CN112603295B - 一种基于可穿戴传感器的康复评估方法和系统 - Google Patents
一种基于可穿戴传感器的康复评估方法和系统 Download PDFInfo
- Publication number
- CN112603295B CN112603295B CN202011475921.5A CN202011475921A CN112603295B CN 112603295 B CN112603295 B CN 112603295B CN 202011475921 A CN202011475921 A CN 202011475921A CN 112603295 B CN112603295 B CN 112603295B
- Authority
- CN
- China
- Prior art keywords
- knee joint
- gait
- range
- motion
- muscle strength
- 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
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
- 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
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
-
- 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
Abstract
本发明公开了一种基于可穿戴传感器的康复评估方法和系统。该方法包括:对于待检测者,利用惯性测量单元采集膝关节姿态信息并计算行走过程的膝关节活动范围;获取行走期间的步态参数并估计步态功能;获取仰卧直抬腿和俯卧直抬腿的时间并估计肌肉力量信息;结合所述膝关节活动范围、所述步态功能和所述肌肉力量信息评估待检测者的康复情况。利用本发明可以让患者在家完成康复评估,实用性强,可靠性高,并减轻了患者的经济负担。
Description
技术领域
本发明涉及康复评估技术领域,更具体地,涉及一种基于可穿戴传感器的康复评估方法和系统。
背景技术
骨关节炎是一种退化性疾病,表现为关节软骨损伤、关节边缘和软骨下骨的反应性增生,由年龄增长,肥胖,外伤及其他因素引起。骨关节炎极大地影响了日常生活活动和生活质量,严重时需要进行全膝关节置换手术(TKR)。全面、系统、科学的康复评估是全膝关节置换术后至关重要的一步。通过康复评估可以及时发现患者术后出现的问题,具体了解其需要帮助的方面,进而制定出切实可行的康复治疗计划。适当的康复锻炼可以放松关节囊和韧带,预防骨质疏松症,增强膝盖周围的肌肉并增强活动负重能力。而不适当的康复运动不仅会使患者处于恢复缓慢的风险中,而且还会因对膝盖受伤部位施加压力而造成更大的伤害。但是,目前大多数患者只能依靠医院的物理治疗师和专业设备进行康复评估。这既增加了患者的经济负担,又占用了太多医院资源。如何制订一套操作简单、实用可靠的居家康复评估方案,成为患者术后功能恢复的技术难点。
现有的康复评估方法主要是由物理治疗师借助专业的康复设备,根据临床表现进行量表打分,得分越高说明膝关节功能越好。临床常用的评估指标分为疼痛、步态功能、膝关节活动度、肌力等。
疼痛:视觉模拟评分法是目前我国康复科应用最为广泛的疼痛评定方法。其基本方法是使用一条长10cm的直线(可以是横线也可以是竖直线),线的左端(或上端)为10分,表示“最剧烈的疼痛”,线的右端(或下端)为0分,表示“无痛”。让患者在直线上标出能代表自己疼痛程度的相应位置,治疗师根据标出的位置评出分数。此外,还有数字疼痛评分法、口述分级评分法以及行为疼痛评分法等。
步态功能:步态参数用于反映患者的步态功能,常见的步态参数包括步幅、步长、步频以及相位参数等。患者的行走时的步态参数,对于分析下肢的对称以及恢复情况有着极其重要的意义。当前的步态评估系统主要包括光学系统、惯性传感系统、足底压力设备等。其中,光学评估系统有Vicon,Optitrack等;惯性传感系统有Xsens等;足底压力设备有Footscan等。
膝关节活动度:膝关节的活动范围(ROM)是评估膝关节功能恢复的最重要参数,而膝关节屈伸受限是导致患者不满意的主要原因。执行日常生活所需的膝盖ROM至少为100°,具体来说,膝盖需要弯曲85°才能上楼梯,90°可以下楼梯,95°到105°可以从椅子上抬起,115°可以下蹲和跪下。主要测量方法包括测角仪,光学系统和惯性传感系统等。
肌力:常用的肌力测定方法有手法肌力测试、等长肌力测试、等张肌力测试、等速肌力测试。目前等速肌力测试是公认的肌肉功能评价及肌肉力学特性研究的最佳方法,是用等速测试仪使关节运动的角速度保持恒定,将肌肉收缩的各种参数记录下来,经计算机处理得到力矩、做功、加速能、耐力比等多项反映肌肉功能的数据,从而评价肌肉运动功能的测试方法。与上述其他肌力测定方法相比,等速肌力测试可获取TKR患者大量的信息,肌力的评估更加全面、精确、客观。
经分析,现有技术存在的缺陷主要有:
1)现有的评估技术存在的最大问题是具有时空方面的约束性,这是指患者必须在医院物理治疗师的帮助下完成评估,无法自己完成居家康复评估任务,这增加了患者的经济负担和医院资源。
2)现有的评估方法操作繁琐、流程复杂,对医生和患者来说相对麻烦。如肌力评估,需要专业的物理治疗师进行等速设备操作,一连串康复评估活动的持续执行对患者体力是个较大考验。
3)现有的用于步态以及膝关节活动范围估计的肢体跟踪技术存在价格昂贵、成本高的缺点,如Vicon和等速(Cybex)等设备均在几十到上百万,这不仅不适合患者居家使用,对医院也是很大经济负担。
4)现有的基于可穿戴传感设备的康复估计算法可操作性差、测量参数多,患者居家使用的可行性较低。
5)现有的基于可穿戴传感器的康复评估方案不够完善和系统化,评估的指标较少,仅设计了对单个指标如关节活动度的估计。
发明内容
本发明的目的是克服上述现有技术的缺陷,提供一种基于可穿戴传感器的康复评估方法和系统。
根据本发明的第一方面,提供了一种基于可穿戴传感器的康复评估方法。该方法包括以下步骤:
对于待检测者,利用惯性可穿戴测量单元采集膝关节姿态信息并计算行走过程的膝关节活动范围;
获取行走期间的步态参数并估计步态功能;
获取仰卧直抬腿和俯卧直抬腿的时间并估计肌肉力量信息;
结合所述膝关节活动范围、所述步态功能和所述肌肉力量信息评估待检测者的康复情况。
根据本发明的第二方面,提供一种基于可穿戴传感器的康复评估系统。该系统包括:
膝关节活动范围计算单元:对于待检测者,利用惯性可穿戴测量单元采集膝关节姿态信息并计算行走过程的膝关节活动范围;
步态功能评估单元:用于获取行走期间的步态参数并估计步态功能;
肌肉力量评估单元:用于获取仰卧直抬腿和俯卧直抬腿的时间并估计肌肉力量信息;
康复评估单元:用于结合所述膝关节活动范围、所述步态功能和所述肌肉力量信息评估待检测者的康复情况。
与现有技术相比,本发明的优点在于,设计了一款惯性可穿戴传感设备,并在此基础上,设计了一套评估下肢功能恢复的有效方案。利用本发明,可以从多方面对患者的下肢功能进行测试,不仅可用于全膝关节置换患者,还可以解决前交叉韧带损伤、胫骨骨折等多种病症患者的居家康复评估问题。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是根据本发明一个实施例的基于可穿戴传感器的康复评估方法的流程图;
图2是根据本发明一个实施例的传感器姿态角和膝关节摆动角度估计示意图
图3是根据本发明一个实施例的小腿步态原始角速度信号示意图;
图4是根据本发明一个实施例的膝关节活动范围评估实验示意图;
图5是根据本发明一个实施例的全膝关节置换患者和健康成年人的膝盖最大活动范围示意图;
图6是根据本发明一个实施例的患者和健康主体步态活动的平均膝关节活动范围示意图;
图7是根据本发明一个实施例的小腿角速度信号检测的中间摆点以及脚跟触地事件HC和脚趾离地事件TO的示意图;
图8是根据本发明一个实施例的肌肉力量评估实验示意图;
附图中,Hip Joint-髋关节;Knee-Joint-膝关节;Amplitude-幅度;Raw AngularVelocity Signal-原始角速度信号;Right Angular Velocity-右腿角速度;Left AngularVelocity-左腿角速度;TKR patients-Knee without replacement-全膝关节置换患者-无膝盖置换;Healthy adults-Left knee-健康成年人-左膝;TKR Patients-kneereplacement-全膝关节置换患者-膝盖置换;Healthy adults-Right knee-健康成年人-右膝;Gait activity-步态活动;Results of Gait Event Detection-步态事件检测结果。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
参见图1所示,本发明所提出的基于可穿戴传感器的康复评估方法包括估计膝关节活动范围、估计步态功能和估计肌肉力量等多方面功能,其中,膝关节活动范围的估计有两种,即膝关节最大屈伸范围和行走过程的平均膝关节活动范围;步态功能主要是常见的步态参数,如步数、步频以及相位参数等;肌肉力量主要是股四头肌、臀大肌的估计等。
1)、膝关节活动范围评估
数据通过安装在大腿和小腿上的两个惯性测量单元(IMU)来获取(分别标记为sensor1和sensor2),如图2所示。在一个实施例中,传感器节点包括STM32F407微控制器、MPU9250加速度计、陀螺仪模块、Arduino蓝牙模块和锂电池(300mAh)。为了获得准确的膝盖活动范围,需要分别计算两个惯性测量单元的姿态角。例如,采用的惯性传感器是九-轴传感器,包括一个三轴加速度计,一个三轴陀螺仪和一个磁力计。通常,陀螺仪在短时间内具有较高的精度,但是由于漂移和积分计算,求解出的姿态角会产生累积误差。相比之下,加速度计虽然容易在短时间内受到噪声的影响,但它们在长时间内具有稳定的测量精度。因此,优选地,可以用加速度计和磁力计计算出的旋转角去校准陀螺仪积分的角度,以获得准确的翻滚角和俯仰角。
图2(a)示出了三轴加速度计的坐标轴方向。陀螺仪可以依次积分绕X,Y和Z轴旋转的角速度,以获得俯仰角(θ),翻滚角(γ)和偏航角(ψ)。为了描述姿态角,建立地理坐标系n和物体坐标系b。在静止状态下,可以根据加速度计和磁力计的组合计算出三个姿态角。地理坐标系n中的重力加速度输出为[0 0 g]T,物体坐标系b中的加速度计值为[ax ay az]T。从n坐标系到b坐标系的旋转矩阵可以表示为:
重力加速度g在b坐标系中的投影可以表示为:
因此,静态下的俯仰角和翻滚角可描述为:
动态下的俯仰角和翻滚角测量受到重力加速度的影响,卡尔曼滤波器用于去除加速度分量以恢复实际加速度信号。具体地,卡尔曼滤波器使用线性系统方程式,通过系统输入和输出的观测数据来估计系统状态。将卡尔曼滤波器应用于传感器姿态融合中,具有较高的姿态求解精度。结合四元数的卡尔曼滤波数据融合算法用于计算屈伸运动下大腿和小腿的旋转角度。
在屈伸运动中,患者的膝盖活动范围会随时间变化,其摆动模型如图2(b)所示。例如,初始阶段的关节角记为θ1,可以在例如45°~180°的范围内分布。大腿和小腿摆动到下一个位置的摆动角度分别记录为α和β,可由上述四元数数据融合算法求得。膝盖活动范围在两个摆动位置之间的导出过程描述如下:
α=λ (5)
θ1=θ2+λ+β (6)
ROM=θ1-θ2=α+β (7)
其中θ1表示初始关节角,θ2表示最终关节角,α是大腿的运动角度,β是小腿的运动角度,λ是α的内错角,R O M表示膝关节活动范围。
2)、步态活动评估
数据通过安装在左-右小腿上的两个惯性测量单元(IMU)来获取,例如,将测量膝关节活动范围时大腿的传感器放在另一侧的小腿上。图3显示了行走期间陀螺仪记录到的原始角速度信号,其中,S1表示左腿角速度信号,S2表示右腿角速度信号。在一个实施例中,需要估计的步态参数包括步数、步频、步态相位(如步幅、摆动时间和支撑时间等)。为了估计步态参数,需要检测两个基本步态事件,即脚跟触地事件(HC)和脚趾离开(离地)事件(TO)。在一个实施例中,采用自适应算法先对小腿角速度信号的中间摆动点进行了标记(Mid swing),中间摆点比HC和TO事件更易于检测,因为它对应于角速度信号的最大点。然后,基于中间摆点,确定左右小腿的角速度信号HC和TO事件的时间点。例如,HC事件和TO事件,分别对应着中间摆动点的左右两侧的最小值,但是需要检查时间序列信息并检查连续特征点之间的时间,为了去除一些无效点,可根据自适应算法设置阈值进行检测。
在检测到HC和TO事件后,可用于计算时间步态参数,表示为:
step count=sum(HC) (8)
stride(i)=tHC(i+1)-tHC(i) (10)
stance(i)=tTO(i+1)-tHC(i) (11)
swing(i)=tHC(i+1)-tTO(i) (12)
其中step count表示步数,cadence表示步频,即每分钟的步数,stride,stance,swing分别表示一个步态周期中的步幅,支撑和摆动时间,i表示步态周期索引,tHC表示脚跟触地事件的时间点,tTO表示脚趾离地事件的时间点,t总表示实验的总时间。
3)、肌肉力量评估
在肌肉力量的评估中,传感器的放置和膝关节活动范围评估时的放置一样,即大腿和小腿处。患者的肌肉力量除了专业的设备评估外,还可以通过一些负重抬腿间接评估。膝关节置换患者通常需要进行的两种康复运动,分别是仰卧直腿抬高和俯卧直腿抬高。这俩动作主要目的是评估股四头肌和臀大肌的肌肉力量。膝盖周围的强壮肌肉可以吸收承重的冲击力,保护膝盖关节,还可以防止患有膝部病理变化的患者恶化。在实际应用中,可以根据患者具体情况,选择负重或者不负重,然后通过患者直腿抬高的时间以及提取的特征判断患者当前的肌肉力量。
肌肉力量的评估实验如图8所示,患者在负重1kg情况下仰卧/俯卧直抬腿,高度不低于30cm。根据患者坚持的时间,判断恢复情况。此外,患者可以选择不负重,根据自己的恢复情况进行评估。这项实验很好的实现了股四头肌以及臀大肌的肌肉力量间接评估。
相应地,本发明还一种基于可穿戴传感器的康复评估系统,用于实现上述方法的一个方面或多个方面。例如,该系统包括:膝关节活动范围计算单元,其用于对于待检测者,利用惯性可穿戴测量单元采集膝关节姿态信息并计算行走过程的膝关节活动范围;步态功能评估单元,其用于获取行走期间的步态参数并估计步态功能;肌肉力量评估单元,其用于获取仰卧直抬腿和俯卧直抬腿的时间并估计肌肉力量信息;康复评估单元,其用于结合所述膝关节活动范围、所述步态功能和所述肌肉力量信息评估待检测者的康复情况。
为进一步验证本发明的效果,进行了实验验证。结果证明,本发明所提出评估方案可以很好的使用在膝关节活动范围和步态功能的评估中。实验如图4所示,最大屈伸要求参与者平躺在床上,将一只脚从远端向近端沿着床的平面滑动,直到无法弯曲或感到疼痛为止。步态活动要求参与者直线行走,在步行过程中,患者可使用助行器以防止跌倒。从香港大学深圳医院招募了10名全膝关节置换患者以及10位健康成年人进行了测试,实验者的膝关节最大屈伸范围的箱线图结果见图5,行走时的膝关节活动度见6。此外,步态活动中基本步态事件的检测结果如图7,其中图7(a)对应左侧,图7(b)对应右侧。其他步态参数均由公式(8)-(12)计算得出。
综上所述,本发明的技术方案总体上包括:通过卡尔曼滤波器去除重力加速度的影响,然后采用四元数姿态融合算法求解大小腿活动期间的摆动角度,最后根据等效模型估计求得膝关节活动范围。基于一种自适应阈值设置算法检测出两个基本步态事件,即TO和HC事件,然后根据两个步态事件的时刻,求得重要的步态参数;通过仰卧和俯卧直抬腿的时间,估计了股四头肌以及臀大肌的肌肉力量。利用这些技术特征,本发明实现的技术效果至少包括:突破了时间和空间的限制,可以让患者在家完成康复评估任务,从而减轻了患者的经济负担,并减少了医院的资源占用;所提出的膝关节活动范围评估算法以及步态参数估计算法实用性强,可靠性高;实验设备是便携式惯性可穿戴设备,成本在500元左右,实现了低成本和低功耗,具有很好的社会和经济效益;康复评估方案相对完善,可同时较好地评估步态、肌力和膝关节活动度等多个重要指标。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (5)
1.一种基于可穿戴传感器的康复评估系统,包括:
膝关节活动范围计算单元:对于待检测者,利用惯性可穿戴测量单元采集膝关节姿态信息并计算行走过程的膝关节活动范围;
步态功能评估单元:用于获取行走期间的步态参数并估计步态功能;
肌肉力量评估单元:用于获取仰卧直抬腿和俯卧直抬腿的时间并估计肌肉力量信息;
康复评估单元:用于结合所述膝关节活动范围、所述步态功能和所述肌肉力量信息评估待检测者的康复情况;
其中,所述惯性可穿戴测量单元包含九-轴传感器,该九-轴传感器包括三轴加速度计、三轴陀螺仪和磁力计;
其中,所述膝关节活动范围计算单元根据以下步骤计算所述膝关节活动范围:
利用所述陀螺仪获得反映膝关节姿态的俯仰角θ,翻滚角γ和偏航角ψ;
将从地理坐标系n到物体坐标系b的旋转矩阵表示为:
地理坐标系n中的重力加速度g在物体坐标系b中的投影表示为:
静态下的俯仰角和翻滚角分别表示为:
结合四元数的卡尔曼滤波数据融合算法计算屈伸运动下大腿和小腿的旋转角度;
膝盖活动范围在两个摆动位置之间的导出过程表示为:
α=λ
θ1=θ2+λ+β
ROM=θ1-θ2=α+β
其中θ1表示初始关节角,θ2表示最终关节角,α是大腿的运动角度,β是小腿的运动角度,ROM表示膝关节活动范围;
其中,所述肌肉力量信息是在负重或非负重情况下,根据仰卧直腿抬高和俯卧直抬腿高的时间所估计的股四头肌以及臀大肌的肌肉力量;
其中,在采集膝关节姿态信息和估计肌肉力量信息时,将两个惯性可穿戴测量单元分别安装在大腿和小腿上,在估计步态功能是,将两个惯性可穿戴测量单元分别安装在左小腿和右小腿上。
2.根据权利要求1所述的系统,其中,所述获取行走期间的步态参数包括:
将小腿角速度信号最大点标记为中间摆动点;
基于所述中间摆动点,确定左右侧脚跟触地事件HC和脚趾离地事件TO的时间点;
计算行走期间的时间步态参数,表示为:
step count=sum(HC)
stride(i)=tHC(i+1)-tHC(i)
stance(i)=tTO(i+1)-tHC(i)
swing(i)=tHC(i+1)-tTO(i)
其中step count表示步数,cadence表示步频,stride,stance和swing分别表示一个步态周期中的步幅,支撑时间和摆动时间,i表示步态周期索引,tHC表示脚跟触地事件的时间点,tTO表示脚趾离地事件的时间点,t总表示实验的总时间。
3.根据权利要求1所述的系统,其特征在于,所述膝关节活动范围是膝关节最大屈伸范围和/或行走过程的平均膝关节活动范围。
4.根据权利要求1所述的系统,其特征在于,所述步态参数是步数、步频和相位参数中的一项或多项。
5.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现以下步骤:
对于待检测者,利用惯性可穿戴测量单元采集膝关节姿态信息并计算行走过程的膝关节活动范围;
获取行走期间的步态参数并估计步态功能;
获取仰卧直抬腿和俯卧直抬腿的时间并估计肌肉力量信息;
结合所述膝关节活动范围、所述步态功能和所述肌肉力量信息评估待检测者的康复情况;
其中,所述惯性可穿戴测量单元包含九-轴传感器,该九-轴传感器包括三轴加速度计、三轴陀螺仪和磁力计;
其中,所述膝关节活动范围计算单元根据以下步骤计算所述膝关节活动范围:
利用所述陀螺仪获得反映膝关节姿态的俯仰角θ,翻滚角γ和偏航角ψ;
将从地理坐标系n到物体坐标系b的旋转矩阵表示为:
地理坐标系n中的重力加速度g在物体坐标系b中的投影表示为:
静态下的俯仰角和翻滚角分别表示为:
结合四元数的卡尔曼滤波数据融合算法计算屈伸运动下大腿和小腿的旋转角度;
膝盖活动范围在两个摆动位置之间的导出过程表示为:
α=λ
θ1=θ2+λ+β
ROM=θ1-θ2=α+β
其中θ1表示初始关节角,θ2表示最终关节角,α是大腿的运动角度,β是小腿的运动角度,ROM表示膝关节活动范围;
其中,所述肌肉力量信息是在负重或非负重情况下,根据仰卧直腿抬高和俯卧直抬腿高的时间所估计的股四头肌以及臀大肌的肌肉力量;
其中,在采集膝关节姿态信息和估计肌肉力量信息时,将两个惯性可穿戴测量单元分别安装在大腿和小腿上,在估计步态功能是,将两个惯性可穿戴测量单元分别安装在左小腿和右小腿上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475921.5A CN112603295B (zh) | 2020-12-15 | 2020-12-15 | 一种基于可穿戴传感器的康复评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475921.5A CN112603295B (zh) | 2020-12-15 | 2020-12-15 | 一种基于可穿戴传感器的康复评估方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112603295A CN112603295A (zh) | 2021-04-06 |
CN112603295B true CN112603295B (zh) | 2022-11-08 |
Family
ID=75234156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011475921.5A Active CN112603295B (zh) | 2020-12-15 | 2020-12-15 | 一种基于可穿戴传感器的康复评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112603295B (zh) |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11185735B2 (en) | 2019-03-11 | 2021-11-30 | Rom Technologies, Inc. | System, method and apparatus for adjustable pedal crank |
US20200289889A1 (en) | 2019-03-11 | 2020-09-17 | Rom Technologies, Inc. | Bendable sensor device for monitoring joint extension and flexion |
US11541274B2 (en) | 2019-03-11 | 2023-01-03 | Rom Technologies, Inc. | System, method and apparatus for electrically actuated pedal for an exercise or rehabilitation machine |
US11904207B2 (en) | 2019-05-10 | 2024-02-20 | Rehab2Fit Technologies, Inc. | Method and system for using artificial intelligence to present a user interface representing a user's progress in various domains |
US11433276B2 (en) | 2019-05-10 | 2022-09-06 | Rehab2Fit Technologies, Inc. | Method and system for using artificial intelligence to independently adjust resistance of pedals based on leg strength |
US11957960B2 (en) | 2019-05-10 | 2024-04-16 | Rehab2Fit Technologies Inc. | Method and system for using artificial intelligence to adjust pedal resistance |
US11071597B2 (en) | 2019-10-03 | 2021-07-27 | Rom Technologies, Inc. | Telemedicine for orthopedic treatment |
US11701548B2 (en) | 2019-10-07 | 2023-07-18 | Rom Technologies, Inc. | Computer-implemented questionnaire for orthopedic treatment |
US11955220B2 (en) | 2019-10-03 | 2024-04-09 | Rom Technologies, Inc. | System and method for using AI/ML and telemedicine for invasive surgical treatment to determine a cardiac treatment plan that uses an electromechanical machine |
US20210134432A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | Method and system for implementing dynamic treatment environments based on patient information |
US11955221B2 (en) | 2019-10-03 | 2024-04-09 | Rom Technologies, Inc. | System and method for using AI/ML to generate treatment plans to stimulate preferred angiogenesis |
US11317975B2 (en) | 2019-10-03 | 2022-05-03 | Rom Technologies, Inc. | Method and system for treating patients via telemedicine using sensor data from rehabilitation or exercise equipment |
US11915815B2 (en) | 2019-10-03 | 2024-02-27 | Rom Technologies, Inc. | System and method for using artificial intelligence and machine learning and generic risk factors to improve cardiovascular health such that the need for additional cardiac interventions is mitigated |
US20210134458A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | System and method to enable remote adjustment of a device during a telemedicine session |
US11830601B2 (en) | 2019-10-03 | 2023-11-28 | Rom Technologies, Inc. | System and method for facilitating cardiac rehabilitation among eligible users |
US11282599B2 (en) | 2019-10-03 | 2022-03-22 | Rom Technologies, Inc. | System and method for use of telemedicine-enabled rehabilitative hardware and for encouragement of rehabilitative compliance through patient-based virtual shared sessions |
US11101028B2 (en) | 2019-10-03 | 2021-08-24 | Rom Technologies, Inc. | Method and system using artificial intelligence to monitor user characteristics during a telemedicine session |
US11265234B2 (en) | 2019-10-03 | 2022-03-01 | Rom Technologies, Inc. | System and method for transmitting data and ordering asynchronous data |
US11337648B2 (en) | 2020-05-18 | 2022-05-24 | Rom Technologies, Inc. | Method and system for using artificial intelligence to assign patients to cohorts and dynamically controlling a treatment apparatus based on the assignment during an adaptive telemedical session |
US20210142893A1 (en) | 2019-10-03 | 2021-05-13 | Rom Technologies, Inc. | System and method for processing medical claims |
US11069436B2 (en) | 2019-10-03 | 2021-07-20 | Rom Technologies, Inc. | System and method for use of telemedicine-enabled rehabilitative hardware and for encouraging rehabilitative compliance through patient-based virtual shared sessions with patient-enabled mutual encouragement across simulated social networks |
US20210128080A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | Augmented reality placement of goniometer or other sensors |
US11325005B2 (en) | 2019-10-03 | 2022-05-10 | Rom Technologies, Inc. | Systems and methods for using machine learning to control an electromechanical device used for prehabilitation, rehabilitation, and/or exercise |
US11515021B2 (en) | 2019-10-03 | 2022-11-29 | Rom Technologies, Inc. | Method and system to analytically optimize telehealth practice-based billing processes and revenue while enabling regulatory compliance |
US11887717B2 (en) | 2019-10-03 | 2024-01-30 | Rom Technologies, Inc. | System and method for using AI, machine learning and telemedicine to perform pulmonary rehabilitation via an electromechanical machine |
US11955222B2 (en) | 2019-10-03 | 2024-04-09 | Rom Technologies, Inc. | System and method for determining, based on advanced metrics of actual performance of an electromechanical machine, medical procedure eligibility in order to ascertain survivability rates and measures of quality-of-life criteria |
US11955223B2 (en) | 2019-10-03 | 2024-04-09 | Rom Technologies, Inc. | System and method for using artificial intelligence and machine learning to provide an enhanced user interface presenting data pertaining to cardiac health, bariatric health, pulmonary health, and/or cardio-oncologic health for the purpose of performing preventative actions |
US20210134412A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | System and method for processing medical claims using biometric signatures |
US11915816B2 (en) | 2019-10-03 | 2024-02-27 | Rom Technologies, Inc. | Systems and methods of using artificial intelligence and machine learning in a telemedical environment to predict user disease states |
US11961603B2 (en) | 2019-10-03 | 2024-04-16 | Rom Technologies, Inc. | System and method for using AI ML and telemedicine to perform bariatric rehabilitation via an electromechanical machine |
US11282604B2 (en) | 2019-10-03 | 2022-03-22 | Rom Technologies, Inc. | Method and system for use of telemedicine-enabled rehabilitative equipment for prediction of secondary disease |
US11282608B2 (en) | 2019-10-03 | 2022-03-22 | Rom Technologies, Inc. | Method and system for using artificial intelligence and machine learning to provide recommendations to a healthcare provider in or near real-time during a telemedicine session |
US11515028B2 (en) | 2019-10-03 | 2022-11-29 | Rom Technologies, Inc. | Method and system for using artificial intelligence and machine learning to create optimal treatment plans based on monetary value amount generated and/or patient outcome |
US11139060B2 (en) | 2019-10-03 | 2021-10-05 | Rom Technologies, Inc. | Method and system for creating an immersive enhanced reality-driven exercise experience for a user |
US11923065B2 (en) | 2019-10-03 | 2024-03-05 | Rom Technologies, Inc. | Systems and methods for using artificial intelligence and machine learning to detect abnormal heart rhythms of a user performing a treatment plan with an electromechanical machine |
US11075000B2 (en) | 2019-10-03 | 2021-07-27 | Rom Technologies, Inc. | Method and system for using virtual avatars associated with medical professionals during exercise sessions |
US11508482B2 (en) | 2019-10-03 | 2022-11-22 | Rom Technologies, Inc. | Systems and methods for remotely-enabled identification of a user infection |
US11270795B2 (en) | 2019-10-03 | 2022-03-08 | Rom Technologies, Inc. | Method and system for enabling physician-smart virtual conference rooms for use in a telehealth context |
US20210127974A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | Remote examination through augmented reality |
US11756666B2 (en) | 2019-10-03 | 2023-09-12 | Rom Technologies, Inc. | Systems and methods to enable communication detection between devices and performance of a preventative action |
US11087865B2 (en) | 2019-10-03 | 2021-08-10 | Rom Technologies, Inc. | System and method for use of treatment device to reduce pain medication dependency |
US20210134425A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | System and method for using artificial intelligence in telemedicine-enabled hardware to optimize rehabilitative routines capable of enabling remote rehabilitative compliance |
US11826613B2 (en) | 2019-10-21 | 2023-11-28 | Rom Technologies, Inc. | Persuasive motivation for orthopedic treatment |
US11107591B1 (en) | 2020-04-23 | 2021-08-31 | Rom Technologies, Inc. | Method and system for describing and recommending optimal treatment plans in adaptive telemedical or other contexts |
CN113171084A (zh) * | 2021-05-06 | 2021-07-27 | 金华至和网络科技有限公司 | 一种智慧骨科关节康复监测系统及监测方法 |
CN113303766B (zh) * | 2021-05-25 | 2023-03-28 | 上海博灵机器人科技有限责任公司 | 一种检测感兴趣对象的肌肉健康状态的系统 |
CN113303765B (zh) * | 2021-05-25 | 2023-03-31 | 上海博灵机器人科技有限责任公司 | 一种检测感兴趣对象的特定种类肌肉问题的系统 |
CN113180647B (zh) * | 2021-06-07 | 2024-02-02 | 郑州大学 | 一种ai肢体功能康复预干涉的行为采集系统及方法 |
CN113876316B (zh) * | 2021-09-16 | 2023-10-10 | 河南翔宇医疗设备股份有限公司 | 下肢屈伸活动异常检测系统、方法、装置、设备及介质 |
CN114831630A (zh) * | 2022-04-28 | 2022-08-02 | 大连理工大学 | 基于穿戴式智能设备的偏瘫患者康复数据采集及评估方法 |
CN115607146B (zh) * | 2022-12-16 | 2023-03-14 | 东南大学 | 一种用于腿部姿态估计的可穿戴单节点设备及测量方法 |
ES2951569A1 (es) * | 2023-04-11 | 2023-10-23 | Univ Valencia Politecnica | Metodo y sistema de monitorizacion de ejercicios con elementos elasticos |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
CN106166071A (zh) * | 2016-07-04 | 2016-11-30 | 中国科学院计算技术研究所 | 一种步态参数的采集方法及设备 |
CN107126225A (zh) * | 2017-05-09 | 2017-09-05 | 南方医科大学南方医院 | 一种膝关节远程康复系统 |
CN107478223A (zh) * | 2016-06-08 | 2017-12-15 | 南京理工大学 | 一种基于四元数和卡尔曼滤波的人体姿态解算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107788991A (zh) * | 2017-10-26 | 2018-03-13 | 复旦大学 | 可穿戴式下肢康复评估系统 |
CN108245164B (zh) * | 2017-12-22 | 2021-03-26 | 北京精密机电控制设备研究所 | 一种可穿戴式惯性器件人体步态信息采集计算方法 |
-
2020
- 2020-12-15 CN CN202011475921.5A patent/CN112603295B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
CN107478223A (zh) * | 2016-06-08 | 2017-12-15 | 南京理工大学 | 一种基于四元数和卡尔曼滤波的人体姿态解算方法 |
CN106166071A (zh) * | 2016-07-04 | 2016-11-30 | 中国科学院计算技术研究所 | 一种步态参数的采集方法及设备 |
CN107126225A (zh) * | 2017-05-09 | 2017-09-05 | 南方医科大学南方医院 | 一种膝关节远程康复系统 |
Non-Patent Citations (1)
Title |
---|
Data Collection and Analysis Using Wearable Sensors for Monitoring Knee Range of Motion after Total Knee Arthroplasty;Chih-Yen Chiang等;《Sensors 2017》;20170222;第1-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112603295A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112603295B (zh) | 一种基于可穿戴传感器的康复评估方法和系统 | |
Slade et al. | An open-source and wearable system for measuring 3D human motion in real-time | |
Iosa et al. | Wearable inertial sensors for human movement analysis | |
CN107920782B (zh) | 步行分析方法及步行分析系统 | |
US9186096B2 (en) | System and method for measuring balance and track motion in mammals | |
US8821417B2 (en) | Method of monitoring human body movement | |
KR20200096236A (ko) | 센서 데이터의 접합부 응력 결정 방법 | |
US20150032034A1 (en) | Apparatus and method for quantifying stability of the knee | |
KR20190014641A (ko) | 관성센서를 이용한 보행 분석 시스템 및 방법 | |
Bloomfield et al. | Proposal and validation of a knee measurement system for patients with osteoarthritis | |
Cimolin et al. | Computation of spatio-temporal parameters in level walking using a single inertial system in lean and obese adolescents | |
Hu et al. | An inertial sensor system for measurements of tibia angle with applications to knee valgus/varus detection | |
JP6773227B2 (ja) | 情報処理装置、情報処理システム、および情報処理方法 | |
Lou et al. | A portable wearable inertial system for rehabilitation monitoring and evaluation of patients with total knee replacement | |
Haemi et al. | Comparative analyses of the dominant and non-dominant upper limbs during the abduction and adduction motions | |
Huang et al. | Wearable sensors for Detecting and Measuring kinetic characteristics | |
Avvari et al. | Gait analysis: an effective tool to measure human performance | |
Jayaraman et al. | Smartwatch as a kinaesthetic system for shoulder function assessment | |
Keri et al. | Development and verification of a low-cost prosthetic knee motion sensor | |
Rekant et al. | Validation of Inertial Measurement Unit-Based Motion Capture with a Single Calibration File for Assessing Gait in Healthy Young Adults | |
Mahalingam et al. | Integration of gyroscopes and force sensitive resistors for gait analysis of lower limb injury rehabilitation | |
Blanco Coloma | Design of a new approach to register biomechanical gait data, when combining lower limb powered exoskeletons controlled by neural machine interfaces and transcutaneous spinal current stimulation | |
Almeida | Investigating suitable strategies to detect the lack of balance due to different external perturbations based on wearable sensors | |
Muhamad et al. | Design and Implementation of Wearable IMU Sensor System for Heel-Strike and Toe-Off Gait Parameter Measurement | |
Ahmadian | Quantification of Triple Single-Leg Hop Test Kinematic Parameters using Inertial Sensors: A Validated Method for Functional Assessments after Knee Injury |
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 |