CN110367996A - 一种评估人体跌倒风险的方法及电子设备 - Google Patents

一种评估人体跌倒风险的方法及电子设备 Download PDF

Info

Publication number
CN110367996A
CN110367996A CN201910816704.9A CN201910816704A CN110367996A CN 110367996 A CN110367996 A CN 110367996A CN 201910816704 A CN201910816704 A CN 201910816704A CN 110367996 A CN110367996 A CN 110367996A
Authority
CN
China
Prior art keywords
people
assessed
status information
information
fall risk
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
Application number
CN201910816704.9A
Other languages
English (en)
Inventor
方磊
苏祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Shuxiao Information Technology Co Ltd
Original Assignee
Shanghai Shuxiao Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Shuxiao Information Technology Co Ltd filed Critical Shanghai Shuxiao Information Technology Co Ltd
Priority to CN201910816704.9A priority Critical patent/CN110367996A/zh
Publication of CN110367996A publication Critical patent/CN110367996A/zh
Pending legal-status Critical Current

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
    • A61B5/1116—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
    • A61B5/112—Gait analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/08—Elderly

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Dentistry (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种评估人体跌倒风险的方法及电子设备，步骤如下：(1)进入评估模式，播放电子设备中的一视频，视频用于指导待评估人进行图像采集；(2)进入图像采集模式，实时采集某状态下待评估人的图像信息，确定图像信息中包括待评估人；(3)进入分析模式，分析所采集到的图像信息得出待评估人的状态信息。电子设备能够执行以上评估方法。本发明的评估方法，步骤简便，评估速度快，提供了一种流程清晰、重复性好且适应性好的评估标准；评估精度高，能够合理评估待评估人的状态，应用前景好；电子设备，结构简单，评估速度快，能够帮助使用者了解自身状态，同时可用作预诊(问诊)设备辅助医生，提高医生的工作效率，极具应用前景。

Description

一种评估人体跌倒风险的方法及电子设备
技术领域
本发明属于运动康复及评估技术领域，涉及一种评估人体跌倒风险的方法及电子设备。
背景技术
随着社会的发展，人们对生活品质的要求越来越高，同时对自身的身体健康越来越重视。
而目前人们一般都是身体出现病症或不适反应后才会发现身体状态不佳。而往往当出现病症或不适反应时，已经产生了较为严重的后果，对身体造成了伤害。目前健康行业内并未建立人体身体状态的评估标准，人体身体状态评估主要是依赖于医疗人员的临床经验，一方面，其评估结果不客观，主观因素影响过大，另一方面，需要专业人员，难以进行推广。
同时随着中国老年社会的到来，中国每年有2000万老年人发生2500万次跌倒，直接的医疗费用超过50亿元人民币。在长期照护机构，老年人跌倒更为普遍，每年65岁以上老人超过50％发生跌倒，所以跌倒是威胁老年人身体健康的重要危险因素。老年人一旦跌倒发生，致残率高，生活质量明显下降，不仅影响个人身心健康，还会对家庭乃至社会造成巨大负担。
因此，开发一种评估方法简单且评估结果精确的能够评估人体跌倒风险的方法(标准)极具现实意义。
发明内容
本发明的目的在于克服现有技术评估结果不客观、主观因素影响过大且推广困难的缺陷，提供一种评估方法简单且评估结果精确的评估人体跌倒风险的方法。
为实现上述目的，本发明提供如下技术方案：
一种评估人体跌倒风险的方法，应用于电子设备，步骤如下：
(1)进入评估模式，播放所述电子设备中的一视频，所述视频用于指导待评估人进行图像采集；
(2)进入图像采集模式，实时采集某状态下待评估人的图像信息，确定所述图像信息中包括待评估人；
(3)进入分析模式，分析所采集到的图像信息得出待评估人的状态信息。
本发明的一种评估人体跌倒风险的方法，首先播放电子设备中存储的用于指导待评估人进行图像采集的视频，即播放事先录制好的视频资料，方便待评估人理解，然后进入图像采集模式，采集待评估人的图像信息，此时待评估人在前步骤视频的指导下进行动作，图像采集结束后确认图像信息中包括待评估人，再进入分析模式，基于计算机视觉技术提取图像信息中的判断信息，最后基于判断信息评估待评估人的状态，得到待评估人的状态信息。本发明的方法可帮助老人、伤残人士等评估自身是否存在跌倒风险，使用场景广，评估快速，应用前景好。
作为优选的技术方案：
如上所述的一种评估人体跌倒风险的方法，所述某状态为自然站立状态、进行起立行走计时测试(TUGT起立行走测试)时的状态、踮脚测试状态、髋关节外展测试状态、坐位平衡测试状态、功能性伸展测试状态、反应性测试状态、迈步调节测试状态、平衡感觉统合测试状态、协调性测试状态、跨障碍物测试状态、变速步行测试状态和转头步行测试状态中的一种以上；
所述分析所采集到的图像信息是指基于计算机视觉技术提取所采集到的图像信息中该状态的判断信息，而后基于该判断信息分析得到待评估人的状态信息，所述判断信息为待评估人的重心位置、起立行走测试时长、足面与水平面所形成的夹角、髋关节外展角度、能否回到中立位、功能性前伸的距离、反应性测试能否维持平衡、步态调节是否正常、平衡维持时长、测试过程的体态是否稳定即平衡与否、是否能完成指定动作和步态是否稳定中的一种以上，本发明采用现有技术提取说采集到的图像信息中的能够用于判断待评估人状态的有用信息(判断信息)，其具体提取技术并不仅限于此，本领域技术人员可选择合适的方法，只要能够提取到判断信息即可；
所述状态信息包括正常和跌倒风险，所述跌倒风险包括跌倒风险I和跌倒风险II，待评估人处于跌倒风险II状态下的跌倒概率大于其处于跌倒风险I状态下。
如上所述的一种评估人体跌倒风险的方法，所述某状态为自然站立状态时，所述待评估人的图像信息为待评估人侧面的图像信息，所述判断信息为重心位置，所述基于该判断信息分析得到待评估人的状态信息具体为：如重心位置、头和脚三点位于同一直线上，待评估人的状态信息为正常；反之，待评估人的状态信息为跌倒风险即重心不稳；
所述某状态为进行起立行走计时测试时的状态时，所述判断信息为起立行走测试时长，所述基于该判断信息分析得到待评估人的状态信息具体为：如起立行走测试时长≤14s，待评估人的状态信息为正常，20s＞起立行走测试时长＞14s，待评估人的状态信息为跌倒风险I，起立行走测试时长≥20s，待评估人的状态信息为跌倒风险II。
如上所述的一种评估人体跌倒风险的方法，所述某状态为踮脚测试状态时，
所述踮脚测试是指待评估人提起足跟，用足尖着地坚持3s；
所述判断信息为稳定后足面与水平面所形成的夹角；
所述基于该判断信息分析得到待评估人的状态信息具体为：如夹角大于等于30°且能维持平衡3s，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险。夹角至少应当≥5°，踮起角度越大，同时能维持平衡，需要辅助力越小，代表稳定性越好。
如上所述的一种评估人体跌倒风险的方法，所述某状态为髋关节外展测试状态时，所述髋关节外展测试是指待评估人向侧方抬起一侧腿部尽量外展髋关节，所述判断信息为髋关节外展角度，所述基于该判断信息分析得到待评估人的状态信息具体为：如髋关节外展角度＞30°，同时保持平衡，需要辅助力越小，代表稳定越好，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
所述某状态为坐位平衡测试状态时，所述坐位平衡测试是指待评估人坐在座位上分别进行左倾、右倾、前倾和后倾后恢复自然状态，所述判断信息为待评估人能否回到中立位，所述基于该判断信息分析得到待评估人的状态信息具体为：如待评估人均能回到中立位，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险，即代表坐位平衡稳定性不好且本体感觉较差；
所述某状态为功能性伸展测试状态时，所述功能性伸展测试是指待评估人在自然站立状态下向前方最大程度上伸展手部并保持2s，所述判断信息为功能性前伸的距离，所述基于该判断信息分析得到待评估人的状态信息具体为：如功能性前伸的距离＞25.4cm，待评估人的状态信息为正常，如25.4cm≥功能性前伸的距离≥15.24cm，待评估人的状态信息为跌倒风险I，如功能性前伸的距离＜15.24cm，待评估人的状态信息为跌倒风险II。
如上所述的一种评估人体跌倒风险的方法，所述某状态为反应性测试状态时，所述反应性测试是指在待评估人的前后以一定的作用力推动待评估人，所述判断信息为待评估人能否维持平衡，所述基于该判断信息分析得到待评估人的状态信息具体为：如待评估人在外力干扰下能维持平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险，即抗干扰能力较差；
所述某状态为迈步调节测试状态时，所述迈步调节测试是指给待评估人施加一突然外力破坏其身体平衡，待评估人将自发地做出迈步的动作来保持身体平衡防止跌倒，所述待评估人的图像信息为待评估人多个不同方向上的图像信息，所述判断信息为步态调节是否正常，所述基于该判断信息分析得到待评估人的状态信息具体为：如步态调节正常，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险，即易出现跌倒或无法迈步；
所述某状态为平衡感觉统合测试状态时，所述平衡感觉统合测试是指待评估人在平地上分别评估睁眼站立30s、闭目站立30s、在软垫睁眼站立30s及在软垫闭目站立30s，所述判断信息为平衡维持时长和测试过程的体态，所述基于该判断信息分析得到待评估人的状态信息具体为：如平衡维持时长＞30s且身体无剧烈晃动或失去平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险，即前庭感觉和身体平衡能力较差。
如上所述的一种评估人体跌倒风险的方法，所述某状态为协调性测试状态时，所述协调性测试是指待评估人依次进行交替指鼻、对指、轮替和跟膝胫测试，所述判断信息为动作完成是否平顺且指鼻、对指是否精确，所述基于该判断信息分析得到待评估人的状态信息具体为：如上述动作均能平顺且精确的完成，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险，即协调性较差；
所述某状态为跨障碍物测试状态状态时，所述跨障碍物测试是指跨越23cm高的障碍物，所述判断信息为步态是否稳定，所述基于该判断信息分析得到待评估人的状态信息具体为：如步态稳定且跨越障碍物过程不失去平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险即平衡能力较差；
所述某状态为变速步行测试状态时，所述变速步行测试是指待评估人以正常步速走3～5步后，快步走3～5步，最后慢步走3～5步，所述判断信息为步态是否稳定，所述基于该判断信息分析得到待评估人的状态信息具体为：如在变速过程中维持身体平衡且步速和步态稳定，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险即运动能力较差；
所述某状态为转头步行测试状态时，所述转头步行测试是指以正常步速走3～5步，在走步的同时头部往身体左侧或右侧转动，转动完成后恢复自然状态，所述判断信息为步态是否稳定，所述基于该判断信息分析得到待评估人的状态信息具体为：如步态稳定且在转头时不出现跌倒倾向，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险，即前庭功能障碍。
本发明还提供了一种电子设备，包括一个或多个处理器、一个或多个存储器、一个或多个程序、一个或多个视频、摄像头及显示装置；
所述一个或多个程序和一个或多个视频被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如上所述的一种评估人体跌倒风险的方法，本发明的电子设备的保护范围并不仅限于此，只要其能够完成评估人体跌倒风险的方法即可。
此外，本发明还提供了一种存储介质，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如上所述的一种评估人体跌倒风险的方法。
同时本发明提供了一种程序产品，当所述程序产品在计算机上运行时，使得所述计算机执行如上所述的一种评估人体跌倒风险的方法。
有益效果：
(1)本发明的一种评估人体跌倒风险的方法，步骤简便，评估速度快，提供了一种流程清晰、重复性好且适应性好的人体跌倒风险的评估标准；
(2)本发明的一种评估人体跌倒风险的方法，评估精度高，能够合理评估待评估人的状态，特别适用于对老年人或伤残人士预防跌倒的评估，应用前景好；
(3)本发明的一种电子设备，结构简单，评估速度快，能够帮助使用者了解自身状态，同时可用作预诊(问诊)设备，能精确检测受试者前庭功能、运动功能及本体功能等状态，辅助医生或康复治疗师进行预判，为其提供参考，提高医疗工作者的工作效率，极具应用前景。
附图说明
图1为本发明的一种评估人体跌倒风险的方法的步骤流程图；
图2为本发明的电子设备的结构示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式做进一步阐述。
实施例1
一种评估人体跌倒风险的方法，应用于电子设备，步骤如图1所示：
(1)进入评估模式，播放电子设备中的以下视频中的一个，视频用于指导待评估人进行图像采集，待评估人在视频的指导下做如视频所示的动作，视频包括以下十三类：
(1.1)自然站立视频，即视频中演示人自然站立；
(1.2)起立行走计时测试视频，即视频中演示人进行起立行走计时测试；
(1.3)踮脚测试视频，即视频中演示人提起足跟，用足尖着地坚持3s；
(1.4)髋关节外展测试视频，即视频中演示人向侧方抬起一侧腿部尽量外展髋关节；
(1.5)坐位平衡测试视频，即视频中演示人坐在座位上分别进行左倾、右倾、前倾和后倾后恢复自然状态；
(1.6)功能性伸展测试视频，即视频中演示人在自然站立状态下向前方最大程度上伸展手部并保持2s；
(1.7)反应性测试视频，即视频中在演示人的前后以一定的作用力推动演示人，演示人自然作出反应；
(1.8)迈步调节测试视频，即视频中给演示人施加一突然外力破坏其身体平衡，演示人自发地做出迈步的动作来保持身体平衡防止跌倒；
(1.9)平衡感觉统合测试视频，即视频中演示人在平地上分别评估睁眼站立30s、闭目站立30s、在软垫睁眼站立30s及在软垫闭目站立30s；
(1.10)协调性测试视频，即视频中演示人依次进行交替指鼻、对指、轮替和跟膝胫测试；
(1.11)跨障碍物测试视频，即视频中演示人跨越23cm高的障碍物；
(1.12)变速步行测试视频，即视频中演示人以正常步速走3～5步后，快步走3～5步，最后慢步走3～5步；
(1.13)转头步行测试视频，即视频中演示人以正常步速走3～5步，在走步的同时头部往身体左侧或右侧转动，转动完成后恢复自然状态；
(2)进入图像采集模式，实时采集某状态下待评估人的图像信息，确定图像信息中包括待评估人；
(3)进入分析模式，基于计算机视觉技术提取所采集到的图像信息中该状态的判断信息，而后基于该判断信息分析得到待评估人的状态信息，状态信息包括正常和跌倒风险，跌倒风险包括跌倒风险I和跌倒风险II，待评估人处于跌倒风险II状态下的跌倒概率大于其处于跌倒风险I状态下；
步骤(1)播放的视频为(1.1)时，待评估人的图像信息为待评估人侧面的图像信息，判断信息为重心位置，基于该判断信息分析得到待评估人的状态信息具体为：如重心位置、头和脚三点位于同一直线上，待评估人的状态信息为正常；反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.2)时，判断信息为起立行走测试时长，基于该判断信息分析得到待评估人的状态信息具体为：如起立行走测试时长≤14s，待评估人的状态信息为正常，20s＞起立行走测试时长＞14s，待评估人的状态信息为跌倒风险I，起立行走测试时长≥20s，待评估人的状态信息为跌倒风险II；
步骤(1)播放的视频为(1.3)时，判断信息为稳定后足面与水平面所形成的夹角，基于该判断信息分析得到待评估人的状态信息具体为：如夹角大于等于30°，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.4)时，判断信息为髋关节外展角度，基于该判断信息分析得到待评估人的状态信息具体为：如髋关节外展角度＞30°且保持平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.5)时，判断信息为待评估人能否回到中立位，基于该判断信息分析得到待评估人的状态信息具体为：如待评估人均能回到中立位，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.6)时，判断信息为功能性前伸的距离，基于该判断信息分析得到待评估人的状态信息具体为：如功能性前伸的距离＞25.4cm，待评估人的状态信息为正常，如25.4cm≥功能性前伸的距离≥15.24cm，待评估人的状态信息为跌倒风险I，如功能性前伸的距离＜15.24cm，待评估人的状态信息为跌倒风险II；
步骤(1)播放的视频为(1.7)时，判断信息为待评估人能否维持平衡，基于该判断信息分析得到待评估人的状态信息具体为：如待评估人在外力干扰下能维持平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.8)时，待评估人的图像信息为待评估人多个不同方向上的图像信息，判断信息为步态调节是否正常，所述基于该判断信息分析得到待评估人的状态信息具体为：如步态调节正常，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.9)时，判断信息为平衡维持时长和测试过程的体态，基于该判断信息分析得到待评估人的状态信息具体为：如平衡维持时长＞30s且身体无剧烈晃动或失去平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.10)时，判断信息为动作完成是否平顺且指鼻、对指是否精确，基于该判断信息分析得到待评估人的状态信息具体为：如上述动作均能平顺且精确的完成，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.11)时，判断信息为步态是否稳定，基于该判断信息分析得到待评估人的状态信息具体为：如步态稳定且跨越障碍物过程不失去平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.12)时，判断信息为步态是否稳定，基于该判断信息分析得到待评估人的状态信息具体为：如在变速过程中维持身体平衡且步速和步态稳定，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
步骤(1)播放的视频为(1.13)时，判断信息为步态是否稳定，基于该判断信息分析得到待评估人的状态信息具体为：如步态稳定且在转头时不出现跌倒倾向，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险。
经验证，本发明的评估人体跌倒风险的方法，步骤简便，评估方式多样，评估速度快，提供了一种流程清晰、重复性好且适应性好的人体跌倒风险的评估标准；评估精度高，能够合理评估待评估人的状态，特别适用于对老年人或伤残人士预防跌倒的评估，应用前景好。
实施例2
一种电子设备，如图2所示，包括一个或多个处理器、一个或多个存储器、一个或多个程序、一个或多个视频、摄像头及显示装置；
一个或多个程序和一个或多个视频被存储在存储器中，当一个或多个程序被处理器执行时，使得电子设备执行与实施例1相同的一种评估人体跌倒风险的方法。
经验证，本发明的电子设备，结构简单，评估速度快，能够帮助使用者了解自身状态，同时可用作预诊(问诊)设备，能精确检测受试者前庭功能、运动功能及本体功能等状态，辅助医生或康复治疗师进行预判，为其提供参考，提高医疗工作者的工作效率，极具应用前景。
实施例3
一种存储介质，包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行与实施例1相同的一种评估人体跌倒风险的方法。
实施例4
一种程序产品，当程序产品在计算机上运行时，使得计算机执行如与实施例1相同的一种评估人体跌倒风险的方法。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应该理解，这些仅是举例说明，在不违背本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改。

Claims (10)

1.一种评估人体跌倒风险的方法，应用于电子设备，其特征在于，步骤如下：
(1)进入评估模式，播放所述电子设备中的一视频，所述视频用于指导待评估人进行图像采集；
(2)进入图像采集模式，实时采集某状态下待评估人的图像信息，确定所述图像信息中包括待评估人；
(3)进入分析模式，分析所采集到的图像信息得出待评估人的状态信息。
2.根据权利要求1所述的一种评估人体跌倒风险的方法，其特征在于，所述某状态为自然站立状态、进行起立行走计时测试时的状态、踮脚测试状态、髋关节外展测试状态、坐位平衡测试状态、功能性伸展测试状态、反应性测试状态、迈步调节测试状态、平衡感觉统合测试状态、协调性测试状态、跨障碍物测试状态、变速步行测试状态和转头步行测试状态中的一种以上；
所述分析所采集到的图像信息是指基于计算机视觉技术提取所采集到的图像信息中该状态的判断信息，而后基于该判断信息分析得到待评估人的状态信息，所述判断信息为待评估人的重心位置、起立行走测试时长、足面与水平面所形成的夹角、髋关节外展角度、能否回到中立位、功能性前伸的距离、反应性测试能否维持平衡、步态调节是否正常、平衡维持时长、测试过程的体态是否稳定、是否能完成指定动作和步态是否稳定中的一种以上；
所述状态信息包括正常和跌倒风险，所述跌倒风险包括跌倒风险I和跌倒风险II，待评估人处于跌倒风险II状态下的跌倒概率大于其处于跌倒风险I状态下。
3.根据权利要求2所述的一种评估人体跌倒风险的方法，其特征在于，所述某状态为自然站立状态时，所述待评估人的图像信息为待评估人侧面的图像信息，所述判断信息为重心位置，所述基于该判断信息分析得到待评估人的状态信息具体为：如重心位置、头和脚三点位于同一直线上，待评估人的状态信息为正常；反之，待评估人的状态信息为跌倒风险；
所述某状态为进行起立行走计时测试时的状态时，所述判断信息为起立行走测试时长，所述基于该判断信息分析得到待评估人的状态信息具体为：如起立行走测试时长≤14s，待评估人的状态信息为正常，20s＞起立行走测试时长＞14s，待评估人的状态信息为跌倒风险I，起立行走测试时长≥20s，待评估人的状态信息为跌倒风险II。
4.根据权利要求2所述的一种评估人体跌倒风险的方法，其特征在于，所述某状态为踮脚测试状态时，
所述踮脚测试是指待评估人提起足跟，用足尖着地坚持3s；
所述判断信息为稳定后足面与水平面所形成的夹角；
所述基于该判断信息分析得到待评估人的状态信息具体为：如夹角大于等于30°，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险。
5.根据权利要求2所述的一种评估人体跌倒风险的方法，其特征在于，所述某状态为髋关节外展测试状态时，所述髋关节外展测试是指待评估人向侧方抬起一侧腿部尽量外展髋关节，所述判断信息为髋关节外展角度，所述基于该判断信息分析得到待评估人的状态信息具体为：如髋关节外展角度＞30°且保持平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
所述某状态为坐位平衡测试状态时，所述坐位平衡测试是指待评估人坐在座位上分别进行左倾、右倾、前倾和后倾后恢复自然状态，所述判断信息为待评估人能否回到中立位，所述基于该判断信息分析得到待评估人的状态信息具体为：如待评估人均能回到中立位，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
所述某状态为功能性伸展测试状态时，所述功能性伸展测试是指待评估人在自然站立状态下向前方最大程度上伸展手部并保持2s，所述判断信息为功能性前伸的距离，所述基于该判断信息分析得到待评估人的状态信息具体为：如功能性前伸的距离＞25.4cm，待评估人的状态信息为正常，如25.4cm≥功能性前伸的距离≥15.24cm，待评估人的状态信息为跌倒风险I，如功能性前伸的距离＜15.24cm，待评估人的状态信息为跌倒风险II。
6.根据权利要求2所述的一种评估人体跌倒风险的方法，其特征在于，所述某状态为反应性测试状态时，所述反应性测试是指在待评估人的前后以一定的作用力推动待评估人，所述判断信息为待评估人能否维持平衡，所述基于该判断信息分析得到待评估人的状态信息具体为：如待评估人在外力干扰下能维持平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
所述某状态为迈步调节测试状态时，所述迈步调节测试是指给待评估人施加一突然外力破坏其身体平衡，待评估人将自发地做出迈步的动作来保持身体平衡防止跌倒，所述待评估人的图像信息为待评估人多个不同方向上的图像信息，所述判断信息为步态调节是否正常，所述基于该判断信息分析得到待评估人的状态信息具体为：如步态调节正常，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
所述某状态为平衡感觉统合测试状态时，所述平衡感觉统合测试是指待评估人在平地上分别评估睁眼站立30s、闭目站立30s、在软垫睁眼站立30s及在软垫闭目站立30s，所述判断信息为平衡维持时长和测试过程的体态，所述基于该判断信息分析得到待评估人的状态信息具体为：如平衡维持时长＞30s且身体无剧烈晃动或失去平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险。
7.根据权利要求2所述的一种评估人体跌倒风险的方法，其特征在于，所述某状态为协调性测试状态时，所述协调性测试是指待评估人依次进行交替指鼻、对指、轮替和跟膝胫测试，所述判断信息为动作完成是否平顺且指鼻、对指是否精确，所述基于该判断信息分析得到待评估人的状态信息具体为：如上述动作均能平顺且精确的完成，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
所述某状态为跨障碍物测试状态状态时，所述跨障碍物测试是指跨越23cm高的障碍物，所述判断信息为步态是否稳定，所述基于该判断信息分析得到待评估人的状态信息具体为：如步态稳定且跨越障碍物过程不失去平衡，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
所述某状态为变速步行测试状态时，所述变速步行测试是指待评估人以正常步速走3～5步后，快步走3～5步，最后慢步走3～5步，所述判断信息为步态是否稳定，所述基于该判断信息分析得到待评估人的状态信息具体为：如在变速过程中维持身体平衡且步速和步态稳定，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险；
所述某状态为转头步行测试状态时，所述转头步行测试是指以正常步速走3～5步，在走步的同时头部往身体左侧或右侧转动，转动完成后恢复自然状态，所述判断信息为步态是否稳定，所述基于该判断信息分析得到待评估人的状态信息具体为：如步态稳定且在转头时不出现跌倒倾向，待评估人的状态信息为正常，反之，待评估人的状态信息为跌倒风险。
8.一种电子设备，其特征在于，包括一个或多个处理器、一个或多个存储器、一个或多个程序、一个或多个视频、摄像头及显示装置；
所述一个或多个程序和一个或多个视频被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如权利要求1～7任一项所述的一种评估人体跌倒风险的方法。
9.一种存储介质，其特征在于，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1～7任一项所述的一种评估人体跌倒风险的方法。
10.一种程序产品，其特征在于，当所述程序产品在计算机上运行时，使得所述计算机执行如权利要求1～7任一项所述的一种评估人体跌倒风险的方法。
CN201910816704.9A 2019-08-30 2019-08-30 一种评估人体跌倒风险的方法及电子设备 Pending CN110367996A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910816704.9A CN110367996A (zh) 2019-08-30 2019-08-30 一种评估人体跌倒风险的方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910816704.9A CN110367996A (zh) 2019-08-30 2019-08-30 一种评估人体跌倒风险的方法及电子设备

Publications (1)

Publication Number Publication Date
CN110367996A true CN110367996A (zh) 2019-10-25

Family

ID=68261264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910816704.9A Pending CN110367996A (zh) 2019-08-30 2019-08-30 一种评估人体跌倒风险的方法及电子设备

Country Status (1)

Country Link
CN (1) CN110367996A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111297577A (zh) * 2020-02-19 2020-06-19 郑州大学体育学院 一种跌倒风险预测及抗跌倒训练一体化的智能座椅
CN114269243A (zh) * 2020-03-19 2022-04-01 株式会社日立制作所 跌倒风险评价系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102228379A (zh) * 2011-07-07 2011-11-02 上海帝诺医疗科技有限公司 平衡检测系统
CN103577810A (zh) * 2013-11-13 2014-02-12 汕头大学 智能看护方法
CN104361321A (zh) * 2014-11-13 2015-02-18 侯振杰 一种判断老年人摔倒行为及身体平衡能力的方法
CN106539587A (zh) * 2016-12-08 2017-03-29 浙江大学 一种基于多运动传感器的跌倒风险评估以及监测系统及评估方法
CN107536600A (zh) * 2017-08-24 2018-01-05 京东方科技集团股份有限公司 骨折指数确定方法及系统
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
CN108509938A (zh) * 2018-04-16 2018-09-07 重庆邮电大学 一种基于视频监控的跌倒检测方法
CN110102037A (zh) * 2019-01-25 2019-08-09 南京脑科医院 应用于眩晕患者康复的防跌倒预防性康复系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102228379A (zh) * 2011-07-07 2011-11-02 上海帝诺医疗科技有限公司 平衡检测系统
CN103577810A (zh) * 2013-11-13 2014-02-12 汕头大学 智能看护方法
CN104361321A (zh) * 2014-11-13 2015-02-18 侯振杰 一种判断老年人摔倒行为及身体平衡能力的方法
CN106539587A (zh) * 2016-12-08 2017-03-29 浙江大学 一种基于多运动传感器的跌倒风险评估以及监测系统及评估方法
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
CN107536600A (zh) * 2017-08-24 2018-01-05 京东方科技集团股份有限公司 骨折指数确定方法及系统
CN108509938A (zh) * 2018-04-16 2018-09-07 重庆邮电大学 一种基于视频监控的跌倒检测方法
CN110102037A (zh) * 2019-01-25 2019-08-09 南京脑科医院 应用于眩晕患者康复的防跌倒预防性康复系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈君 等: "预测老年人跌倒危险的平衡和步态功能性评定研究进展", 《中国康复医学杂志》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111297577A (zh) * 2020-02-19 2020-06-19 郑州大学体育学院 一种跌倒风险预测及抗跌倒训练一体化的智能座椅
CN114269243A (zh) * 2020-03-19 2022-04-01 株式会社日立制作所 跌倒风险评价系统

Similar Documents

Publication Publication Date Title
Aziz et al. Distinguishing the causes of falls in humans using an array of wearable tri-axial accelerometers
Korpan et al. Effect of ActiGraph GT3X+ position and algorithm choice on step count accuracy in older adults
US20050004495A1 (en) Kinematic quantification of gait asymmetry based on bilateral cyclograms
Oh et al. Validity of the Microsoft Kinect™ in assessing spatiotemporal and lower extremity kinematics during stair ascent and descent in healthy young individuals
JP7373788B2 (ja) リハビリ支援装置、リハビリ支援システム及びリハビリ支援方法
Tamura et al. Reliability of a markerless motion capture system to measure the trunk, hip and knee angle during walking on a flatland and a treadmill
Orange et al. Validity of various portable devices to measure sit-to-stand velocity and power in older adults
Caldara et al. A novel body sensor network for Parkinson's disease patients rehabilitation assessment
Pitt et al. Reliability and practical clinical application of an accelerometer-based dual-task gait balance control assessment
US20230355135A1 (en) Intelligent gait analyzing apparatus
CN110367996A (zh) 一种评估人体跌倒风险的方法及电子设备
Lu et al. Measurement properties of a 2-dimensional movement analysis system: a systematic review and meta-analysis
Wei et al. Using sensors and deep learning to enable on-demand balance evaluation for effective physical therapy
TWI502389B (zh) 生物力學分析系統與方法
Foster et al. Concurrent validity of the Garmin Vivofit® 4 to accurately record step count in older adults in challenging environments
Tsakanikas et al. Gait and balance patterns related to Free-Walking and TUG tests in Parkinson’s Disease based on plantar pressure data
Burnfield et al. Examination of gait
Bernardino et al. A dataset for the automatic assessment of functional senior fitness tests using kinect and physiological sensors
Choi et al. The development and evaluation of a program for leg-strengthening exercises and balance assessment using Kinect
Frost et al. A proposed method to detect kinematic differences between and within individuals
Johnson et al. An automated, electronic assessment tool can accurately classify older adult postural stability
Cowley et al. A review of clinical balance tools for use with elderly populations
Ravera et al. A regularized functional method to determine the hip joint center of rotation in subjects with limited range of motion
Romantsova et al. Methods for Creating a Task for the Study of a Kinematic Portrait of a Person
Gow Evaluation of a Smartphone-based Motion Capture System for Athletic Movement Screening

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191025