CN111374672A - 智能护膝及膝关节损伤预警方法 - Google Patents
智能护膝及膝关节损伤预警方法 Download PDFInfo
- Publication number
- CN111374672A CN111374672A CN201811639396.9A CN201811639396A CN111374672A CN 111374672 A CN111374672 A CN 111374672A CN 201811639396 A CN201811639396 A CN 201811639396A CN 111374672 A CN111374672 A CN 111374672A
- Authority
- CN
- China
- Prior art keywords
- knee joint
- knee
- intelligent
- pad
- classification model
- 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
- 210000000629 knee joint Anatomy 0.000 title claims abstract description 177
- 210000003127 knee Anatomy 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 24
- 206010060820 Joint injury Diseases 0.000 title claims abstract description 20
- 238000013145 classification model Methods 0.000 claims abstract description 57
- 230000033001 locomotion Effects 0.000 claims abstract description 51
- 230000006378 damage Effects 0.000 claims description 40
- 210000000689 upper leg Anatomy 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 15
- 210000001699 lower leg Anatomy 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 244000309466 calf Species 0.000 claims description 4
- 208000016593 Knee injury Diseases 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000036544 posture Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 18
- 238000012549 training Methods 0.000 description 14
- 210000004417 patella Anatomy 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 6
- 210000000988 bone and bone Anatomy 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 210000002414 leg Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 210000004872 soft tissue Anatomy 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 210000003041 ligament Anatomy 0.000 description 2
- 208000025978 Athletic injury Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 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
- 238000005265 energy consumption Methods 0.000 description 1
- 210000002082 fibula Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005499 meniscus Effects 0.000 description 1
- 230000009525 mild injury Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 201000008482 osteoarthritis Diseases 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000002303 tibia Anatomy 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
- A61B5/103—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
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D13/00—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches
- A41D13/05—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches protecting only a particular body part
- A41D13/06—Knee or foot
-
- 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
- A61B5/6802—Sensor mounted on worn items
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6828—Leg
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/006—Detecting skeletal, cartilage or muscle noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Acoustics & Sound (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Rheumatology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Textile Engineering (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种智能护膝及膝关节损伤预警方法。该智能护膝包括:采集装置(101),用于采集膝关节特征信息;分析装置(102),与所述采集装置(101)连接,用于根据所述膝关节特征信息和预先训练好的分类模型获得膝关节损伤信息以形成膝关节告警信号;预警装置(103),与所述分析装置(102)连接,用于根据所述膝关节告警信号进行告警。本发明的智能护膝,用户仅需要穿戴该护膝进行运动即可对过度运动导致的膝关节损伤进行实时性预测和提醒,不需要额外佩戴其它预测装置,且设备内的预测装置小型化、轻量化,穿戴方便;本发明的智能护膝,通过预先设置好的分类模型对采集的膝关节运动信号进行分类预测方法科学、准确。
Description
技术领域
本发明属于生物医学工程领域,具体涉及一种智能护膝及膝关节损伤预警方法。
背景技术
膝关节是人体的重要关节,其组成包括胫骨关节和髌骨关节双关节,在日常活动和体育运动中起到支撑、稳定和力的传导作用。同时,膝关节也很容易受到急性和慢性的运动伤害。在运动过程中由于没有采取正确姿势动作,很容易造成膝关节半月板急性损伤,两侧韧带和十字韧带的撕裂等运动损伤。而长期的行走姿势不良,有可能诱发和加速骨关节炎的发生。由于膝关节的屈曲动作十分复杂,至今没有建立起膝关节屈曲的精准模型。
一般的运动护膝的设计目标是对膝关节加强紧固力、运动防护和保暖,不具有对膝关节活动进行监测、提醒、保护等的功能。现有的监测膝部活动状态的方法主要是指实验室里基于光学追踪的方法,以实现对膝关节活动状态进行建模采集膝关节活动数据。但此种方法仅限在实验室测试,且成本高,并且无法针对活动者进行实时监测数据以实时矫正活动者膝关节活动姿势。
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智能护膝及膝关节损伤预警方法。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智能护膝,包括:
采集装置101,用于采集膝关节特征信息;
分析装置102,与所述采集装置101连接,用于根据所述膝关节特征信息和预先训练好的分类模型获得膝关节损伤信息以形成膝关节告警信号;
预警装置103,与所述分析装置102连接,用于根据所述对膝关节告警信号进行告警。
在本发明的一个实施例中,所述采集装置101包括:
第一采集装置1011,与所述分析装置102连接,设置于膝关节上方,用于采集所述膝关节运动信号;
第二采集装置1012,与所述分析装置102连接,设置于大腿上方,用于采集所述大腿的姿态信息;
第三采集装置1013,与所述分析装置102连接,设置于小腿上方,用于采集所述小腿的姿态信息。
在本发明的一个实施例中,还包括通信装置104,所述通信装置104与所述分析装置102连接。
在本发明的一个实施例中,还包括电源装置,与所述采集装置101、所述分析装置102、所述预警装置103均连接。
在本发明的一个实施例中,所述分析装置102包括:数据处理装置和存储装置,所述数据处理装置与所述存储装置连接,所述数据处理装置与所述采集装置101和所述预警装置103均连接。
在本发明的一个实施例中,所述第一采集装置1011包括:加速度传感器和声学传感器,所述加速度传感器和所述声学传感器均与所述数据处理装置连接。
本发明的另一个实施例提供了一种智能护膝的膝关节损伤预警方法,所述智能护膝的膝关节损伤预警方法用于如权利要求1-9任一项所述的智能护膝,所述智能护膝的膝关节损伤预警方法包括如下步骤:
采集膝关节特征信息;
根据所述膝关节特征信息和预先训练好的分类模型获得膝关节损伤信息以形成膝关节告警信号;
根据所述对膝关节告警信号进行告警。
在本发明的一个实施例中,所述膝关节特征信息包括:膝关节运动信号、大腿的姿态信息、小腿的姿态信息。
在本发明的一个实施例中,所述膝关节特征信息还包括:人体特征信息,其中,所述人体特征信息包括人体的年龄、身高、体重、性别属性的至少一种。
在本发明的一个实施例中,所述预先训练好的分类模型为支持向量机模型。
与现有技术相比,本发明的有益效果:
1、本发明的智能护膝,用户仅需要穿戴该护膝进行运动即可对过度运动导致的膝关节损伤进行实时性预测和提醒,不需要额外佩戴其它预测装置,且设备内的预测装置小型化、轻量化,穿戴方便;
2、本发明的智能护膝,通过预先设置好的分类模型对采集的膝关节运动信号进行分类预测方法科学、准确。
附图说明
图1为本发明实施例提供的一种智能护膝的结构示意图;
图2为本发明实施例提供的另一种智能护膝的结构示意图;
图3为本发明实施例提供的一种智能护膝的膝关节损伤预警方法的流程示意图;
图4为本发明实施例提供的一种膝关节损伤分类模型的训练方法的流程示意图;
图5为本发明实施例提供的一种传感器模块的结构示意图。
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。
实施例一
请参见图1和图2,图1为本发明实施例提供的一种智能护膝的结构示意图,图2为本发明实施例提供的另一种智能护膝的结构示意图;该智能护膝包括:
采集装置101,用于采集膝关节特征信息;
分析装置102,与所述采集装置101连接,用于根据所述膝关节特征信息和预先训练好的分类模型获得膝关节损伤信息以形成膝关节告警信号;
预警装置103,与所述分析装置102连接,用于根据所述对膝关节告警信号进行告警。
其中,所述采集装置101包括:
第一采集装置1011,与所述分析装置102连接,设置于髌骨上方,用于采集膝关节运动信号;
第二采集装置1012,与所述分析装置102连接,设置于大腿骨前部,用于采集大腿的姿态信息;
第三采集装置1013,与所述分析装置102连接,设置于小腿骨前部,用于采集小腿的姿态信息。
其中,所述第一采集装置1011包括:加速度传感器和声学传感器。
需要说明的是,膝关节运动信号包括: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。
实际应用中,加速度传感器可以为MEMS数字三轴加速度计;声学传感器可以为MEMS数据麦克风。
需要说明的是,MEMS传感器即微机电系统(Microelectro Mechanical Systems)与传统的传感器相比,它具有体积小、重量轻、成本低、功耗低、可靠性高、适于批量化生产、易于集成和实现智能化的特点。同时,在微米量级的特征尺寸使得它可以完成某些传统机械传感器所不能实现的功能。MEMS三轴加速度传感器的好处就是在预先不知道物体运动方向的场合下,只有应用三维加速度传感器来检测加速度信号。三维加速度传感器具有体积小和重量轻特点,可以测量空间加速度,能够全面准确反映物体的运动性质。
其中,第二采集装置1012和第三采集装置1013均包括陀螺仪和加速度计;具体的,第二采集装置汇总的陀螺仪和加速度计用于采集大腿的姿态信息;第三采集装置1013的陀螺仪和加速度计用于采集小腿的姿态信息。
其中,智能护膝还包括电源装置,与所述采集装置101、所述分析装置102、所述预警装置103均连接,用以提供电源。
其中,所述分析装置102包括:数据处理装置和存储装置,所述数据处理装置与所述存储装置连接,所述数据处理装置与所述采集装置101和所述预警装置103均连接。
其中,数据处理装置可以为低功耗MCU芯片,用以降低智能护膝的耗能。
其中,存储装置可以为存储器,优选为TF存储卡,方便用户提取数据以用于后续对数据的备份、统计、分析、监控。
其中,所述智能护膝还包括通信装置104,用于输入人体特征信息和在预设的时间频度更新所述预先训练好的分类模型。具体地,通信装置104为蓝牙或者无线方式,可以为4G无线通信方式。
其中,所述预警装置103为振动器,用于通过振动方式提醒用户膝关节损伤情况。优选地,预警装置103包括第一振动器1031和第二振动器1032,对称设置于膝盖两侧。
具体地,可根据膝关节损伤级别设置不同的振动时间,损伤轻微时振动时间短,损伤严重时振动时间长。为了防止第一振动器1031和第二振动器1032振动提醒时影响膝关节运动信号的采集,可以设置当振动器振动时停止对膝关节运动信号的采集,待振动器振动停止时继续采集膝关节运动信号。
其中,所述智能护膝还包括弹性护膝带,所述护膝带为矩形,护膝带两侧为粘贴区域,可以缠绕到使用者腿部并固定。
下述实施例提供了一种第一采集模块的详细结构,请参考图5,图5为本发明实施例提供的一种传感器模块的结构示意图。其中,第一采集模块1011包括:加速度计10111、声音传感器10112、传感器模块盖板10113和传感器模块底板10114,其中,传感器模块盖板10113通过4个螺钉和传感器模块底板10114连接,传感器模块盖板10113与传感器模块底板10114盖合后形成圆柱形空腔,用于保护加速度计10111;传感器模块底板10114的底部为球面,直接与人体髌骨关节部位接触;加速度计10111直接粘贴到传感器模块底板10114中央;声音传感器10112设置于所述传感器模块盖板10113侧面内壁;传感器模块盖板10113侧面开通通孔用于与信号传输线303连接。
为了方便说明,图5所示的传感器模块盖板10113的顶面为透明可见,但在实际应用中,传感器模块盖板10113的顶面的材质为具有一定韧性和硬度的材质。
本智能护膝的工作原理如下:
使用之前,需要对智能护膝进行初始化,用户通过手机或者终端通过智能护膝的通信设备将用户的人体特征信息输入到存储装置进行保存;
使用时,使用者佩戴该智能护膝,将采集带的第一采集装置1011区域设置在髌骨上方,以保证智能护膝的第二采集装置1012和第三采集装置1013分别设置在大腿骨前部和小腿骨前部;使用者运动时,智能护膝的第一采集装置1011、第二采集装置1012、第三采集装置1013分别采集膝关节运动信号、大腿姿态信息、小腿姿态信息,并通过数据处理装置将膝关节运动信号、大腿姿态信息、小腿姿态信息处理形成膝关节特征值,同时将膝关节特征值输入到预先训练好的分类模型中,得到分类结果,根据分类结果得到膝关节是否损伤和损伤级别,且预设时间段内任一个损伤级别的次数超过设定的阈值次数,则表示膝关节受损,产生膝关节受损告警信号发送到预警装置103振动器中,预警装置103通过振动方式通知用户膝关节受损和受损级别。
本发明的智能护膝,用户仅需要穿戴该护膝进行运动即可对过度运动导致的膝关节损伤进行实时提醒,不需要额外佩戴其它预测装置,且设备内的预测装置小型化、轻量化,穿戴方便。
实施例三
本实施例在上述实施例的基础上,重点对一种智能护膝的膝关节损伤预警方法进行详细描述。请参考图3,图3为本发明实施例提供的一种智能护膝的膝关节损伤预警方法的流程示意图;该预警方法适用于上述任一实施例所述的智能护膝,包括如下步骤:
S302:采集膝关节特征信息;
其中,所述膝关节特征信息包括:膝关节运动信息、大腿的姿态信息、小腿的姿态信息。
需要说明的是,膝关节运动信息是指膝关节在伸展和弯曲运动时髌骨中部产生的振动信号。人体在运动时,膝关节也处于运动状态,随着人体的姿态不同,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,在人体运动状态下的膝关节的状态与在人体坐卧等静止状态下的膝关节的状态不同;同时,由于处于运动状态的受损的膝关节所产生的膝关节运动信号,与处于运动状态的未受损的膝关节所产生的膝关节运动信号之间的差异较大,因此,膝关节运动信号可以表征人体运动状态下膝关节的受损程度。
进一步地,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。通过膝关节振动信号和膝关节声音信号拟合后产生的膝关节运动信号更能准确表征膝关节的受损程度。其中,膝关节运动信号的加权公式为:
F()=a1×Fv()+a2×Fs()
其中,F()表示t时刻的膝关节运动信号,Fv()为t时刻的膝关节振动信号,Fs()为t时刻的膝关节声音信号,a1和a2为权重系数,优选地,
a1=a2=0.5。
同时,运动时腿部的姿态也影响和膝关节受力,不正确的腿部姿态,比如外八字、内八字、高抬腿跑、左右用力不均等都会对膝关节造成不良影响,同时,膝关节受损后,同样会影响大腿的跑步姿态和腿部的用力情况。因此,大腿的姿态信息和小腿的姿态信息也是表征人体运动状态下膝关节是否受损的参数;其中,大腿的姿态信息可以包括大腿的速度、加速度和弯曲角度,同理,小腿的姿态信息可以包括小腿的速度、加速度和弯曲角度。
其中,所述膝关节特征信息还包括:人体特征信息,其中,所述人体特征信息是指人体的年龄、身高、体重、性别属性的至少一种。因为不同年龄人体的膝关节振动规律不同,不同的身高与体重比,不同的性别都会使膝关节在受损和非受损情况下的膝关节运动信号规律不同。因此,加入人体特征信息可以使分类结果更加精确。具体地,在智能护膝使用之前需要进行初始化设置,以输入人体特征信息。
S304:根据所述膝关节特征信息和预先训练好的分类模型获得膝关节损伤信息以形成膝关节告警信号;
其中,所述预先训练好的分类模型可以为机器学习分类模型,分类模型采用的算法可以为:深度学习算法、K-近邻算法、贝叶斯算法、SVM等;其中,分类模型是预先训练好的,即为预先训练好的分类模型;
具体的,当分类模型采用的算法为SVM算法时,分类模型可以是基于径向基函数(Radial Basis Function,RBF)核的分类模型。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。
具体的,分类模型可以是二分类分类模型,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;分类模型也可以是多分类分类模型,对应的分类结果可以为至少三类,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,受损可以至少分为轻度受损、重度受损等。
进一步地,多分类分类模型对应的分类结果也可以为四类、五类或者更多,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分类模型,可以在训练原始的二分类分类模型时,设置未受损的膝关节产生的膝关节运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运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,可以确定膝关节未受损,当分类结果为-0时,可以确定膝关节受损。
具体地,智能护膝的存储装置中默认存储一套预先训练好的分类模型,该分类模型可以是在出厂时,根据已有的数据样本对SVM原始模型进行训练得到。同时,该存储在存储装置中的分类模型也可以通过现有网络服务器进行定时更新。也即,随着厂家对分类模型本身或者数据样本的不断迭代和更新,可以对分类模型进行修正或者替代,以使基于预先训练好的分类模型产生的分类结果更加精确。
其中,当分类结果达到一定的阈值次数时,则说明膝关节已经受损,产生膝关节告警信号。具体地,阈值次数为预选设定的达到阈值的次数。
具体地,如果分类结果为5分类,即不受损、一级受损、二级受损、三级受损、四级受损,则此时,设定阈值次数为3次,即如果分类结果为一级受损超过3次,则产生一级受损告警信号;同理,可以产生二级受损告警信号、三级受损告警信号、四级受损告警信号,否则,表示不受损,不需要产生膝关节告警信号。
S306:根据所述对膝关节告警信号进行告警。
根据膝关节告警信号提示用户膝关节受损程度,尽早提示用户膝关节受损并进行监控和运动改善,以防止膝关节进一步受损。
本发明的智能护膝,通过预先设置好的分类模型对采集的膝关节运动信号进行分类预测方法科学、准确。
实施例四
本实施例在上述实施例的基础上,当分类模型为神经网络算法模型等机器学习算法模型时,本发明实施例提供了一种分类模型的训练方法。重点对一种膝关节损伤分类模型训练方法进行详细描述。请参见图4,图4为本发明实施例提供的一种膝关节损伤分类模型的训练方法的流程示意图,如图4所示,分类模型的训练方法如下:
步骤402,获取预设数量的膝关节特征信息样本。
在本步骤中,可以获取预设数量的膝关节特征信息样本,用于训练分类模型,其中,每个上述膝关节特征信息样本可以包膝关节运动信号以及对应的预设的分类结果。
具体的,分类结果为膝关节运动信号对应的膝关节的受损程度,,每个膝关节运动信号对应的受损程度为已知的。比如,设置受损程度为未受损时对应的预设的分类结果为1,设置受损程度为一级受损时对应的预设的分类结果为-1,设置受损程度为二级受损时对应的预设的分类结果为-2,设置受损程度为三级受损时对应的预设的分类结果为-3,设置受损程度为四级受损时对应的预设的分类结果为-4;那么,若膝关节特征信息样本A中的膝关节的受损程度为未受损,则膝关节特征信息样本A中的预设的分类结果为1,若膝关节特征信息样本B中的膝关节的受损程度为二级受损,则膝关节特征信息样本B中的预设的分类结果为-2。
可以理解的,预设数量越大,且膝关节特征信息样本之间的差异越大,越有利于训练出能够准确确定膝关节受损程度的分类模型。
步骤404,将上述预设数量的膝关节特征信息样本输入原始的分类模型,计算损失函数值,判断损失函数值是否小于预设的函数阈值,若为是,则执行步骤406。
在本步骤中,可以将步骤402获取到的预设数量的膝关节特征信息样本输入到原始的分类模型中,以使用预设数量的膝关节特征信息样本对上述原始的分类模型进行训练,以及预设的损失函数的损失函数值,其中,预设的损失函数的损失函数值用于衡量分类模型的训练程度;判断损失函数值是否小于预设的函数阈值,若为是,则说明分类模型已经训练完成,若为否,则说明分类模型尚未训练完成,还需要通过迭代继续训练。
其中,原始的分类模型可以是二分类分类模型,也可以是多分类分类模型,具体可以根据实际情况来确定。
步骤406,得到训练好的分类模型。
在本步骤中,若损失函数值是否小于预设的函数阈值,则说明分类模型训练完成,可以用于基于膝关节的膝关节特征信息,确定膝关节的受损程度。
可见,本发明实施例中的分类模型的训练方法,可以使用预设数量的膝关节特征信息样本,对分类模型进行训练,以便基于膝关节的膝关节特征信息,准确确定膝关节的受损程度。
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 (10)
1.一种智能护膝,其特征在于,包括:
采集装置(101),用于采集膝关节特征信息;
分析装置(102),与所述采集装置(101)连接,用于根据所述膝关节特征信息和预先训练好的分类模型获得膝关节损伤信息以形成膝关节告警信号;
预警装置(103),与所述分析装置(102)连接,用于根据所述膝关节告警信号进行告警。
2.根据权利要求2所述的智能护膝,其特征在于,所述采集装置(101)包括:
第一采集装置(1011),与所述分析装置(102)连接,设置于膝关节上方,用于采集所述膝关节运动信号;
第二采集装置(1012),与所述分析装置(102)连接,设置于大腿上方,用于采集所述大腿的姿态信息;
第三采集装置(1013),与所述分析装置(102)连接,设置于小腿上方,用于采集所述小腿的姿态信息。
3.根据权利要求1所述的智能护膝,其特征在于,还包括通信装置(104),所述通信装置(104)与所述分析装置(102)连接。
4.根据权利要求1所述的智能护膝,其特征在于,还包括电源装置,与所述采集装置(101)、所述分析装置(102)、所述预警装置(103)均连接。
5.根据权利要求1所述的智能护膝,其特征在于,所述分析装置(102)包括:数据处理装置和存储装置,所述数据处理装置与所述存储装置连接,所述数据处理装置与所述采集装置(101)和所述预警装置(103)均连接。
6.根据权利要求1所述的智能护膝,其特征在于,所述第一采集装置(1011)包括:加速度传感器和声学传感器,所述加速度传感器和所述声学传感器均与所述数据处理装置连接。
7.一种智能护膝的膝关节损伤预警方法,其特征在于,所述智能护膝的膝关节损伤预警方法用于如权利要求1-6任一项所述的智能护膝,所述智能护膝的膝关节损伤预警方法包括如下步骤:
采集膝关节特征信息;
根据所述膝关节特征信息和预先训练好的分类模型获得膝关节损伤信息以形成膝关节告警信号;
根据所述对膝关节告警信号进行告警。
8.根据权利要求7所述的智能护膝,其特征在于,所述膝关节特征信息包括:膝关节运动信息、大腿的姿态信息、小腿的姿态信息。
9.根据权利要求8所述的智能护膝,其特征在于,所述膝关节特征信息还包括:人体特征信息,其中,所述人体特征信息包括人体的年龄、身高、体重、性别属性的至少一种。
10.根据权利要求7所述的智能护膝,其特征在于,所述预先训练好的分类模型为机器学习算法模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811639396.9A CN111374672B (zh) | 2018-12-29 | 2018-12-29 | 智能护膝及膝关节损伤预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811639396.9A CN111374672B (zh) | 2018-12-29 | 2018-12-29 | 智能护膝及膝关节损伤预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111374672A true CN111374672A (zh) | 2020-07-07 |
CN111374672B CN111374672B (zh) | 2024-01-19 |
Family
ID=71220993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811639396.9A Active CN111374672B (zh) | 2018-12-29 | 2018-12-29 | 智能护膝及膝关节损伤预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111374672B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112601146A (zh) * | 2020-11-23 | 2021-04-02 | 复旦大学 | 监测与分析膝关节部位声音与振动的可穿戴设备 |
CN112806981A (zh) * | 2021-02-05 | 2021-05-18 | 北京大学口腔医学院 | 一种膝关节健康管理健身裤 |
CN112826709A (zh) * | 2021-02-17 | 2021-05-25 | 厦门大学附属中山医院 | 用于膝关节角度测量的行走训练报警仪及系统 |
CN113349763A (zh) * | 2021-07-06 | 2021-09-07 | 湖南九晨健康科技有限公司 | 一种膝关节超伸矫正装置 |
CN117357063A (zh) * | 2023-10-08 | 2024-01-09 | 中国人民解放军海军特色医学中心 | 一种基于生理信号的半月板损伤等级评估系统及方法 |
Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003319920A (ja) * | 2002-04-30 | 2003-11-11 | Og Giken Co Ltd | 関節運動機能評価装置及び評価方法 |
US20040117026A1 (en) * | 2002-09-24 | 2004-06-17 | Gregor Tuma | Device and method for determining the aperture angle of a joint |
CN101347333A (zh) * | 2007-07-17 | 2009-01-21 | 中国科学院理化技术研究所 | 记录人体步态信息的微型测量装置 |
WO2010007383A2 (en) * | 2008-07-14 | 2010-01-21 | Anglia Ruskin University | Method of predicting a vibration response from a human or animal joint |
WO2011096419A1 (ja) * | 2010-02-05 | 2011-08-11 | 学校法人 日本大学 | 生体用音響センサ及び生体用音響センサを用いた診断システム |
CN103079459A (zh) * | 2010-05-03 | 2013-05-01 | Emovi有限公司 | 用于膝关节病理评估和诊断辅助的方法和系统 |
WO2014150780A2 (en) * | 2013-03-15 | 2014-09-25 | Jointvue, Llc | Determination of joint condition based on vibration analysis |
CN204181621U (zh) * | 2014-11-04 | 2015-03-04 | 刘宝社 | 一种网络智能关节理疗仪 |
US20150309563A1 (en) * | 2013-09-17 | 2015-10-29 | Medibotics Llc | Motion Recognition Clothing [TM] with Flexible Electromagnetic, Light, or Sonic Energy Pathways |
CN105232052A (zh) * | 2015-10-21 | 2016-01-13 | 武汉纺织大学 | 组合传感器识别人体下肢运动姿态的装置 |
US20160077581A1 (en) * | 2014-09-17 | 2016-03-17 | Samsung Electronics Co., Ltd. | Electronic system with wearable interface mechanism and method of operation thereof |
JP2016112053A (ja) * | 2014-12-11 | 2016-06-23 | 国立研究開発法人産業技術総合研究所 | 歩行状態判定方法、プログラム、及び装置 |
WO2016154271A1 (en) * | 2015-03-23 | 2016-09-29 | Tau Orthopedics, Llc | Dynamic proprioception |
CN106096632A (zh) * | 2016-06-02 | 2016-11-09 | 哈尔滨工业大学 | 基于深度学习和mri图像的心室功能指标预测方法 |
WO2016198049A1 (de) * | 2015-06-12 | 2016-12-15 | Ralf-Peter Franke | Human- oder veterinärdiagnostischer körperschallaufnehmer |
CN106780482A (zh) * | 2017-01-08 | 2017-05-31 | 广东工业大学 | 一种医学图像分类方法 |
CN107045876A (zh) * | 2016-12-30 | 2017-08-15 | 南京邮电大学 | 一种基于语音的帕金森症严重程度诊断方法 |
US20180028109A1 (en) * | 2016-07-27 | 2018-02-01 | Andrew TESNOW | System and method for a wearable knee injury prevention |
WO2018083385A1 (en) * | 2016-11-07 | 2018-05-11 | Oulun Yliopisto | Arrangement for knee diagnostics |
CN108095683A (zh) * | 2016-11-11 | 2018-06-01 | 北京羽医甘蓝信息技术有限公司 | 基于深度学习的处理眼底图像的方法和装置 |
US20180160966A1 (en) * | 2015-05-27 | 2018-06-14 | Georgia Tech Research Corporation | Wearable Technologies For Joint Health Assessment |
CN108305680A (zh) * | 2017-11-13 | 2018-07-20 | 陈霄 | 基于多元生物学特征的智能帕金森症辅助诊断方法和装置 |
CN108403122A (zh) * | 2018-02-12 | 2018-08-17 | 中国科学院宁波材料技术与工程研究所 | 一种人体关节运动的测量系统及其测量方法 |
CN108538388A (zh) * | 2018-03-06 | 2018-09-14 | 上海逸动医学科技有限公司 | 一种膝关节运动障碍功能评判方法 |
US20180289313A1 (en) * | 2015-05-27 | 2018-10-11 | Georgia Tech Research Corporation | Wearable Technologies For Joint Health Assessment |
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 |
CN109032245A (zh) * | 2017-06-10 | 2018-12-18 | 王怀亮 | 一种智能电子穿戴装置 |
CN111383755A (zh) * | 2018-12-29 | 2020-07-07 | 西安思博探声生物科技有限公司 | 基于物联网云端服务器的膝关节疾病测评系统 |
-
2018
- 2018-12-29 CN CN201811639396.9A patent/CN111374672B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003319920A (ja) * | 2002-04-30 | 2003-11-11 | Og Giken Co Ltd | 関節運動機能評価装置及び評価方法 |
US20040117026A1 (en) * | 2002-09-24 | 2004-06-17 | Gregor Tuma | Device and method for determining the aperture angle of a joint |
CN101347333A (zh) * | 2007-07-17 | 2009-01-21 | 中国科学院理化技术研究所 | 记录人体步态信息的微型测量装置 |
WO2010007383A2 (en) * | 2008-07-14 | 2010-01-21 | Anglia Ruskin University | Method of predicting a vibration response from a human or animal joint |
WO2011096419A1 (ja) * | 2010-02-05 | 2011-08-11 | 学校法人 日本大学 | 生体用音響センサ及び生体用音響センサを用いた診断システム |
CN103079459A (zh) * | 2010-05-03 | 2013-05-01 | Emovi有限公司 | 用于膝关节病理评估和诊断辅助的方法和系统 |
WO2014150780A2 (en) * | 2013-03-15 | 2014-09-25 | Jointvue, Llc | Determination of joint condition based on vibration analysis |
US20150309563A1 (en) * | 2013-09-17 | 2015-10-29 | Medibotics Llc | Motion Recognition Clothing [TM] with Flexible Electromagnetic, Light, or Sonic Energy Pathways |
US20160077581A1 (en) * | 2014-09-17 | 2016-03-17 | Samsung Electronics Co., Ltd. | Electronic system with wearable interface mechanism and method of operation thereof |
CN204181621U (zh) * | 2014-11-04 | 2015-03-04 | 刘宝社 | 一种网络智能关节理疗仪 |
JP2016112053A (ja) * | 2014-12-11 | 2016-06-23 | 国立研究開発法人産業技術総合研究所 | 歩行状態判定方法、プログラム、及び装置 |
WO2016154271A1 (en) * | 2015-03-23 | 2016-09-29 | Tau Orthopedics, Llc | Dynamic proprioception |
US20180289313A1 (en) * | 2015-05-27 | 2018-10-11 | Georgia Tech Research Corporation | Wearable Technologies For Joint Health Assessment |
US20180160966A1 (en) * | 2015-05-27 | 2018-06-14 | Georgia Tech Research Corporation | Wearable Technologies For Joint Health Assessment |
WO2016198049A1 (de) * | 2015-06-12 | 2016-12-15 | Ralf-Peter Franke | Human- oder veterinärdiagnostischer körperschallaufnehmer |
CN105232052A (zh) * | 2015-10-21 | 2016-01-13 | 武汉纺织大学 | 组合传感器识别人体下肢运动姿态的装置 |
CN106096632A (zh) * | 2016-06-02 | 2016-11-09 | 哈尔滨工业大学 | 基于深度学习和mri图像的心室功能指标预测方法 |
US20180028109A1 (en) * | 2016-07-27 | 2018-02-01 | Andrew TESNOW | System and method for a wearable knee injury prevention |
WO2018083385A1 (en) * | 2016-11-07 | 2018-05-11 | Oulun Yliopisto | Arrangement for knee diagnostics |
CN108095683A (zh) * | 2016-11-11 | 2018-06-01 | 北京羽医甘蓝信息技术有限公司 | 基于深度学习的处理眼底图像的方法和装置 |
CN107045876A (zh) * | 2016-12-30 | 2017-08-15 | 南京邮电大学 | 一种基于语音的帕金森症严重程度诊断方法 |
CN106780482A (zh) * | 2017-01-08 | 2017-05-31 | 广东工业大学 | 一种医学图像分类方法 |
CN109032245A (zh) * | 2017-06-10 | 2018-12-18 | 王怀亮 | 一种智能电子穿戴装置 |
CN108305680A (zh) * | 2017-11-13 | 2018-07-20 | 陈霄 | 基于多元生物学特征的智能帕金森症辅助诊断方法和装置 |
CN108403122A (zh) * | 2018-02-12 | 2018-08-17 | 中国科学院宁波材料技术与工程研究所 | 一种人体关节运动的测量系统及其测量方法 |
CN108538388A (zh) * | 2018-03-06 | 2018-09-14 | 上海逸动医学科技有限公司 | 一种膝关节运动障碍功能评判方法 |
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 |
CN111383755A (zh) * | 2018-12-29 | 2020-07-07 | 西安思博探声生物科技有限公司 | 基于物联网云端服务器的膝关节疾病测评系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112601146A (zh) * | 2020-11-23 | 2021-04-02 | 复旦大学 | 监测与分析膝关节部位声音与振动的可穿戴设备 |
CN112806981A (zh) * | 2021-02-05 | 2021-05-18 | 北京大学口腔医学院 | 一种膝关节健康管理健身裤 |
CN112826709A (zh) * | 2021-02-17 | 2021-05-25 | 厦门大学附属中山医院 | 用于膝关节角度测量的行走训练报警仪及系统 |
CN113349763A (zh) * | 2021-07-06 | 2021-09-07 | 湖南九晨健康科技有限公司 | 一种膝关节超伸矫正装置 |
CN117357063A (zh) * | 2023-10-08 | 2024-01-09 | 中国人民解放军海军特色医学中心 | 一种基于生理信号的半月板损伤等级评估系统及方法 |
CN117357063B (zh) * | 2023-10-08 | 2024-03-26 | 中国人民解放军海军特色医学中心 | 一种基于生理信号的半月板损伤等级评估系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111374672B (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111374672B (zh) | 智能护膝及膝关节损伤预警方法 | |
Bennett et al. | Inertial measurement unit-based wearable computers for assisted living applications: A signal processing perspective | |
US8821417B2 (en) | Method of monitoring human body movement | |
Gopalai et al. | A wearable real-time intelligent posture corrective system using vibrotactile feedback | |
CN109069066A (zh) | 可穿戴和连接的步态分析系统 | |
Polat | Freezing of gait (fog) detection using logistic regression in parkinson's disease from acceleration signals | |
CN105760861A (zh) | 一种基于深度数据的癫痫发作监控方法及系统 | |
Majumder et al. | A multi-sensor approach for fall risk prediction and prevention in elderly | |
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 | |
CN109009145A (zh) | 一种基于穿戴设备的跌倒判断方法 | |
JP2022544793A (ja) | 身体活動のコンテキストにおいて対象者に関する生体力学的活動及び生体力学的リスク因子への曝露を解析するための方法及びシステム | |
Li | [Retracted] Dance Motion Capture Based on Data Fusion Algorithm and Wearable Sensor Network | |
CN111383755B (zh) | 基于物联网云端服务器的膝关节疾病测评系统 | |
CN111382641A (zh) | 体态识别方法和体感游戏动作指导系统 | |
Huang et al. | Human motion identification for rehabilitation exercise assessment of knee osteoarthritis | |
Salim et al. | Improved Transient Search Optimization with Machine Learning Based Behavior Recognition on Body Sensor Data | |
JP6569148B2 (ja) | 指標値算出装置、指標値算出システム、指標値算出方法およびプログラム。 | |
Sama et al. | Time series analysis of inertial-body signals for the extraction of dynamic properties from human gait | |
Khanh et al. | Classification of cow behavior using 3-DOF accelerometer and decision tree algorithm | |
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 | |
CN111382636A (zh) | 一种膝关节运动信号的处理方法、装置、设备和存储介质 | |
CN111374674B (zh) | 一种膝关节运动信息的处理设备 | |
Xingjun | Application of Motion Sensor Fusion in Special Competitive Sports | |
Côrrea et al. | Accelerometry for the motion analysis of the lateral plane of the human body during gait | |
Babu et al. | Classification of human gait: Swing and stance phases using sum-vector analysis |
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 |