670263A (zh) * | 2018-05-18 | 2018-10-19 | 哈尔滨理工大学 | 一种基于mpu-6050的睡眠姿态判定方法 |
-
2018
- 2018-12-29 CN CN201811637453.XA patent/CN109480858B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050234309A1 (en) * | 2004-01-07 | 2005-10-20 | David Klapper | Method and apparatus for classification of movement states in Parkinson's disease |
CN102056541A (zh) * | 2008-06-12 | 2011-05-11 | 全球动力股份有限公司 | 运动机能减退和/或运动机能亢进状态的检测 |
US20100076348A1 (en) * | 2008-09-23 | 2010-03-25 | Apdm, Inc | Complete integrated system for continuous monitoring and analysis of movement disorders |
CN201290676Y (zh) * | 2008-11-21 | 2009-08-19 | 中国人民解放军第三军医大学野战外科研究所 | 一种帕金森病震颤行为连续定量记录装置 |
CN104127187A (zh) * | 2014-08-05 | 2014-11-05 | 戴厚德 | 用于帕金森病人主要症状定量检测的可穿戴系统及方法 |
US20160096025A1 (en) * | 2014-10-07 | 2016-04-07 | Boston Scientific Neuromodulation Corporation | Systems, devices, and methods for electrical stimulation using feedback to adjust stimulation parameters |
US20160106344A1 (en) * | 2014-10-14 | 2016-04-21 | Milad Nazari | Methods and systems for detecting movement disorder |
CN104398263A (zh) * | 2014-12-25 | 2015-03-11 | 中国科学院合肥物质科学研究院 | 一种基于近似熵和互近似熵的帕金森患者震颤症状量化评测方法 |
CN104434129A (zh) * | 2014-12-25 | 2015-03-25 | 中国科学院合肥物质科学研究院 | 一种帕金森及相关锥体外系疾病运动障碍症状量化评测装置及方法 |
CN104522949A (zh) * | 2015-01-15 | 2015-04-22 | 中国科学院苏州生物医学工程技术研究所 | 一种用于定量评估帕金森患者运动功能的智能手环 |
CN204426918U (zh) * | 2015-02-10 | 2015-07-01 | 中国科学院苏州生物医学工程技术研究所 | 一种用于缓解帕金森病患者冻结步态的智能手环 |
CN106937871A (zh) * | 2016-01-05 | 2017-07-11 | 袁囡囡 | 智能运动状态检测系统 |
WO2017156835A1 (zh) * | 2016-03-18 | 2017-09-21 | 深圳大学 | 健身姿势识别、评估、预警和强度估算的智能方法及系统 |
CN206197948U (zh) * | 2016-07-19 | 2017-05-31 | 泉州装备制造研究所 | 量化检测帕金森运动症状的可穿戴智能设备 |
CN106419929A (zh) * | 2016-11-05 | 2017-02-22 | 上海大学 | 帕金森病患者姿态平衡稳定性的定量检测装置 |
CN106725504A (zh) * | 2016-11-24 | 2017-05-31 | 苏州大学附属第二医院 | 一种多节点运动监测的可穿戴设备及其监测方法 |
CN106885566A (zh) * | 2017-01-03 | 2017-06-23 | 浙江大学 | 一种可穿戴式运动传感器及其抗磁场干扰的方法 |
CN108670263A (zh) * | 2018-05-18 | 2018-10-19 | 哈尔滨理工大学 | 一种基于mpu-6050的睡眠姿态判定方法 |
Non-Patent Citations (2)
Title |
---|
DAI, HOUDE: "Quantitative assessment of parkinsonian bradykinesia based on an inertial measurement unit", 《BIOMEDICAL ENGINEERING ONLINE》 * |
蒋顶: "帕金森病患者运动迟缓症状的定量评估", 《临床神经外科杂志》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113747831A (zh) * | 2019-06-05 | 2021-12-03 | 腾讯美国有限责任公司 | 基于用户设备的帕金森病检测 |
CN110502107A (zh) * | 2019-07-26 | 2019-11-26 | 森博迪(深圳)科技有限公司 | 可穿戴实时动作指导系统和方法 |
CN110638458A (zh) * | 2019-08-26 | 2020-01-03 | 广东省人民医院(广东省医学科学院) | 一种基于步态数据的康复训练效果评估方法、装置 |
CN110522455A (zh) * | 2019-09-26 | 2019-12-03 | 安徽中医药大学 | 一种基于深度学习的wd震颤等级评估方法 |
CN110826422A (zh) * | 2019-10-18 | 2020-02-21 | 北京量健智能科技有限公司 | 一种用于获得运动参数信息的系统和方法 |
CN111012312A (zh) * | 2019-12-25 | 2020-04-17 | 中国科学院合肥物质科学研究院 | 一种便携式帕金森病运动迟缓监测干预装置及方法 |
CN111012312B (zh) * | 2019-12-25 | 2024-01-30 | 中国科学院合肥物质科学研究院 | 一种便携式帕金森病运动迟缓监测干预装置及方法 |
CN111544006A (zh) * | 2020-05-15 | 2020-08-18 | 中国科学院自动化研究所 | 帕金森病人运动障碍量化及识别的可穿戴设备 |
CN111544006B (zh) * | 2020-05-15 | 2021-10-26 | 中国科学院自动化研究所 | 帕金森病人运动障碍量化及识别的可穿戴设备 |
CN111528842A (zh) * | 2020-05-26 | 2020-08-14 | 复嶂环洲生物科技(上海)有限公司 | 基于生理和行为指标的帕金森病症状定量化评估方法 |
CN111759320A (zh) * | 2020-07-17 | 2020-10-13 | 复嶂环洲生物科技(上海)有限公司 | 一种定量评估并记录运动速度、幅度的无线穿戴电子设备 |
WO2022054112A1 (en) * | 2020-09-10 | 2022-03-17 | Brain Innovations S.R.L. | Method and device for the objective characterization of symptoms of parkinson's disease |
IT202000021382A1 (it) * | 2020-09-10 | 2020-12-10 | Brain Innovations S R L | Metodo e dispositivo per la caratterizzazione oggettiva dei sintomi della malattia di Parkinson |
CN112674760A (zh) * | 2020-12-22 | 2021-04-20 | 山东农业大学 | 一种基于可穿戴传感器的帕金森病上肢运动检测方法 |
CN113012815B (zh) * | 2021-04-06 | 2023-09-01 | 西北工业大学 | 一种基于多模态数据的帕金森健康风险评估方法 |
CN113012815A (zh) * | 2021-04-06 | 2021-06-22 | 西北工业大学 | 一种基于多模态数据的帕金森健康风险评估方法 |
CN114224296A (zh) * | 2022-01-13 | 2022-03-25 | 福州大学 | 基于可穿戴式传感装置的帕金森运动症状量化评估方法 |
CN114224296B (zh) * | 2022-01-13 | 2023-07-21 | 福州大学 | 基于可穿戴式传感装置的帕金森运动症状量化评估系统 |
CN116434908A (zh) * | 2023-06-14 | 2023-07-14 | 中国科学院自动化研究所 | 基于时间卷积网络的运动迟缓量化分级评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109480858B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109480858A (zh) | 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法 | |
CN106971059B (zh) | 一种基于神经网络自适应健康监测的可穿戴设备 | |
Lee et al. | Portable activity monitoring system for temporal parameters of gait cycles | |
CN106999065A (zh) | 使用加速度测量术的可穿戴疼痛监测器 | |
CN106037738A (zh) | 可穿戴式体能训练评估系统及装置 | |
CN104382602A (zh) | 多参数智能生理检测手套 | |
CN104107037A (zh) | 生理信息采集和处理系统 | |
US10426394B2 (en) | Method and apparatus for monitoring urination of a subject | |
CN105534500B (zh) | 一种整合生理参数监测的平衡功能测评装置及方法 | |
CN110960195A (zh) | 一种方便快捷的神经认知功能评估方法及装置 | |
CN106730766A (zh) | 一种基于心率数据的成人运动负荷的评价方法 | |
Fallahzadeh et al. | Smart-cuff: A wearable bio-sensing platform with activity-sensitive information quality assessment for monitoring ankle edema | |
CN102389310B (zh) | 一种基于步态加速度信号的疲劳检测方法及装置 | |
CN108209882B (zh) | 足部状态监控方法及装置 | |
CN206979491U (zh) | 穿戴式人体平衡能力监测仪 | |
Ceaser | The estimation of caloric expenditure using three triaxial accelerometers | |
CN110353695A (zh) | 一种可穿戴式运动康复指导和监护系统及其方法 | |
CN107613869A (zh) | 指标导出设备、可穿戴设备以及便携式设备 | |
WO2022256942A1 (en) | Wearable device including processor and accelerator | |
CN107080933A (zh) | 一种面向肥胖患者的运动检测与反馈干预系统及方法 | |
CN112274874A (zh) | 一种基于微惯性传感器的人体运动能耗评估系统和方法 | |
Mannini et al. | A smartphone-centered wearable sensor network for fall risk assessment in the elderly | |
WO2020180919A1 (en) | Matter of manufacture of compression legging system and associated uses cross-reference to related applications | |
Kim et al. | Flat-feet prediction based on a designed wearable sensing shoe and a PCA-based deep neural network model | |
CN205286336U (zh) | 爬楼梯试验多参数实时监测系统 |
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 |