CN110638457A - 帕金森病患者冻结步态监测方法及监测设备 - Google Patents
帕金森病患者冻结步态监测方法及监测设备 Download PDFInfo
- Publication number
- CN110638457A CN110638457A CN201910790510.6A CN201910790510A CN110638457A CN 110638457 A CN110638457 A CN 110638457A CN 201910790510 A CN201910790510 A CN 201910790510A CN 110638457 A CN110638457 A CN 110638457A
- Authority
- CN
- China
- Prior art keywords
- control line
- frozen
- early warning
- gait
- frozen gait
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—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
- A61B5/103—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
- A61B5/74—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
本发明实施例涉及一种帕金森病患者冻结步态监测方法及监测设备。所述方法包括:采集帕金森病患者的冻结步态数据;根据所述冻结步态数据,绘制预警控制线;获取预设周期内的帕金森病患者的周期冻结步态数据;根据所述预警控制线,监测所述周期冻结步态数据。所述方法可以通过前期采集帕金森病患者的冻结步态数据,绘制预警控制线,并根据所述预警控制线,监测获取到的预设周期内的帕金森病患者的周期冻结步态数据,进而对帕金森病患者的冻结步态数据进行有效的监测。
Description
【技术领域】
本发明涉及监测设备技术领域,尤其涉及一种帕金森病患者冻结步态监测方法及监测设备。
【背景技术】
帕金森病又叫震颤麻痹综合症、帕金森病综合症,是一种慢性中枢神经系统退化性失调疾病。该病多发于老年人群,平均发病年龄大约为60岁,且近年来该病的发病年龄有下降趋势。在我国,据统计65岁以上人群中PD的发病率为1.7%,55岁以上人群中PD的发病率为1%。PD已经成为中老年人群的“第三杀手”,严重威胁着人类的生命健康。
冻结步态是帕金森病患者临床表现中常见且最具有致残性的病理步态,多发生于疾病的中晚期,易导致跌倒、外伤、抑郁,严重影响患者的生活质量和社会功能。
为了定量评估日常生活中冻结步态事件,目前人们常用冻结步态量表或新冻结步态量表并联合Berg平衡量表等共同评估患者步态、跌倒、平衡等情况。但是上述冻结量表需要患者和医生的深度配合完成,当没有医生配合的情况下,在日常活动中无法对帕金森病患者的冻结步态事件进行有效的监控。
【发明内容】
为了解决上述技术问题,本发明实施例提供一种能够对帕金森病患者的冻结步态事件进行有效监测的帕金森病患者冻结步态监测方法及监测设备。
为解决上述技术问题,本发明实施例提供以下技术方案:一种帕金森病患者冻结步态监测方法。所述帕金森病患者冻结步态监测方法包括:
采集帕金森病患者的冻结步态数据;
根据所述冻结步态数据,绘制预警控制线;
获取预设周期内的帕金森病患者的周期冻结步态数据;
根据所述预警控制线,监测所述周期冻结步态数据。
可选地,所述根据所述冻结步态数据,绘制预警控制线,包括:
所述冻结步态数据包括冻结步态次数、每次冻结步态持续时间及时间采集长度;
所述预警控制线包括第一预警控制线、平均中位控制线和第二预警控制线。
可选地,所述根据所述冻结步态数据,绘制预警控制线,包括:
根据所述冻结步态次数和所述时间采集长度,绘制得到所述平均中位控制线;
根据所述平均中位控制线,确定所述第一预警控制线和所述第二预警控制线。
可选地,所述根据所述冻结步态次数和所述时间采集长度,绘制得到所述平均中位控制线,包括:
将所述时间采集长度划分为若干单位时间长度;
对若干所述单位时间长度内采集到的所述冻结步态次数作求平均处理,得到所述单位时间长度对应的冻结步态次数平均值;
根据所述冻结步态次数平均值和所述单位时间长度,绘制所述平均中位控制线。
可选地,所述根据所述冻结步态数据,绘制预警控制线,包括:
根据所述冻结步态时间和所述时间采集长度,绘制得到所述平均中位控制线;
根据所述平均中位控制线,确定所述第一预警控制线和所述第二预警控制线。
可选地,所述根据所述冻结步态时间和所述时间采集长度,绘制得到所述平均中位控制线,包括:
将所述时间采集长度划分为若干单位时间长度;
对若干所述单位时间长度内采集到的所述冻结步态时间作求平均处理,得到所述单位时间长度对应的所述冻结步态时间平均值;
根据所述冻结步态时间平均值和所述单位时间长度,绘制所述平均中位控制线。
可选地,所述根据所述平均中位控制线,确定所述第一预警控制线和所述第二预警控制线,包括:
根据所述平均中位控制线,确定第一预警平均值和第二预警平均值;
根据所述第一预警平均值和所述单位时间长度,确定第一预警控制线;
根据所述第二预警平均值和所述单位时间长度,确定第二预警控制线。
可选地,所述根据所述预警控制线,监测所述周期冻结步态数据之后,还包括:
根据所述监测结果,确定是否发送异常信息至监护人员。
可选地,所述根据所述监测结果,确定是否发送异常信息至监护人员,包括:
若所述周期冻结步态数据超过第一预警控制线和/或第二预警控制线,则确定发生异常,并发送异常信息至监护人员。
为解决上述技术问题,本发明实施例还提供以下技术方案:一种监测设备。所述监测设备包括:至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行如上所述的帕金森病患者冻结步态监测方法。
与现有技术相比较,本发明实施例的提供帕金森病患者冻结步态监测方法可以通过前期采集帕金森病患者的冻结步态数据,绘制预警控制线,并根据所述预警控制线,监测获取到的预设周期内的帕金森病患者的周期冻结步态数据,进而对帕金森病患者的冻结步态数据进行有效监测。
【附图说明】
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1为本发明实施例的应用环境示意图;
图2为本发明实施例提供的帕金森病患者冻结步态监测方法的流程示意图;
图3是图2中S22的流程示意图;
图4是图3中S221其中一实施例的流程示意图;
图5是图3中S221另一实施例的流程示意图;
图6是图2中S222的流程示意图;
图7为本发明实施例提供的冻结步态监测装置的结构框图;
图8为本发明实施例提供的监测设备的结构框图。
【具体实施方式】
为了便于理解本发明,下面结合附图和具体实施例,对本发明进行更详细的说明。需要说明的是,当元件被表述“固定于”另一个元件,它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件,它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“上”、“下”、“内”、“外”、“底部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外,下面所描述的本发明不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供了一种帕金森病患者冻结步态监测方法,所述方法可以通过前期采集帕金森病患者的冻结步态数据,绘制预警控制线,并根据所述预警控制线,监测获取到的预设周期内的帕金森病患者的周期冻结步态数据,进而对帕金森病患者冻结步态数据进行有效监测。
以下举例说明所述帕金森病患者冻结步态监测方法的应用环境。
图1是本发明实施例提供的帕金森病患者冻结步态监测方法的应用环境的示意图;如图1所示,所述应用场景包括监测设备10、帕金森病患者20、无线网络30及智能终端40。监测设备10能够采集帕金森病患者20的冻结步态数据,并对获取到的预设周期内的帕金森病患者20的周期冻结步态数据进行监测,并将监测信息通过无线网络30发送给智能终端40,所述智能终端40的用户可为监护人员。
监测设备10包括1号惯性节点、2号惯性节点、惯性节点同步器、左脚压力鞋垫、右脚压力鞋垫、移动终端和无线蓝牙耳机;其中:所述1号惯性节点和2号惯性节点均包括电源模块、稳压电路、惯性传感器和数据采集与传输模块,用于采集患者左右腿部X、Y、Z轴的加速度数据、角速度数据和磁力值;所述电源模块包括锂电池,用于给惯性节点供电;所述惯性传感器包括三轴加速度计、三轴角速度计、三轴磁力计;所述数据采集与传输模块包括无线控制器,用于将三轴加速度数据、三轴角速度数据和三轴磁力值数据通过无线局域网发送至移动终端;所述惯性节点同步器用于使两个惯性节点处于同步模式,基本实现同时采集患者左右腿部冻结步态数据。
智能终端40可以是任何类型,用以与监测设备10建立通信连接的智能装置,例如手机、平板电脑或者智能遥控器等。该智能终端40可以装配有一种或者多种不同的用户40交互装置,用以采集用户40指令或者向用户40展示和反馈信息。
这些交互装置包括但不限于:按键、显示屏、触摸屏、扬声器以及遥控操作杆。例如,智能终端40可以装配有触控显示屏,通过该触控显示屏接收用户40对监测设备10的遥控指令并通过触控显示屏向用户40展示航拍获得的图像信息,用户40还可以通过遥控触摸屏切换显示屏当前显示的图像信息。
无线网络30可以是基于任何类型的数据传输原理,用于建立两个节点之间的数据传输信道的无线通信网络,例如位于不同信号频段的蓝牙网络、Wi Fi网络、无线蜂窝网络或者其结合。
图2为本发明实施例提供的帕金森病患者冻结步态监测方法的实施例。如图2所示,该帕金森病患者冻结步态监测方法包括如下步骤:
S21、采集帕金森病患者的冻结步态数据。
具体地,可采用上述监测设备10采集帕金森病患者20的冻结步态数据,所述冻结步态数据包括冻结步态次数、冻结步态次数对应的冻结步态时间及时间采集长度,其中时间采集长度是指帕金森病患者20佩戴所述监测设备10的时间长度,可为一周或一月等等,帕金森病患者20佩戴所述监测设备10的时间长度内,所述监测设备10实时监测帕金森病患者20的冻结步态数据。
S22、根据所述冻结步态数据,绘制预警控制线。
具体地,在采集到上述帕金森病患者20的冻结步态数据之后,可根据所冻结步态数据,即冻结步态次数、冻结步态次数对应的冻结步态时间及时间采集长度,绘制预警控制线,所述预警控制线用于监测后续采集到的冻结步态数据。所述预警控制线包括第一预警控制线、平均中位控制线和第二预警控制线。
S23、获取预设周期内的帕金森病患者的周期冻结步态数据。
具体地,在绘制预警控制线之后,继续获取预设周期内的帕金森病患者20的周期冻结步态数据。所述预设周期可以一星期为时间单位,也可以30天为时间单位,但是需要说明的是,预设周期的时间长度越长,根据所述预警控制线,监测的冻结步态数据越准确。
S24、根据所述预警控制线,监测所述周期冻结步态数据。
具体地,可通过根据所冻结步态数据,即冻结步态次数、冻结步态次数对应的冻结步态时间及时间采集长度,绘制的所述预警控制线实时监测所述周期冻结步态数据。
本发明实施例提供了一种帕金森病患者冻结步态监测方法,所述方法可以通过前期采集帕金森病患者的冻结步态数据,绘制预警控制线,并根据所述预警控制线,监测获取到的预设周期内的帕金森病患者的周期冻结步态数据,进而帕金森病患者对帕金森病患者冻结步态数据进行有效监测。
为了更好的根据所述冻结步态数据,绘制预警控制线,在一些实施例中,请参阅图3,S22包括如下步骤:
S221:根据所述冻结步态次数和所述时间采集长度,绘制得到所述平均中位控制线。
具体地,前期帕金森病患者20佩戴所述监测设备10的期间内(时间采集长度),实时监测到的帕金森病患者20冻结步态次数进行统计,并根据统计结果,绘制得到所述平均中位控制线。
S222:根据所述平均中位控制线,确定所述第一预警控制线和所述第二预警控制线。
具体地,得到所述平均中位控制线之后,将所述平均中位线按照预设预警阈值上移或下移,得到所述第一预警控制线和所述第二预警控制线。
为了根据所述冻结步态次数和所述时间采集长度,更好绘制得到所述平均中位控制线,在一些实施例中,请参阅图4,S221包括如下步骤:
S2211:将所述时间采集长度划分为若干单位时间长度。
具体地,若干所述单位时间长度相等,例如所述时间采集长度为35天,则将所述时间采集长度35天以7天为一个单位时间长度进行划分,则可将所述时间采集长度为35天划分为5个单位时间长度。
S2213:对若干所述单位时间长度内采集到的所述冻结步态次数作求平均处理,得到所述单位时间长度对应的冻结步态次数平均值。
具体地,首先上述每个单位时间长度内分别对应有第一冻结步态次数平均值,即在求一个单位时间长度内采集到的所述冻结步态次数的平均值。例如,每个时间单位长度为7天,通过所述监测设备可采集7天中的每一天帕金森病患者的冻结步态次数。例如,每个时间单位长度7天中第一天至第七天分别采集到的帕金森病患者的冻结步态次数对应有30次、34次、40次、32次、26次、24次及28次,则将单位时间长度7天内每天采集到的所述冻结步态次数进行求平均处理,得到所述第一冻结步态次数平均值(30+34+40+32+26+24+28)/7=31次。
可以理解的是,若所述时间采集长度为35天,则将所述时间采集长度35天以7天为一个单位时间长度可被划分为5个单位时间长度。每个所述单位时间长度均对应有一个第一冻结步态次数平均值。然后将每个所述单位时间长度对应的第一冻结步态次数平均值再次作求平均处理,即可得到第二冻结步态次数平均值。例如,所述时间采集长度为35天,将时间采集长度为35天划分为5个单位时间长度。5个单位时间长度分别对应的第一冻结步态次数平均值分别为32次、31次、40次、35次及25次。然后将5个单位时间长度分别对应的冻结步态次数32次、31次、40次、35次及25次再次进行求平均处理,得到第二冻结步态次数平均值为(32+31+40+35+25)/5=32次。第二冻结步态次数平均值即为所述单位时间长度对应的冻结步态次数平均值。
S2215:根据所述冻结步态次数平均值和所述单位时间长度,绘制所述平均中位控制线。
具体地,将所述冻结步态次数平均值和每个所述单位时间长度形成若干坐标点,然后以所述单位时间长度为横坐标,以所述冻结步态次数平均值为纵坐标,绘制成所述平均中位控制线。例如:将5个单位时间长度与得到的所述单位时间长度对应的冻结步态次数平均值32形成5个坐标点,即(1,32)、(2,32)、(3,32)、(4,32)及(5,32)。然后以所述冻结步态次数平均值为纵坐标,绘制成所述平均中位控制线。
为了根据所述冻结步态次数和所述时间采集长度,更好绘制得到所述平均中位控制线,在一些实施例中,请参阅图5,S221包括如下步骤:
S2212:将所述时间采集长度划分为若干单位时间长度。
具体地,若干所述单位时间长度相等,例如所述时间采集长度为35天,则将所述时间采集长度35天以7天为一个单位时间长度进行划分,则可将所述时间采集长度为35天划分为5个单位时间长度。
S2214:对若干所述单位时间长度内采集到的所述冻结步态时间作求平均处理,得到所述单位时间长度对应的所述冻结步态时间平均值。
具体地,若每个时间单位长度为7天,通过所述监测设备可采集7天中的每一天帕金森病患者的冻结步态次数对应的总的冻结步态持续时间,所述总的冻结步态持续时间即为所述单位时间长度内采集到的所述冻结步态时间。例如,一个时间单位长度7天中第一天至第七天分别采集到的帕金森病患者的冻结步态次数对应有30次、34次、40次、32次、26次、24次及28次,然后将第一天至第七天每天内每次发生冻结步态时对应的冻结步态持续时间相加,分别得到第一天至第七天内总的冻结步态持续时间(冻结步态时间)。然后将每个单位时间长度内采集到的所述冻结步态时间进行求平均值处理。例如,每个时间单位长度7天中第一天至第七天分别采集到的帕金森病患者的冻结步态时间(总的冻结步态持续时间)对应有60s、72s、68s、58s、67s、72s及80s,则将单位时间长度7天内每天采集到的所述冻结步态时间进行求平均处理,得到所述第一冻结步态时间平均值(60+72+68+58+67+72+80)/7=68s。
可以理解的是,若所述时间采集长度为35天,则将所述时间采集长度35天以7天为一个单位时间长度可被划分为5个单位时间长度。每个所述单位时间长度均对应有一个第一冻结步态时间平均值。然后将每个所述单位时间长度对应的第一冻结步态时间平均值再次作求平均处理,即可得到第二冻结步态次数平均值。例如,所述时间采集长度为35天,将时间采集长度为35天划分为5个单位时间长度。5个单位时间长度分别对应的第一冻结步态时间平均值分别为68s、75s、85s、73s及95s。然后将5个单位时间长度分别对应的冻结步态时间68s、75s、85s、73s及95s再次进行求平均处理,得到第二冻结步态时间平均值为(68+75+85+73+95)/5=79s。第二冻结步态时间平均值即为所述单位时间长度对应的冻结步态时间平均值。
S2216:根据所述冻结步态时间平均值和所述单位时间长度,绘制所述平均中位控制线。
具体地,将所述冻结步态时间平均值和每个所述单位时间长度形成若干坐标点,然后以所述单位时间长度为横坐标,以所述冻结步态时间平均值为纵坐标,绘制成所述平均中位控制线。例如:将5个单位时间长度与得到的所述单位时间长度对应的冻结步态时间平均值79s形成5个坐标点,即(1,79)、(2,79)、(3,79)、(4,79)及(5,79)。然后以所述冻结步态时间平均值为纵坐标,绘制成所述平均中位控制线。
为了更好的根据所述平均中位控制线,确定所述第一预警控制线和所述第二预警控制线,在一些实施例中,请参阅图6,S222包括如下步骤:
S2221:根据所述平均中位控制线,确定第一预警平均值和第二预警平均值数。
具体地,通过如下算式,计算得到第一预警平均值:
具体地,通过如下算式,计算得到第二预警平均值:
首先,若每个时间单位长度为7天,通过所述监测设备可采集7天中的每一天帕金森病患者的冻结步态次数。例如,每个时间单位长度7天中第一天至第七天分别采集到的帕金森病患者的冻结步态次数对应有30次、34次、40次、32次、26次、24次及28次,然后将其中的最大冻结步态次数和最小冻结步态次数进行作差处理,得到最大冻结步态次数与最小冻结步态次数之差R=40-24=16次。若时间采集长度为35天,则将所述时间采集长度35天以7天为一个单位时间长度进行划分,则可将所述时间采集长度为35天划分为5个单位时间长度。可以理解的是,每个单位时间长度均对应有一个最大冻结步态次数与最小冻结步态次数之差R,5个单位时间长度分别对应有5个最大冻结步态次数与最小冻结步态次数之差R。进一步将5个最大冻结步态次数与最小冻结步态次数之差R作求平均处理,得到冻结步态次数的差值平均数例如,5个单位时间长度分别对应有5个最大冻结步态次数与最小冻结步态次数之差R分别为16次、18次、20次、24次及12次。然后5个个最大冻结步态次数与最小冻结步态次数之差R进行求平均处理,得到冻结步态次数的差值平均数
S2222:根据所述第一预警平均值和所述单位时间长度,确定第一预警控制线。
具体地,将所述第一预警平均值和每个所述单位时间长度形成若干坐标点,然后以所述单位时间长度为横坐标,以所述冻结步态时间平均值为纵坐标,绘制成第一预警控制线。或将所述第一预警平均值和每个所述单位时间长度形成若干坐标点,然后以所述单位时间长度为横坐标,以所述冻结步态次数平均值为纵坐标,绘制成第一预警控制线。例如,第一预警平均值为99s,将5个单位时间长度与所述第一预警平均值99s形成5个坐标点,即(1,99)、(2,99)、(3,99)、(4,99)及(5,99)。然后以所述单位时间长度为横坐标,以所述冻结步态时间平均值为纵坐标,绘制成第一预警控制线。又或者第一预警平均值为52次,将5个单位时间长度与所述第一预警平均值52次形成5个坐标点,即(1,52)、(2,52)、(3,52)、(4,52)及(5,52)。然后以所述单位时间长度为横坐标,以所述冻结步态次数平均值为纵坐标,绘制成第一预警控制线。
S2223:根据所述第二预警平均值和所述单位时间长度,确定第二预警控制线。
具体地,将所述第二预警平均值和每个所述单位时间长度形成若干坐标点,然后以所述单位时间长度为横坐标,以所述冻结步态时间平均值为纵坐标,绘制成第二预警控制线。或将所述第二预警平均值和每个所述单位时间长度形成若干坐标点,然后以所述单位时间长度为横坐标,以所述冻结步态次数平均值为纵坐标,绘制成第二预警控制线。例如,第二预警平均值为59将5个单位时间长度与所述第二预警平均值59s形成5个坐标点,即(1,59)、(2,59)、(3,59)、(4,59)及(5,59)。然后以所述单位时间长度为横坐标,以所述冻结步态时间平均值为纵坐标,绘制成第二预警控制线。又或者第二预警平均值为12次,将5个单位时间长度与所述第二预警平均值15次形成5个坐标点,即(1,12)、(2,12)、(3,12)、(4,12)及(5,12)。然后以所述单位时间长度为横坐标,以所述冻结步态次数平均值为纵坐标,绘制成第二预警控制线。
在一些实施例中,在根据所述预警控制线,监测所述周期冻结步态数据之后,所述方法包括如下步骤:
根据所述监测结果,确定是否发送异常信息至监护人员。
具体地,若所述周期冻结步态数据超过第一预警控制线和/或第二预警控制线,则确定发生异常,并发送异常信息至监护人员。
其中,所述周期冻结步态数据为在预设周期内统计的的冻结步态数据。所述预设周期可为一星期(7天)或一月(30天),所述周期冻结步态数据包括在预设周期内发生的冻结步态次数(周期步态次数)和在预设周期内冻结步态时间(周期步态时间)。
例如,若所述预设周期为7天,在预设周期内,通过所述监测设备可采集7天中的每一天帕金森病患者的冻结步态次数。例如,在预设周期7天中第一天至第七天分别采集到的帕金森病患者的冻结步态次数对应有60次、62次、59次、61次、63次、64次及60次,则将预设周期7天内每天采集到的所述冻结步态次数进行求平均处理,即可得到所述预设周期内发生的冻结步态次数(60+62+59+61+63+64+60)/7=61次。所述所述预设周期内的冻结步态次数即为周期步态次数。
又例如,若每个时间单位长度为7天,通过所述监测设备可采集7天中的每一天帕金森病患者的冻结步态次数,然后将每次所述冻结步态发生时对应的持续时间相加得到总的步态持续时间,所述总的步态持续时间即为帕金森病患者的冻结步态时间。若在预设周期7天中第一天至第七天分别采集到的帕金森病患者的冻结步态对应有92s、102s、110s、99s、104s、103s及118s,则将预设周期7天内每天采集到的所述冻结步态时间进行求平均处理,即可得到预设周期内的冻结步态时间(92+102+110+99+104+103+118)/7=104s。所述所述预设周期内的冻结步态时间即为周期步态时间。
值得注意的是,所述单位时间长度与所述预设周期的时间长度是相同的。例如,若所述单位时间长度为7天,所述预设周期也应为7天。若所述单位时间长度为30天,所述预设周期也应为30天。
具体地,如上述举例,在预设周期内内,发生的冻结步态次数(周期步态次数)为61次和在预设周期内发生冻结步态的总的冻结步态时间(周期步态时间)为104s,即周期步态次数61次超过第一预警控制线,则确定发生异常,并发送异常信息至监护人员。且/或,冻结步态时间(周期步态时间)为104s过了第一预警控制线则确定发生异常,并发送异常信息至监护人员。
需要说明的是,在上述各个实施例中,上述各步骤之间并不必然存在一定的先后顺序,本领域普通技术人员,根据本申请实施例的描述可以理解,不同实施例中,上述各步骤可以有不同的执行顺序,亦即,可以并行执行,亦可以交换执行等等。
作为本申请实施例的另一方面,本申请实施例提供一种冻结步态监测装置50。请参阅图7,该冻结步态监测装置50包括:采集模块51、绘制模块52、周期冻结步态数据获取模块53以及监测模块54。
采集模块51用于采集帕金森病患者20的冻结步态数据,所述冻结步态数据包括冻结步态次数、冻结步态次数对应的冻结步态时间及时间采集长度。
绘制模块52用于根据所述冻结步态数据,绘制预警控制线,所述预警控制线包括第一预警控制线、平均中位控制线和第二预警控制线。
周期冻结步态数据获取模块用于获取预设周期内的帕金森病患者20的周期冻结步态数据。
监测模块54用于根据所述预警控制线,监测所述周期冻结步态数据。
因此,在本实施例中,通过前期采集帕金森病患者20的冻结步态数据,绘制预警控制线,并根据所述预警控制线,监测获取到的预设周期内的帕金森病患者20的周期冻结步态数据,进而对帕金森病患者20患者冻结步态数据进行准确的监测和评估。
需要说明的是,上述冻结步态监测装置可执行本发明实施例所提供的帕金森病患者冻结步态监测方法,具备执行方法相应的功能模块和有益效果。未在冻结步态监测装置实施例中详尽描述的技术细节,可参见本发明实施例所提供的帕金森病患者冻结步态监测方法。
图8为本发明实施例提供的监测设备100的结构框图。该监测设备100可以用于实现所述主控芯片中的全部或者部分功能模块的功能。如图14所示,该监测设备100可以包括:处理器110、存储器120以及通信模块130。
所述处理器110、存储器120以及通信模块130之间通过总线的方式,建立任意两者之间的通信连接。
处理器110可以为任何类型,具备一个或者多个处理核心的处理器110。其可以执行单线程或者多线程的操作,用于解析指令以执行获取数据、执行逻辑运算功能以及下发运算处理结果等操作。
存储器120作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的帕金森病患者冻结步态监测方法对应的程序指令/模块(例如,附图7所示的采集模块51、绘制模块52、周期冻结步态数据获取模块53以及监测模块54)。处理器110通过运行存储在存储器120中的非暂态软件程序、指令以及模块,从而执行冻结步态监测装置50的各种功能应用以及数据处理,即实现上述任一方法实施例中帕金森病患者冻结步态监测方法。
存储器120可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据冻结步态监测装置50的使用所创建的数据等。此外,存储器120可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器120可选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至监测设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述存储器120存储有可被所述至少一个处理器110执行的指令;所述至少一个处理器110用于执行所述指令,以实现上述任意方法实施例中帕金森病患者冻结步态监测方法,例如,执行以上描述的方法步骤21、22、23、24等等,实现图7中的模块51-57的功能。
通信模块130是用于建立通信连接,提供物理信道的功能模块。通信模块130以是任何类型的无线或者有线通信模块130,包括但不限于Wi Fi模块或者蓝牙模块等。
进一步地,本发明实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器110执行,例如,被图8中的一个处理器110执行,可使得上述一个或多个处理器110执行上述任意方法实施例中帕金森病患者冻结步态监测方法,例如,执行以上描述的方法步骤21、22、23、24等等,实现图7中的模块51-57的功能。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序产品中的计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非暂态计算机可读取存储介质中,该计算机程序包括程序指令,当所述程序指令被相关设备执行时,可使相关设备执行上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
上述产品可执行本发明实施例所提供的帕金森病患者冻结步态监测方法,具备执行帕金森病患者冻结步态监测方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的帕金森病患者冻结步态监测方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种帕金森病患者冻结步态监测方法,其特征在于,包括:
采集帕金森病患者的冻结步态数据;
根据所述冻结步态数据,绘制预警控制线;
获取预设周期内的帕金森病患者的周期冻结步态数据;
根据所述预警控制线,监测所述周期冻结步态数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述冻结步态数据,绘制预警控制线,包括:
所述冻结步态数据包括冻结步态次数、冻结步态次数对应的冻结步态时间及时间采集长度;
所述预警控制线包括第一预警控制线、平均中位控制线和第二预警控制线。
3.根据权利要求2所述的方法,其特征在于,所述根据所述冻结步态数据,绘制预警控制线,包括:
根据所述冻结步态次数和所述时间采集长度,绘制得到所述平均中位控制线;
根据所述平均中位控制线,确定所述第一预警控制线和所述第二预警控制线。
4.根据权利要求3所述的方法,其特征在于,所述根据所述冻结步态次数和所述时间采集长度,绘制得到所述平均中位控制线,包括:
将所述时间采集长度划分为若干单位时间长度;
对若干所述单位时间长度内采集到的所述冻结步态次数作求平均处理,得到所述单位时间长度对应的冻结步态次数平均值;
根据所述冻结步态次数平均值和所述单位时间长度,绘制所述平均中位控制线。
5.根据权利要求2所述的方法,其特征在于,所述根据所述冻结步态数据,绘制预警控制线,包括:
根据所述冻结步态时间和所述时间采集长度,绘制得到所述平均中位控制线;
根据所述平均中位控制线,确定所述第一预警控制线和所述第二预警控制线。
6.根据权利要求5所述的方法,其特征在于,所述根据所述冻结步态时间和所述时间采集长度,绘制得到所述平均中位控制线,包括:
将所述时间采集长度划分为若干单位时间长度;
对若干所述单位时间长度内采集到的所述冻结步态时间作求平均处理,得到所述单位时间长度对应的所述冻结步态时间平均值;
根据所述冻结步态时间平均值和所述单位时间长度,绘制所述平均中位控制线。
7.根据权利要求6所述的方法,其特征在于,所述根据所述平均中位控制线,确定所述第一预警控制线和所述第二预警控制线,包括:
根据所述平均中位控制线,确定第一预警平均值和第二预警平均值;
根据所述第一预警平均值和所述单位时间长度,确定第一预警控制线;
根据所述第二预警平均值和所述单位时间长度,确定第二预警控制线。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述根据所述预警控制线,监测所述周期冻结步态数据之后,还包括:根据所述监测结果,确定是否发送异常信息至监护人员。
9.根据权利要求8所述的方法,其特征在于,所述根据所述监测结果,确定是否发送异常信息至监护人员,包括:
若所述周期冻结步态数据超过第一预警控制线和/或第二预警控制线,则确定发生异常,并发送异常信息至监护人员。
10.一种监测设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行如权利要求1-9中任一项所述的帕金森病患者冻结步态监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910790510.6A CN110638457B (zh) | 2019-08-26 | 2019-08-26 | 帕金森病患者冻结步态监测方法及监测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910790510.6A CN110638457B (zh) | 2019-08-26 | 2019-08-26 | 帕金森病患者冻结步态监测方法及监测设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110638457A true CN110638457A (zh) | 2020-01-03 |
CN110638457B CN110638457B (zh) | 2023-02-21 |
Family
ID=69009655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910790510.6A Active CN110638457B (zh) | 2019-08-26 | 2019-08-26 | 帕金森病患者冻结步态监测方法及监测设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110638457B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110068929A1 (en) * | 2009-09-23 | 2011-03-24 | Dräger Medical AG & Co. KG | Process for generating an alarm, control device and device for carrying out the process |
US20140303508A1 (en) * | 2011-10-09 | 2014-10-09 | The Medical Research, Infrastructure and Health Service Fund of the Tel Aviv Medical Center | Freezing of gait (fog), detection, prediction and/or treatment |
CN105561567A (zh) * | 2015-12-29 | 2016-05-11 | 中国科学技术大学 | 一种计步及运动状态评估装置 |
CN105705093A (zh) * | 2013-10-07 | 2016-06-22 | Mc10股份有限公司 | 用于感测和分析的适形传感器系统 |
CN106913341A (zh) * | 2017-03-22 | 2017-07-04 | 上海谦益生物科技有限公司 | 一种用于帕金森患者步态训练和监测评估的可穿戴设备、系统及方法 |
CN107361773A (zh) * | 2016-11-18 | 2017-11-21 | 深圳市臻络科技有限公司 | 用于检测、缓解帕金森异常步态的装置 |
CN107468211A (zh) * | 2010-01-18 | 2017-12-15 | 艾欧敏达有限公司 | 用于分析神经生理学数据的方法和系统以及评估系统 |
CN108309304A (zh) * | 2017-12-26 | 2018-07-24 | 上海交通大学医学院附属第九人民医院 | 一种生成冻结步态智能监测系统的方法 |
CN109480857A (zh) * | 2018-12-29 | 2019-03-19 | 中国科学院合肥物质科学研究院 | 一种用于帕金森病患者冻结步态检测的装置及方法 |
CN109528212A (zh) * | 2018-12-29 | 2019-03-29 | 大连乾函科技有限公司 | 一种异常步态识别设备及方法 |
KR20190033802A (ko) * | 2017-09-22 | 2019-04-01 | 인제대학교 산학협력단 | 파킨슨병 환자에서 보행동결의 정량적 측정을 위한 장치 및 측정방법 |
-
2019
- 2019-08-26 CN CN201910790510.6A patent/CN110638457B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110068929A1 (en) * | 2009-09-23 | 2011-03-24 | Dräger Medical AG & Co. KG | Process for generating an alarm, control device and device for carrying out the process |
CN107468211A (zh) * | 2010-01-18 | 2017-12-15 | 艾欧敏达有限公司 | 用于分析神经生理学数据的方法和系统以及评估系统 |
US20140303508A1 (en) * | 2011-10-09 | 2014-10-09 | The Medical Research, Infrastructure and Health Service Fund of the Tel Aviv Medical Center | Freezing of gait (fog), detection, prediction and/or treatment |
CN105705093A (zh) * | 2013-10-07 | 2016-06-22 | Mc10股份有限公司 | 用于感测和分析的适形传感器系统 |
CN105561567A (zh) * | 2015-12-29 | 2016-05-11 | 中国科学技术大学 | 一种计步及运动状态评估装置 |
CN107361773A (zh) * | 2016-11-18 | 2017-11-21 | 深圳市臻络科技有限公司 | 用于检测、缓解帕金森异常步态的装置 |
CN106913341A (zh) * | 2017-03-22 | 2017-07-04 | 上海谦益生物科技有限公司 | 一种用于帕金森患者步态训练和监测评估的可穿戴设备、系统及方法 |
KR20190033802A (ko) * | 2017-09-22 | 2019-04-01 | 인제대학교 산학협력단 | 파킨슨병 환자에서 보행동결의 정량적 측정을 위한 장치 및 측정방법 |
CN108309304A (zh) * | 2017-12-26 | 2018-07-24 | 上海交通大学医学院附属第九人民医院 | 一种生成冻结步态智能监测系统的方法 |
CN109480857A (zh) * | 2018-12-29 | 2019-03-19 | 中国科学院合肥物质科学研究院 | 一种用于帕金森病患者冻结步态检测的装置及方法 |
CN109528212A (zh) * | 2018-12-29 | 2019-03-29 | 大连乾函科技有限公司 | 一种异常步态识别设备及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110638457B (zh) | 2023-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11044684B2 (en) | Method and device for measuring amount of user physical activity | |
US10524698B2 (en) | Fall detection system and method | |
CN103976717B (zh) | 一种多维度睡眠质量监测方法及系统 | |
CN103705214A (zh) | 一种健康小秘书 | |
CN105007338A (zh) | 老人健康监测与报警智能物联网应用服务平台 | |
CN103281953A (zh) | 用于监测患者生理状态的患者监测系统和方法 | |
US20180158542A1 (en) | Sensor control system and method for health care | |
US10226177B2 (en) | Mobility aid monitoring system with motion sensor and transceiver | |
US9683859B2 (en) | Method for providing navigation using wearable device and vehicle for carrying out the same | |
CN205081809U (zh) | 老人健康监测与报警智能物联网应用服务平台 | |
JP2015084797A (ja) | 電子機器及び通信制御方法 | |
CN105681141A (zh) | 用于可穿戴设备的信息共享方法及信息共享装置 | |
US20190374124A1 (en) | Bridge connectors employing flexible planar bodies having signal pathways coupling control devices with biometric sensors | |
KR20150061195A (ko) | 모바일 응급 관리 시스템 | |
CN205094444U (zh) | 云服务实时摔倒检测系统 | |
CN110638457B (zh) | 帕金森病患者冻结步态监测方法及监测设备 | |
CN104188645A (zh) | 穿戴设备以及基于该穿戴设备的基础心率的测量方法 | |
KR20150101892A (ko) | 심전도 측정 시스템 및 측정 방법 | |
EP3891756A1 (en) | Monitor system of multiple parkinson's disease symptoms and their intensity | |
CN204169840U (zh) | 心率监测卡片及背心 | |
KR20170121617A (ko) | 사물인터넷 기반 독거노인 관리 시스템 | |
CN108903923B (zh) | 一种健康监测装置、系统及方法 | |
CN106031636A (zh) | 一种跌倒检测方法及相应的可穿戴监护装置及监护方法 | |
JP2016135172A (ja) | 生体情報の通信監視システム | |
AU2014361862B2 (en) | Data-integrated interface and methods of reviewing electromyography and audio data |
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 |