CN113180641A - 一种慢性踝关节不稳者特征性步态识别系统 - Google Patents
一种慢性踝关节不稳者特征性步态识别系统 Download PDFInfo
- Publication number
- CN113180641A CN113180641A CN202110389094.6A CN202110389094A CN113180641A CN 113180641 A CN113180641 A CN 113180641A CN 202110389094 A CN202110389094 A CN 202110389094A CN 113180641 A CN113180641 A CN 113180641A
- Authority
- CN
- China
- Prior art keywords
- ankle joint
- force measuring
- unstable
- module
- human motion
- 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.)
- Pending
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
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Dentistry (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开一种慢性踝关节不稳者特征性步态识别系统,测试室内置测力台,测力台上置有集成足底压力测试模块的步道,同时测力台的立体空间周围安装红外动作捕捉模块用于捕捉测力台空间内被测标的携带的marker点参数信息,并配套同步摄像机用于捕捉视频图像,通过将上述数据传输至上位机,利用人工神经网络建立三维人体运动数学分析模型;本发明的慢性踝关节不稳者特征性步态识别系统,运用人工神经网络方法建立数学模型,处理慢性踝关节不稳患者步态分析中诸多生物力学参数间的复杂规律(包括时空参数、运动学参数、动力学参数、肌电活动参数、足底压力参数等),建立慢性踝关节不稳患者者步态特征性模型及影响姿势稳定性改变的生物力学因素模型。
Description
技术领域
本发明涉及医学康复技术领域,具体的涉及一种慢性踝关节不稳者特征性步态识别系统。
背景技术
慢性踝关节不稳泛指踝关节外侧韧带重复发生的不稳定导致受累踝关节反复扭伤的现象,其常见症状包括空虚、机械性不稳定、疼痛、肿胀、无力、反复扭伤以及功能性不稳定等;慢性踝关节不稳造成的踝关节反复扭伤可引发骨关节炎,严重者可引起关节僵硬和关节畸形。
慢性踝关节不稳的发病机制涉及韧带完整性、本体感觉、神经肌肉控制、平衡能力、姿势控制受损等诸多因素;踝关节借助其周围韧带及关节囊及腓骨肌群等结构提供稳定性避免伤害;踝关节周围韧带损伤可直接导致踝关节的机械稳定性降低,踝关节于应力状态下的控制能力变差,进而增加其再次受损的概率;当外侧韧带拉伤或外伤及疲劳等因素造成踝关节外翻肌力不足,无法有效提供抵抗外在环境所施加的内翻应力的能力,因而容易造成再次受损;此外,当身体某一关节活动时,控制动作发生的主动肌必须和对侧反方向被拉长的拮抗肌协调以达成动作的平顺;如果因为创伤造成其中一条肌肉相对无力,使得主动肌和拮抗肌之间的平衡受损,容易发生进一步损伤;另有观点认为踝关节扭伤后,韧带和关节囊内的机械感受器也受到损伤,导致机体对于踝关节位置和(或)运动的本体感觉受损,进而保护性反应能力下降,导致重复性伤害发生率的增高。
由于慢性踝关节不稳者容易出现反复扭伤现象,所以需要长时间进行修养恢复,但是不同的损伤程度对应的治疗也不相同,目前慢性踝关节不稳患者在进行检查时,无法对患者的踝关节运动状态进行检测,进而导致对患者的踝关节检查不够详细彻底,为医护人员的诊断工作带来不便,所以需要一种慢性踝关节不稳者特征性步态识别系统。
发明内容
针对现有技术存在的上述问题,本发明提供了一种慢性踝关节不稳者特征性步态识别系统,运用人工神经网络方法建立数学模型,分析影响慢性踝关节不稳患者姿势稳定性的相关生物力学因素,建立慢性踝关节不稳患者特征性步态识别系统及三维分析模型,为CAI的早期康复提供新途径,具有广阔的应用前景。
为实现上述技术目的,达到上述技术效果,本发明是通过以下技术方案实现:
一种慢性踝关节不稳者特征性步态识别系统,包括测试室,所述测试室中央地面置测力台,测力台的立体空间周围安装红外动作捕捉模块用于捕捉测力台空间内被测标的携带的marker点参数信息,所述红外动作捕捉模块还配套同步摄像机用于捕捉视频图像,所述无线表面肌电采集模块为集成式结构佩戴与被测标的,所述测力台还包括足底压力测试模块,上述各模块通过无线或有线方式将数据传输至上位机构建人体运动模型;
所述人体运动模型构建方法是:
上位机通过识别身份信息,通过步态识别系统对影响慢性踝关节不稳患者姿势稳定性的相关生物力学因素进行采集,采集后的数据经数模转化输入上位机进行数据处理;
以相关生物力学因素为变量,以影响因素为基数,同时配合人工神经网络,建立三维人体运动数学分析模型,所述三维人体运动数学分析模型显示变量与因素的乘积,并显示或设置正常参数作为阈值,其实现区域为三维人体运动数学分析模型中的参数获取处;
建立的三维人体运动数学分析模型存储到云端实时供调取。
进一步的,所述测力台为三维测力台,上端置有集成足底压力测试模块的步道,所述足底压力测试模块为矩阵排列的传感器,传感器密度为4-6个/cm2,足底压力测试模块通过对足底受力进行动态采集,并将数据传输至上位机与红外动作捕捉模块采集数据结合。
进一步的,所述红外动作捕捉模块包括若干红外摄像头、同步摄像机以及若干可粘贴于被测标的marker点,所述红外摄像头实时捕捉marker点在空间上的三维坐标,通过模型的构建及缩放,将数据传输至上位机计算人体运动过程中的时空参数、运动学参数,获取人体运动轨迹并构建人体运动模型;
进一步的,所述marker点的粘贴位置为待测标的的双侧肩峰、C7棘突、双侧髂前上棘、髂后上棘连线中点、双侧大转子、股骨外侧髁、腓骨小头、外踝、足跟、第五跖骨外侧缘以及双侧大转子与股骨外侧髁中点、腓骨小头与外踝连线中点。
进一步的,所述无线表面肌电采集模块包括采集端和接收端,采集端为集成式佩戴结构,包括表面肌电信号采集电路、NRF24L01模块、STM32F411CCU6,所述接收端与上位机通过USB数据传输,包括NRF24L01模块、STM32F411CCU6、扩展引脚和CH340T;所述采集端和接收端通过无线传输。
进一步的,所述上位机收集测力台、红外动作捕捉模块、同步摄像机、无线表面肌电采集模块和足底压力测试模块所获取的被测标的静态和动态参数信息,利用人工神经网络建立三维人体运动数学分析模型。
本发明的另一目的在于,提供一种慢性踝关节不稳者特征性步态识别系统的动态预警方法;
所述动态预警方法包括以下步骤:
通过步态识别系统采集影响慢性踝关节不稳患者姿势稳定性的动态生物力学因素;
将采集的动态生物力学因素实时输入三维人体运动数学分析模型,可获得动态的三维人体运动数学分析模型;
通过基础采集的数据作为基数,与动态数据以及标准参考数据做对比,并预设阈值,进行实时的对比和警示。
本发明的有益效果:
本发明的慢性踝关节不稳者特征性步态识别系统,测试室内置测力台,测力台上置有集成足底压力测试模块的步道,同时测力台的立体空间周围安装红外动作捕捉模块用于捕捉测力台空间内被测标的携带的marker点参数信息,并配套同步摄像机用于捕捉视频图像,通过将上述数据传输至上位机,利用人工神经网络建立三维人体运动数学分析模型;
本发明的慢性踝关节不稳者特征性步态识别系统,运用人工神经网络方法建立数学模型,处理慢性踝关节不稳患者步态分析中诸多生物力学参数间的复杂规律(包括时空参数、运动学参数、动力学参数、肌电活动参数、足底压力参数等),建立慢性踝关节不稳患者者步态特征性模型及影响姿势稳定性改变的生物力学因素模型;
本发明的慢性踝关节不稳者特征性步态识别系统,采用三维步态分析结合足底压力测试系统对慢性踝关节不稳患者进行多元化、可追踪化的生物力学监测,可以明确慢性踝关节不稳患者的下肢生物力学特性,并运用人工神经网络方法建立数学模型,进一步分析影响慢性踝关节不稳患者姿势稳定性的相关生物力学因素,建立慢性踝关节不稳患者特征性步态识别系统,模型,为CAI的早期康复提供新途径,具有广阔的应用前景。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述慢性踝关节不稳者特征性步态识别系统的结构框图;
图2为本发明实施例所述人体运动模型构建方法流程图;
附图中各部件的标号如下:
1-测试室,2-测力台,3-足底压力测试模块,4-红外动作捕捉模块,5-同步摄像机,6-上位机。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示
一种慢性踝关节不稳者特征性步态识别系统,包括测试室1,所述测试室1中央地面置测力台2,测力台2的立体空间周围安装红外动作捕捉模块4用于捕捉测力2台空间内被测标的携带的marker点参数信息,所述红外动作捕捉模块4还配套同步摄像机5用于捕捉视频图像,所述无线表面肌电采集模块6为集成式结构佩戴与被测标的,所述测力台2还包括足底压力测试模块3,上述各模块通过无线或有线方式将数据传输至上位机7构建人体运动模型。
下面结合具体实施例对本发明的技术方案进行说明:
实施例1
本发明的慢性踝关节不稳者特征性步态识别系统:
测力台为三维测力台,可快速记录人体在运动中与地面瞬间相互作用时力值、冲量、力矩等数据,包括测力平台和后续电路,人体站立于平台上面时,可测出人对台面作用力的三个分量(Fx,Fy,Fz),围绕坐标轴的力矩(Mz)以及着力点的位置(ax,ay),进而测量出上述数值的变化;
其测力的原理是测力平台获得的数据参数通过前置放大器进行数模转换输入计算机,通过信号处理程序处理后经数模转换、滤波后输出显示;
三维测力台上端置有集成足底压力测试模块的步道,所述足底压力测试模块为矩阵排列的传感器,传感器密度为4-6个/cm2,足底压力测试模块通过对足底受力进行动态采集,并将数据传输至上位机与红外动作捕捉模块采集数据结合。
可细致研究行走、跑步、纵跳等动作的足着地缓冲、全脚支撑、前足蹬伸、足趾离地等各个阶段的时间特点、受力特点、压力中心移动特点;
提供静态和动态两种测试模式;
-足分区、压力、压强、糖尿病足溃疡危险度评价、负荷变化率、足长足宽、足接触面积、足角度、足轴线、时间轨迹、稳定性分析等;
-可对两次测试数据对比分析:压力分布比较、同步性比较、冲量比较、各区域受力曲线比较、稳定性比较、脑瘫压力分布比较、术前术后步态比较;
-可对多次测试数据取平均值:压力平均、内外翻平均;
-提供个性化矫正方案;
-提供数据输出功能:可输出生成XLS表格,也可以通过打印输出生成单项报告。
实施例2
本发明的慢性踝关节不稳者特征性步态识别系统:
所述红外动作捕捉模块包括若干红外摄像头、同步摄像机以及若干可粘贴于被测标的marker点,所述红外摄像头实时捕捉marker点在空间上的三维坐标,通过模型的构建及缩放,将数据传输至上位机计算人体运动过程中的时空参数、运动学参数,获取人体运动轨迹并构建人体运动模型;
所述marker点的粘贴位置为待测标的的双侧肩峰、C7棘突、双侧髂前上棘、髂后上棘连线中点、双侧大转子、股骨外侧髁、腓骨小头、外踝、足跟、第五跖骨外侧缘以及双侧大转子与股骨外侧髁中点、腓骨小头与外踝连线中点。
红外动作捕捉模块的主要观察指标是:
时空参数:包括步速、步长、步宽、步频、步行周期时间构成比、各时相时间;
运动学参数:三维平面骨盆、髋膝踝活动幅度角度值;
实施例3
本发明的慢性踝关节不稳者特征性步态识别系统:
所述无线表面肌电采集模块包括采集端和接收端,采集端为集成式佩戴结构,包括表面肌电信号采集电路、NRF24L01模块、STM32F411CCU6,所述接收端与上位机通过USB数据传输,包括NRF24L01模块、STM32F411CCU6、扩展引脚和CH340T;所述采集端和接收端通过无线传输。
上述无线可穿戴式表面肌电信号采集与监测系统,主要包含采集端、接收端和监测上位机。采集端主要负责采集人体的表面肌电信号,将其量化为数字信号,并且传输到接收端。接收端主要负责将接收到的表面肌电信号通过串口传输给电脑端处理。监测上位机可以通过串口获取接收端传输过来的表面肌电信号,从而计算信号的特征,包括:平均值(MEAN)、绝对平均值(MAV)、均方根(RMS)、方差(VAR)、过零率(ZC)和波形长度(WL)。并且,通过动态折线图的方式将原始表面肌电信号和特征进行可视化动态监测。同时通过接收端还可以实现对机械手抓的控制。
无线可穿戴式便面肌电信号采集与监测系统,基于AD620仪用放大器和LM321低功耗运算放大器设计了表面肌电信号采集电路,通过三个医用电极将表面肌电信号处理为可量化的模拟电信号。采集端和接收端采用了STM32F411CCU6作为主控核心,负责表面肌电信号的采集、处理和传送。采集端和接收端之间采用了NRF24L012.4GHz无线通信模块进行数据传输。接收端通过CH340T串口转USB芯片将表面肌电信号传输给电脑端处理,并且可以进行机械手抓的控制。监测端采用QT5框架来编写可视化界面,对采集的表面肌电信号和特征进行可视化。
实施例4
本发明的慢性踝关节不稳者特征性步态识别系统:
上位机收集测力台、红外动作捕捉模块、同步摄像机、无线表面肌电采集模块和足底压力测试模块所获取的被测标的静态和动态参数信息,利用人工神经网络建立三维人体运动数学分析模型。
上位机通过识别身份信息,通过步态识别系统对影响慢性踝关节不稳患者姿势稳定性的相关生物力学因素进行采集,采集后的数据经数模转化输入上位机进行数据处理;
以相关生物力学因素为变量,以影响因素为基数,同时配合人工神经网络,建立三维人体运动数学分析模型,所述三维人体运动数学分析模型显示变量与因素的乘积,并显示或设置正常参数作为阈值,其实现区域为三维人体运动数学分析模型中的参数获取处;
建立的三维人体运动数学分析模型存储到云端实时供调取。
实施例5
一种慢性踝关节不稳者特征性步态识别系统的动态预警方法;
所述动态预警方法包括以下步骤:
通过步态识别系统采集影响慢性踝关节不稳患者姿势稳定性的动态生物力学因素;
将采集的动态生物力学因素实时输入三维人体运动数学分析模型,可获得动态的三维人体运动数学分析模型;
通过基础采集的数据作为基数,与动态数据以及标准参考数据做对比,并预设阈值,进行实时的对比和警示。
本发明的慢性踝关节不稳者特征性步态识别系统,采用三维步态分析结合足底压力测试系统对慢性踝关节不稳患者进行多元化、可追踪化的生物力学监测,可以明确慢性踝关节不稳患者的下肢生物力学特性,并运用人工神经网络方法建立数学模型,进一步分析影响慢性踝关节不稳患者姿势稳定性的相关生物力学因素,建立慢性踝关节不稳患者特征性步态识别系统,模型,为CAI的早期康复提供新途径,具有广阔的应用前景。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种慢性踝关节不稳者特征性步态识别系统,其特征在于:包括测试室,所述测试室中央地面置测力台,测力台的立体空间周围安装红外动作捕捉模块用于捕捉测力台空间内被测标的携带的marker点参数信息,所述红外动作捕捉模块还配套同步摄像机用于捕捉视频图像,所述无线表面肌电采集模块为集成式结构佩戴与被测标的,所述测力台还包括足底压力测试模块,上述各模块通过无线或有线方式将数据传输至上位机构建人体运动模型;
所述人体运动模型构建方法是:
上位机通过识别身份信息,通过步态识别系统对影响慢性踝关节不稳患者姿势稳定性的相关生物力学因素进行采集,采集后的数据经数模转化输入上位机进行数据处理;
以相关生物力学因素为变量,以影响因素为基数,同时配合人工神经网络,建立三维人体运动数学分析模型,所述三维人体运动数学分析模型显示变量与因素的乘积,并显示或设置正常参数作为阈值,其实现区域为三维人体运动数学分析模型中的参数获取处;
建立的三维人体运动数学分析模型存储到云端实时供调取。
2.如权利要求1所述的慢性踝关节不稳者特征性步态识别系统,其特征在于:所述测力台为三维测力台,上端置有集成足底压力测试模块的步道,所述足底压力测试模块为矩阵排列的传感器,传感器密度为4-6个/cm2,足底压力测试模块通过对足底受力进行动态采集,并将数据传输至上位机与红外动作捕捉模块采集数据结合。
3.如权利要求2所述的慢性踝关节不稳者特征性步态识别系统,其特征在于:所述红外动作捕捉模块包括若干红外摄像头、同步摄像机以及若干可粘贴于被测标的marker点,所述红外摄像头实时捕捉marker点在空间上的三维坐标,通过模型的构建及缩放,将数据传输至上位机计算人体运动过程中的时空参数、运动学参数,获取人体运动轨迹并构建人体运动模型。
4.如权利要求3所述的慢性踝关节不稳者特征性步态识别系统,其特征在于:所述marker点的粘贴位置为待测标的的双侧肩峰、C7棘突、双侧髂前上棘、髂后上棘连线中点、双侧大转子、股骨外侧髁、腓骨小头、外踝、足跟、第五跖骨外侧缘以及双侧大转子与股骨外侧髁中点、腓骨小头与外踝连线中点。
5.如权利要求1所述的慢性踝关节不稳者特征性步态识别系统,其特征在于:所述无线表面肌电采集模块包括采集端和接收端,采集端为集成式佩戴结构,包括表面肌电信号采集电路、NRF24L01模块、STM32F411CCU6,所述接收端与上位机通过USB数据传输,包括NRF24L01模块、STM32F411CCU6、扩展引脚和CH340T;所述采集端和接收端通过无线传输。
6.如权利要求1所述的慢性踝关节不稳者特征性步态识别系统,其特征在于:所述上位机收集测力台、红外动作捕捉模块、同步摄像机、无线表面肌电采集模块和足底压力测试模块所获取的被测标的静态和动态参数信息,利用人工神经网络建立三维人体运动数学分析模型。
7.一种应用权利要求1所述的慢性踝关节不稳者特征性步态识别系统的动态预警方法,其特征在于:所述动态预警方法包括以下步骤:
通过步态识别系统采集影响慢性踝关节不稳患者姿势稳定性的动态生物力学因素;
将采集的动态生物力学因素实时输入三维人体运动数学分析模型,可获得动态的三维人体运动数学分析模型;
通过基础采集的数据作为基数,与动态数据以及标准参考数据做对比,并预设阈值,进行实时的对比和警示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110389094.6A CN113180641A (zh) | 2021-04-12 | 2021-04-12 | 一种慢性踝关节不稳者特征性步态识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110389094.6A CN113180641A (zh) | 2021-04-12 | 2021-04-12 | 一种慢性踝关节不稳者特征性步态识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113180641A true CN113180641A (zh) | 2021-07-30 |
Family
ID=76975393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110389094.6A Pending CN113180641A (zh) | 2021-04-12 | 2021-04-12 | 一种慢性踝关节不稳者特征性步态识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113180641A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999648A (zh) * | 2022-05-27 | 2022-09-02 | 浙江大学医学院附属儿童医院 | 基于婴儿动态姿态估计的脑性瘫痪早期筛查系统、设备及存储介质 |
CN116784802A (zh) * | 2023-07-04 | 2023-09-22 | 暨南大学附属第一医院(广州华侨医院) | 基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056050A (zh) * | 2016-05-23 | 2016-10-26 | 武汉盈力科技有限公司 | 一种基于自适应三维人体运动统计模型的多视角步态识别方法 |
CN109979595A (zh) * | 2019-02-22 | 2019-07-05 | 福州大学 | 一种基于足底压力检测的支持向量机足踝外伤康复评估结果的分类方法 |
CN110801226A (zh) * | 2019-11-01 | 2020-02-18 | 西安交通大学 | 一种基于表面肌电信号的人体膝关节力矩测试系统方法及应用 |
CN111582108A (zh) * | 2020-04-28 | 2020-08-25 | 河北工业大学 | 一种步态识别及意图感知的方法 |
-
2021
- 2021-04-12 CN CN202110389094.6A patent/CN113180641A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056050A (zh) * | 2016-05-23 | 2016-10-26 | 武汉盈力科技有限公司 | 一种基于自适应三维人体运动统计模型的多视角步态识别方法 |
CN109979595A (zh) * | 2019-02-22 | 2019-07-05 | 福州大学 | 一种基于足底压力检测的支持向量机足踝外伤康复评估结果的分类方法 |
CN110801226A (zh) * | 2019-11-01 | 2020-02-18 | 西安交通大学 | 一种基于表面肌电信号的人体膝关节力矩测试系统方法及应用 |
CN111582108A (zh) * | 2020-04-28 | 2020-08-25 | 河北工业大学 | 一种步态识别及意图感知的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999648A (zh) * | 2022-05-27 | 2022-09-02 | 浙江大学医学院附属儿童医院 | 基于婴儿动态姿态估计的脑性瘫痪早期筛查系统、设备及存储介质 |
CN116784802A (zh) * | 2023-07-04 | 2023-09-22 | 暨南大学附属第一医院(广州华侨医院) | 基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Monaghan et al. | Increasing the number of gait trial recordings maximises intra-rater reliability of the CODA motion analysis system | |
Kerrigan et al. | Gender differences in joint biomechanics during walking normative study in young adults | |
Abu-Faraj et al. | Human gait and clinical movement analysis | |
Yeung et al. | Evaluation of the Microsoft Kinect as a clinical assessment tool of body sway | |
Rowe et al. | Knee joint kinematics in gait and other functional activities measured using flexible electrogoniometry: how much knee motion is sufficient for normal daily life? | |
Stöggl et al. | Short and long term adaptation of variability during walking using unstable (Mbt) shoes | |
Robbins et al. | Reliability of principal components and discrete parameters of knee angle and moment gait waveforms in individuals with moderate knee osteoarthritis | |
Lee et al. | Portable activity monitoring system for temporal parameters of gait cycles | |
Maffiuletti et al. | Concurrent validity and intrasession reliability of the IDEEA accelerometry system for the quantification of spatiotemporal gait parameters | |
Rose et al. | Strategies for the assessment of pediatric gait in the clinical setting | |
CN113273999B (zh) | 一种穿戴式多维步态分析系统及方法 | |
CN113180641A (zh) | 一种慢性踝关节不稳者特征性步态识别系统 | |
CN109793500B (zh) | 膝关节负荷力学分析装置 | |
Laudanski et al. | Measurement of lower limb joint kinematics using inertial sensors during stair ascent and descent in healthy older adults and stroke survivors | |
CN102697507B (zh) | 患者康复训练步行状态分析系统及方法 | |
Agostini et al. | Wearable sensors for gait analysis | |
Varela et al. | A kinematic characterization of human walking by using CaTraSys | |
CN103120586A (zh) | 人体步态运动学参数采集辅助装置和方法 | |
Jiang et al. | Exploration of gait parameters affecting the accuracy of force myography-based gait phase detection | |
Bajpai et al. | A novel instrumented outsole for real-time foot kinematic measurements: validation across different speeds and simulated foot landing | |
CN110558939A (zh) | 穿戴式膝关节测量系统 | |
CN112927474A (zh) | 基于生物力学监测老年人跌倒预警系统 | |
Nwanna | Validation of an Accelerometry based method of human gait analysis | |
Shrader et al. | Instrumented Gait analysis in the care of children with cerebral palsy | |
Turner et al. | Validation of OpenCap: A low-cost markerless motion capture system for lower-extremity kinematics during return-to-sport tasks |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |