CN115192002A - 用户肢体运动障碍程度度量系统、方法和计算机装置 - Google Patents
用户肢体运动障碍程度度量系统、方法和计算机装置 Download PDFInfo
- Publication number
- CN115192002A CN115192002A CN202210711244.5A CN202210711244A CN115192002A CN 115192002 A CN115192002 A CN 115192002A CN 202210711244 A CN202210711244 A CN 202210711244A CN 115192002 A CN115192002 A CN 115192002A
- Authority
- CN
- China
- Prior art keywords
- user
- limb
- degree
- time sequence
- measuring
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开一种用户肢体运动障碍程度度量系统、方法和计算机装置,其中所述用户肢体运动障碍程度度量方法包括:在用户按照预定的肢体动作运动时,接收用户对应肢体部位的运动学数据;根据机器人运动学算法和所述运动学数据,确定每一时刻用户肢体对应关节的欧拉角,并形成相应的欧拉角时间序列;根据变化点检测算法和所述欧拉角时间序列,确定肢体运动的启动和终止阶段;去除确定肢体运动的启动和终止阶段的时间序列,并根据去除后的时间序列,度量用户对应肢体的障碍程度。
Description
技术领域
本发明涉及数字医疗领域,尤其涉及一种用户肢体运动障碍程度度量系统、方法和计算机装置。
背景技术
现有技术中对步态分析研究的出发点主要有时空参数、运动学数据、动力学数据、肌电数据、足底压力数据、步态视频流等,其中运动学数据采集方便、采集成本低、分析相对容易,故而被广泛的研究和应用于度量患者的肢体运动障碍的程度。
运动学数据的采集方式又包括通过惯性传感器的方式采集和视频关键点采集,其中采用惯性传感器采集,具有稳定、可靠、不受环境条件限制等优点。采用惯性传感器采集数据时,通常需要用户肢体的不同部位配戴所述惯性传感器(如在用户步态检测时,所述惯性传感器配戴于用户的腰部、大腿、小腿和足部),并需要用户做一些预设的肢体动作如行走,然后惯性传感器将检测的数据传送给上位机,随后通过对数据的分析确定患者的肢体运动障碍程度。
然而现有技术中,在对惯性传感器采集的数据进行分析时,往往注重的是用户肢体运动数据的线性特征分析。而没有对用户肢体的非线性特征的提取和分析。即使在分析过程中考虑非线性因素,但是在分析时,使用的方法,如神经网络、回归分析等,依旧没有注重非线性特征的提取。而实际上,用户在按照预设的肢体动作运动时,是一个非线性系统,且从实验中观察到的关节角度的时间序列是非线性时间序列,所以如果忽略了对非线性特征的提取,将势必会导致获取的度量结果存在较大的偏差,进而影响度量结果的准确度。
发明内容
本发明的一个优势在于提供一种用户肢体运动障碍程度度量系统、方法和计算机装置,其中所述用户肢体运动障碍程度度量方法纳入了用户肢体运动时的非线性特征,从而提高了最终用户肢体运动障碍度量结果的准确性。
本发明的另一个优势在于提供一种用户肢体运动障碍程度度量系统、方法和计算机装置,其中所述用户肢体运动障碍程度度量方法在分析时,同时对用户肢体运动时的非线性特征进行了分析,进而提高了最终用户肢体运动障碍度量结果的准确性。
本发明的另一个优势在于提供一种用户肢体运动障碍程度度量系统、方法和计算机装置,由于通过所述用户肢体运动障碍程度度量方法能够有效地提高最终度量结果的准确性,进而能够有助于患者准确地按照度量结果进行治疗。
为达到本发明以上至少一个优势,本发明提供一种用户肢体运动障碍程度度量方法,所述用户肢体运动障碍程度度量方法包括:
在用户按照预定的肢体动作运动时,接收用户对应肢体部位的运动学数据;
根据机器人运动学算法和所述运动学数据,确定每一时刻用户肢体对应关节的欧拉角,并形成相应的欧拉角时间序列;
根据变化点检测算法和所述欧拉角时间序列,确定肢体运动的启动和终止阶段;
去除确定肢体运动的启动和终止阶段的时间序列,并根据去除后的时间序列,度量用户对应肢体的障碍程度。
根据本发明一实施例,所述用户肢体运动障碍程度度量方法包括:
在接收用户对应肢体部位的运动学数据后,对与用户预设的肢体部位对应的运动学数据滤波。
根据本发明一实施例,用户所述肢体部位选自腰部中间,左右侧大腿中部、左右侧小腿中部、左右脚面中部、前胸部、左右侧大臂中部、左右侧小臂中部、头部中的至少一个。
根据本发明一实施例,所述用户肢体运动障碍程度度量方法包括:
通过预设的平稳性检验算法,检验用户肢体每个关节的时间序列的平稳性,如果平稳性低于预设的平稳性标准,则表示平稳;如果稳性超过预设的平稳性标准,则表示不平稳。
根据本发明一实施例,所述用户肢体运动障碍程度度量方法包括:
如果不平稳,则通过差分方法得到平稳的时间序列,并基于所述平稳的时间序列计算合适的延迟时间和嵌入维度,重建相空间,且在重建的相空间中提取非线性特征,以形成一个向量表示一个关节对应的时间序列所对应的特征向量,进而确定按一定的顺序排布的对应于所有关节的特征向量。
根据本发明一实施例,并根据去除后的时间序列,度量用户对应肢体的障碍程度,包括:
通过支持向量机的方法对每个用户的所有关节的特征向量训练,确定训练最优超平面;
计算每个用户的所有关节的特征向量到最优超平面之间的距离,以度量用户肢体运动障碍的程度。
根据本发明的一个方面,本发明提供一种用户肢体运动障碍程度度量系统,所述用户肢体运动障碍程度度量系统包括:
数据接收模块,其中所述数据接收模块被设置在用户按照预定的肢体动作运动时,接收用户对应肢体部位的运动学数据;
处理模块,其中所述处理模块包括一分析模块,其中所述分析模块被可通信地连接于所述数据接收模块,并根据机器人运动学算法和所述运动学数据,确定每一时刻用户肢体对应关节的欧拉角,并形成相应的欧拉角时间序列;
根据变化点检测算法和所述欧拉角时间序列,确定肢体运动的启动和终止阶段;
去除确定肢体运动的启动和终止阶段的时间序列,并根据去除后的时间序列,度量用户对应肢体的障碍程度;和
输出模块,其中所述输出模块被可通信地连接于所述分析模块,并输出度量用户对应肢体的障碍程度对应的结果。
根据本发明一实施例,所述用户肢体运动障碍程度度量系统包括:
数据预处理模块,其中所述数据预处理模块被可通信地连接于所述数据接收模块,并在接收用户对应肢体部位的运动学数据后,对与用户预设的肢体部位对应的运动学数据滤波。
根据本发明一实施例,所述用户肢体运动障碍程度度量系统包括:
检验模块,其中所述检验模块被可通信地连接于所述数据接收模块或所述数据预处理模块,并且所述检验模块通过预设的平稳性检验算法,检验用户肢体每个关节的时间序列的平稳性,如果平稳性超过预设的平稳性标准,则表示不平稳,其中所述检验模块通过差分方法处理所述不平稳的时间序列,以得到平稳的时间序列。
根据本发明一实施例,所述处理模块被设置:如果不平稳,则通过差分方法得到平稳的时间序列,并基于所述平稳的时间序列计算合适的延迟时间和嵌入维度,重建相空间,且在重建的相空间中提取非线性特征,以形成一个向量表示一个关节对应的时间序列所对应的特征向量,进而确定按一定的顺序排布的对应于所有关节的特征向量。
附图说明
图1示出了本发明用户肢体运动障碍程度度量方法的流程图。
图2示出了本发明一个示例中,去除确定肢体运动的启动和终止阶段的时间序列前,右脚欧拉角时间序列的一个表示示图。
图3示出了本发明一个示例中,去除确定肢体运动的启动和终止阶段的时间序列后,右脚欧拉角时间序列的一个表示示图。
图4示出了本发明用户肢体运动障碍程度度量系统的结构框图。
图5示出了本发明所述计算机装置的结构框图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是,在本发明的揭露中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
参考图1,依本发明一较佳实施例的一种用户肢体运动障碍程度度量方法将在以下被详细地阐述,其中通过所述用户肢体运动障碍程度度量方法度量用户的肢体运动障碍,由于纳入了用户肢体运动的非线性特征且分析时也分析了用户肢体运动的非线性特征,因此,使得最终的度量结果更加准确。
具体地,所述用户肢体运动障碍程度度量方法包括:
S101,在用户按照预定的肢体动作运动时,接收用户对应肢体部位的运动学数据。值得一提的是,用户的运动学数据可以是预先通过惯性传感器采集的方式和/或视频关键点采集等方式采集得到的数据,本发明不受此方面的限制。
如在一个示例中,在用户的下肢:腰部、大腿、小腿、脚,共布置七个惯性传感器以便记录人体步行的运动数据。当用户按预定的要求行走时,所述惯性传感器能够检测到用户下肢各个部位的运动学数据,如下表1:
表1
作为优选地,用户的运动学数据是通过配戴于用户肢体部位的惯性传感器检测实时检测得到的。
此外,用户所述肢体部位可以任意选择,比如可以选自腰部中间,左右侧大腿中部、左右侧小腿中部、左右脚面中部、前胸部、左右侧大臂中部、左右侧小臂中部、头部中的至少一个。
所述用户肢体运动障碍程度度量方法包括:
S102,根据机器人运动学算法和所述运动学数据,确定每一时刻用户肢体对应关节的欧拉角,并形成相应的欧拉角时间序列。
如上述示例中通过对七个惯性传感器部分惯性传感器中采集的某一时刻的数据处理后,确定某一时刻用户肢体对应关节的一个欧拉角,见表2
表2对应关节的一个欧拉角
S103,根据形成的所述欧拉角时间序列,并通过变化点检测算法,确定肢体运动的启动和终止阶段。
参考图2,其示出了上述步态分析中,根据形成的所述欧拉角时间序列,并通过变化点检测算法,确定的整个肢体运动过程的右脚欧拉角时间序列的一个表示示图。
可以理解的是,用户在做肢体运动时,肢体运动的启动和终止阶段数据采集是不可避免的,但是实际上,大部分情况下只有用户在肢体运动时的数据才有分析的价值,因此,启动和终止阶段的数据会对最终用户肢体运动障碍的程度度量的结果产生不利的影响,因此,通过上述步骤S103,能够有效地找出启动和终止阶段数据。
S104,去除确定肢体运动的启动和终止阶段的时间序列,并根据去除后的时间序列,度量用户对应肢体的障碍程度。参考图3,其示出了上述步态分析中,去除确定肢体运动的启动和终止阶段的时间序列后,右脚欧拉角时间序列的一个表示示图。
本领域技术人员能够理解的是,在去除肢体运动启动和终止阶段对应的时间序列,仅保留肢体运动,如行走过程中的时间序列数据的情况下度量用户对应肢体的障碍程度,可以有效地避免最终度量结果出现较大的偏差。
优选地,所述用户肢体运动障碍程度度量方法包括:
S201,在接收用户对应肢体部位的运动学数据后,对与用户预设的肢体部位对应的运动学数据滤波。作为优选的方式,通过包括但不限于加权滑动平均滤波或小波分析的方式滤波。
优选地,所述用户肢体运动障碍程度度量方法包括:
S202,按照预设的方法,对与用户预设的肢体部位对应的运动学数据补充缺省值。
作为优选地,通过包括但不限于插值法补充缺省值。
可以理解的时,通过对与用户预设的肢体部位对应的运动学数据滤波,能够有效地消除通过惯性传感器采集的方式和/或视频关键点等传感器采集时噪声的影响。
值得一提的是,预设的肢体部位包括但不限于:腰部、大腿、小腿和足部。
进一步地,所述用户肢体运动障碍程度度量方法包括:
S301,通过预设的平稳性检验算法,检验用户肢体每个关节的时间序列的平稳性,如果平稳性低于预设的平稳性标准,则表示平稳;如果稳性超过预设的平稳性标准,则表示不平稳。
优选地,可以单位根检验方法检验用户肢体每个关节的时间序列的平稳性。
所述用户肢体运动障碍程度度量方法包括:
S302,如果不平稳,则通过差分方法得到平稳的时间序列,并基于所述平稳的时间序列计算合适的延迟时间和嵌入维度,重建相空间,且在重建的相空间中提取非线性特征,以形成一个向量表示一个关节对应的时间序列所对应的特征向量,进而确定按一定的顺序排布的对应于所有关节的特征向量。如上述示例,在用户行走时,形成的用户的特征向量可见下表3
表3特征向量
作为优选地,所述步骤S104包括:
S1041,通过支持向量机的方法对每个用户的所有关节的特征向量训练,确定最优超平面;
S1042,计算每个用户的所有关节的特征向量到最优超平面之间的距离,以度量用户肢体运动障碍的程度。
值得一提的是,所述非线性特征包括但不限于:最大李雅普诺夫指数、样本熵、相关维度。
参考图4,根据本发明的一个方面,本发明提供还提供一种用户肢体运动障碍程度度量系统,所述用户肢体运动障碍程度度量系统包括:数据接收模块100、处理模块200和输出模块300,其中所述数据接收模块100被设置在用户按照预定的肢体动作运动时,接收用户对应肢体部位的运动学数据;
所述处理模块包括一分析模块201,其中所述分析模块被可通信地连接于所述数据接收模块,并根据机器人运动学算法和所述运动学数据,确定每一时刻用户肢体对应关节的欧拉角,并形成相应的欧拉角时间序列;根据形成的所述欧拉角时间序列,并通过变化点检测算法,确定肢体运动的启动和终止阶段;去除确定肢体运动的启动和终止阶段的时间序列,并根据去除后的时间序列,度量用户对应肢体的障碍程度。
所述输出模块300被可通信地连接于所述分析模块201,并输出度量用户对应肢体的障碍程度对应的结果。
进一步地,所述用户肢体运动障碍程度度量系统包括数据预处理模块400,其中所述数据预处理模块400被可通信地连接于所述数据接收模块100,并在接收用户对应肢体部位的运动学数据后,对与用户预设的肢体部位对应的运动学数据滤波。
所述用户肢体运动障碍程度度量系统包括:检验模块500,其中所述检验模块500被可通信地连接于所述数据接收模块100或所述数据预处理模块400,并且所述检验模块500通过预设的平稳性检验算法,检验用户肢体每个关节的时间序列的平稳性,如果平稳性超过预设的平稳性标准,则表示不平稳,其中所述检验模块通过差分方法处理所述不平稳的时间序列,以得到平稳的时间序列。
所述分析模块201被设置:如果不平稳,则通过差分方法得到平稳的时间序列,并基于所述平稳的时间序列计算合适的延迟时间和嵌入维度,重建相空间,且在重建的相空间中提取非线性特征,以形成一个向量表示一个关节对应的时间序列所对应的特征向量,进而确定按一定的顺序排布的对应于所有关节的特征向量。
根据检测到的所述运动学数据,通过机器人运动学算法,确定每一时刻用户肢体对应关节的欧拉角,并形成相应的欧拉角时间序列。
具体地,所述处理模块被设置通过支持向量机的方法对每个用户的所有关节的特征向量训练,确定最优超平面;并计算每个用户的所有关节的特征向量到最优超平面之间的距离,以度量用户肢体运动障碍的程度。
图5为本申请计算机装置一个实施例的结构示意图,如图5所示,上述计算机装置可以包括:一个或多个处理器;存储器;以及一个或多个计算机程序。
其中,上述计算机装置可以为电脑,服务器,移动终端(手机),收银设备,计算机,智慧屏,无人机,智能网联车(Intelligent Connected Vehicle;以下简称:ICV),智能(汽)车(smart/intelligent car)或车载设备等设备。
其中上述一个或多个计算机程序被存储在上述存储器中,上述一个或多个计算机程序包括指令,当上述指令被上述设备执行时,使得上述设备执行实施例中所述用户肢体运动障碍程度度量方法执行的步骤。
图5所示的计算机装置可以是终端设备或服务器也可以是内置于上述终端设备或服务器的电路设备。该设备可以用于执行上述设备执行实施例中所述用户肢体运动障碍程度度量方法执行的步骤。
如图5所示,计算机装置900包括处理器910和存储器920。其中,处理器910和存储器920之间可以通过内部连接通路互相通信,传递控制和/或数据信号,该存储器920用于存储计算机程序,该处理器910用于从该存储器920中调用并运行该计算机程序。
上述存储器920可以是只读存储器(read-only memory,ROM)、可存储静态信息和指令的其它类型的静态存储设备、随机存取存储器(random access memory,RAM)或可存储信息和指令的其它类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备,或者还可以是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质等。
上述处理器910可以和存储器920可以合成一个处理装置,更常见的是彼此独立的部件,处理器910用于执行存储器920中存储的程序代码来实现上述功能。具体实现时,该存储器920也可以集成在处理器910中,或者,独立于处理器910。
应理解,图5所示的计算机装置900能够实现本申请图5所示实施例提供的方法的各个过程。计算机装置900中的各个模块的操作和/或功能,分别为了实现上述方法实施例中的相应流程。
除此之外,为了使得计算机装置900的功能更加完善,该计算机装置900还可以包括电源940、输入单元950等中的一个或多个。
可选地,电源950用于给计算机装置中的各种器件或电路提供电源。
应理解,图5所示的计算机装置900中的处理器910可以是片上系统SOC,该处理器910中可以包括中央处理器(Central Processing Unit;以下简称:CPU),还可以进一步包括其他类型的处理器。
总之,处理器910内部的各部分处理器或处理单元可以共同配合实现之前的方法流程,且各部分处理器或处理单元相应的软件程序可存储在存储器920中。
本申请还提供一种计算机装置,所述装置包括存储介质和中央处理器,所述存储介质可以是非易失性存储介质,所述存储介质中存储有计算机可执行程序,所述中央处理器与所述非易失性存储介质连接,并执行所述计算机可执行程序以实现本申请图1和图所示实施例提供的方法。
以上各实施例中,涉及的处理器可以例如包括CPU、DSP、微控制器或数字信号处理器,还可包括GPU、嵌入式神经网络处理器(Neural-network Process Units);,该处理器还可包括必要的硬件加速器或逻辑处理硬件电路,如ASIC,或一个或多个用于控制本申请技术方案程序执行的集成电路等。此外,处理器可以具有操作一个或多个软件程序的功能,软件程序可以存储在存储介质中。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行上述设备执行实施例中所述用户肢体运动障碍程度度量方法执行的步骤。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序,当其在计算机上运行时,使得计算机执行上述设备执行实施例中所述用户肢体运动障碍程度度量方法执行的步骤。
本领域普通技术人员可以意识到,本文中公开的实施例中描述的各单元及算法步骤,能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,任一功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory;以下简称:ROM)、随机存取存储器(Random Access Memory;以下简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的优势已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
Claims (10)
1.用户肢体运动障碍程度度量方法,其特征在于,所述用户肢体运动障碍程度度量方法包括:
在用户按照预定的肢体动作运动时,接收用户对应肢体部位的运动学数据;
根据机器人运动学算法和所述运动学数据,确定每一时刻用户肢体对应关节的欧拉角,并形成相应的欧拉角时间序列;
根据形成的所述欧拉角时间序列,并通过变化点检测算法,确定肢体运动的启动和终止阶段;
去除确定肢体运动的启动和终止阶段的时间序列,并根据去除后的时间序列,度量用户对应肢体的障碍程度。
2.根据权利要求1所述用户肢体运动障碍程度度量方法,其特征在于,所述用户肢体运动障碍程度度量方法包括:
在接收用户对应肢体部位的运动学数据后,对与用户预设的肢体部位对应的运动学数据滤波。
3.根据权利要求1所述用户肢体运动障碍程度度量方法,其特征在于,用户所述肢体部位选自腰部中间,左右侧大腿中部、左右侧小腿中部、左右脚面中部、前胸部、左右侧大臂中部、左右侧小臂中部、头部中的至少一个。
4.根据权利要求1所述用户肢体运动障碍程度度量方法,其特征在于,所述用户肢体运动障碍程度度量方法包括:
通过预设的平稳性检验算法,检验用户肢体每个关节的时间序列的平稳性,如果平稳性低于预设的平稳性标准,则表示平稳;如果稳性超过预设的平稳性标准,则表示不平稳。
5.根据权利要求4所述用户肢体运动障碍程度度量方法,其特征在于,所述用户肢体运动障碍程度度量方法包括:
如果不平稳,则通过差分方法得到平稳的时间序列,并基于所述平稳的时间序列计算合适的延迟时间和嵌入维度,重建相空间,且在重建的相空间中提取非线性特征,以形成一个向量表示一个关节对应的时间序列所对应的特征向量,进而确定对应于所有关节的特征向量。
6.根据权利要求5所述用户肢体运动障碍程度度量方法,其特征在于,并根据去除后的时间序列,度量用户对应肢体的障碍程度,包括:
通过支持向量机的方法对每个用户的所有关节的特征向量训练,确定最优超平面;
计算每个用户的所有关节的特征向量到最优超平面的距离,以度量用户肢体运动障碍的程度。
7.用户肢体运动障碍程度度量系统,其特征在于,所述用户肢体运动障碍程度度量系统包括:
数据接收模块,其中所述数据接收模块被设置在用户按照预定的肢体动作运动时,接收用户对应肢体部位的运动学数据;
处理模块,其中所述处理模块包括一分析模块,其中所述分析模块被可通信地连接于所述数据接收模块,并根据机器人运动学算法和所述运动学数据,确定每一时刻用户肢体对应关节的欧拉角,并形成相应的欧拉角时间序列;并根据形成的所述欧拉角时间序列,并通过变化点检测算法,确定肢体运动的启动和终止阶段;
去除确定肢体运动的启动和终止阶段的时间序列,并根据去除后的时间序列,度量用户对应肢体的障碍程度;和
输出模块,其中所述输出模块被可通信地连接于所述分析模块,并输出度量用户对应肢体的障碍程度对应的结果。
8.根据权利要求7所述用户肢体运动障碍程度度量系统,其特征在于,所述用户肢体运动障碍程度度量系统包括:
数据预处理模块,其中所述数据预处理模块被可通信地连接于所述数据接收模块,并在接收用户对应肢体部位的运动学数据后,对与用户预设的肢体部位对应的运动学数据滤波。
9.根据权利要求8所述用户肢体运动障碍程度度量系统,其特征在于,所述用户肢体运动障碍程度度量系统包括:
检验模块,其中所述检验模块被可通信地连接于所述数据接收模块或所述数据预处理模块,并且所述检验模块通过预设的平稳性检验算法,检验用户肢体每个关节的时间序列的平稳性,如果平稳性超过预设的平稳性标准,则表示不平稳,其中所述检验模块通过差分方法处理所述不平稳的时间序列,以得到平稳的时间序列。
10.根据权利要求9所述用户肢体运动障碍程度度量系统,其特征在于,所述分析模块被设置:如果不平稳,则通过差分方法得到平稳的时间序列,并基于所述平稳的时间序列计算合适的延迟时间和嵌入维度,重建相空间,且在重建的相空间中提取非线性特征,以形成一个向量表示一个关节对应的时间序列所对应的特征向量,进而确定按一定的顺序排布的对应于所有关节的特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210711244.5A CN115192002A (zh) | 2022-06-22 | 2022-06-22 | 用户肢体运动障碍程度度量系统、方法和计算机装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210711244.5A CN115192002A (zh) | 2022-06-22 | 2022-06-22 | 用户肢体运动障碍程度度量系统、方法和计算机装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115192002A true CN115192002A (zh) | 2022-10-18 |
Family
ID=83577101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210711244.5A Pending CN115192002A (zh) | 2022-06-22 | 2022-06-22 | 用户肢体运动障碍程度度量系统、方法和计算机装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115192002A (zh) |
-
2022
- 2022-06-22 CN CN202210711244.5A patent/CN115192002A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210059565A1 (en) | Gait-based assessment of neurodegeneration | |
KR102292683B1 (ko) | 보행 환경 인식 방법 및 장치 | |
US10898755B2 (en) | Method for providing posture guide and apparatus thereof | |
US9795306B2 (en) | Method of estimating blood pressure based on image | |
CN102824177B (zh) | 一种三维人体步态定量分析系统和方法 | |
Dikovski et al. | Evaluation of different feature sets for gait recognition using skeletal data from Kinect | |
CN108323201B (zh) | 一种身份认证的方法及装置 | |
Khandelwal et al. | Identification of gait events using expert knowledge and continuous wavelet transform analysis | |
CN108958482B (zh) | 一种基于卷积神经网络的相似性动作识别装置及方法 | |
CN112244820B (zh) | 一种三轴加速度计测量跑步步态的方法 | |
CN113569793A (zh) | 一种跌倒识别方法及装置 | |
KR101998465B1 (ko) | 발목에 착용되는 가속도 센서를 이용한 걸음걸이 분석 장치 및 방법 | |
CN110638463B (zh) | 运动信号的特征信息检测方法、装置、计算机设备和介质 | |
CN112102951B (zh) | 一种基于人体体态估计算法的健康监测方法和装置 | |
Bonetto et al. | Seq2Seq RNN based gait anomaly detection from smartphone acquired multimodal motion data | |
CN115192002A (zh) | 用户肢体运动障碍程度度量系统、方法和计算机装置 | |
CN113008230A (zh) | 智能穿戴设备及其姿态朝向识别方法、装置 | |
JP7489729B2 (ja) | 転倒危険予防方法およびこのような方法を遂行する装置 | |
JP6259301B2 (ja) | 移動運動解析装置、方法及びシステム並びにプログラム | |
CN114171194B (zh) | 帕金森多症状量化评估方法、装置、电子设备、及介质 | |
CN114190886A (zh) | 噪声波形除去装置及方法、模型训练装置及方法、生成模型以及可穿戴设备 | |
JP6976224B2 (ja) | 血流解析装置、血流解析プログラム、血流解析システム | |
CN113499037A (zh) | 用户睡眠质量的确定方法和装置、电子设备和存储介质 | |
CN114533010A (zh) | 心率检测方法和装置 | |
JP6643188B2 (ja) | 移動運動解析装置及びシステム並びにプログラム |
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 |