CN109662718A - 与老年人肌肉能力相关的运动功能评估系统 - Google Patents
与老年人肌肉能力相关的运动功能评估系统 Download PDFInfo
- Publication number
- CN109662718A CN109662718A CN201910056588.5A CN201910056588A CN109662718A CN 109662718 A CN109662718 A CN 109662718A CN 201910056588 A CN201910056588 A CN 201910056588A CN 109662718 A CN109662718 A CN 109662718A
- Authority
- CN
- China
- Prior art keywords
- elderly
- data
- motor function
- muscle performance
- assessment system
- 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
- 230000007659 motor function Effects 0.000 title claims abstract description 48
- 210000003205 muscle Anatomy 0.000 title claims abstract description 38
- 230000005021 gait Effects 0.000 claims abstract description 43
- 238000013079 data visualisation Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 101150037674 PMA2 gene Proteins 0.000 claims description 7
- 241000512668 Eunectes Species 0.000 claims description 6
- OZCYJKDWRUIFFE-UHFFFAOYSA-N rcs-4 Chemical compound C12=CC=CC=C2N(CCCCC)C=C1C(=O)C1=CC=C(OC)C=C1 OZCYJKDWRUIFFE-UHFFFAOYSA-N 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 229940079593 drug Drugs 0.000 claims description 3
- 239000003814 drug Substances 0.000 claims description 3
- 230000035558 fertility Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 12
- 238000007689 inspection Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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—Measuring 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 or mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring 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—Measuring 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 or 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
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种与老年人肌肉能力相关的运动功能评估系统,包括数据采集模块，数据采集模块用于录入不少于1000例覆盖不同年龄段的老年人基本数据和采集相应的老年人运动捕捉数据与老年人足底压力数据；图形化界面操作数据库模块：图形化界面操作数据库模块与数据采集模块的输出端连接；步态数据可视化模块：步态数据可视化模块与图形化界面操作数据库模块的输出端连接；老年人跌倒风险评估模块：老年人跌倒风险评估模块与步态数据可视化模块的输出端连接，采用SVM将老年人跌倒风险进行分类。本发明不仅可以对老年人肌肉能力相关的运动功能进行评估，而且无需对老年人做复杂的体质检查，仅观察老年人行走过程，即可得到其跌倒风险分级。
Description
技术领域
本发明涉及一种人体运动评估系统，特别是一种与老年人肌肉能力相关的运动功能评估系统。
背景技术
运动功能评价是对人们功能状态和潜在能力的判断，也是对各个方面情况的资料收集、量化、分析并正常标准进行比较的过程。运动功能评价的一般方法与内容包括：1、肌张力的评点；2、肌力评定；3、关节活动范围测定；4、平衡与协调功能评定；5、步态评价。由于肌张力、肌力、关节活动以及平衡最终都会体现在步态上，对步态产生作用，故步态是运动能力最直观的反应。目前，关于老年人肌肉能力相关的的步态研究针对病理方面的研究较多，针对老年人肌肉能力相关的运动功能评估系统的研究，目前还属空白。而确立评估老年人肌肉能力相关的运动功能的评估指标，对于健全老年人体制测量与评估系统，指导老年人进行科学的运动锻炼活动，提高老年人健康水平等有着重要的现实意义和长远意义。
因此，现有的老年人肌肉能力相关的的步态研究，存在无法对老年人肌肉能力相关的运动功能进行评估的问题。
发明内容
本发明的目的在于，提供一种与老年人肌肉能力相关的运动功能评估系统。本发明不仅可以对老年人肌肉能力相关的运动功能进行评估，而且无需对老年人做复杂的体质检查，仅观察老年人行走过程，即可得到其跌倒风险分级。
本发明的技术方案：与老年人肌肉能力相关的运动功能评估系统，包括：
数据采集模块，数据采集模块用于录入不少于1000例覆盖不同年龄段的老年人基本数据和采集相应的老年人运动捕捉数据与老年人足底压力数据；
图形化界面操作数据库模块：图形化界面操作数据库模块与数据采集模块的输出端连接，图形化界面操作数据库模块包括操作数据库和操作界面，操作数据库用于储存采集的老年人基本数据、老年人运动捕捉数据与老年人足底压力数据，操作界面用于实现各数据的增加、删除、更新和查询；
步态数据可视化模块：步态数据可视化模块与图形化界面操作数据库模块的输出端连接，用于处理不同年龄段的老年人基本数据，并以步态数据分布图像这种图形化方式显示，还用于处理老年人运动捕捉数据和老年人足底压力数据，生成多项运动功能指标，并将运动功能指标在不同年龄段以折线图的方式显示；
老年人跌倒风险评估模块：老年人跌倒风险评估模块与步态数据可视化模块的输出端连接，用于分析处理运动功能指标，并以各个运动功能指标为特征，采用SVM将老年人跌倒风险为进行分类。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述老年人的年龄不少于50岁。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述老年人基本数据包括老年人的基本信息和既往病史与用药史、生活形态、心理因素、跌倒史；基本信息包括性别、年龄、身高、体重。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述老年人基本数据通过调查问卷收集录入，老年人运动捕捉数据通过可拍照的摄像机采集，老年人足底压力数据通过Footscan采集。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述操作界面为利用PyQt完成的界面设计。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述操作界面为采用PAAEEP框架完成的模拟窗口，可实现数据库的管理、步态数据分布图像的生成、派生指标的可视化与跌倒风险预测结果显示；所述PAAEEP框架表示Python+Anaconda+Eric4+Eclipse+Pydev。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述步态数据分布图像包括不同年龄段的老年人分布直方图、不同年龄段不同性别的老年人分布推叠图、不同年龄段的老年人体重分布箱形图和不同年龄段的老年人身高分布柱形图。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述运动功能指标包括十项派生指标，所述十项派生指标分别为：PMA1、PM1、PMA2、V1、V2、V3、K4、K5、K6和K7；PMA1表示在着地前支撑阶段，力的最大值；PM1表示在摆动阶段，力的最小值；PMA2表示在推离阶段，力的最大值；V1表示摆动相在一个单步周期中所占的比例；V2表示推离期在一个单步周期中所占的比例；V3表示着地前支撑阶段，力由最大值到最小值变化所用时间，在一个单步周期中所占的比例；K4表示支撑腿承受其对侧肢体传递增加的体重的变化率-在足跟触地期间单位时间内，着地力的变化值；K5表示在推离期内达到最大值到离开测力台期间，单位时间内，力的变化值；K6表示着地前支撑时期，力由最大值到最小值变化期间，单位时间内，力的变化值；K7表示推离期，力由最小值到最大值变化期间，单位时间内，力的变化值。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述不同年龄段包括50-60岁年龄段，60-70岁年龄段，70-80岁年龄段和80岁以上年龄段。
前述的与老年人肌肉能力相关的运动功能评估系统中，所述老年人跌倒风险分为低危、中危和高危三类。
与现有技术相比，本发明通过观察老年人的行走过程，收集老年人基本数据、老年人运动捕捉数据和老年人足底压力数据，便可对老年人肌肉能力相关的运动功能进行评估；通过图形化界面操作数据库模块储存采集的老年人基本数据、老年人运动捕捉数据与老年人足底压力数据，从而生成操作数据库，并可直接对操作数据库中的各数据进行增加、删除、更新和查询,对受试者的基本信息进行管理；通过步态数据可视化模块处理数据库中的各数据，生成多项运动功能指标，得到老年人的步态可视化图像与步态指标取值范围，将不同年龄段的步态指标可视化，可更直观地预测到老年人的异常情况；通过老年人跌倒风险评估模块分析处理各项动功能指标，可将老年人跌倒风险分为低危、中危和高危三类，无需对老年人做复杂的体质检查，仅观察老年人行走过程，得到老年人的跌倒风险分级，为康复评估和临床诊断提供依据。本发明不仅可以对老年人肌肉能力相关的运动功能进行评估，而且无需对老年人做复杂的体质检查，仅观察老年人行走过程，即可得到其跌倒风险分级。
附图说明
图1是本发明的流程框图；
图2是本发明不同年龄段的老年人基本信息以图形化方式显示流程图；
图3是本发明不同年龄段的步态指标可视化流程图；
图4是本发明老年人跌倒风险评估算法流程图；
图5是本发明Z方向力值-时间曲线示意图；
图6是本发明老年人基本信息查询窗口界面；
图7是本发明运动功能指标可视化窗口界面；
图8是本发明步态数据分布图像显示窗口界面；
图9是本发明支持向量机的训练模型窗口界面；
图10是本发明老年人数据可视化及模型预测结果显示窗口界面。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
实施例。与老年人肌肉能力相关的运动功能评估系统，构成如图1至图10所示，包括数据采集模块，数据采集模块用于录入不少于1000例覆盖不同年龄段的老年人基本数据和采集相应的老年人运动捕捉数据与老年人足底压力数据；数据采集模块通过观察老年人的行走过程与收集老年人基本数据，无需做复杂的体质检查，即可方便快速完成数据的采集，使样本数量满足数据统计要求，实施方便；
图形化界面操作数据库模块：图形化界面操作数据库模块与数据采集模块的输出端连接，图形化界面操作数据库模块包操作括数据库和操作界面，操作数据库用于储存采集的老年人基本数据、老年人运动捕捉数据与老年人足底压力数据，操作界面用于实现各数据的增加、删除、更新和查询；图形化界面操作数据库模块实现操作数据库的建立与各数据增加、删除、更新和查询等操作；
步态数据可视化模块：步态数据可视化模块与图形化界面操作数据库模块的输出端连接，用于处理不同年龄段的老年人基本数据，并以步态数据分布图像这种图形化方式显示，还用于处理老年人运动捕捉数据和老年人足底压力数据，生成多项运动功能指标，并将运动功能指标在不同年龄段以折线图的方式显示；步态数据可视化模块将操作数据库中的各数据分析，并以图形化的方式表现出来，更加直观，将老年人的步态信息可视化，可更直观地预测到老年人异常情况；
老年人跌倒风险评估模块：老年人跌倒风险评估模块与步态数据可视化模块的输出端连接，用于分析处理运动功能指标，并以各个运动功能指标为特征，采用SVM将老年人跌倒风险进行分类。老年人跌倒风险评估模块分析处理接收到的数据，定量、客观地反映老年人跌倒风险程度；SVM为支持向量机，是常见的一种判别方法。
所述老年人的年龄不少于50岁。
所述老年人基本数据包括老年人的基本信息和既往病史与用药史、生活形态、心理因素、跌倒史；基本信息包括性别、年龄、身高、体重。
所述老年人基本数据通过调查问卷收集录入，老年人运动捕捉数据通过可拍照的摄像机采集，老年人足底压力数据通过Footscan采集。Footscan是一种足底压力测试系统。
所述操作界面为利用PyQt完成的界面设计。PyQt是一个创建GUI应用程序的工具包。
所述操作界面为基于Python开发PyQt的环境下，采用PAAEEP框架完成的模拟窗口，可实现数据库的管理、步态数据分布图像的生成、派生指标的可视化与跌倒风险预测结果显示；所述PAAEEP框架表示Python+Anaconda+Eric4+Eclipse+Pydev。操作界面可实现数据库的管理、步态数据分布图像的生成、派生指标的可视化与跌倒风险预测结果显示这些功能；PAAEEP框架为Python、Anaconda、Eric4、Eclipse和Pydev合起来的简称；Python表示一种计算机程序设计语言；Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项；Eric4表示一个用PyQt4和QScintilla2开发的Python集成开发环境；Eclipse表示集成开发环境，是一个开放源代码的、基于Java的可扩展开发平台；Pyde表示实现了一个功能强大的Eclipse插件。
所述步态数据分布图像包括不同年龄段的老年人分布直方图、不同年龄段不同性别的老年人分布推叠图、不同年龄段的老年人体重分布箱形图和不同年龄段的老年人身高分布柱形图。
所述运动功能指标包括十项派生指标，所述十项派生指标分别为：PMA1、PM1、PMA2、V1、V2、V3、K4、K5、K6和K7；PMA1为Fz～t曲线的第一波峰值，表示在着地前支撑阶段，力的最大值；PM1为Fz～t曲线的波谷值，表示在摆动阶段，力的最小值；PMA2为Fz～t曲线的第二波峰值，表示在推离阶段，力的最大值；V1为(T4-T2)/(T5-T1)，表示摆动相在一个单步周期中所占的比例；V2为(T4-T3)/(T5-T1)，表示推离期在一个单步周期中所占的比例；V3为(T3-T2)/(T5-T1)，表示着地前支撑阶段，力由最大值到最小值变化所用时间，在一个单步周期中所占的比例；K4为(PMA1-PS)/(T2-T1)，表示支撑腿承受其对侧肢体传递增加的体重的变化率-在足跟触地期间单位时间内，着地力的变化值；K5为(PMA2-PF)/(T4-T5)，表示在推离期内达到最大值到离开测力台期间，单位时间内，力的变化值；K6为(PM1-PMA1)/(T3-T2)，表示着地前支撑时期，力由最大值到最小值变化期间，单位时间内，力的变化值；K7为(PMA2-PM1)/(T4-T3)，表示推离期，力由最小值到最大值变化期间，单位时间内，力的变化值。如下表所示。
所述不同年龄段包括50-60岁年龄段，60-70岁年龄段，70-80岁年龄段和80岁以上年龄段。
所述老年人跌倒风险分为低危、中危和高危三类。
工作原理：先以不少于1000例覆盖不同年龄段的老年人作为样本，通过数据采集模块以调查问卷的方式录入相应的老年人基本数据，并采集“量表评估+步态测试”同步的实验数据，实验测试内容包括综合平衡能力测试数据量表和生物力学仪器同时测试，在实验场地放置有可拍照的摄像机来采集老年人运动捕捉数据，铺设好Footscan平板式足底压力分布系统来采集老年人足底压力数据。老年人根据实验方案在Footscan平板式足底压力板上行走，压力传感器实时记录人体足部的地面反作用力，并将力学信号转换成数据输入计算机。同时老年人的动作完成情况由测试人员进行量表评分；实验结束之后，测试人员将老年人运动捕捉数据、老年人足底压力数据从软件中提取出来，保存到Excel中；
再将数据采集模块采集的各个数据导入储存至图形化界面操作数据库模块，从而建立操作数据库，并利用PyQt工具包进行操作界面设计，动态生成SQL查询语句，连接到操作数据库，显示查询结果；基于Python开发PyQt的环境，采用PAAEEP(Python+Anaconda+Eric4+Eclipse+Pydev)框架完成的模拟窗口，可进行操作数据库的操作与管理，实现对受试者基本信息的管理,还具有步态数据分布图像的生成、派生指标的可视化与跌倒风险预测结果显示这些功能；
接着通过步态数据可视化模块将操作数据库中各个数据进行分析处理，经操作界面操作，将老年人的步态数据分布以不同年龄段的老年人分布直方图、不同年龄段不同性别的老年人分布推叠图、不同年龄段的老年人体重分布箱形图和不同年龄段的老年人身高分布柱形图这四种图形化方式显示，并通过Footscan的测力台获取受试者行走中的动力学参数，通过公式计算出的十项派生指标(PMA1、PM1、PMA2、V1、V2、V3、K4、K5、K6、K7)，完成老年人的步态指标提取；并提取受试者左右足的十项派生指标，统计四个年龄段(50-60，60-70，70-80，80以上)的基本参数(均值，方差)和变异性参数，生成各项指标在不同年龄段的折线图与步态指标取值范围，将不同年龄段的步态指标可视化；
之后经老年人跌倒风险评估模块，以各派生指标为特征，采用SVM支持向量机将老年人跌倒风险分为低危、中危和高危三类(1～2分为低危、3～9分为中危、10分以上为高危，且不同年龄段的老人的分类判定标准是相同的)，从而定量、客观地反映老年人的跌倒风险程度；因而评估与老年人肌肉能力相关的运动功能时，无需做复杂的体质检查，仅录入老年人的基本数据，观察老年人行走过程，经操作界面操作，便可得到其跌倒风险分级，为康复评估和临床诊断提供依据。本发明不仅可以对老年人肌肉能力相关的运动功能进行评估，而且无需对老年人做复杂的体质检查，仅观察老年人行走过程，即可得到其跌倒风险分级。
Claims (10)
1.与老年人肌肉能力相关的运动功能评估系统，其特征在于，包括：
数据采集模块，数据采集模块用于录入不少于1000例覆盖不同年龄段的老年人基本数据和采集相应的老年人运动捕捉数据与老年人足底压力数据；
图形化界面操作数据库模块：图形化界面操作数据库模块与数据采集模块的输出端连接，图形化界面操作数据库模块包括操作数据库和操作界面，操作数据库用于储存采集的老年人基本数据、老年人运动捕捉数据与老年人足底压力数据，操作界面用于实现各数据的增加、删除、更新和查询；
步态数据可视化模块：步态数据可视化模块与图形化界面操作数据库模块的输出端连接，用于处理不同年龄段的老年人基本数据，并以步态数据分布图像这种图形化方式显示，还用于处理老年人运动捕捉数据和老年人足底压力数据，生成多项运动功能指标，并将运动功能指标在不同年龄段以折线图的方式显示；
老年人跌倒风险评估模块：老年人跌倒风险评估模块与步态数据可视化模块的输出端连接，用于分析处理运动功能指标，并以各个运动功能指标为特征，采用SVM将老年人跌倒风险进行分类。
2.根据权利要求1所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述老年人的年龄不少于50岁。
3.根据权利要求1所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述老年人基本数据包括老年人的基本信息和既往病史与用药史、生活形态、心理因素、跌倒史；基本信息包括性别、年龄、身高、体重。
4.根据权利要求1所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述老年人基本数据通过调查问卷收集录入，老年人运动捕捉数据通过可拍照的摄像机采集，老年人足底压力数据通过Footscan采集。
5.据根据权利要求1所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述操作界面为利用PyQt完成的界面设计。
6.据根据权利要求5所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述操作界面为采用PAAEEP框架完成的模拟窗口，可实现数据库的管理、步态数据分布图像的生成、派生指标的可视化与跌倒风险预测结果显示；所述PAAEEP框架表示Python+Anaconda+Eric4+Eclipse+Pydev。
7.根据权利要求1所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述步态数据分布图像包括不同年龄段的老年人分布直方图、不同年龄段不同性别的老年人分布推叠图、不同年龄段的老年人体重分布箱形图和不同年龄段的老年人身高分布柱形图。
8.根据权利要求1所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述运动功能指标包括十项派生指标，所述十项派生指标分别为：PMA1、PM1、PMA2、V1、V2、V3、K4、K5、K6和K7；PMA1表示在着地前支撑阶段，力的最大值；PM1表示在摆动阶段，力的最小值；PMA2表示在推离阶段，力的最大值；V1表示摆动相在一个单步周期中所占的比例；V2表示推离期在一个单步周期中所占的比例；V3表示着地前支撑阶段，力由最大值到最小值变化所用时间，在一个单步周期中所占的比例；K4表示支撑腿承受其对侧肢体传递增加的体重的变化率-在足跟触地期间单位时间内，着地力的变化值；K5表示在推离期内达到最大值到离开测力台期间，单位时间内，力的变化值；K6表示着地前支撑时期，力由最大值到最小值变化期间，单位时间内，力的变化值；K7表示推离期，力由最小值到最大值变化期间，单位时间内，力的变化值。
9.据权利要求2所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述不同年龄段包括50-60岁年龄段，60-70岁年龄段，70-80岁年龄段和80岁以上年龄段。
10.根据权利要求1至9任一权利要求所述的与老年人肌肉能力相关的运动功能评估系统，其特征在于：所述老年人跌倒风险分为低危、中危和高危三类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910056588.5A CN109662718A (zh) | 2019-01-22 | 2019-01-22 | 与老年人肌肉能力相关的运动功能评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910056588.5A CN109662718A (zh) | 2019-01-22 | 2019-01-22 | 与老年人肌肉能力相关的运动功能评估系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109662718A true CN109662718A (zh) | 2019-04-23 |
Family
ID=66149647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910056588.5A Pending CN109662718A (zh) | 2019-01-22 | 2019-01-22 | 与老年人肌肉能力相关的运动功能评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109662718A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110367991A (zh) * | 2019-06-27 | 2019-10-25 | 东南大学 | 一种老年人跌倒风险评估方法 |
| CN110558936A (zh) * | 2019-08-09 | 2019-12-13 | 南昌大学 | 一种老年人平衡能力风险评估方法 |
| CN110638449A (zh) * | 2019-09-30 | 2020-01-03 | 福州大学 | 一种基于机械功的肌肉量化分析方法 |
| CN111243688A (zh) * | 2020-03-24 | 2020-06-05 | 芜湖云枫信息技术有限公司 | 一种老年人运动风险评估系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070203435A1 (en) * | 2004-03-26 | 2007-08-30 | Peter Novak | System And Method For Gait Synchronized Vibratory Stimulation Of The Feet |
| CN103049741A (zh) * | 2012-12-21 | 2013-04-17 | 中国科学院合肥物质科学研究院 | 基于足地作用力的步态特征提取方法及步态识别系统 |
| CN103514302A (zh) * | 2013-10-28 | 2014-01-15 | 深圳先进技术研究院 | 人体步态数据库及其建立方法 |
| CN105286874A (zh) * | 2015-11-03 | 2016-02-03 | 长安大学 | 一种用于预测老年人跌倒风险的系统及方法 |
| CN106887115A (zh) * | 2017-01-20 | 2017-06-23 | 安徽大学 | 一种老人跌倒监测装置及跌倒风险评估方法 |
| CN108960155A (zh) * | 2018-07-09 | 2018-12-07 | 济南大学 | 基于Kinect的成人步态提取与异常分析方法 |
-
2019
- 2019-01-22 CN CN201910056588.5A patent/CN109662718A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070203435A1 (en) * | 2004-03-26 | 2007-08-30 | Peter Novak | System And Method For Gait Synchronized Vibratory Stimulation Of The Feet |
| CN103049741A (zh) * | 2012-12-21 | 2013-04-17 | 中国科学院合肥物质科学研究院 | 基于足地作用力的步态特征提取方法及步态识别系统 |
| CN103514302A (zh) * | 2013-10-28 | 2014-01-15 | 深圳先进技术研究院 | 人体步态数据库及其建立方法 |
| CN105286874A (zh) * | 2015-11-03 | 2016-02-03 | 长安大学 | 一种用于预测老年人跌倒风险的系统及方法 |
| CN106887115A (zh) * | 2017-01-20 | 2017-06-23 | 安徽大学 | 一种老人跌倒监测装置及跌倒风险评估方法 |
| CN108960155A (zh) * | 2018-07-09 | 2018-12-07 | 济南大学 | 基于Kinect的成人步态提取与异常分析方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110367991A (zh) * | 2019-06-27 | 2019-10-25 | 东南大学 | 一种老年人跌倒风险评估方法 |
| CN110367991B (zh) * | 2019-06-27 | 2022-03-08 | 东南大学 | 一种老年人跌倒风险评估方法 |
| CN110558936A (zh) * | 2019-08-09 | 2019-12-13 | 南昌大学 | 一种老年人平衡能力风险评估方法 |
| CN110638449A (zh) * | 2019-09-30 | 2020-01-03 | 福州大学 | 一种基于机械功的肌肉量化分析方法 |
| CN111243688A (zh) * | 2020-03-24 | 2020-06-05 | 芜湖云枫信息技术有限公司 | 一种老年人运动风险评估系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109662718A (zh) | 与老年人肌肉能力相关的运动功能评估系统 | |
| US11266341B2 (en) | Measuring dynamic body movement | |
| US11837365B1 (en) | Assessing fitness by entropy and bispectral analysis | |
| CN104008398B (zh) | 一种基于多传感器信息融合的步态分类方法 | |
| EP2470076B1 (en) | Characterizing a physical capability by motion analysis | |
| JP7057589B2 (ja) | 医療情報処理システム、歩行状態定量化方法およびプログラム | |
| JP5981417B2 (ja) | 膝関節病状評価および診断補助のための方法ならびにシステム | |
| US20120137795A1 (en) | Rating a physical capability by motion analysis | |
| AU2008252042B2 (en) | The Collection of Medical Data | |
| KR102128267B1 (ko) | 제자리 걸음 특성 정보를 이용한 보행 능력 예측 방법 및 시스템 | |
| CN105769174A (zh) | 心血管内科检测仪 | |
| KR102128268B1 (ko) | 발 특성 정보를 이용한 보행 능력 예측 방법 및 시스템 | |
| JP2014521053A (ja) | 肝線維症検出装置および検出システム | |
| CN110545723A (zh) | Locogram软件：用于分析步态练习的工具 | |
| CN118553425B (zh) | 一种用于医疗健康动态预测模型的构建方法及系统 | |
| CN112687378B (zh) | 一种帕金森病运动障碍症状监测平台及其应用 | |
| Mehra et al. | Design and implementation of ML model for early diagnosis of Parkinson’s disease using gait data analysis in IoT environment | |
| JP2021039683A (ja) | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム | |
| US20220409125A1 (en) | Bio-signal acquisition and feedback | |
| CN112863692A (zh) | 一种围术期药物不良反应评估模型构建方法 | |
| CN114392126B (zh) | 一种残疾儿童手部配合训练系统 | |
| AU2014202468A1 (en) | The Collection of Medical Data | |
| Yee et al. | Data-driven model for upper limb spasticity detection | |
| Biloborodova et al. | A Personal Mobile Sensing System for Motor Symptoms Assessment of Parkinson's Disease | |
| Xiang et al. | AI WALKUP: A Computer-Vision Approach to Quantifying MDS-UPDRS in Parkinson's Disease |
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 |
Application publication date: 20190423 |
|
| RJ01 | Rejection of invention patent application after publication |