CN113057623A - 平足症筛查鞋垫以及平足症筛查步态分析系统 - Google Patents

平足症筛查鞋垫以及平足症筛查步态分析系统 Download PDF

Info

Publication number
CN113057623A
CN113057623A CN202110337850.0A CN202110337850A CN113057623A CN 113057623 A CN113057623 A CN 113057623A CN 202110337850 A CN202110337850 A CN 202110337850A CN 113057623 A CN113057623 A CN 113057623A
Authority
CN
China
Prior art keywords
screening
information processing
classification model
insole
data
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
Application number
CN202110337850.0A
Other languages
English (en)
Other versions
CN113057623B (zh
Inventor
王多琎
应继明
陈文明
严浩然
王泽圣
英宗元
喻洪流
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202110337850.0A priority Critical patent/CN113057623B/zh
Publication of CN113057623A publication Critical patent/CN113057623A/zh
Application granted granted Critical
Publication of CN113057623B publication Critical patent/CN113057623B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A61B5/1038—Measuring plantar pressure during gait
    • 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
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种平足症筛查鞋垫以及平足症筛查步态分析系统，其中，本发明提供了一种平足症筛查步态分析系统，具有这样的特征，包括信息采集装置，通过平足症筛查鞋垫采集人体的足底的多个预定位置的压力数据；信息处理装置，包括第一信息处理部、第二信息处理部以及第三信息处理部，第一信息处理部用于对压力数据进行数据处理而得到步态特征数据，第二信息处理部用于搭建一个基于K‑NN均值算法的分类模型，并对分类模型进行训练，得到训练后分类模型，第三信息处理部用于将步态特征数据输入训练后分类模型，得到对平足症的筛查结果；控制装置，用于控制信息采集装置进行信息采集，并控制信息处理装置根据压力数据进行平足症筛查。

Description

平足症筛查鞋垫以及平足症筛查步态分析系统
技术领域
本发明涉及医疗领域，具体涉及一种平足症筛查鞋垫以及对应的平足症筛查步态分析系统。
背景技术
成人获得性平足症是指有其他症状的成年人出现了扁平足，并且这是一种具有继发性的现象。临床上导致继发性扁平足的原因有很多，其中包括关节退变、创伤、糖尿病等，都会引发扁平足，另外，类风湿性关节炎、精神性病变以及肿瘤等也会引发扁平足。
目前临床上研究发现胫后肌功能不全(PTTD)和成人获得性平足症有着密切关系，根据胫后肌腱功能不全可将平足分为四期。Ⅰ期：为腱鞘炎、腱周炎或肌腱炎，肌腱长度无法改变。内踝下肿胀、疼痛，足内翻轻度物理，后足获得正常，无明显畸形。Ⅱ期：肌腱被拉长，内踝下肿胀、疼痛加重，内侧足弓减小，后足出现外翻畸形，内翻无力更加明显，提踵实验结果为阳性。Ⅲ期：后足出现固定畸形，根骨外翻，前足外展，足弓消失。Ⅳ：距骨外翻、三角韧带撕裂，导致踝关节骨性。
对于成人获得性平足症的成功治疗的关键在于早期精确的诊断，目前如何进一步提高平足分期的准确性和提高手术的疗效是临床医生关注的目标。传统的平足检测方法有墨水型足迹测量法以及X射线成像法，但是这两者都具有一定的局限性，例如，墨水型足迹测量法是通过对患者足底留下的墨水足迹进行区域划分，再进行面积计算，通过比值来确定平足，检测过程较为繁琐且效率并不高；而x射线成像法具有相当高的可靠性，但是由于价格昂贵以及耗时较长的特点也并不受到患者的青睐。
构成足弓的骨性结构具有不同的形状和大小，依次排列，相互嵌合，构成形状和功能各不同的关节，为足弓的稳定提供有效的静态维持作用。而平足患者的足弓稳定性被破坏，导致MLA(内侧经弓)下降，其结果是足底压力分布的改变，所以通过对足底压力分布这一步态参数的特征提取，可以建立包括不同分期的平足患者的足底压力数据的数据库。
步态分析技术作为一门新兴的技术，将生物力学、运动学以及解剖学相结合，对于能够引起异常步态的疾病有很好的检测作用，结合机器学习对于数据挖掘与利用的优势，能够最高效的利用已有的数据库来实现对患者的分类检测。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种平足症筛查鞋垫以及平足症筛查步态分析系统。
本发明提供了一种平足症筛查鞋垫，具有这样的特征，包括：鞋垫；以及多个压力传感器，设置在鞋垫的多个预定位置上，分别用于采集人体的足底在多个预定位置的压力数据。
在本发明提供的平足症筛查鞋垫中，还可以具有这样的特征：其中，预定位置为五个，分别命名为A、B、C、D、E，A、B位于在鞋垫的距离前端60％的位置的后侧1cm的位置，C、D、E位于在鞋垫的距离前端60％的位置的前侧1cm的位置。
本发明提供了一种平足症筛查步态分析系统，具有这样的特征，包括：信息采集装置，通过平足症筛查鞋垫采集人体的足底的多个预定位置的压力数据；信息处理装置，包括第一信息处理部、第二信息处理部以及第三信息处理部，第一信息处理部用于对压力数据进行数据处理而得到步态特征数据，第二信息处理部用于搭建一个基于K-NN均值算法的分类模型，并对分类模型进行训练，得到训练后分类模型，第三信息处理部用于将步态特征数据输入训练后分类模型，得到对平足症的筛查结果；控制装置，用于控制信息采集装置进行信息采集，并控制信息处理装置根据压力数据进行平足症筛查；其中，平足症筛查鞋垫为权利要求1中的平足症筛查鞋垫，第二信息处理部包括第二信息处理部第一单元以及第二信息处理部第二单元，第二信息处理部第一单元用于将初始集的若干个数据集作为若干个初始数据集以搭建一个含有K值的分类模型，K值为大于等于3的变量且为整数，第二信息处理部第二单元用于将训练集的数个数据集作为数个训练数据集输入分类模型，对分类模型进行训练，选取最优的K值，得到最优K值下的训练后分类模型，训练集和初始集均为针对若干个具有不同平足症等级的测试者通过信息采集装置以及第一信息处理部而得的步态特征数据，训练集和初始集的步态特征数据均标有对应的平足症等级的标签。
在本发明提供的平足症筛查步态分析系统中，还可以具有这样的特征：其中，预定位置为五个，分别命名为A、B、C、D、E，A、B位于在鞋垫的距离前端60％的位置的后侧1cm的位置，C、D、E位于在鞋垫的距离前端60％的位置的前侧1cm的位置。
在本发明提供的平足症筛查步态分析系统中，还可以具有这样的特征：其中，步态特征数据包括FA/m、FB/m、FC/m、FD/m、FE/m、(FB+FE+FD/2)/m、(FA+FC+FD/2)/m以及(FA+FB+FC+FD+FE)/m，其中FA、FB、FC、FD、FE为A、B、C、D、E对应的压力数据，m为人体的质量。
在本发明提供的平足症筛查步态分析系统中，还可以具有这样的特征：其中，对分类模型进行训练的具体方法为，对每一个训练数据集与若干个初始数据集之间的坐标距离分别进行计算，选取坐标距离最近的K值个初始数据集作为第一特定数据集，将每一个训练数据集的平足症等级分别与对应的第一特定数据集中出现频率最高的平足症等级进行比较，得到不同K值下的分类模型的平足症筛查准确率，并选取最优的K值作为最优K值。
在本发明提供的平足症筛查步态分析系统中，还可以具有这样的特征：其中，训练后分类模型进行平足症筛查的具体方法为：对步态特征数据与若干个初始数据集之间的坐标距离进行计算，选取坐标距离最近的最优K值个初始数据集作为第二特定数据集，平足症筛查的结果为第二特定数据集中出现频率最高的平足症等级。
在本发明提供的平足症筛查步态分析系统中，还可以具有这样的特征：其中，步态特征数据均以(x,y,z...)的形式输入分类模型以及训练后分类模型，坐标距离的计算公式为，
Figure BDA0002998286390000051
其中D代表两点间距离，其中(x1,y1,z1...)与(x2,y2,z2...)分别为两个点的坐标值。
发明的作用与效果
根据本发明所涉及的一种平足症筛查鞋垫以及平足症筛查步态分析系统，本发明通过平足症筛查鞋垫上多个预定位置上的压力传感器得到人体足底不同位置的压力数据，并通过训练后的基于K-NN均值算法的分类模型对人体足部不同位置的压力数据进行处理而快速得到对平足症的筛查结果，整个过程的成本低且速度快，所以本发明所涉及的一种平足症筛查鞋垫以及平足症筛查步态分析系统具有即时性和高性价比。
附图说明
图1是本发明的实施例中平足症筛查步态分析系统的结构示意图；
图2是本发明的实施例中平足症筛查步态分析系统的流程图；以及
图3是本发明的实施例中平足症筛查鞋垫的示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明所涉及的一种平足症筛查鞋垫以及平足症筛查步态分析系统作具体阐述。
图1是本发明的实施例中平足症筛查步态分析系统的结构示意图。如图1所示本实施中的平足症筛查步态分析系统100包括控制装置10、信息采集装置20以及信息处理装置30，控制装置10用于控制信息采集装置20进行信息采集以及信息处理装置30进行信息处理。
图2是本发明的实施例中平足症筛查步态分析系统的流程图。由图2可知，本实施中的平足症筛查步态分析系统100的运行流程包括以下步骤：
步骤S1，信息采集装置20通过平足症筛查鞋垫采集人体的足底的多个预定位置的压力数据。
图3为本实施中平足症筛查鞋垫的示意图。由图3可知，平足症筛查鞋垫包括鞋垫和多个压力传感器。在本实施例中，压力传感器的数量为5，采用FSR柔性压力传感器，可以测量范围在100g-10kg之间的压力值。
压力传感器设置在鞋垫的多个预定位置上，分别用于采集人体的足底在多个预定位置的压力数据。在本实施例中，预定位置为5个，分别命名为A、B、C、D、E。本实施例中将鞋垫的距离前端60％的位置视作人体的足舟骨的位置，A、B分别位于在鞋垫的距离前端60％的位置的后侧1cm的不同位置，C、D、E分别位于在鞋垫的距离前端60％的位置的前侧1cm的不同位置。
信息处理装置30包括第一信息处理部31、第二信息处理部32以及第三信息处理部33。
步骤S2，第一信息处理部31对压力数据进行数据处理而得到步态特征数据。
本实施中的步态特征数据包括FA/m、FB/m、FC/m、FD/m、FE/m、(FB+FE+FD/2)/m、(FA+FC+FD/2)/m以及(FA+FB+FC+FD+FE)/m。其中FA、FB、FC、FD、FE为A、B、C、D、E对应的压力数据，m为人体的质量。
步骤S3，第二信息处理部32搭建一个基于K-NN均值算法的分类模型，并对分类模型进行训练，得到训练后分类模型。第二信息处理部32包括第二信息处理部第一单元321以及第二信息处理部第二单元322。
步骤S3包括以下子步骤：
步骤S3-1，第二信息处理部第一单元321将初始集的若干个数据集作为若干个初始数据集以搭建一个含有K值的分类模型，K值为大于等于3的变量且为整数。
步骤S3-2，第二信息处理部第二单元322将训练集的数个数据集作为数个训练数据集输入分类模型，对分类模型进行训练，选取最优的K值，得到最优K值下的训练后分类模型。
本实施例中，为了对分类模型进行训练而进行了数据采集实验。该数据采集试验共有25名测试者，包含13名男性和12名女性，年龄分布在50至76岁之间。该25名测试者根据平足症症状的严重程度分为健康、I期、II期、III期、IV期共5种平足症等级，其中各个平足症症状严重程度下的测试者各有5人。每名测试者需要进行称重，获取每人的质量。之后每名测试者穿上放有平足症筛查鞋垫的鞋子，进行正常的行走。每名测试者采集10组步态周期的压力数据，一共获取250组压力数据。该250组压力数据通过步骤S1、步骤S2而得到250组步态特征数据，每组步态特征数据均标有对应的平足症等级的标签。这250组步态特征数据中，初始集包括随机抽取的225组步态特征数据，训练集包括剩余的25组步态特征数据。
对分类模型进行训练的具体方法为：对每一个训练数据集与若干个初始数据集之间的坐标距离分别进行计算，选取坐标距离最近的K值个初始数据集作为第一特定数据集，将每一个训练数据集的平足症等级分别与对应的第一特定数据集中出现频率最高的平足症等级进行比较，得到不同K值下的分类模型的平足症筛查准确率，并选取最优的K值作为最优K值。
步骤S4，第三信息处理部33将步态特征数据输入训练后分类模型，得到对平足症的筛查结果。
训练后分类模型进行平足症筛查的具体方法为：对步态特征数据与若干个初始数据集之间的坐标距离进行计算，选取坐标距离最近的最优K值个初始数据集作为第二特定数据集，平足症筛查的结果为第二特定数据集中出现频率最高的平足症等级。
本实施例中的步态特征数据均以(x,y,z...)的形式输入分类模型以及训练后分类模型，
坐标距离的计算公式为：
Figure BDA0002998286390000091
其中D代表两点间距离，其中(x1,y1,z1...)与(x2,y2,z2...)分别为两个点的坐标值。
实施例的作用与效果
根据本实施例所涉及的一种平足症筛查鞋垫以及平足症筛查步态分析系统，本发明通过平足症筛查鞋垫上多个预定位置上的压力传感器得到人体足底不同位置的压力数据，并通过训练后的基于K-NN均值算法的分类模型对人体足部不同位置的压力数据进行处理而快速得到对平足症的筛查结果，整个过程的成本低且速度快，所以本发明所涉及的一种平足症筛查鞋垫以及平足症筛查步态分析系统具有即时性和高性价比。
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (8)

1.一种平足症筛查鞋垫，其特征在于，包括：
鞋垫；以及
多个压力传感器，设置在所述鞋垫的多个预定位置上，分别用于采集人体的足底在多个所述预定位置的压力数据。
2.根据权利要求1所述的一种平足症筛查鞋垫，其特征在于：
其中，所述预定位置为五个，分别命名为A、B、C、D、E，A、B位于在所述鞋垫的距离前端60％的位置的后侧1cm的位置，C、D、E位于在所述鞋垫的距离前端60％的位置的前侧1cm的位置。
3.一种平足症筛查步态分析系统，其特征在于，包括：
信息采集装置，通过平足症筛查鞋垫采集人体的足底的多个预定位置的压力数据；
信息处理装置，包括第一信息处理部、第二信息处理部以及第三信息处理部，第一信息处理部用于对所述压力数据进行数据处理而得到步态特征数据，第二信息处理部用于搭建一个基于K-NN均值算法的分类模型，并对所述分类模型进行训练，得到训练后分类模型，第三信息处理部用于将所述步态特征数据输入所述训练后分类模型，得到对平足症的筛查结果；
控制装置，用于控制所述信息采集装置进行信息采集，并控制所述信息处理装置根据所述压力数据进行平足症筛查；
其中，所述平足症筛查鞋垫为权利要求1中所述的平足症筛查鞋垫，
所述第二信息处理部包括第二信息处理部第一单元以及第二信息处理部第二单元，所述第二信息处理部第一单元用于将初始集的若干个数据集作为若干个初始数据集以搭建一个含有K值的所述分类模型，所述K值为大于等于3的变量且为整数，所述第二信息处理部第二单元用于将训练集的数个数据集作为数个训练数据集输入所述分类模型，对所述分类模型进行训练，选取最优的K值，得到最优K值下的训练后分类模型，
所述训练集和所述初始集均为针对若干个具有不同平足症等级的测试者通过所述信息采集装置以及所述第一信息处理部而得的所述步态特征数据，所述训练集和所述初始集的所述步态特征数据均标有对应的平足症等级的标签。
4.根据权利要求3所述的一种平足症筛查步态分析系统，其特征在于：
其中，所述预定位置为五个，分别命名为A、B、C、D、E，A、B位于在所述鞋垫的距离前端60％的位置的后侧1cm的位置，C、D、E位于在所述鞋垫的距离前端60％的位置的前侧1cm的位置。
5.根据权利要求4所述的一种平足症筛查步态分析系统，其特征在于：
其中，所述步态特征数据包括FA/m、FB/m、FC/m、FD/m、FE/m、(FB+FE+FD/2)/m、(FA+FC+FD/2)/m以及(FA+FB+FC+FD+FE)/m，
其中FA、FB、FC、FD、FE为A、B、C、D、E对应的所述压力数据，m为所述人体的质量。
6.根据权利要求3所述的一种平足症筛查步态分析系统，其特征在于：
其中，对所述分类模型进行训练的具体方法为：对每一个所述训练数据集与若干个所述初始数据集之间的坐标距离分别进行计算，选取所述坐标距离最近的所述K值个所述初始数据集作为第一特定数据集，将每一个所述训练数据集的平足症等级分别与对应的所述第一特定数据集中出现频率最高的平足症等级进行比较，得到不同所述K值下的所述分类模型的平足症筛查准确率，并选取最优的K值作为所述最优K值。
7.根据权利要求3所述的一种平足症筛查步态分析系统，其特征在于：
其中，所述训练后分类模型进行平足症筛查的具体方法为：对所述步态特征数据与若干个所述初始数据集之间的坐标距离进行计算，选取所述坐标距离最近的所述最优K值个所述初始数据集作为第二特定数据集，平足症筛查的结果为所述第二特定数据集中出现频率最高的平足症等级。
8.根据权利要求6或7所述的一种平足症筛查步态分析系统，其特征在于：
其中，所述步态特征数据均以(x,y,z...)的形式输入所述分类模型以及所述训练后分类模型，
所述坐标距离的计算公式为：
Figure FDA0002998286380000041
其中D代表两点间距离，其中(x1,y1,z1...)与(x2,y2,z2...)分别为两个点的坐标值。
CN202110337850.0A 2021-03-30 2021-03-30 平足症筛查步态分析系统 Active CN113057623B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110337850.0A CN113057623B (zh) 2021-03-30 2021-03-30 平足症筛查步态分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110337850.0A CN113057623B (zh) 2021-03-30 2021-03-30 平足症筛查步态分析系统

Publications (2)

Publication Number Publication Date
CN113057623A true CN113057623A (zh) 2021-07-02
CN113057623B CN113057623B (zh) 2022-09-06

Family

ID=76564325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110337850.0A Active CN113057623B (zh) 2021-03-30 2021-03-30 平足症筛查步态分析系统

Country Status (1)

Country Link
CN (1) CN113057623B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113545771A (zh) * 2021-07-12 2021-10-26 西安交通大学 一种基于足底压力的集成k近邻帕金森病定量诊断系统
CN116439661A (zh) * 2023-03-24 2023-07-18 中国人民解放军总医院第六医学中心 一种围产期的产妇生理状态监测评估方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104257393A (zh) * 2014-10-14 2015-01-07 陈信岳 一种足压监测鞋垫及其监测系统
US20150182843A1 (en) * 2014-01-02 2015-07-02 Sensoria Inc. Methods and systems for data collection, analysis, formulation and reporting of user-specific feedback
CN105795602A (zh) * 2016-03-10 2016-07-27 师汉民 足底及足型的扫描方法
CN205885432U (zh) * 2016-06-22 2017-01-18 河北师范大学 一种基于鞋垫的足底压力测试装置
CN106562790A (zh) * 2016-10-18 2017-04-19 惠州学院 一种智能鞋垫的疾病预警系统及方法
CN107423715A (zh) * 2017-07-31 2017-12-01 大连海事大学 一种基于多特征联合决策的脚印自动识别方法
CN108667523A (zh) * 2018-03-06 2018-10-16 苏州大学 基于无数据辅助的knn算法的光纤非线性均衡方法
CN208481352U (zh) * 2018-01-09 2019-02-12 深圳市溢创技术顾问有限公司 一种监测足弓的智能鞋垫
CN109924981A (zh) * 2019-04-23 2019-06-25 成都理工大学 一种高弓足检测系统及方法
CN110037704A (zh) * 2019-05-23 2019-07-23 福州市翼谷科技有限公司 扁平足检测设备及其数据采集的运算方法
CN209547980U (zh) * 2018-08-02 2019-10-29 贵州大学 一种足底压力测试系统
US20190365287A1 (en) * 2018-05-30 2019-12-05 Industry-Academic Cooperation Foundation, Dankook University Apparatus and method for gait type classification using pressure sensor of smart insole
CN111104950A (zh) * 2018-10-25 2020-05-05 中国电子科技集团公司电子科学研究院 基于神经网络的k-NN算法中k值预测方法及装置
CN112433928A (zh) * 2020-12-03 2021-03-02 中国建设银行股份有限公司 一种存储设备的故障预测方法、装置、设备及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150182843A1 (en) * 2014-01-02 2015-07-02 Sensoria Inc. Methods and systems for data collection, analysis, formulation and reporting of user-specific feedback
CN104257393A (zh) * 2014-10-14 2015-01-07 陈信岳 一种足压监测鞋垫及其监测系统
CN105795602A (zh) * 2016-03-10 2016-07-27 师汉民 足底及足型的扫描方法
CN205885432U (zh) * 2016-06-22 2017-01-18 河北师范大学 一种基于鞋垫的足底压力测试装置
CN106562790A (zh) * 2016-10-18 2017-04-19 惠州学院 一种智能鞋垫的疾病预警系统及方法
CN107423715A (zh) * 2017-07-31 2017-12-01 大连海事大学 一种基于多特征联合决策的脚印自动识别方法
CN208481352U (zh) * 2018-01-09 2019-02-12 深圳市溢创技术顾问有限公司 一种监测足弓的智能鞋垫
CN108667523A (zh) * 2018-03-06 2018-10-16 苏州大学 基于无数据辅助的knn算法的光纤非线性均衡方法
US20190365287A1 (en) * 2018-05-30 2019-12-05 Industry-Academic Cooperation Foundation, Dankook University Apparatus and method for gait type classification using pressure sensor of smart insole
CN209547980U (zh) * 2018-08-02 2019-10-29 贵州大学 一种足底压力测试系统
CN111104950A (zh) * 2018-10-25 2020-05-05 中国电子科技集团公司电子科学研究院 基于神经网络的k-NN算法中k值预测方法及装置
CN109924981A (zh) * 2019-04-23 2019-06-25 成都理工大学 一种高弓足检测系统及方法
CN110037704A (zh) * 2019-05-23 2019-07-23 福州市翼谷科技有限公司 扁平足检测设备及其数据采集的运算方法
CN112433928A (zh) * 2020-12-03 2021-03-02 中国建设银行股份有限公司 一种存储设备的故障预测方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁升云: "基于广义K近邻分类器的老年人足底压力特征选择及跌倒预测的实证研究", 《中国硕士学位论文全文数据库 医药卫生科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113545771A (zh) * 2021-07-12 2021-10-26 西安交通大学 一种基于足底压力的集成k近邻帕金森病定量诊断系统
CN116439661A (zh) * 2023-03-24 2023-07-18 中国人民解放军总医院第六医学中心 一种围产期的产妇生理状态监测评估方法及系统
CN116439661B (zh) * 2023-03-24 2023-09-29 中国人民解放军总医院第六医学中心 一种围产期的产妇生理状态监测评估方法及系统

Also Published As

Publication number Publication date
CN113057623B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN108209924B (zh) 一种前交叉韧带断裂后步态特征的分析方法
Razeghi et al. Foot type classification: a critical review of current methods
Jonely et al. Relationships between clinical measures of static foot posture and plantar pressure during static standing and walking
Song et al. Foot type biomechanics. comparison of planus and rectus foot types
Mandato et al. The effects of increasing heel height on forefoot peak pressure
CN104008398B (zh) 一种基于多传感器信息融合的步态分类方法
CN113057623B (zh) 平足症筛查步态分析系统
EP1863385B1 (en) Method and appartus for displaying 3d images of a part of the skeleton
Salazar-Torres et al. Plantar pressures in children with congenital talipes equino varus—a comparison between surgical management and the Ponseti technique
Yamashita et al. Foot-surface-structure analysis using a smartphone-based 3D foot scanner
JP7153495B2 (ja) 足状態分析方法
Grau et al. The influence of matching populations on kinematic and kinetic variables in runners with iliotibial band syndrome
US7582064B2 (en) System and method for foot assessment
Sinclair et al. Sex differences in tibiocalcaneal kinematics
Huang et al. Feature Selection, Construction, and Validation of a Lightweight Model for Foot Function Assessment During Gait With In-Shoe Motion Sensors
Zhao et al. Arch volume: a new method for medial longitudinal arch measurement
Lo et al. Bayesian analysis of sub-plantar ground reaction force with BSN
Look et al. Radiographic and plantar pressure assessment of pes planovalgus severity in children with cerebral palsy
Zequera et al. Effectiveness of moulded insoles in reducing plantar pressure in diabetic patients
Chen et al. Relationship between subtalar joint stiffness and relaxed calcaneal stance position in cerebral palsy children with valgus deformities
Bruening et al. New perspectives on foot segment forces and joint kinetics-integrating plantar shear stresses and pressures with multi-segment foot modeling
Hajizadeh Towards understanding the functionality of foot orthosis based on foot structure and function
Djun et al. The Association Between Foot Structure and Foot Kinematics During Slow Running
Brushøj et al. Reliability and normative values of the foot line test: a technique to assess foot posture
Derlatka et al. Ensembling rules in automatic analysis of pressure on plantar surface in children with pes planovalgus

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