CN113440132B - 运动损伤预测方法、装置、系统及计算机可读存储介质 - Google Patents

运动损伤预测方法、装置、系统及计算机可读存储介质 Download PDF

Info

Publication number
CN113440132B
CN113440132B CN202110634525.0A CN202110634525A CN113440132B CN 113440132 B CN113440132 B CN 113440132B CN 202110634525 A CN202110634525 A CN 202110634525A CN 113440132 B CN113440132 B CN 113440132B
Authority
CN
China
Prior art keywords
injury
parameters
parameter
gait
deviation degree
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
Application number
CN202110634525.0A
Other languages
English (en)
Other versions
CN113440132A (zh
Inventor
汪爱媛
安森文
彭江
万一群
周皓
冯勇
赵燕旭
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.)
Shenzhen Xingzheng Technology Co ltd
First Medical Center of PLA General Hospital
Original Assignee
Shenzhen Xingzheng Technology Co ltd
First Medical Center of PLA General Hospital
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 Shenzhen Xingzheng Technology Co ltd, First Medical Center of PLA General Hospital filed Critical Shenzhen Xingzheng Technology Co ltd
Priority to CN202110634525.0A priority Critical patent/CN113440132B/zh
Publication of CN113440132A publication Critical patent/CN113440132A/zh
Application granted granted Critical
Publication of CN113440132B publication Critical patent/CN113440132B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/74—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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种运动损伤预测方法、装置、系统及计算机可读存储介质。所述运动损伤预测方法包括以下步骤：接收姿态传感器发送的待预测人员的步态参数；将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度；在所述损伤特征偏离度大于或等于预设偏离阈值时，输出运动损伤风险预警。实现通过获取用户的步态参数即可预测出用户的当前运动姿态是否存在运动损伤风险，从而对用户进行损伤提醒，使得用户能够及时矫正运动姿态，避免在后续运动过程中出现运动损伤。

Description

运动损伤预测方法、装置、系统及计算机可读存储介质
技术领域
本发明涉及数据分析领域，尤其涉及一种运动损伤预测方法、装置、系统及计算机可读存储介质。
背景技术
随着体育强国的思想不断深入人心，人民群众在日常生活中提高了加强锻炼身体的意识，然而部分人群在运动过程中由于运动姿态不正确、训练水平不够等原因，长时间累积运动可能存在运动损伤风险，而现有技术中只能通过医生通过相关医学检查来检查已经存在的运动损伤，无法有效地预测运动人员是否存在运动损伤风险的情况。
发明内容
本发明的主要目的在于提供一种运动损伤预测方法，旨在解决现有技术中难以预测是否存在运动损伤风险的技术问题。
为实现上述目的，本发明提供一种运动损伤预测方法，包括以下内容：
接收姿态传感器发送的待预测人员的步态参数；
将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度；
在所述损伤特征偏离度大于或等于预设偏离阈值时，输出运动损伤风险预警。
其中，所述步态参数包括：运动学参数、动力学参数和时间-空间参数中的至少一类。
其中，所述接收姿态传感器发送的待预测人员的步态参数步骤之前，还包括：
预设损伤特征参数数据库；
向所述损伤特征参数数据库输入异常步态参数和对照步态参数；
对所述异常步态参数和所述对照步态参数进行假设检验，获取损伤特征参数，其中，损伤特征参数为假设检验中获取到的与所述对照步态参数具有显著差异的异常步态参数。
其中，，所述损伤特征参数包括步幅参数、足摆动宽度、足摆动速度、步高参数、落地冲击值、拍地速度、最大俯仰角角速度、蹬伸期俯仰角、着地期俯仰角角速度中至少一个。
其中，所述将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度步骤包括：
提取所述步态参数中与所述损伤特征参数相匹配的运动学参数、动力学参数和时间-空间参数；
调用损伤偏离度算法对所述运动学参数、动力学参数和时间-空间参数分别与损伤特征参数中相对应的参数进行对比计算，获取运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度；
基于获取到的所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度计算所述步态参数的损伤偏离度。
其中，所述将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度步骤包括：
根据预设权重值分别对所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度赋予权重；
根据赋予权重后的所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度，计算步态参数的损伤特征偏离度。
其中，所述运动损伤风险提醒包括以下至少一种：
在显示界面显示运动损伤风险提醒界面；
输出运动损伤风险提醒提示音；
输出运动损伤风险震动提醒。
此外，为实现上述目的，本发明还提供一种运动损伤预测装置，所述运动损伤预测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的运动损伤预测程序，所述运动损伤预测程序被所述处理器执行时实现如上述运动损伤预测方法的步骤。
本发明还提供一种运动损伤预测系统，所述运动损伤预测系统包括：
姿态传感器，所述姿态传感器嵌设于鞋垫内，用于检测当前运动状态，并且采集步行状态或跑步状态下的步态参数；
运动损伤预测装置，所述运动损伤预测装置用于接收所述姿态传感器发送的步态参数，将步态参数与损伤特征参数进行对比，确定步态参数的损伤特征偏离度，并根据损伤特征偏离度预测运动损伤风险类型，输出运动损伤风险预警；
所述运动损伤预测系统在执行时实现如上所述的运动损伤预测方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有运动损伤预测程序，所述运动损伤预测程序被处理器执行时实现如上所述运动损伤预测方法的步骤。
本发明实施例提出的一种运动损伤预测方法，通过接收姿态传感器发送的待预测人员的步态参数；所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度；在所述损伤特征偏离度大于或等于预设偏离阈值时，输出运动损伤风险预警。实现通过获取用户的步态参数即可预测出用户的当前运动姿态是否存在运动损伤风险，从而对用户进行损伤提醒，使得用户能够及时矫正运动姿态，避免在后续运动过程中出现运动损伤。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本发明第一实施例的流程示意图；
图3为本发明第二实施例的流程示意图；
图4为本发明实施例方案所设计的运动损伤预测系统的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：接收姿态传感器发送的待预测人员的步态参数；将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度；在所述损伤特征偏离度大于或等于预设偏离阈值时，输出运动损伤风险预警。
随着体育强国的思想不断深入人心，人民群众在日常生活中提高了加强锻炼身体的意识，然而部分人群在运动过程中由于运动姿态不正确、训练水平不够等原因，长时间累积运动可能存在运动损伤风险，而现有技术中只能通过医生通过相关医学检查来检查已经存在的运动损伤，无法有效地预测运动人员是否存在运动损伤风险的情况。
本发明提供一种解决方案，通过通过接收姿态传感器发送的待预测人员的步态参数；所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度；在所述损伤特征偏离度大于或等于预设偏离阈值时，输出运动损伤风险预警。实现通过获取待预测人员的步态参数即可预测出待预测人员的当前运动姿态是否存在运动损伤风险，从而对存在运动损伤风险的待预测人员进行损伤提醒，使得待预测人员能够及时矫正运动姿态，避免在后续运动过程中出现运动损伤。
参照图1，图1本发明实施例方案涉及的硬件运行环境的运动损伤预测装置的结构示意图。
如图1所示，该运动损伤预测装置可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信，用户接口1003可以包括显示屏(Display)、输入单元，网络接口1004可选的可以包括标准的有线接口和无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选的，运动损伤预测装置还可以包括调谐解调器、回传通道、RF(RadioFrequency，射频)电路，传感器、音频电路等等。
本领域技术人员可以理解的是，图1中示出的运动损伤预测装置的硬件结构并不构成对运动损伤预测装置的限定，可以包括比图1所示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。其中，操作系统是管理和控制运动损伤预测装置应用程序的程序，支持运动损伤预测装置应用程序的运行。
在图1所示的运动损伤预测装置的硬件结构中，网络接口1004主要用于接入网络，实现与姿态传感器的通信连接；用户接口1003主要用于接收用户发送的相关操作指令；而处理器1001可以用于调用存储器1005中所存储的运动损伤预测程序，并执行以下操作：
接收姿态传感器发送的待预测人员的步态参数；
将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度；
在所述损伤特征偏离度大于或等于预设偏离阈值时，输出运动损伤风险预警。
进一步地，处理器1001可以调用存储器1005中的运动损伤预测程序，还执行以下操作：
预设损伤特征参数数据库；
向所述损伤特征参数数据库输入异常步态参数和对照步态参数；
对所述异常步态参数和所述对照步态参数进行假设检验，获取损伤特征参数，其中，损伤特征参数为假设检验中获取到的与所述对照步态参数具有显著差异的异常步态参数。
进一步地，处理器1001可以调用存储器1005中的运动损伤预测程序，还执行以下操作：
提取所述步态参数中与所述损伤特征参数相匹配的运动学参数、动力学参数和时间-空间参数；
调用损伤偏离度算法对所述运动学参数、动力学参数和时间-空间参数分别与损伤特征参数中相对应的参数进行对比计算，获取运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度；
基于获取到的所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度计算所述步态参数的损伤偏离度。
进一步地，处理器1001可以调用存储器1005中的运动损伤预测程序，还执行以下操作：
根据预设权重值分别对所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度赋予权重；
根据赋予权重后的所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度，计算步态参数的损伤特征偏离度。
基于上述硬件结构，提出本发明运动损伤预测方法的各个实施例。
参照图2，图2为本发明运动损伤预测方法一实施例的流程示意图。
本实施例中，运动损伤预测方法包括：
步骤S10：接收姿态传感器发送的待预测人员的步态参数；
本实施例中，运动损伤预测系统包括运动损伤预测装置和姿态传感器，其中，运动损伤预测装置为预测是否存在下肢损伤或其它运动损伤的移动终端或云端服务器，姿态传感器设置于被预测人员所穿着智能运动鞋的鞋垫的中后足区域，姿态传感器和运动损伤预测装置通过蓝牙协议/移动网络/WiFi连接中任意一种连接方式进行通信连接。
具体的，在采集被预测人员的步行状态或跑步状态下的步态参数之前，运动损伤预测装置预先设置损伤特征参数数据库。运动损伤特征参数数据库中存储了运动损伤预测测试所获取到的损伤特征参数。
具体的，在设置损伤特征参数数据库后，损伤特征参数数据库接收异常步态参数和对照步态参数，损伤特征参数数据库内置假设检验算法，对异常步态参数和对照步态参数进行假设检验，获取该异常步态参数中与对照步态参数具有显著差异的异常步态参数。其中，异常步态参数为对具有运动损伤的人员进行步态分析所采集到的步态参数。对照步态参数为对正常人进行步态分析所采集到的步态参数。
具体的，在运动损伤预测测试中通过姿态传感器对运动损伤人员和正常人员进行步态数据采集，获取步行状态和跑步状态下预设周期的异常步态参数和对照步态参数，对获取到的异常步态参数和对照步态参数进行T值检验和P值检验，获取P值检验中P值小于0.05的异常步态参数，损伤特征参数数据库将P值小于0.05的的异常步态参数标记为损伤特征参数。
可选的，在一实施例中，损伤特征参数包括步幅、足摆动宽度、摆动速度、步高、拍地速度、着地冲击、最俯仰角度、蹬伸期角速度、蹬伸期俯仰角和最大角速度。
运动损伤预测装置在通过损伤特征参数数据库获取损伤特征参数后，通过与姿态传感器建立通信连接，在检测到待预测人员处于步行或跑步等运动姿态时，调用该姿态传感器进行步态分析，获取姿态传感器采集到的待预测人员在步行状态或跑步状态下的步态参数。其中，步态参数是反映人体在步行或跑步时的姿态和行为特征的参数，当人群存在运动损伤时，步态参数也随之变化。
可选的，获取的步态参数可以分为运动学参数、动力学参数和时间-空间参数等类别，运动学参数、动力学参数和时间-空间参数下又包含若干参数。运动损伤预测装置根据获取到的步态参数进行运动损伤预测分析。
步骤S20：将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度；
本实施例中，运动损伤预测装置在获取待预测人员的步行状态或跑步状态下的步态参数后，将步态参数与损伤特征参数进行对比，确定步态参数的损伤特征偏离度。
具体的，运动损伤预测装置在获取该步态参数后，调用损伤特征参数数据库通过损伤偏离度算法进行计算，将该步态参数输入到损伤特征参数数据库中，与损伤特征参数数据库中所存储的损伤特征参数进行对比。
运动损伤预测装置提取待预测人员步行状态或跑步状态下采集到与运动损伤相关联的运动学参数，具体的，与运动损伤相关联的运动学参数为步幅参数、足摆动宽度、足摆动速度和步高参数中至少一种或多种。其中，运动学参数指在步行状态或跑步状态下与时间和距离相关的步态参数。其中，步幅参数、足摆动宽度、足摆动速度和步高参数越高，可能发生运动损伤的风险也越高。
运动损伤预测装置在提取到待预测人员的步幅参数、足摆动宽度、足摆动速度和步高参数后，将步幅参数、足摆动宽度、足摆动速度和步高参数输入到损伤特征参数数据库中，与损伤特征参数数据库中存储的损伤步幅参数、损伤足摆动宽度、损伤足摆动速度和损伤步高参数进行对比计算，获取步幅损伤偏离度、足摆动宽度损伤偏离度、足摆动速度损伤偏离度和步高损伤偏离度。
运动损伤预测装置在获取到步幅损伤偏离度、足摆动宽度损伤偏离度、足摆动速度损伤偏离度和步高损伤偏离度后，对步幅损伤偏离度、足摆动宽度损伤偏离度、足摆动速度损伤偏离度和步高损伤偏离度根据预设权重进行赋予权重，并根据赋权重后的步幅损伤偏离度、足摆动宽度损伤偏离度、足摆动速度损伤偏离度和步高损伤偏离度计算运动学参数偏离度，其中，运动学参数偏离度为反映待预测人员的步态参数的运动学参数与损伤特征参数的偏离程度的数据。其中，待预测人员的运动学参数的各参数的权重可以由相关技术人员预先设置并存储于运动损伤预测装置的指定存储器中。
具体的，运动损伤预测装置还获取待预测人员步行状态或跑步状态下的与运动损伤具备关联性的步态参数中的动力学参数，其中，待预测人员与运动损伤具备关联性的动力学参数包括落地冲击值和拍地速度中的至少一种。其中，动力学参数指在步行状态或跑步状态下与力学相关的步态参数。其中，待预测人员的落地冲击值和拍地速度越大，可能出现的运动损伤风险就越高。
运动损伤预测装置在获取到落地冲击值和拍地速度后，将落地冲击值和拍地速度输入到损伤特征参数数据库中，与损伤特征参数数据库中存储的损伤落地冲击值和损伤拍地速度进行偏离度计算，获取落地冲击值损伤偏离度和拍地速度损伤偏离度。
运动损伤预测装置在获取到落地冲击值损伤偏离度和拍地速度损伤偏离度时，对落地冲击值损伤偏离度和拍地速度损伤偏离度根据预设的权重进行赋权重操作，并根据赋权重后的落地冲击值损伤偏离度和拍地速度损伤偏离度计算待预测人员的动力学参数偏离度。其中，动力学参数偏离度为反映待预测人员的步态参数的动力学参数与损伤特征参数中的相关参数的偏离程度的数据。其中，待预测人员的动力学参数的各参数的权重可以由相关技术人员预先设置并存储于运动损伤预测装置的指定存储器中。
具体的，运动损伤预测装置还通过姿态传感器获取待预测人员步行状态或跑步状态下与运动损伤具备关联性的步态参数中的时间-空间参数。其中，待预测人员与运动损伤具备关联性的时间-空间惨包括最大俯仰角角速度、蹬伸期俯仰角和着地期俯仰角角速度中的至少一种或多种。其中，时间-空间参数是步行或跑步状态下反映角度变化、位移、速度和加速度的步态参数。其中，最大俯仰角角速度、蹬伸期俯仰角和着地期俯仰角角速度越大，可能出现运动损伤的风险也越大。
具体的，运动损伤预测装置在获取到姿态传感器所传输的待预测人员的最大俯仰角角速度、蹬伸期俯仰角和着地期俯仰角角速度后，将最大俯仰角角速度、蹬伸期俯仰角和着地期俯仰角角速度输入到损伤特征参数数据库中，与损伤特征参数数据库中存储的最大俯仰角角速度、蹬伸期俯仰角、着地期俯仰角角速度进行偏离度计算，获取最大俯仰角角速度损伤偏离度、蹬伸期俯仰角损伤偏离度和着地期俯仰角角速度损伤偏离度。
运动损伤预测装置在获取到最大俯仰角角速度损伤偏离度、蹬伸期俯仰角损伤偏离度和着地期俯仰角角速度损伤偏离度后，对最大俯仰角角速度损伤偏离度、蹬伸期俯仰角损伤偏离度和着地期俯仰角角速度损伤偏离度根据预设的权重进行赋权重操作，并根据赋权重后的最大俯仰角角速度损伤偏离度、蹬伸期俯仰角损伤偏离度和着地期俯仰角角速度损伤偏离度计算待预测人员的时间-空间参数偏离度。其中，时间-空间参数偏离度为反映待预测人员的步态参数中的时间-空间参数与损伤特征参数中的相关参数的偏离程度的数据。其中，待预测人员的时间-空间参数的各参数的权重可以由相关技术人员预先设置并存储于运动损伤预测装置的指定存储器中。
运动损伤预测装置在计算得到运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度后，根据运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度计算总的步态参数的损伤偏离度。
步骤S30：在所述损伤特征偏离度大于或等于预设偏离阈值时，输出运动损伤风险预警。
本实施例中，运动损伤预测装置根据获取到的损伤特征偏离度预测待预测人员的运动损伤风险类型。
具体的，运动损伤损伤预测装置预设偏离阈值，根据偏离阈值确定是否存在运动损伤风险，该偏离阈值为损伤特征偏离度处于正常范围的最大特征偏离度的值。具体的，运动损伤预测装置通过计算获取待预测人员的损伤特征偏离度后，判断该损伤特征偏离度是否超过预设的损伤特征偏离度阈值，并根据判断结果来确定待预测人员的步态参数是否正常。可选的，在一具体实施例中，预设的偏离度阈值为10％。
运动损伤预测装置在获取到损伤特征偏离度后，根据损伤特征偏离度及偏离阈值确定该预测人员是否存在运动损伤，该损伤特征偏离度超过偏离阈值，确定该待预测人员的运动损伤风险类型为存在运动损伤风险类型。若损伤特征偏离度未超过偏离阈值，确定该待预测人员的运动损伤风险类型为无运动损伤风险类型。
具体的，运动损伤风险预测装置在确定该待预测人员的运动损伤风险类型为存在运动损伤风险类型时，根据预设预警方式输出运动损伤风险预警。可选的，预设预警方式可以包括在运动损伤风险预测装置的显示界面中弹出提示信息/发出风险预警提示音/输出运动损伤风险震动提醒等任意一种或多种。
本实施例中，运动损伤预测装置通过获取姿态传感器采集到的待预测人员的步态参数，并将该步态参数输入到损伤特征参数数据库中进行偏离度计算，确定该步态参数的损伤偏离度，并根据获取到的损伤偏离度预测运动损伤风险类型，并输出运动损伤风险预警。实现通过获取用户的步态参数即可预测出用户的当前运动姿态是否存在运动损伤风险，从而对用户进行损伤提醒，使得用户能够及时矫正运动姿态，避免在后续运动过程中出现运动损伤。
参照图3，图3为本发明运动损伤预测方法另一实施例的流程示意图。
基于上述实施例，本实施例中，运动损伤预测方法还包括：
步骤S21：根据预设权重值分别对所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度赋予权重；
步骤S22：根据赋予权重后的所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度，计算步态参数的损伤特征偏离度。
本实施例中，由于运动学参数、动力学参数和时间-空间参数对于运动损伤的影响程度并不相同，因此，运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度对于运动损伤预测的权重也并不相同。具体的，在运动损伤预测装置上电启动后，相关技术人员预先对步态参数设定了预设权重，在运动损伤预测装置获取到运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度后，根据预设权重对运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度赋予权重。
具体的，运动损伤预测装置根据预设的运动学参数权重对运动学参数偏离度进行赋予权重，将运动学参数权重乘以运动学参数偏离度，获得赋予权重后的运动学参数偏离度。
运动损伤预测装置根据预设的动力学参数权重对动力学参数偏离度进行赋予权重，将动力学参数权重乘以动力学参数偏离度，获得赋予权重后的动力学参数偏离度。
运动损伤预测装置根据预设的时间-空间参数权重对时间-空间参数偏离度进行赋予权重，将时间-空间参数权重乘以时间-空间参数偏离度，获得赋予权重后的时间-空间参数偏离度。
将赋予权重后的运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度相加以获得总的步态参数的损伤偏离度。
运动损伤预测装置在获取到步态参数的损伤偏离度后，对待预测人员的运动损伤风险作出预测。
本实施例中，运动损伤预测装置通过预设相应的权重，并将获取到的运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度进行赋予权重，根据赋予权重后的运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度计算得到步态参数的损伤偏离度，根据该损伤偏离度确认待预测用户的运动损伤风险，有效提高运动损伤预测准确度。
参照图4，图4为本发明运动损伤预测系统一实施例的结构示意图。
如图4所示，本实施例中，运动损伤预测系统包括姿态传感器10和运动损伤预测装置20：
姿态传感器10，所述姿态传感器10嵌设于鞋垫内，用于检测当前运动状态，并且采集步行状态或跑步状态下的步态参数；
运动损伤预测装置20，所述运动损伤预测装置20用于接收所述姿态传感器10发送的步态参数，将步态参数与损伤特征参数进行对比，确定步态参数的损伤特征偏离度，并根据损伤特征偏离度预测运动损伤风险类型，输出运动损伤风险预警。
具体的，在一具体实施例中，该姿态传感器10为IMU传感器。
该运动损伤预测系统在执行时实现如上述实施例所述的运动损伤预测方法的任意步骤。
为实现上述实施例，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有运动损伤预测程序，所述运动损伤预测程序被处理器执行时实现如上述实施例所述的运动损伤预测方法的任意步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、药品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、药品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、药品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种运动损伤预测方法，其特征在于，所述运动损伤预测方法包括以下步骤：
预设损伤特征参数数据库；
向所述损伤特征参数数据库输入异常步态参数和对照步态参数；
对所述异常步态参数和所述对照步态参数进行假设检验，获取损伤特征参数，其中，损伤特征参数为假设检验中获取到的与所述对照步态参数具有显著差异的异常步态参数，所述损伤特征参数包括步幅参数、足摆动宽度、足摆动速度、步高参数、落地冲击值、拍地速度、最大俯仰角角速度、蹬伸期俯仰角、着地期俯仰角角速度中至少一个；
接收姿态传感器发送的待预测人员的步态参数，所述步态参数包括运动学参数、动力学参数和时间-空间参数中的至少一类，所述运动学参数指在步行状态或跑步状态下与时间和距离相关的步态参数，所述动力学参数指在步行状态或跑步状态下与力学相关的步态参数，所述时间-空间参数指在步行状态或跑步状态下反映角度变化、位移、速度和加速度的步态参数；
将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度；
在所述损伤特征偏离度大于或等于预设偏离阈值时，输出运动损伤风险预警；
所述将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度步骤包括：
提取所述步态参数中与所述损伤特征参数相匹配的运动学参数、动力学参数和时间-空间参数；
调用损伤偏离度算法对所述运动学参数、动力学参数和时间-空间参数分别与损伤特征参数中相对应的参数进行对比计算，获取运动学参数偏离度、动力学参数偏离度和时间-空间参数偏离度；
基于获取到的所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度计算所述步态参数的损伤偏离度。
2.如权利要求1所述的运动损伤预测方法，其特征在于，所述将所述步态参数与损伤特征参数进行对比，确定所述步态参数的损伤特征偏离度步骤包括：
根据预设权重值分别对所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度赋予权重；
根据赋予权重后的所述运动学参数偏离度、所述动力学参数偏离度和所述时间-空间参数偏离度，计算步态参数的损伤特征偏离度。
3.如权利要求1所述的运动损伤预测方法，其特征在于，所述运动损伤风险提醒包括以下至少一种：
在显示界面显示运动损伤风险提醒界面；
输出运动损伤风险提醒提示音；
输出运动损伤风险震动提醒。
4.一种运动损伤预测装置，其特征在于，所述运动损伤预测装置包括存储器、处理器及存储在存储器上并可在处理器上运行的运动损伤预测程序，所述处理器执行所述运动损伤预测程序时实现如权利要求1-3任一项所述的运动损伤预测方法的步骤。
5.一种运动损伤预测系统，其特征在于，所述运动损伤预测系统包括姿态传感器和运动损伤预测装置：
姿态传感器，所述姿态传感器嵌设于鞋垫内，用于检测当前运动状态，并且采集步行状态或跑步状态下的步态参数；
运动损伤预测装置，所述运动损伤预测装置用于接收所述姿态传感器发送的步态参数，将步态参数与损伤特征参数进行对比，确定步态参数的损伤特征偏离度，并根据损伤特征偏离度预测运动损伤风险类型，输出运动损伤风险预警；
所述运动损伤预测系统在执行时实现如权利要求1-3任一项所述的运动损伤预测方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有运动损伤预测程序，所述运动损伤预测程序被处理器执行时实现如权利要求1至3任一项所述的运动损伤预测方法的步骤。
CN202110634525.0A 2021-06-07 2021-06-07 运动损伤预测方法、装置、系统及计算机可读存储介质 Active CN113440132B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110634525.0A CN113440132B (zh) 2021-06-07 2021-06-07 运动损伤预测方法、装置、系统及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110634525.0A CN113440132B (zh) 2021-06-07 2021-06-07 运动损伤预测方法、装置、系统及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113440132A CN113440132A (zh) 2021-09-28
CN113440132B true CN113440132B (zh) 2023-09-12

Family

ID=77810887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110634525.0A Active CN113440132B (zh) 2021-06-07 2021-06-07 运动损伤预测方法、装置、系统及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113440132B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116230213A (zh) * 2023-05-05 2023-06-06 中国人民解放军总医院 一种智能伤情识别方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107174253A (zh) * 2017-05-23 2017-09-19 广东远峰电子科技股份有限公司 一种下肢运动姿态的判断方法、装置和系统
CN107174252A (zh) * 2017-05-23 2017-09-19 广东远峰电子科技股份有限公司 一种足部运动姿态的判断装置和方法
US9974478B1 (en) * 2014-12-19 2018-05-22 Great Lakes Neurotechnologies Inc. Discreet movement measurement and cueing system for improvement of safety and efficacy of movement
CN111631727A (zh) * 2020-06-11 2020-09-08 国家康复辅具研究中心 一种假肢适配效果的评估方法及评估装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9974478B1 (en) * 2014-12-19 2018-05-22 Great Lakes Neurotechnologies Inc. Discreet movement measurement and cueing system for improvement of safety and efficacy of movement
CN107174253A (zh) * 2017-05-23 2017-09-19 广东远峰电子科技股份有限公司 一种下肢运动姿态的判断方法、装置和系统
CN107174252A (zh) * 2017-05-23 2017-09-19 广东远峰电子科技股份有限公司 一种足部运动姿态的判断装置和方法
CN111631727A (zh) * 2020-06-11 2020-09-08 国家康复辅具研究中心 一种假肢适配效果的评估方法及评估装置

Also Published As

Publication number Publication date
CN113440132A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
US9418342B2 (en) Method and apparatus for detecting mode of motion with principal component analysis and hidden markov model
US10820836B2 (en) Foot strike analyzer system and methods
CN105263411B (zh) 跌倒检测系统及方法
KR102102931B1 (ko) 치매 예측 시스템
US8823526B2 (en) Method of assessing human fall risk using mobile systems
US20130090574A1 (en) Mobile electronic device and walking posture diagnostic method
JP6131706B2 (ja) 歩行姿勢計およびプログラム
US20140358040A1 (en) Gait monitoring apparatus and method
JP2021166898A5 (ja) 評価システム、端末装置、評価方法、及びプログラム
JP2013094316A (ja) 歩行分析装置及び歩行分析プログラム
CN113440132B (zh) 运动损伤预测方法、装置、系统及计算机可读存储介质
CN108814617A (zh) 冻结步态识别方法和装置及步态检测仪
US20190254569A1 (en) Movement ability evaluating apparatus, movement ability evaluating system, movement ability evaluating program, and movement ability evaluating method
CN107708553B (zh) 行为识别装置、空气调节机以及机器人控制装置
US20180014756A1 (en) Method for Determining Types of Human Motor Activity and Device for Implementing Thereof
JP2011152360A (ja) 歩行情報抽出装置、歩行情報抽出方法、及びコンピュータ読み取り可能な記憶媒体
KR101974831B1 (ko) 낙상위험 평가방법 및 이를 위한 사용자 단말기
CN112617807A (zh) 一种预防和解除帕金森病患者冻结步态的装置和方法
EP3656304A1 (en) A method and a system for determining the maximum heart rate of a user of in a freely performed physical exercise
US20220387852A1 (en) System and method for detecting fatigue and providing coaching in response
CN110946585A (zh) 一种基于数据融合和bp神经网络的跌倒检测系统及方法
KR102425053B1 (ko) 보행 데이터 기반 운동 추천 시스템 및 방법
CN108903947B (zh) 步态分析方法、步态分析装置以及可读存储介质
CN117100255A (zh) 一种基于神经网络模型进行防摔倒判定的方法和相关产品
JP5915990B2 (ja) つまずきリスク評価装置、つまずきリスク評価システム

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