CN111374635B - 一种膝关节运动信息的处理设备和系统 - Google Patents
一种膝关节运动信息的处理设备和系统 Download PDFInfo
- Publication number
- CN111374635B CN111374635B CN201811639512.7A CN201811639512A CN111374635B CN 111374635 B CN111374635 B CN 111374635B CN 201811639512 A CN201811639512 A CN 201811639512A CN 111374635 B CN111374635 B CN 111374635B
- Authority
- CN
- China
- Prior art keywords
- knee joint
- signal
- motion
- acquisition module
- information
- 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.)
- Active
Links
- 210000000629 knee joint Anatomy 0.000 title claims abstract description 335
- 230000033001 locomotion Effects 0.000 title claims abstract description 280
- 230000010365 information processing Effects 0.000 title abstract description 27
- 210000000689 upper leg Anatomy 0.000 claims abstract description 66
- 230000005236 sound signal Effects 0.000 claims description 52
- 230000001681 protective effect Effects 0.000 claims description 30
- 230000005540 biological transmission Effects 0.000 claims description 26
- 230000001133 acceleration Effects 0.000 claims description 23
- 238000001228 spectrum Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 3
- 230000000994 depressogenic effect Effects 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 244000309466 calf Species 0.000 abstract description 19
- 238000000034 method Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 16
- 238000005259 measurement Methods 0.000 description 14
- 238000012706 support-vector machine Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 210000004417 patella Anatomy 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4585—Evaluating the knee
-
- 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
-
- 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
- A61B5/103—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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4528—Joints
-
- 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
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种膝关节运动信息的处理设备和系统，所述处理设备包括采集装置202和处理装置204，所述采集装置202与所述处理装置204连接；其中，所述采集装置202，用于采集人体的膝关节运动信号、大腿运动信号和小腿运动信号；所述处理装置204，用于对所述膝关节运动信号、大腿运动信号和小腿运动信号进行处理形成用于判断膝关节受损程度的膝关节运动信息。本发明实施例提供的膝关节运动信息的处理设备和系统的便携性较好，并且能够对处于运动状态下的膝关节的受损程度进行准确评估。
Description
技术领域
本发明属于医疗器械技术领域，具体涉及一种膝关节运动信息的处理设备和系统。
背景技术
膝关节是人体关节中，功能和结构最复杂的关节之一。由于在人体运动过程中，膝关节几乎承受人体的全部重量，使得膝关节极易受损，受损后的膝关节恢复较慢，给病人带来较大痛苦，因此，需要对膝关节的受损程度进行评估，以便医生根据评估结果对受损膝关节进行诊断治疗。
目前，可以使用核磁共振成像(Magnetic Resonance Imaging，MRI)设备对膝关节的受损程度进行评估。但是，使用MRI检查依赖于大型的医疗检测设备和专业的影像学医生，便携性差且不利于对运动状态下的膝关节受损程度进行连续不间断的评估。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种膝关节运动信息的处理设备和系统。本发明要解决的技术问题通过以下技术方案实现：
本发明实施例提供了一种膝关节运动信息的处理设备，所述处理设备包括采集装置202和处理装置204，所述采集模块与所述处理装置204连接；其中，
所述采集模块，用于采集人体的膝关节运动信号、大腿运动信号和小腿运动信号；
所述处理装置204，用于对所述膝关节运动信号、大腿运动信号和小腿运动信号进行处理形成用于判断膝关节受损程度的膝关节运动信息。
在本发明的一个实施例中，所述采集模块包括第一采集模块2022、第二采集模块2024和第三采集模块2026，其中，所述第一采集模块2022用于采集所述膝关节运动信号，所述第二采集模块2024用于采集所述大腿运动信号，所述第三采集模块2026用于采集所述小腿运动信号。
在本发明的一个实施例中，所述膝关节运动信号包括膝关节振动信号；
相应地，所述第一采集模块2022包括加速度传感器，所述加速度传感器用于在所述人体的运动状态下获取所述膝关节振动信号。
在本发明的一个实施例中，所述膝关节运动信号还包括膝关节声音信号；
相应地，所述第一采集模块2022还包括声学传感器，所述声学传感器用于在人体运动状态下获取所述膝关节声音信号。
在本发明的一个实施例中，
所述处理器模块包括第一处理器2042和第二处理器2044，所述第一处理器2042与所述第二处理器2044连接；
相应地，所述第一处理器2042用于对所述膝关节声音信号、所述膝关节振动信号及所述大腿运动信号进行处理形成第一处理信号；
所述第二处理器2044用于对所述第一处理信号和所述小腿运动信号进行处理形成所述膝关节运动信息。
在本发明的一个实施例中，所述第一处理器2042具体用于按照时间顺序，将所述加速度传感器获取的所述振动信号和所述声学传感器获取的所述声音信号进行叠加处理，生成膝关节运动信号，以及将所述第二采集模块2024获取的所述大腿运动信号和所述膝关节运动信号作为第一处理信号。
在本发明的一个实施例中，所述第一处理器2042、所述第一采集模块2022与所述第二采集模块2024封装在第一保护壳体内并设置于人体膝关节位置处；
所述第二处理器2044和所述第三采集模块2026封装在第二保护壳体内并设置于人体小腿位置处。
在本发明的一个实施例中，所述大腿运动信号包括大腿姿态信号；
相应地，所述第二采集模块2024包括第一姿态传感器，所述第一姿态传感器用于在人体运动状态下获取所述大腿姿态信号；
所述小腿运动信号包括小腿姿态信号；
相应地，所述第三采集模块2026包括第二姿态传感器，所述第二姿态传感器用于在人体运动状态下获取所述小腿姿态信号。
在本发明的一个实施例中，所述设备还包括传输装置206，所述传输装置206与所述处理装置204连接，用于将所述膝关节运动信息上传给服务器104，以使所述服务器104基于所述膝关节运动信息，使用预先训练好的模型得到的分类结果确定膝关节的受损程度。
本发明实施例还提供了一种膝关节运动信息的处理系统，所述处理系统包括处理设备和服务器104；所述处理设备包括采集模块、处理装置204和传输装置206，所述采集模块与所述处理装置204连接，所述处理装置204和所述传输装置206连接；其中，
所述采集模块，用于采集人体的膝关节运动信号、大腿运动信号和小腿运动信号；
所述处理装置204，用于对所述膝关节运动信号、大腿运动信号和小腿运动信号进行处理形成用于判断膝关节受损程度的膝关节运动信息；
所述传输装置206，用于将所述膝关节运动信息上传给服务器104；
所述服务器104，用于基于所述膝关节运动信息，使用预先训练好的模型得到的分类结果来确定膝关节的受损程度。
在本发明实施例提供的膝关节运动信息的处理设备和系统中，所述处理设备包括：采集装置202和处理装置204，所述采集模块与所述处理装置204连接；具体的，所述采集模块，可以用于采集人体的膝关节运动信号、大腿运动信号和小腿运动信号，而所述处理装置204，可以用于对所述膝关节运动信号、大腿运动信号和小腿运动信号进行处理形成用于判断膝关节受损程度的膝关节运动信息，这样，本发明实施例提供的膝关节运动信息的处理设备的便携性较好，且能够对运动状态下的膝关节受损程度进行连续不间断的评估。
附图说明
图1为本发明实施例的膝关节运动信息的处理设备的应用环境示意图；
图2为本发明实施例提供的一种膝关节运动信息的处理设备的结构示意图；
图3为本发明实施例提供的另一种膝关节运动信息的处理设备的结构示意图；
图4为本发明实施例提供的又一种膝关节运动信息的处理设备的结构示意图；
图5为本发明实施例提供的再一种膝关节运动信息的处理设备的结构示意图；
图6本发明实施例提供的再一种膝关节运动信息的处理设备的结构示意图；
图7为本发明实施例提供的再一种膝关节运动信息的处理设备的结构示意图；
图8为本发明实施例提供的一种膝关节运动信息的处理系统的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
本申请提供的膝关节运动信息的处理设备，可以应用于如图1所示的应用环境中，图1为本发明实施例的膝关节运动信息的处理设备的应用环境示意图。其中，膝关节运动信息的处理设备102通过网络与服务器104通过网络进行通信。其中，服务器104可以是计算机，也可以是服务器。
实施例一
请参见图2，图2为本发明实施例提供的一种膝关节运动信息的处理设备的结构示意图。如图2所示，膝关节运动信息的处理设备可以包括采采模块202和处理装置204。
所述采集装置202，用于采集人体的膝关节运动信号、大腿运动信号和小腿运动信号。
具体的，采集装置202可以采集人体的膝关节运动信号，以及膝关节运动信号对应的大腿运动信号和小腿运动信号，其中，膝关节运动信号可以包括膝关节振动信号、膝关节声音信号、膝关节加速度等能够体现膝关节的运动状态的信息，大腿运动信号可以包括大腿的姿态信息、大腿距离地面的高度等能够体现大腿的运动状态的信息，小腿运动信号可以包括小腿的姿态信息、小腿距离地面的高度等能够体现小腿的运动状态的信息，以便处理装置204能够根据膝关节运动信号、大腿运动信号和小腿运动信号，生成膝关节运动信息。
需要说明的是，由于处于运动状态的受损的膝关节所产生的膝关节振动信号和膝关节声音信号，与处于运动状态的未受损的膝关节所产生的膝关节振动信号和膝关节声音信号之间的差异较大。
并且，人体在运动时，膝关节也处于运动状态，随着人体姿势以及运动速度的不同，膝关节中各骨骼的结合方式以及各骨骼的受压程度也不同。可以理解的，人体的运动状态不同，膝关节的状态也不同，而膝关节的状态与人体下肢的运动状态密切相关，可以理解的，人体下肢的运动状态可以由大腿运动信号和小腿运动信号体现出来。
因此，膝关节产生的膝关节振动信号、膝关节声音信号，以及膝关节振动信号对应的大腿运动信号和小腿运动信号，能够准确的体现膝关节的受损状态。
所述处理装置204，用于对所述膝关节运动信号、大腿运动信号和小腿运动信号进行处理形成用于判断膝关节受损程度的膝关节运动信息。
具体的，处理装置204可以对所述膝关节运动信号、大腿运动信号和小腿运动信号进行处理，生成膝关节运动信息，膝关节运动信息可以用于判断膝关节受损程度，具体实现中，可以由服务器104基于膝关节运动信息，确定膝关节受损程度。
其中，膝关节运动信息可以包括膝关节振动信号的特征信息、膝关节声音信号的特征信息和上述膝关节的姿态信息的特征信息，上述膝关节振动信号的特征信息可以基于膝关节产生的膝关节振动信号生成，上述膝关节声音信号的特征信息可以基于膝关节产生的膝关节振动信号生成；所述姿态信息的特征信息可以基于大腿运动信号和小腿运动信号生成，使得服务器104能够基于上述膝关节运动信息，确定上述膝关节的受损程度。
具体的，膝关节振动信号的特征信息可以是膝关节振动信号在时域和/或频域中的特征值，膝关节声音信号的特征信息可以是膝关节声音信号在时域和/或频域中的特征值，比如，膝关节振动信号和声音信号在时域中的特征值可以为均方根、峰度、偏度等，膝关节振动信号和声音信号在频域中的特征值可以为频谱、能量谱、均值频率、功率谱平均值等，膝关节振动信号和声音信号在时频域中的特征值可以为小波包变换系数等。这样，膝关节振动信号和膝关节声音信号的特征信息均能够从时域和/或频域直观体现膝关节振动信号和膝关节声音信号的特点。
需要说明的是，在获取膝关节振动信号和膝关节声音信号的同时，还可以获取大腿运动信号和小腿运动信号，可以基于大腿运动信号和小腿运动信号得到姿态信息的特征信息，姿态信息的特征信息可以是膝关节的关节角度、膝关节距离地面的高度等能够体现膝关节姿态的信息。
在通常情况下，膝关节振动信号和膝关节声音信号可以包括一个预设的测量时段内的膝关节振动信号，相应的，可以基于上述一个预设的测量时段内采集到的大腿运动信号和小腿运动信号，计算姿态信息的特征信息。
比如，从上述一个预设的测量时段内获取到的大腿运动信号和小腿运动信号中，随机获取一组大腿运动信号和小腿运动信号，基于上述随机获取的一组大腿运动信号和小腿运动信号，计算膝关节的关节角度，将计算出的膝关节的关节角度作为姿态信息的特征信息。又比如，可以基于一个预设的测量时段内获取到的大腿运动信号和小腿运动信号的均值，计算膝关节距离地面的高度，将计算出的膝关节距离地面的高度作为姿态信息的特征信息。这样，计算出的姿态信息的特征信息能够体现在上述一个预设的测量时段内的膝关节的姿态变化情况。
综上，相比在人体静止状态下评估得到的膝关节的受损程度，基于膝关节运动信息确定的膝关节受损程度的准确性更高。
可见，本发明实施例提供的膝关节运动信息的处理设备，能够通过采集装置202和处理装置204获取运动状态下的膝关节运动信息，以便服务器104基于膝关节运动信息对处于运动状态下的膝关节的受损程度进行准确评估；这样，本发明实施例提供的膝关节运动信息的处理设备的便携性较好，方便医务人员在外出时能够准确确定用户的膝关节的受损程度，实现对运动状态下的膝关节受损程度进行连续不间断的评估。
实施例二
请参见图3，图3为本发明实施例提供的另一种膝关节运动信息的处理设备的结构示意图。在上述实施例的基础上，膝关节运动信息的处理设备还可以包括传输装置206，所述传输装置206与所述采集装置202连接，以及对采集装置202和处理装置204进行详细说明。
如图3所示，采集装置202包括：第一采集模块2022、第二采集模块2024和第三采集模块2026。
所述第一采集模块2022，用于采集所述膝关节运动信号；所述第二采集模块2024，用于采集所述大腿运动信号；所述第三采集模块2026，用于采集所述小腿运动信号。
具体的，为了采集到准确信号，所述第一采集模块2022和所述第二采集模块2024可以放置在膝关节上靠近大腿的部位，以采集所述膝关节运动信号和所述大腿运动信号，所述第三采集模块2026可以放置小腿上靠近膝关节的部分，以采集所述小腿运动信号，以使处理装置204能够基于上述信号生成膝关节运动信息。
其中，所述膝关节运动信号包括膝关节振动信号和膝关节声音信号。相应地，所述第一采集模块2022包括加速度传感器，所述加速度传感器用于在所述人体的运动状态下获取所述膝关节振动信号；所述第一采集模块2022还包括声学传感器，所述声学传感器用于在人体运动状态下获取所述膝关节声音信号。
具体的，第一采集模块2022可以包括加速度传感器和声学传感器，加速度传感器能够在所述人体的运动状态下获取所述膝关节振动信号，而声学传感器能够在所述人体的运动状态下获取所述膝关节声音信号，具体的，声音传感器可以为电子麦克风或压电薄膜。
需要说明的是，膝关节振动信号和膝关节声音信号，其中，膝关节内部各骨骼和软组织等结构之间，由于膝关节的运动而产生振动信号，受损膝关节产生的振动信号可以区别于未受损的膝关节产生的振动信号，因此，可以使用加速度传感器获取到人体的膝关节的振动信号。此外，膝关节内部各骨骼和软组织等结构之间由于膝关节运动产生声音，也即膝关节的声音信号，因此，可以使用声学传感器获取膝关节产生的膝关节声音信号。
在实际应用中，为了提高测量得到的振动信号的准确性，第一采集模块2022中的加速度传感器可以为多个。加速度传感器具体可以是微型加速度计，当然，也可以是其他具有测量振动信号功能的传感器。
在具体应用中，所述大腿运动信号包括大腿姿态信号；所述小腿运动信号包括小腿姿态信号。
相应地，所述第二采集模块2024包括第一姿态传感器，所述第一姿态传感器用于在人体运动状态下获取所述大腿姿态信号。所述第三采集模块2026包括第二姿态传感器，所述第二姿态传感器用于在人体运动状态下获取所述小腿姿态信号。
具体的，大腿姿态信号可以为大腿的姿态信息，小腿姿态信号可以为小腿的姿态信息，以便处理装置204基于大腿的姿态信息和小腿的姿态信息得到膝关节的角度、加速度等能够体现膝关节姿态的信息
在实际应用中，第一姿态传感器和第二姿态传感器可以为陀螺仪，当然，第一姿态传感器和第二姿态传感器可以为其他具有测量姿态信息功能的传感器。
如图3所示，处理器模块204，包括第一处理器2042和第二处理器2044，所述第一处理器2042与所述第二处理器2044连接。
所述第一处理器用于对所述膝关节声音信号、所述膝关节振动信号及所述大腿运动信号进行处理形成第一处理信号。
需要说明的是，由于膝关节运动信息处理设备需要分别设置在人体的膝关节和小腿等不同部位，为了方便处理采集到各部位的信号，处理装置204可以包括第一处理器2042和第二处理器2044，所述第一处理器2042与所述第二处理器2044连接。其中，第一处理器2042可以放置在膝关节上靠近大腿的部位，用于对加速度传感器获取的膝关节振动信号、声学传感器获取的膝关节声音信号和第一姿态传感器获取的大腿运动信号进行处理，形成第一处理信号。
其中，所述第一处理器2042具体用于按照时间顺序，将所述加速度传感器获取的所述振动信号和所述声学传感器获取的所述声音信号进行叠加处理，生成膝关节运动信号，以及将所述第二采集模块获取的所述大腿运动信号和所述膝关节运动信号作为第一处理信号。
具体的，第一处理器2042可以按照时间顺序，将接收到的加速度传感器获取到的膝关节振动信号和声学传感器获取的膝关节声音信号进行叠加处理，生成膝关节运动信号，以及将接收到的第一姿态传感器获取的大腿运动信号与和所述膝关节运动信号作为第一处理信号，并将第一处理信号传输给第二处理器2044，使得第二处理器2044能够基于第一处理信号和接收到的第二姿态传感器获取的小腿的运动信号，生成膝关节运动信息，使得服务器104能够基于膝关节运动信息，确定膝关节受损程度。
所述第二处理器2044用于对所述第一处理信号和所述小腿运动信号进行处理形成所述膝关节运动信息。
其中，膝关节运动信息可以包括膝关节运动信号的特征信息和姿态信息的特征信息。膝关节运动信号可以包括膝关节振动信号和膝关节声音信号，那么，膝关节运动信号的特征信息可以体现膝关节振动信号在时域和/或频域中的特征值，以及膝关节声音信号在时域和/或频域中的特征值。
比如，膝关节振动信号和声音信号在时域中的特征值可以为均方根、峰度、偏度等，膝关节振动信号和声音信号在频域中的特征值可以为频谱、能量谱、均值频率、功率谱平均值等，膝关节振动信号和声音信号在时频域中的特征值可以为小波包变换系数等。这样，膝关节振动信号和/或膝关节声音信号的特征值能够分别从时域和频域直观体现膝关节振动信号和/或膝关节声音信号的特点。
膝关节的姿态信息的特征信息可以包括膝关节的关节角度和膝关节距离地面的高度。可以将上述预设的测量时间段内计算得到的膝关节的关节角度的极差值作为姿态信息的特征信息，也可以将上述预设的测量时间段内计算得到的膝关节距离地面的高度的极值差作为姿态信息的特征信息。
比如，根据上述一个预设的测量时段内获取到的多组大腿运动信号和小腿运动信号，计算多个膝关节的关节角度，将计算出的多个膝关节的关节角度的极差值作为姿态信息的特征信息。
可以理解的，膝关节的姿态信息的特征信息能够体现膝关节的姿态变化特点。
一种实现方式中，如图3所示，膝关节运动信息的处理设备还可以包括：传输装置206。所述传输装置206与所述处理装置204连接。
传输装置206，用于将所述膝关节运动信息上传给服务器104，以使所述服务器104基于所述膝关节运动信息，使用预先训练好的模型得到的分类结果确定膝关节的受损程度。
具体的，传输装置206可以将第二处理器2044传输的膝关节运动信息上传给服务器104，使得服务器104能够基于所述膝关节运动信息，使用预先训练好的模型得到的分类结果确定膝关节的受损程度。
在实际应用中，传输装置206可以为WIFI模块，也可以为4G传输器，具体可以根据实际情况确定。
一种实施方式中，如图3所示，膝关节运动信息的处理设备还可以包括：存储装置208。
第二处理器2044，还用于将所述第一处理器2042传输的所述第一处理信号和所述第二姿态传感器传输的小腿运动信号，传输给所述存储装置208。
具体的，第二处理器2044可以接收所述第一处理器2042传输的所述第一处理信号，所述第一处理信号可以包括所述振动信号、所述声音信号和所述大腿运动信号，以及所述第二姿态传感器传输的所述小腿运动信号，并将所述第一处理信号和所述小腿运动信号传输给存储装置208，以使存储装置208存储所述第一处理信号和所述小腿运动信号，这样，第二处理器2044可以基于从存储装置208中读取的第一处理信号和所述小腿运动信号，生成膝关节运动信息。
需要说明的是，膝关节运动信息可以包括膝关节振动信号的特征信息和姿态信息的特征信息，而通常情况下，膝关节振动信号的特征信息可以基于一个预设的测量时段内的膝关节振动信号和膝关节声音信号来生成，姿态信息的特征信息也可以基于一个预设的测量时段内的大腿运动信号和小腿运动信号来生成。因此，可以由存储装置208存储一个时段内获取到的膝关节振动信号、膝关节声音信号、大腿运动信号和小腿运动信号，其中，一个时段可以大于或等于预设的测量时段，以便第二处理器2044可以基于从存储装置208中获取的一个预设的测量时段内的膝关节振动信号、膝关节声音信号、大腿运动信号和小腿运动信号，生成膝关节运动信息。
所述存储装置208，用于存储所述第二处理器2044传输的所述第一处理信号和所述第二姿态传感器2044传输的所述小腿运动信号。
具体的，存储装置208可以存储第二处理器2044传输的所述第一处理信号和所述第二姿态传感器2044传输的所述小腿运动信号，第一处理信号可以包括膝关节振动信号、膝关节声音信号、大腿运动信号，以便第二处理器2044基于存储装置208存储的所述第一处理信号和所述小腿运动信号，生成膝关节运动信息。
所述第二处理器2044，还用于基于所述存储装置208中存储的所述第一处理信号和所述小腿运动信号，生成膝关节运动信息，并将所述膝关节运动信息传输给所述传输装置206。
具体的，第二处理器2044可以基于从存储装置208中获取的一个预设的测量时段内的膝关节振动信号、膝关节声音信号、大腿运动信号和小腿运动信号，生成膝关节运动信息，并将生成的所述膝关节运动信息传输给所述传输装置206，以使传输装置206将生成的膝关节运动信息上传给服务器104，由服务器104基于膝关节运动信息确定膝关节的受损程度。
在实际应用中，存储装置208可以为(Trans-Flash，TF)存储卡，当然也可以为其他具有存储功能的器件。
一种实现方式中，所述膝关节运动信息的处理设备还包括：电池装置210；所述电池装置210分别与所述采集装置202、所述处理装置204、所述传输装置206和所述存储装置208电连接。
所述电池装置210，用于为所述采集装置202、所述处理装置204、所述传输装置206和所述存储装置208提供电能，以保证各模块能够正常工作。
在实际应用中，电池装置可以是两节18650锂电池，当然，也可以根据实际情况，选择其他高性能的能够提供电能的器件。
一种实现方式中，所述膝关节运动信息的处理设备还可以包括：时间装置212。
具体的，时间装置212可以用于在采集装置202和处理装置204获取膝关节振动信号和大腿和小腿运动信号的获取时间和/或日期，以及生成膝关节运动信息的生成时间和/或日期等，使得上传给服务器104的膝关节运动信息中能够包含上述膝关节振动信号和大腿和小腿运动信号的获取时间和/或日期，以及膝关节运动信息的生成时间和/或日期。
在实际应用中，时间装置212具体可以为实时日历时钟模块。
可见，本发明实施例提供的膝关节运动信息的处理设备，能够通过采集装置202和处理装置204获取运动状态下的膝关节运动信息，并通过传输装置206将膝关节运动信息上传至服务器104，以便服务器104基于膝关节运动信息对处于运动状态下的膝关节的受损程度进行准确评估，使得医生可以基于膝关节的受损程度进行准确的诊断治疗，并且本发明实施例提供的膝关节运动信息的处理设备的便携性较好，方便医务人员在外出时能够准确确定用户的膝关节的受损程度，并且能够对处于运动状态下的膝关节的受损程度进行准确评估。
实施例三
请参见图4至图7，图4为本发明实施例提供的又一种膝关节运动信息的处理设备的结构示意图，图5为本发明实施例提供的再一种膝关节运动信息的处理设备的结构示意图，图6为本发明实施例提供的再一种膝关节运动信息的处理设备的结构示意图，图7为本发明实施例提供的再一种膝关节运动信息的处理设备的结构示意图。在上述实施例的基础上，对客户端设备中各部件的结构和形状进行详细说明。
如图4所示，所述第一处理器2042、所述第一采集模块2022与所述第二采集模块2024封装在第一保护壳体302内并设置于人体膝关节位置处；所述第二处理器2044和所述第三采集模块2026封装在第二保护壳体304内并设置于人体小腿位置处。
其中，所述第一保护壳302包括第一底板3021和第一外罩3022，所述第一外罩3022与所述第一底板3021通过螺栓3023连接。所述第一采集模块2022可以包括加速度传感器20221和声学传感器20222，第二采集模块2024为第一姿态传感器2024，第三采集模块2026为第二姿态传感器2026。
所述第一底板3021为球面，以使所述第一底板3021接触所述人体的膝关节。所述加速度传感器20221设置在所述第一保护壳302内的第一底板3021中央。所述声学传感器20222、所述第二处理器2044、第一姿态传感器2024均设置在所述第一保护壳302内。
具体的，第一底板3021为向里凹陷的球面，由于人体的膝关节表面是圆弧状的，因此，第一底板3021的球面可以较好的贴合膝关节表面。同时，加速度传感器20221设置在第一保护壳302内的第一底板3021中央，这样，当第一底板3021的球面紧密贴合膝关节表面时，加速度传感器20221也能够紧密接触膝关节表面，以得到信噪比高的振动信号。
此外，声学传感器20222、第二处理器2044和第一姿态传感器2024均可以设置在所述第一保护壳302内；其中，声学传感器20222可以与膝关节的皮肤表面距离一段距离，以获得信噪比高的膝关节声音信号。
需要说明的是，由于人体的膝关节为球状，为了更好的接触结果，第一底板3021为球面，相应的，第一外罩3022可以为开放的球状腔体，使得第一底3021和第一外罩3022能够紧密扣合，形成第一保护壳302。
为了方便说明，图4所示的第一外罩3022的顶面为透明可见，但在实际应用中，第一外罩3022的顶面的材质为具有一定韧性和硬度的材质。
同样的，如图5所示，第二保护壳体304，包括第二底板3041和第二外罩3042，所述第二外罩3042与所述第二底板3041通过螺栓3043连接。
所述第二底板3041为圆柱弧面，以使所述第二底板3041接触所述人体的小腿。所述第三采集模块2026和所述第二处理器2044均设置在所述第二保护壳304内。
具体的，第二底板3041为向里凹陷的圆柱弧面，由于人体的小腿表面是圆柱状的，因此，第二底板3041的圆柱弧面可以较好的贴合小腿表面。
所述第一外罩3022的侧面设置第一通孔3024，所述第二外罩3042的侧面设置第二通孔3044，所述电缆穿过第一通孔3024和第二通孔3044，连接所述第一处理器2042与所述第二处理器2044。
由于所述第一处理器2042与第二处理器2044通过电缆306相连，且第一处理器2042设置第一保护壳302内，而第二处理器2044设置在第二保护壳304内；因此，电缆可以通过第一保护壳302的第一外罩3022侧面设置的第一通孔3024、以及第二保护壳304的第二外罩3042侧面设置的第二通孔3044，将第一处理器2042与所述第二处理器2044连接起来。
其中，第一通孔3024与第二通孔3044的形状可以与电缆的横截面的形状相同，比如，电缆为圆形，第一通孔3024与第二通孔3044的形状也可以为圆形。
可以理解的，第一通孔3024可以设置在第一外罩3022中，与第二外罩3042临近的侧面上，第二通孔3044可以设置在第二外罩3042中与第一外罩3022临近的侧面上。
需要说明的是，由于人体的小腿围圆柱状，为了更好的接触结果，第二底板3041为圆柱弧面，相应的，第二外罩3042可以为开放的长方形腔体，使得第二底板3041和第二外罩3042能够紧密扣合，形成第二保护壳304。
为了方便说明，图5所示的第二外罩3042的顶面为透明可见，但在实际应用中，第二外罩3042的顶面的材质为具有一定韧性和硬度的材质。
在具体实施中，如图5所示，电池装置210、传输装置206、存储装置208、第二姿态传感器2026和第二处理器2044均可以设置在第二保护壳304内。
时间装置212也可以设置在第二保护壳304内。
如图6和图7所示，所述设备还包括：紧固带308。
所述第一保护壳302、所述第二保护壳304和所述电缆306均固定在所述紧固带308上，以使通过所述紧固带将髌骨传感器模块202和处理装置204分别所述绑定在所述人体的膝关节和小腿上。
具体的，髌骨传感器模块202的第一保护壳302、处理装置204的第二保护壳2046和电缆214均固定在紧固带308，在图5中，斜纹标识的部件为紧固带308，如图6所示，紧固带308缠绕固定在人体的膝关节和腿部时，第一保护壳302的第一底板3021能够紧密接触人体的膝关节表面，以获取到准确的测量信息，第二保护壳304的第二底板3041能够紧密接触人体的小腿表面，以获取到准确的小腿的姿态信息，在图6中，电缆214可以固定在紧固带308的夹层中，因此电缆214在图6中不可见。
可见，本发明实施例提供的膝关节运动信息的处理设备，能够通过紧固带将采集装置202和处理装置204固定在人体的膝关节和小腿部位，使得采集装置202和处理装置204能够在人体的运动状态下获取膝关节运动信息，便携性较好，方便医务人员在外出时能够准确确定用户的膝关节的受损程度，并且能够对处于运动状态下的膝关节的受损程度进行准确评估。
实施例四
请参见图8，图8为本发明实施例提供的一种膝关节运动信息的处理系统的结构示意图。在上述图2至图7所示的实施例基础上，提出了一种膝关节运动信息的处理系统。
如图8所示，所述处理系统包括处理设备102和服务器104；所述处理设备102包括采集装置202、处理装置204和传输装置206，所述采集装置202与所述处理装置204连接，所述采集装置202和所述传输装置206连接。
所述采集装置202，用于采集人体的膝关节运动信号、大腿运动信号和小腿运动信号。
所述处理装置204，用于对所述膝关节运动信号、大腿运动信号和小腿运动信号进行处理形成用于判断膝关节受损程度的膝关节运动信息。
所述传输装置206，用于将所述膝关节运动信息上传给服务器104。
需要说明的是，采集装置202、处理装置204和传输装置206的处理步骤的详细说明请参考图2至图7对应的实施例中的相关说明，在此不再赘述。
所述服务器104，用于基于所述膝关节运动信息，使用预先训练好的模型得到的分类结果来确定膝关节的受损程度。
具体的，服务器104可以将传输装置206上传的膝关节运动信息，输入到预先训练好的模型中，得到分类结果，以及基于分类结果来确定述膝关节的受损程度。
其中，预先训练好的模型可以是支持向量机(Support Vector Machine，SVM)、深度学习算法、K-近邻算法、贝叶斯算法等机器学习算法模型。
具体的，SVM模型可以是基于径向基函数(Radial Basis Function，RBF)核的SVM模型。当然，也可以根据实际情况，选择其他核函数，比如，多项式核函数、拉普拉斯核函数、Sigmoid核函数等。
此外，预先训练好的SVM模型可以是二分类SVM模型，对应的分类结果为两类，两类分类结果对应的膝关节的受损程度分别为未受损和受损；预先训练好的SVM模型也可以是多分类SVM模型，对应的分类结果可以为至少五类，分类结果对应的膝关节的受损程度可以分别为未受损和受损，其中，受损可以按照受损程度进行划分，至少分一级受损、二级受损、三级受损和四级受损。
当然，多分类SVM模型对应的分类结果也可以为六类或者更多，通常情况下，可以对受损进行细分，使得最终确定的膝关节的受损程度更加精确。
比如，当预先训练好的模型为二分类SVM模型，可以在训练原始的二分类SVM模型时，设置未受损的膝关节产生的膝关节振动信号对应的分类结果的期望值为1，设置受损的膝关节产生的膝关节振动信号对应的分类结果的期望值为-1，那么，当分类结果为1时，可以确定膝关节未受损，当分类结果为-1时，可以确定膝关节受损。
在实际应用中，服务器104可以是计算机，也可以是服务器或者是多个服务器组成的服务器集群。
可见，本发明实施例提供的膝关节运动信息的处理系统，能够通过采集装置202和处理装置204获取运动状态下的膝关节运动信息，并通过传输装置206上传至服务器，由服务器104基于膝关节运动信息对处于运动状态下的膝关节的受损程度进行准确评估，便携性较好，方便医务人员在外出时能够准确确定用户的膝关节的受损程度，使得医生可以基于膝关节的受损程度进行准确的诊断治疗，并且能够对处于运动状态下的膝关节的受损程度进行准确评估。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (5)
1.一种膝关节运动信息的处理设备，其特征在于，所述处理设备包括采集装置（ 202）和处理装置（ 204） ，所述采集装置（ 202） 与所述处理装置（ 204） 连接；其中，
所述采集装置（ 202） ，用于采集人体的膝关节运动信号、大腿运动信号和小腿运动信号；
所述处理装置（ 204） ，用于对所述膝关节运动信号、大腿运动信号和小腿运动信号进行处理形成用于判断膝关节受损程度的膝关节运动信息；
所述采集装置（ 202） 包括第一采集模块（ 2022） 、第二采集模块（ 2024） 和第三采集模块（ 2026） ，其中，所述第一采集模块（ 2022） 用于采集所述膝关节运动信号，所述第二采集模块（ 2024） 用于采集所述大腿运动信号，所述第三采集模块（ 2026） 用于采集所述小腿运动信号；
所述膝关节运动信号包括膝关节振动信号的特征信息；膝关节振动信号的特征信息是膝关节振动信号在时域和/或频域中的特征值；
相应地，所述第一采集模块（ 2022） 包括加速度传感器（ 20221） ，所述加速度传感器（ 20221） 用于在所述人体的运动状态下获取所述膝关节振动信号；
所述膝关节运动信号还包括膝关节声音信号的特征信息；膝关节声音信号的特征信息是膝关节声音信号在时域和/或频域中的特征值；其中，膝关节振动信号和声音信号在时域中的特征值包括均方根、峰度、偏度；膝关节振动信号和声音信号在频域中的特征值包括频谱、能量谱、均值频率、功率谱平均值；膝关节振动信号和声音信号在时频域中的特征值包括小波包变换系数；相应地，所述第一采集模块（ 2022） 还包括声学传感器（ 20222） ，所述声学传感器（ 20222） 用于在人体运动状态下获取所述膝关节声音信号；所述处理装置（ 204） 包括第一处理器（ 2042） 和第二处理器（ 2044） ，所述第一处理器（ 2042） 与所述第二处理器（ 2044） 连接；
所述第一处理器（ 2042） 、所述第一采集模块（ 2022） 与所述第二采集模块（ 2024）封装在第一保护壳（ 302） 体内并设置于人体膝关节位置处；所述第一保护壳（ 302） 包括第一底板（ 3021） 和第一外罩（ 3022） ，所述第一外罩（ 3022） 与所述第一底板（ 3021）通过螺栓（ 3023） 连接；所述第一底板（ 3021） 为向里凹陷的球面，以使所述第一底板（3021） 接触所述人体的膝关节；所述第一外罩（ 3022） 为开放的球状腔体，所述第一底板（ 3021） 和所述第一外罩（ 3022） 紧密扣合；加速度传感器（ 20221） 设置在第一保护壳（ 302） 内的第一底板（ 3021） 中央；
所述第二处理器（ 2044） 和所述第三采集模块（ 2026） 封装在第二保护壳（ 304） 体内并设置于人体小腿位置处；所述第二保护壳（ 304） 包括第二底板（ 3041） 和第二外罩（ 3042） ，所述第二外罩（ 3042） 与所述第二底板（ 3041） 通过螺栓（ 3043） 连接；所述第二底板（ 3041） 为向里凹陷的圆柱弧面，以使所述第二底板（ 3041） 接触所述人体的小腿；所述第二外罩（ 3042） 为开放的长方形腔体，所述第二底板（ 3041） 和所述第二外罩（ 3042） 紧密扣合；所述第一外罩（ 3022） 和所述第二外罩（ 3042） 的顶面的材质为具有一定韧性和硬度的材质。
2.根据权利要求1所述的设备，其特征在于，
所述第一处理器（ 2042） 用于对所述膝关节声音信号、所述膝关节振动信号及所述大腿运动信号进行处理形成第一处理信号；
所述第二处理器（ 2044） 用于对所述第一处理信号和所述小腿运动信号进行处理形成所述膝关节运动信息。
3.根据权利要求2所述的设备，其特征在于，所述第一处理器（ 2042） 具体用于按照时间顺序，将所述加速度传感器（ 20221） 获取的所述振动信号和所述声学传感器（ 20222）获取的所述声音信号进行叠加处理，生成膝关节运动信号，以及将所述第二采集模块（2024） 获取的所述大腿运动信号和所述膝关节运动信号作为第一处理信号。
4.根据权利要求1所述的设备，其特征在于，所述大腿运动信号包括大腿姿态信号；
相应地，所述第二采集模块（ 2024） 包括第一姿态传感器（ 2024） ，所述第一姿态传感器（ 2024） 用于在人体运动状态下获取所述大腿姿态信号；
所述小腿运动信号包括小腿姿态信号；
相应地，所述第三采集模块（ 2026） 包括第二姿态传感器（ 2026） ，所述第二姿态传感器（ 2026） 用于在人体运动状态下获取所述小腿姿态信号。
5.根据权利要求1所述的设备，其特征在于，所述设备还包括传输装置（ 206） ，所述传输装置（ 206） 与所述处理装置（ 204） 连接，用于将所述膝关节运动信息上传给服务器（104） ，以使所述服务器（ 104） 基于所述膝关节运动信息，使用预先训练好的模型得到的分类结果确定膝关节的受损程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811639512.7A CN111374635B (zh) | 2018-12-29 | 2018-12-29 | 一种膝关节运动信息的处理设备和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811639512.7A CN111374635B (zh) | 2018-12-29 | 2018-12-29 | 一种膝关节运动信息的处理设备和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111374635A CN111374635A (zh) | 2020-07-07 |
| CN111374635B true CN111374635B (zh) | 2023-02-10 |
Family
ID=71213028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811639512.7A Active CN111374635B (zh) | 2018-12-29 | 2018-12-29 | 一种膝关节运动信息的处理设备和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111374635B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112580587A (zh) * | 2020-12-29 | 2021-03-30 | 西安精密机械研究所 | 基于振动噪声信号的骨关节受损信息评估系统及评估方法 |
| CN112656403A (zh) * | 2020-12-29 | 2021-04-16 | 西安精密机械研究所 | 一种骨关节受损信息的检测装置及检测方法 |
| CN112806981B (zh) * | 2021-02-05 | 2022-03-25 | 北京大学口腔医学院 | 一种膝关节健康管理健身裤 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010007383A2 (en) * | 2008-07-14 | 2010-01-21 | Anglia Ruskin University | Method of predicting a vibration response from a human or animal joint |
| CN108852364A (zh) * | 2018-07-09 | 2018-11-23 | 深圳德创健康科技有限责任公司 | 监测膝关节运动信息的穿戴装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102008030534A1 (de) * | 2008-06-27 | 2009-12-31 | Bort Medical Gmbh | Vorrichtung zum Bestimmen der Stabilität eines Kniegelenks |
| US20130211259A1 (en) * | 2009-02-02 | 2013-08-15 | Jointvue, Llc | Determination of joint condition based on vibration analysis |
| WO2016191753A1 (en) * | 2015-05-27 | 2016-12-01 | Georgia Tech Research Corporation | Wearable technologies for joint health assessment |
| EP3878367A1 (en) * | 2015-12-08 | 2021-09-15 | Kneevoice, Inc. | Assessing joint condition using acoustic sensors |
-
2018
- 2018-12-29 CN CN201811639512.7A patent/CN111374635B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010007383A2 (en) * | 2008-07-14 | 2010-01-21 | Anglia Ruskin University | Method of predicting a vibration response from a human or animal joint |
| CN108852364A (zh) * | 2018-07-09 | 2018-11-23 | 深圳德创健康科技有限责任公司 | 监测膝关节运动信息的穿戴装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111374635A (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111374635B (zh) | 一种膝关节运动信息的处理设备和系统 | |
| Wong et al. | Trunk posture monitoring with inertial sensors | |
| EP3010408B1 (en) | Sensor system and process for measuring electric activity of the brain, including electric field encephalography | |
| US8516907B2 (en) | Load sensing platform for measuring a parameter of the muscular-skeletal system | |
| Kang et al. | Real-time elderly activity monitoring system based on a tri-axial accelerometer | |
| TW201701825A (zh) | 將壓力轉換到非侵入式脈搏感測器 | |
| Gugliandolo et al. | A movement-tremors recorder for patients of neurodegenerative diseases | |
| WO2016029138A1 (en) | Systems and methods for joint activity monitoring | |
| CN111383763B (zh) | 一种膝关节运动信息的处理方法、装置、设备和存储介质 | |
| Yang et al. | Motion-pattern recognition system using a wavelet-neural network | |
| Chen et al. | Smart crutches: towards instrumented crutches for rehabilitation and exoskeletons-assisted walking | |
| CN111383755B (zh) | 基于物联网云端服务器的膝关节疾病测评系统 | |
| Mghames et al. | Design, control and validation of the variable stiffness exoskeleton flexo | |
| CN113040754A (zh) | 一种膝关节运动信息的处理设备和系统 | |
| Sardini et al. | Wireless instrumented crutches for force and tilt monitoring in lower limb rehabilitation | |
| CN111374674B (zh) | 一种膝关节运动信息的处理设备 | |
| Haratian | Motion capture sensing technologies and techniques: A sensor agnostic approach to address wearability challenges | |
| De Pasquale | Artificial human joint for the characterization of piezoelectric transducers in self-powered telemedicine applications | |
| CN111383733B (zh) | 基于膝关节运动信号的运动监测纠正方法、装置、设备及存储介质 | |
| Gugliandolo et al. | A movement monitoring system for patients of neurodegenerative diseases | |
| Ye et al. | Robust control of dielectric elastomer diaphragm actuator for replicating human pulse | |
| Adochiei et al. | Design and implementation of a body posture detection system | |
| Nouriani et al. | System-Identification-Based Activity Recognition Algorithms With Inertial Sensors | |
| Mercado-Aguirre et al. | Design and construction of a wearable wireless electrogoniometer for joint angle measurements in sports | |
| Masum et al. | Utilisation of skewness of wavelet‐based approximate coefficient in walking speed assessment |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Bian Honggu Inventor after: Wang Yi Inventor before: Ding Tan Inventor before: Li Dongtao Inventor before: Bian Honggu Inventor before: Wang Yi |