CN109730687A - 用于脑瘫患者的可穿戴步态检测分析系统 - Google Patents
用于脑瘫患者的可穿戴步态检测分析系统 Download PDFInfo
- Publication number
- CN109730687A CN109730687A CN201910032913.4A CN201910032913A CN109730687A CN 109730687 A CN109730687 A CN 109730687A CN 201910032913 A CN201910032913 A CN 201910032913A CN 109730687 A CN109730687 A CN 109730687A
- Authority
- CN
- China
- Prior art keywords
- gait
- user
- patients
- walking
- cerebral palsy
- 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
Abstract
本发明公开了一种用于脑瘫患者的可穿戴步态检测分析系统,包括:压力传感器用于测量用户行走时足底的压力变化值;惯性传感器用于检测用户行走时脚底和膝盖的运动轨迹;距离传感器用于测量用户行走时脚底与地面的距离值;处理器用于将压力变化值、运动轨迹和距离值进行处理得到用户的步态数据;无线通信模块用于将步态数据发送给服务器,以及服务器根据步态数据对用户在预设周期内的步态进行分析评估,并将评估结果发送给终端设备进行显示。该系统便携可穿戴,使用方便,可长期监控获取数据,并且可以准确全面地获取信息,可以有效获取用户的步态信息。
Description
技术领域
本发明涉及穿戴式足底压力测试技术领域,特别涉及一种用于脑瘫患者的可穿戴步态检测分析系统。
背景技术
步态指一个人行走时的表现出来的动作以及姿态。一个人表现出来的步态与其骨骼、肌肉和神经系统密切相关。脑瘫作为一种神经性疾病,可直接反映在患者的肢体状态尤其是在步态上。因此,医学上可根据步态评估脑瘫患者的病情,可作为手术和术后康复的依据和指标。
传统的步态检测仪包括步台式步态分析仪,通常价格极为昂贵且不可移动,不能对患者的步态做长期监测和诊断。而已有便携式的设备尚未有针对脑瘫病人步态检测的设备,通用的步态检测设备数据类型少,且精确度低,数据不够全面。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的目的在于提出一种用于脑瘫患者的可穿戴步态检测分析系统。
为达到上述目的,本发明提出了用于脑瘫患者的可穿戴步态检测分析系统,包括:压力传感器,用于测量用户行走时足底的压力变化值;惯性传感器,用于检测用户行走时脚底和膝盖的运动轨迹;距离传感器,用于测量用户行走时脚底与地面的距离值;处理器,用于将所述压力变化值、所述运动轨迹和所述距离值进行处理得到所述用户的步态数据;无线通信模块,用于将所述步态数据发送给服务器,以及所述服务器根据所述步态数据对所述用户在预设周期内的步态进行分析评估,并将评估结果发送给终端设备进行显示。
本发明实施例的用于脑瘫患者的可穿戴步态检测分析系统,通过设计成便携可穿戴鞋,适合用户长期穿戴,可对用户进行长期监控,有效获取真实且有效的步态信息,并根据步态信息检测异常步态以进行评估,为医疗诊断和治疗提供有力依据。
另外,根据本发明上述实施例的用于脑瘫患者的可穿戴步态检测分析系统还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述压力传感器为石墨烯柔性器件压力传感器。
进一步地,在本发明的一个实施例中,所述压力传感器以鞋垫形式放置在用户的鞋中,分别位于:第一跖骨、第三跖骨、第五跖骨、大脚趾和脚跟和前脚掌中的一处或多处。
可选地,在本发明的一个实施例中,还包括:电池模块,用于给所述压力传感器、所述惯性传感器、所述距离传感器、所述无线通信模块和所述处理器提供电能。
进一步地,在本发明的一个实施例中,所述惯性传感器固定于用户的鞋跟外部和膝盖处,用于检测用户行走时脚底和膝盖的运动轨迹;所述距离传感器位于用户的鞋底部,用于测量用户行走时脚底与地面的距离值。
进一步地,在本发明的一个实施例中,所述服务器根据所述步态数据对所述用户在预设周期内的步态进行分析评估,包括:在预设周期内,根据所述步态数据确定在支撑周期时支撑脚脚底受力不均匀或不稳定,摆动脚摆动周期过长,判断为行走障碍;对用户行走时脚和膝盖的运动轨迹进行评估,若出现脚部轨迹异常,或出现膝盖轨迹异常,判断为异常步态。
进一步地,在本发明的一个实施例中,还包括:打分系统和深度神经网络识别分类系统
进一步地,在本发明的一个实施例中,所述打分系统设计四种运动模式包括:自主行走,自主上楼,辅助行走和辅助上楼;
针对所述四种运动模式的步态进行打分,以预设正常步伐作为标准,误差大小与分数大小成反比,若无法完成则为零分。
进一步地,在本发明的一个实施例中,所述深度神经网络识别分类系统采集每个系统功能分级多用户的步态数据作为数据库;用深度神经网络的方式进行学习训练,所述学习训练完成后,将当前用户的所述步态数据输入所述深度神经网络中,进行评级分类。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一个实施例的用于脑瘫患者的可穿戴步态检测分析系统结构示意图;
图2是本发明一个实施例的用于脑瘫患者的可穿戴步态检测分析系统具体结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的用于脑瘫患者的可穿戴步态检测分析系统。
图1是本发明一个实施例的用于脑瘫患者的可穿戴步态检测分析系统结构示意图。
如图1所示,该用于脑瘫患者的可穿戴步态检测分析系统10包括:压力传感器100、惯性传感器200、距离传感器300、处理器400和无线通信模块500。
其中,压力传感器100用于测量用户行走时足底的压力变化值。
进一步地,压力传感器100为石墨烯柔性压力传感器器件,其中,石墨烯柔性压力传感器器件100测量运动时的足底压力变化,其动态范围高灵敏度大,便于对异步步态的检测,且不会对患者的动作产生干扰。
进一步地,在本发明的一个实施例中,所述压力传感器以鞋垫形式放置在用户的鞋中,分别位于第一跖骨、第三跖骨、第五跖骨,大脚趾、脚跟和前脚掌中的一处或者多处。
需要说明的是,压力传感器100以鞋垫的方式分布在脚底,其压力传感器分布方式包括:足底的第一、第三、第五跖骨处,大脚趾处和脚跟处,此分布为正常步态的主受力点,并在前脚掌处加设两个或多个压力传感器用100于检测第一类用户的异步步态,如足尖行走。
其中,用户包括两类用户,第一类用户为脑瘫类步伐异常的患者,第二类用户为步伐正常的健康人。
判断异常步态的方法包括:
a、对患者各步态的周期进行评估,若在支撑周期时支撑脚脚底受力不均匀或不稳定,摆动脚摆动周期过长,可认为是行走障碍。
b、对患者行走时脚和膝盖的运动轨迹进行评估,若出现脚部轨迹异常,如抬脚缓慢、脚向外呈圆弧状,或出现膝盖轨迹异常,如膝盖摆动消失,膝部靠近成剪刀样,可判断为异常步态。
本发明实施例中的惯性传感器200用于检测用户行走时脚底和膝盖的运动轨迹。
具体而言,惯性传感器200固定于脚跟外部和膝盖处,从而检测用户行走时脚部和膝盖的运动轨迹,用于检测剪刀步等异常步态。
本发明实施例中的距离传感器300用于测量用户行走时脚底与地面的距离值。
具体而言,距离传感器300的探测部分位于脚底部,测量行走时脚底与地面的距离,配合惯性传感器可测量跨越步态等异常步态。
其中,处理器400用于将压力变化值、运动轨迹和距离值进行处理得到用户的步态数据。
除此之外,处理器400为用于脑瘫患者的可穿戴步态检测分析系统的核心处理单元,控制各个传感器模块和无线收发单元,处理相应数据和命令。
本发明实施例中的无线通信模块500用于将步态数据发送给服务器,以及服务器根据步态数据对用户在预设周期内的步态进行分析评估,并将评估结果发送给终端设备进行显示。
换言之,无线通信模块500将步态数据和评估结果等相关数据在各传感器间实时传输,并跟服务器通信。
进一步地,在本发明的一个实施例中,服务器根据步态数据对用户在预设周期内的步态进行分析评估,包括:
在预设周期内,根据步态数据确定在支撑周期时支撑脚脚底受力不均匀或不稳定,摆动脚摆动周期过长,判断为行走障碍;
对用户行走时脚和膝盖的运动轨迹进行评估,若出现脚部轨迹异常,或出现膝盖轨迹异常,判断为异常步态。
本发明实施例用于脑瘫患者的可穿戴步态检测分析系统10为便携式可穿戴设备,解决了传统步台式系统不可移动且受运动受阻的缺点,且佩戴时不会影响人类行走时的自然步态,从而可以长期监测,并获取真实且有效的数据,为用户的诊断和治疗提供更多信息。
如图2所示,该用于脑瘫患者的可穿戴步态检测分析系统10还包括:电池模块600用于给压力传感器、惯性传感器、距离传感器、无线通信模块和处理器单元提供电能;以及打分系统和深度神经网络识别分类系统。
进一步地,本用于脑瘫患者的可穿戴步态检测分析系统是利用系统功能分级标准进行评级,结合打分系统和深度神经网络识别分类系统的任一种或两种共同决定。
进一步地,在本发明的一个实施例中,打分系统设计四种运动模式包括:自主行走,自主上楼,辅助行走和辅助上楼;针对所述四种运动模式的步态进行打分,以预设正常步伐作为标准,误差大小与分数大小成反比,若无法完成则为零分。
进一步地,在本发明的一个实施例中,所述深度神经网络识别分类系统采集每个系统功能分级多用户的步态数据作为数据库;用深度神经网络的方式进行学习训练,所述学习训练完成后,将当前用户的所述步态数据输入所述深度神经网络中,进行评级分类。
其中,系统功能分级标准应用粗大运动功能分级系统(GMFCS,Gross MotorFunction Classification System),根据脑性瘫痪患儿运动功能随年龄变化规律设计提出的分级系统。
具体而言,用于脑瘫患者的可穿戴步态检测分析系统10以第一类用户中脑性瘫痪患者为例,进行粗大运动功能分级系统进行评级,结合打分系统和深度神经网络识别分类系统的任一种或两种共同决定。GMFCS将脑性瘫痪患分为4个年龄组,每个年龄组又根据患儿运动功能的表现分为5个级别,I级最低,V级最高。分级对于5岁以后的儿童终身不会改变,因此需要依据评级为患者提供辅助器材或者手术治疗。其中,
a、打分系统:设计四种运动模式包括:自主行走,自主上楼,辅助行走和辅助上楼。对患者四种运动模式的步态进行打分,以预设正常步伐作为标准,误差越小则分数越高,若无法完成则为零分,得分越低则GMFCS等级越高。
b、深度神经网络识别分类:采集每个GMFCS分级多病患的步态特征,包括脚部运行轨迹,脚压变化,膝盖运动轨迹作为数据库,用深度神经网络的方式进行学习训练。训练完成后,将当前病患的步态特征输入深度神经网络中,进行评级分类。
另外,该用于脑瘫患者的可穿戴步态检测分析系统10中还有配套相关电路,包括传感器信号的采集、放大及提取电路等等。
根据本发明实施例提出的用于脑瘫患者的可穿戴步态检测分析系统,通过设计成便携可穿戴鞋,适合用户长期穿戴,可对用户进行长期监控,有效获取真实且有效的步态信息,并根据步态信息检测异常步态以进行评估,为医疗诊断和治疗提供有力依据。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,包括:
压力传感器,用于测量用户行走时足底的压力变化值;
惯性传感器,用于检测用户行走时脚底和膝盖的运动轨迹;
距离传感器,用于测量用户行走时脚底与地面的距离值;
处理器,用于将所述压力变化值、所述运动轨迹和所述距离值进行处理得到所述用户的步态数据;
无线通信模块,用于将所述步态数据发送给服务器,以及所述服务器根据所述步态数据对所述用户在预设周期内的步态进行分析评估,并将评估结果发送给终端设备进行显示。
2.根据权利要求1所述的用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,所述压力传感器为石墨烯柔性压力传感器。
3.根据权利要求1所述的用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,所述压力传感器以鞋垫形式放置在用户的鞋中,分别位于第一跖骨、第三跖骨、第五跖骨,大脚趾、脚跟和前脚掌中的一处或者多处。
4.根据权利要求1所述的用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,还包括:
电池模块,用于给所述压力传感器、所述惯性传感器、所述距离传感器、所述无线通信模块和所述处理器提供电能。
5.根据权利要求1所述的用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,所述惯性传感器固定于用户的鞋跟外部和膝盖处,用于检测用户行走时脚底和膝盖的运动轨迹;所述距离传感器位于用户的鞋底部,用于测量用户行走时脚底与地面的距离值。
6.根据权利要求1所述的用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,所述服务器根据所述步态数据对所述用户在预设周期内的步态进行分析评估,包括:
在预设周期内,根据所述步态数据确定在支撑周期时支撑脚脚底受力不均匀或不稳定,摆动脚摆动周期过长,判断为行走障碍;
对用户行走时脚和膝盖的运动轨迹进行评估,若出现脚部轨迹异常,或出现膝盖轨迹异常,判断为异常步态。
7.根据权利要求1所述的用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,还包括:
打分系统和深度神经网络识别分类系统。
8.根据权利要求7所述的用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,
所述打分系统设计四种运动模式包括:自主行走,自主上楼,辅助行走和辅助上楼;
针对所述四种运动模式的步态进行打分,以预设正常步伐作为标准,误差大小与分数大小成反比,若无法完成则为零分。
9.根据权利要求7所述的用于脑瘫患者的可穿戴步态检测分析系统,其特征在于,
所述深度神经网络识别分类系统采集每个系统功能分级多用户的步态数据作为数据库;
用深度神经网络的方式进行学习训练,所述学习训练完成后,将当前用户的所述步态数据输入所述深度神经网络中,进行评级分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032913.4A CN109730687A (zh) | 2019-01-14 | 2019-01-14 | 用于脑瘫患者的可穿戴步态检测分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032913.4A CN109730687A (zh) | 2019-01-14 | 2019-01-14 | 用于脑瘫患者的可穿戴步态检测分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109730687A true CN109730687A (zh) | 2019-05-10 |
Family
ID=66364697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910032913.4A Pending CN109730687A (zh) | 2019-01-14 | 2019-01-14 | 用于脑瘫患者的可穿戴步态检测分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109730687A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110897254A (zh) * | 2019-12-11 | 2020-03-24 | 上海理工大学 | 一种具有防摔提醒功能的智能鞋装置及防摔提醒方法 |
CN111513723A (zh) * | 2020-04-21 | 2020-08-11 | 咪咕互动娱乐有限公司 | 运动姿态监测方法、调整方法、装置和终端 |
CN113314235A (zh) * | 2021-05-19 | 2021-08-27 | 郑州大学 | 基于实时数据采集的脑卒中预警与主动干预系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631195A (zh) * | 2015-12-18 | 2016-06-01 | 合肥工业大学 | 一种可穿戴式多信息融合的步态分析系统及其方法 |
CN106693280A (zh) * | 2016-12-29 | 2017-05-24 | 深圳市臻络科技有限公司 | 基于虚拟现实的帕金森训练方法、系统和装置 |
CN106901745A (zh) * | 2017-01-09 | 2017-06-30 | 湖北慧沃生物科技有限责任公司 | 患者步态分析诊断系统 |
CN108338790A (zh) * | 2017-01-24 | 2018-07-31 | 首都医科大学 | 步态分析及跌倒评估系统 |
CN108814617A (zh) * | 2018-04-26 | 2018-11-16 | 深圳市臻络科技有限公司 | 冻结步态识别方法和装置及步态检测仪 |
-
2019
- 2019-01-14 CN CN201910032913.4A patent/CN109730687A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631195A (zh) * | 2015-12-18 | 2016-06-01 | 合肥工业大学 | 一种可穿戴式多信息融合的步态分析系统及其方法 |
CN106693280A (zh) * | 2016-12-29 | 2017-05-24 | 深圳市臻络科技有限公司 | 基于虚拟现实的帕金森训练方法、系统和装置 |
CN106901745A (zh) * | 2017-01-09 | 2017-06-30 | 湖北慧沃生物科技有限责任公司 | 患者步态分析诊断系统 |
CN108338790A (zh) * | 2017-01-24 | 2018-07-31 | 首都医科大学 | 步态分析及跌倒评估系统 |
CN108814617A (zh) * | 2018-04-26 | 2018-11-16 | 深圳市臻络科技有限公司 | 冻结步态识别方法和装置及步态检测仪 |
Non-Patent Citations (1)
Title |
---|
杨林林: "脑瘫青少年平地行走步态特征研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑(月刊)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110897254A (zh) * | 2019-12-11 | 2020-03-24 | 上海理工大学 | 一种具有防摔提醒功能的智能鞋装置及防摔提醒方法 |
CN110897254B (zh) * | 2019-12-11 | 2021-04-09 | 上海理工大学 | 一种具有防摔提醒功能的智能鞋装置及防摔提醒方法 |
CN111513723A (zh) * | 2020-04-21 | 2020-08-11 | 咪咕互动娱乐有限公司 | 运动姿态监测方法、调整方法、装置和终端 |
CN113314235A (zh) * | 2021-05-19 | 2021-08-27 | 郑州大学 | 基于实时数据采集的脑卒中预警与主动干预系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Howell et al. | Kinetic gait analysis using a low-cost insole | |
Zhang et al. | Measurement of human daily physical activity | |
Ahroni et al. | Reliability of F-scan in-shoe measurements of plantar pressure | |
US20110054359A1 (en) | Footwear-based body weight monitor and postural allocation, physical activity classification, and energy expenditure calculator | |
Malvade et al. | IoT based monitoring of foot pressure using FSR sensor | |
Goetschius et al. | Validating center-of-pressure balance measurements using the MatScan® pressure mat | |
US20170196507A1 (en) | Systems and methods for measuring performance parameters related to artificial orthopedic joints | |
Subramaniam et al. | Wearable sensor systems for fall risk assessment: A review | |
CN109730687A (zh) | 用于脑瘫患者的可穿戴步态检测分析系统 | |
Mustufa et al. | Design of a smart insole for ambulatory assessment of gait | |
Wang et al. | A novel low-cost wireless footwear system for monitoring diabetic foot patients | |
Martínez-Martí et al. | Embedded sensor insole for wireless measurement of gait parameters | |
Muñoz-Organero et al. | Identification of walking strategies of people with osteoarthritis of the knee using insole pressure sensors | |
CN109730686A (zh) | 基于传感器阵列的步态检测分析仪 | |
Nayak et al. | Measurement of gait and balance in the elderly | |
Plekhanova et al. | Equivalency of sleep estimates: comparison of three research-grade accelerometers | |
Anzai et al. | Comparative study between a novel 7-sensor plantar pressure measurement insole and the F-scan device | |
Hamid et al. | Development of a wearable plantar force measurement device for gait analysis in remote conditions | |
Saidani et al. | A prototype design of a smart shoe insole system for real-time monitoring of patients | |
Edmison et al. | An e-textile system for motion analysis | |
Malvade et al. | In-sole shoe foot pressure monitoring for gait analysis | |
Zahid et al. | Use of ‘wearables’ to assess the Up-on-the-toes test | |
KR102251104B1 (ko) | 착용형 보행 분석 장치 | |
Bark et al. | Design and development of a force-sensing shoe for gait analysis and monitoring | |
Martínez-Martí et al. | A preliminary study of the relation between back-pain and plantar-pressure evolution during pregnancy |
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: 20190510 |
|
RJ01 | Rejection of invention patent application after publication |