CN115486815A - 一种帕金森病手颤的三维姿态实时分析系统及方法 - Google Patents
一种帕金森病手颤的三维姿态实时分析系统及方法 Download PDFInfo
- Publication number
- CN115486815A CN115486815A CN202211181166.9A CN202211181166A CN115486815A CN 115486815 A CN115486815 A CN 115486815A CN 202211181166 A CN202211181166 A CN 202211181166A CN 115486815 A CN115486815 A CN 115486815A
- Authority
- CN
- China
- Prior art keywords
- data
- parkinson
- sensor
- hand
- posture
- 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
Links
- 206010044565 Tremor Diseases 0.000 title claims abstract description 59
- 208000018737 Parkinson disease Diseases 0.000 title claims abstract description 47
- 238000010223 real-time analysis Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000001133 acceleration Effects 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 230000036544 posture Effects 0.000 claims description 69
- 230000004927 fusion Effects 0.000 claims description 46
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000005021 gait Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 206010061592 cardiac fibrillation Diseases 0.000 claims 1
- 230000002600 fibrillogenic effect Effects 0.000 claims 1
- 210000003811 finger Anatomy 0.000 description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 208000024891 symptom Diseases 0.000 description 6
- 210000003813 thumb Anatomy 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 206010071390 Resting tremor Diseases 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- WTDRDQBEARUVNC-LURJTMIESA-N L-DOPA Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C(O)=C1 WTDRDQBEARUVNC-LURJTMIESA-N 0.000 description 3
- WTDRDQBEARUVNC-UHFFFAOYSA-N L-Dopa Natural products OC(=O)C(N)CC1=CC=C(O)C(O)=C1 WTDRDQBEARUVNC-UHFFFAOYSA-N 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229960004502 levodopa Drugs 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 208000012661 Dyskinesia Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000001364 upper extremity Anatomy 0.000 description 2
- SVUOLADPCWQTTE-UHFFFAOYSA-N 1h-1,2-benzodiazepine Chemical compound N1N=CC=CC2=CC=CC=C12 SVUOLADPCWQTTE-UHFFFAOYSA-N 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000031072 Somatosensory disease Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000030886 Traumatic Brain injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229940049706 benzodiazepine Drugs 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 201000003083 communicating hydrocephalus Diseases 0.000 description 1
- 208000012839 conversion disease Diseases 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 206010014599 encephalitis Diseases 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000004905 finger nail Anatomy 0.000 description 1
- 210000005224 forefinger Anatomy 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 208000003906 hydrocephalus Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000002232 neuromuscular Effects 0.000 description 1
- 231100000189 neurotoxic Toxicity 0.000 description 1
- 230000002887 neurotoxic effect Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- A61B5/1116—Determining posture transitions
-
- 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
- A61B5/1101—Detecting tremor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- 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
- A61B5/6824—Arm or wrist
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Neurology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Neurosurgery (AREA)
- Developmental Disabilities (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种帕金森病手颤的三维姿态实时分析系统及方法，系统包括传感器、数据传输装置和上位机；所述传感器用于绑在手臂相应的位置并获得角速度和加速度数据；所述数据传输装置用于将传感器获得的数据传送给上位机；所述上位机包括数据处理模块、主控制器、三维人体模型和用户界面，所述数据处理模块用于将获取的数据生成控制指令发送给主控制器，所述主控制器根据所述控制指令让三维人体模型实时显示手部姿势，并发送到用户界面进行展示；该系统可以实时展示患者的震颤频率，从而协助医生诊断帕金森病，及评估治疗帕金森病后病情变化，提高治疗水平。
Description
技术领域
本发明属于辅助医疗器械领域，特别涉及一种帕金森病手颤的三维姿态实时分析系统及方法。
背景技术
静止性震颤常为帕金森病患者的首发症状，常表现为拇指与食指“搓丸样”动作。随着病程进展，逐渐扩延至整个上肢、头部及下肢，极大地影响帕金森病患者的日常生活质量，多为患者就诊的主要原因。然而帕金森病起病隐匿、发展缓慢，医学界对帕金森病患者静止性震颤的严重程度和控制情况的评估依赖于医师的临床经验和帕金森病评分量表，但量表评定的方法简单易行，应用广泛，但主观性较强，可影响病情诊断。由于帕金森病患者服药过程中会出现明显的“开-关”现象，即帕金森病症状在突然缓解(开期) 与加重(关期)两种种状态之间波动，一般的“关期”表现为严重的帕金森病症状，持续数秒或数分钟突然转为开期，该现象不可预料，处理较为困难。因此，准确、客观、定量的评估对手颤的症状管理非常重要，不仅能确定手部姿势障碍的严重程度，还能用于干预效果的评价。
发明内容
本发明的目的是为了解决背景技术中的问题，提供了一种评估帕金森病手颤的三维姿态实时分析系统及方法。这种评估帕金森病手颤的三维姿态实时分析系统实现了三维姿态实验数据的自动分析和分批处理，能够准确快速地得到常用的动态平衡分析结果。
为达到上述目的，本发明第一方面提供了一种帕金森病手颤的三维姿态实时分析系统，包括传感器、数据传输装置和上位机；所述传感器用于绑在手臂相应的位置并获得患者的手颤数据；所述数据传输装置用于将传感器获得的数据传送给上位机；所述上位机包括数据处理模块、主控制器、三维人体模型和用户界面，所述数据处理模块用于将获取的数据生成控制指令发送给主控制器，所述主控制器根据所述控制指令让三维人体模型实时显示手部姿势，并发送到用户界面进行展示；所述用户界面可以进行增加、删除以及修改患者的基本信息的操作。
优选的，所述上位机还包括数据库，所述数据库用来保存患者的一些基本信息，还可以记录患者每次测试的一些姿态，以便于反复研究观看。
优选的，所述传感器包括陀螺仪、加速度计和磁力计，所述传感器里面设置有磁铁，用于克服地磁对传感器测量数据造成的干扰。
优选的，所述数据传输装置为无线通讯装置。
优选的，所述数据处理模块采用四元数姿态融合算法模型，并进行多节点融合和多传感器融合运动数据，进行手部姿势参数的计算与手部姿势特征的提取，并进行手部姿势的识别与分析，同时可以利用加速度计、磁力计对陀螺仪积分误差进行实时修正。
优选的，所述上位机还包括分析曲线生成模块，所述曲线生成模块用于生成患者手指的加速度、角速度、静止性震颤的频率、手部姿势周期、手部姿势偏差数据以及一些关节运动的曲线图，呈现到用户界面以供用户分析。
本发明第二方面提供了一种一种帕金森病手颤的三维姿态实时分析方法，包括以下步骤：
步骤1，获取患者的手颤数据；所述获取数据是通过传感器绑在患者手臂相应的位置进行获取；
步骤2，运用多传感器数据融合以及四元数姿态融合算法将数据进行分类处理，除去错误的数据，保证数据的精确度，并将数据转换为三维人体模型可以识别的数据类型；
步骤3，将数据发送到主控制器，主控制器发出控制指令，控制三维人体模型对患者手指姿态进行演示并通过用户界面展示；
步骤4，用户根据用户界面展示的患者手指姿态对帕金森病进行评估分析。
优选的，所述运用多传感器数据融合以及四元数姿态融合算法将数据进行处理的具体步骤为：
S1,加速度计积分得到测量的角度用四元数表示，初始化四元数，从传感器获取加速度和角速度值，归一化加速度的值；
S2,用四元数求重力在三个坐标轴的分量，计算重力分量与加速度计测量值的误差；
S3,用求得误差修正陀螺仪的测量值并用修正后的陀螺仪的值更新四元数，最后归一化四元数，将四元数转化为欧拉角，得到姿态角；
S4,用多传感器数据融合分析帕金森手颤的特点，计算相应的参数，最后提供客观的步态评估数据。
优选的，还包括如下步骤：通过上位机的曲线生成模块生成患者手指的加速度、角速度、静止性震颤的频率、手部姿势周期、手部姿势偏差数据以及一些关节运动的曲线图，呈现到用户界面以供用户分析。
本发明第三方面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中存储有第二方面所述的运用多传感器数据融合以及四元数姿态融合算法将数据进行处理的计算机程序或指令，所述程序或指令被处理器执行时可以实现数据的处理。
与现有技术相比，本发明具有以下优点和有益效果：
1、本发明提供的一种评估帕金森病手颤的三维姿态实时分析系统，使用空间陀螺仪和加速度芯片技术联合应用，能够实时、客观、精准的记录人体的运动数据。
2、本发明提供的一种评估帕金森病手颤的三维姿态实时分析系统，更具有整体性，市场上类似的方案大多限于对手部姿势的分析，该发明可对手部姿态参数进行收集。
3、本发明提供的一种评估帕金森病手颤的三维姿态实时分析系统，应用范围广泛，可应用于表现出手颤、转向困难、姿势转换障碍、姿势不稳和本体感觉障碍等症状的运动障碍性疾病。
4、本发明提供的一种评估帕金森病手颤的三维姿态实时分析系统，体积较小便于佩戴，安全性能良好，能够实时计算和分析人体各部位的姿态情况，并将人体姿态情况用三维模型实时展示。
5、本发明提供的一种评估帕金森病手颤的三维姿态实时分析系统，通过手部姿势分析技术对患者异常手部姿势进行全面分析，量化神经肌肉的状态，客观、动态评估患者的手颤的特点，可为神经病学临床诊断、康复治疗提供相应的策略支撑。一些定量参数的早期改变可能只引起亚临床变化，而定量手部姿势分析的使用可以帮助检测这些细小差异。
附图说明
为了更清楚地说明本发明或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍，显而易见地，下面描述的仅仅是本发明的一个实施例，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附图。
图1为本发明提供的一种评估帕金森病手颤的三维姿态实时分析系统结构示意图。
图2为本发明提供的一种帕金森病手颤的三维姿态实时分析方法的流程图。
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、完整的描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的范围。
实施例1：
请参见图1，一种帕金森病手颤的三维姿态实时分析系统，包括传感器、数据传输装置和上位机；所述传感器用于绑在手臂相应的位置并获得角速度和加速度数据；所述数据传输装置用于将传感器获得的数据传送给上位机；所述上位机包括数据处理模块、主控制器、三维人体模型和用户界面，所述数据处理模块用于将获取的数据生成控制指令发送给主控制器，所述主控制器根据所述控制指令让三维人体模型实时显示手部姿势，并发送到用户界面进行展示；所述用户界面可以进行增加、删除以及修改患者的基本信息的操作。
传感器获得人相应关节的一些角速度、加速度数据，并将数据进行实时传输，所述数据传输装置可以接受传感器测得数据，并将这些数据传送到上位机，上位机将数据进行处理之后，并将数据传到三维人体模型，让模型实时显示人的手部姿态，并且记录每次动作，方便进行反复查看，并在计算机上面生成患者的姿态报告。
如上所述的一种评估帕金森病手颤的三维姿态实时分析系统，还包括对传感器进行设计以便测量更精准的数据，传感器包括陀螺仪、加速度计和磁力计。传感器里面放入一块磁铁可以有效克服地磁对传感器测量数据时造成的干扰。
同时，还包括多节点融合、多传感器融合运动数据，进行手部姿势参数的计算与手部姿势特征的提取并进行手部姿势的识别与分析。所述多节点融合、多传感器融合运动数据，采用四元数姿态融合算法。所述算法的主要思想是利用加速度计、磁力计对陀螺仪积分误差进行实时修正。同时，还包括姿态校准，所述姿态校准是对传感器进行校准，人在穿戴好发明之后进行校准可以在很大程度上减小误差，提高三维姿态实时分析系统的准确度。
同时，还包括数据库。数据库用来保存患者的一些基本信息，还可以记录患者每次测试的一些姿态，便于医生了解患者的病情可康复情况，从而给出更适合的治疗措施。
如上所述的一种评估帕金森病手颤的三维姿态实时分析系统，还包括用户界面，所述用户界面包括增加、删除以及修改患者的基本信息，方便人们进行操作。这种评估帕金森病手颤的三维姿态实时分析系统通过三维空间能定量分析患者的手部姿势：通过手指的加速度、角速度、静止性震颤的频率、手部姿势周期、手部姿势偏差等数据，以及一些关节运动的曲线图，快速形成分析报告，从而提高诊断水平、有效评估病情。
同时，还包括计算震颤波曲线相似熵，所述震颤波曲线相似熵是信号分析领域一种非线性动力学分析方法，可用于人体非平衡信号测量，震颤波曲线相似熵越小说明信号复杂性越大，节律性越差，相反则是说明规律性越好，节律性越好。
三维姿态分析参考范围：
| 测试内容 | 参考值范围 |
| 拇指频率(Hz) | 0.2-2.0 |
| 食指频率(Hz) | 0.2-2.0 |
| 拇指震颤波曲线相似熵 | 1.2-2.0 |
| 食指震颤波曲线相似熵 | 1.2-2.0 |
诊断标准：
根据2021临床神经指南，帕金森病冻结的诊断目前尚无统一的诊断标准，主要依据其临床特征：
(1)单侧起病；
(2)静止性震颤(4-6Hz)；
(3)逐渐进展；
(4)发病后多为持续性不对称性受累；
(5)对左旋多巴的治疗反应良好；
(6)左旋多巴导致的严重异动症；
(7)左旋多巴的治疗效果持续五年及以上
(8)临床病程十年及以上
(9)排除非帕金森病(脑外伤、脑卒中、脑炎、交通性脑积水、颅内肿瘤、苯二氮卓类药物引起的神经毒性反应等)
本发明提供的一种评估帕金森病手颤的三维姿态实时分析系统，将手部姿势进行记录并分析，利用测试内容参考值范围对帕金森病手颤进行诊断和评估。具体诊断内容如下：
①：拇指频率大于4Hz；
②：食指频率大于4Hz；
③：拇指震颤波曲线相似熵小于1；
④：食指震颤波曲线相似熵小于1；
当①-④中发生2种或2种情况以上时，提示被测试者出现手颤，并作为诊断帕金森病的支持标准之一。
实施例2：
如图2所示，本发明提供了一种帕金森病手颤的三维姿态实时分析方法，其特征在于，包括以下步骤：
步骤1，获取患者的手颤数据；所述获取数据是通过传感器绑在患者手臂相应的位置进行获取；
步骤2，运用多传感器数据融合以及四元数姿态融合算法将数据进行分类处理，除去错误的数据，保证数据的精确度，并将数据转换为三维人体模型可以识别的数据类型；
步骤3，将数据发送到主控制器，主控制器发出控制指令，控制三维人体模型对患者手指姿态进行演示并通过用户界面展示；
步骤4，用户根据用户界面展示的患者手指姿态对帕金森病进行评估分析。
其中本实施例中数据处理模块的具体工作过程为：下位机将传感器测得的角速度、加速度等信号值传到上位机(电脑)，通过软件程序对数据进行处理，运用多传感器数据融合以及四元数姿态融合算法将数据进行分类处理，除去错误的数据，保证数据的精确度，并将数据转换为三维人体模型可以识别的数据类型，实现运动可视化，使模型实时展现人的姿态并记录保存。
姿态融合是将获取的加速度计、陀螺仪、磁力计的数据根据每个传感器的特点，进行误差互补后通过某种姿态融合算法进行融合，最终以欧拉角的形式输出。在四元数姿态融合算法中在对惯性传感器进行积分误差修正的过程中，用到了互补滤波的思想。因此四元数姿态融合也可称为互补滤波四元数姿态融合。加速度计积分得到测量的角度(四元数表示)与上次估计角度 (四元数表示)之间的误差经过PI低通滤波，过滤掉高频噪声，再通过PI 补偿之后的输出与陀螺仪测量的角速度进行融合，补偿修正陀螺仪产生的积分误差，最后更新四元数并归一化，输出姿态角。该算法的主要思想是利用加速度计、磁力计对陀螺仪积分误差进行实时进行修正，用参数来控制着修正的快慢程度。
在四元姿态融合算法中，首先初始化四元数，然后从传感器获取加速度和角速度值，归一化加速度的值，之后用四元数求重力在三个坐标轴的分量，计算重力分量与加速度计测量值的误差，然后用求得误差修正陀螺仪的测量值并用修正后的陀螺仪的值更新四元数，最后归一化四元数，将四元数转化为欧拉角，得到姿态角。
多传感器数据融合有数据层融合、特征层融合、决策层融合三种，数据层融合是将传感器输出的元数据在经过滤波操作后直接进行融合，然后再进行特征提取。特征层融合是指对不同传感器输出的元数据设置特征提取规则进行特征提取，然后再融合所有传感器提取的特征。决策层融合是指对各个传感器进行步态识别后，根据决策规则对所有传感器的步态识别信息进行综合分析得到最终决策结果。通过这三种数据融合分析帕金森手颤的特点，计算相应的参数(步频、步速、步长、支撑相、摆动相、关节活动角度等)，最后提供客观的步态评估数据。
针对有手部颤动的患者，在完成本系统的调试与姿态校准后，实验时间选择帕金森病患者上一次服用帕金森药物后的关期，即药效减退、症状明显的状态。实验前测试对象需去除外套及鞋袜，充分暴露四肢；利用绑带将两个手指惯性传感器分别固定于测试对象食指及拇指指甲面正上方；测试场地保持安静、温度适中；实验时要求测试对象处于直立坐位，双上肢自然放松且分别置于双腿上；实时记录患者30秒的手部姿势内容，并进行数据分析，对比参考数据，评估患者运动情况。
实施例3：
本发明还提供了一种非易失性计算机可读存储介质，计算机可读存储介质中存储有如实施例2所述的运用多传感器数据融合以及四元数姿态融合算法将数据进行处理的计算机程序或指令，计算机执行程序或指令被处理器执行时用于实现数据的处理。
具体地，可以提供配有可读存储介质的系统、装置或设备，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统、装置或设备的计算机或处理器读出并执行存储在该可读存储介质中的指令。在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器 (EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘(如CD-ROM、CD-R、 CD-RW、DVD-20ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带等。存储介质可以是通用或专用计算机能够存取的任何可用介质。
应理解，上述处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
应理解存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称：ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于终端或服务器中。
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。
用于执行本公开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，从而实现本公开的各个方面。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种帕金森病手颤的三维姿态实时分析系统，其特征在于：包括传感器、数据传输装置和上位机；所述传感器用于绑在手臂相应的位置并获得患者的手颤数据；所述数据传输装置用于将传感器获得的数据传送给上位机；所述上位机包括数据处理模块、主控制器、三维人体模型和用户界面，所述数据处理模块用于将获取的数据生成控制指令发送给主控制器，所述主控制器根据所述控制指令让三维人体模型实时显示手部姿势，并发送到用户界面进行展示；所述用户界面可以进行增加、删除以及修改患者的基本信息的操作。
2.如权利要求1所述的一种帕金森病手颤的三维姿态实时分析系统，其特征在于：所述上位机还包括数据库，所述数据库用来保存患者的一些基本信息，还可以记录患者每次测试的一些姿态，以便于反复研究观看。
3.如权利要求1所述的一种帕金森病手颤的三维姿态实时分析系统，其特征在于：所述传感器包括陀螺仪、加速度计和磁力计，所述传感器里面设置有磁铁，用于克服地磁对传感器测量数据造成的干扰。
4.如权利要求1所述的一种帕金森病手颤的三维姿态实时分析系统，其特征在于：所述数据传输装置为无线通讯装置。
5.如权利要求1所述的一种帕金森病手颤的三维姿态实时分析系统，其特征在于：所述数据处理模块采用四元数姿态融合算法模型，并进行多节点融合和多传感器融合运动数据，进行手部姿势参数的计算与手部姿势特征的提取，并进行手部姿势的识别与分析，同时可以利用加速度计、磁力计对陀螺仪积分误差进行实时修正。
6.如权利要求1所述的一种帕金森病手颤的三维姿态实时分析系统，其特征在于：所述上位机还包括分析曲线生成模块，所述曲线生成模块用于生成患者手指的加速度、角速度、静止性震颤的频率、手部姿势周期、手部姿势偏差数据以及一些关节运动的曲线图，呈现到用户界面以供用户分析。
7.一种帕金森病手颤的三维姿态实时分析方法，其特征在于，包括以下步骤：
步骤1，获取患者的手颤数据；所述获取数据是通过传感器绑在患者手臂相应的位置进行获取；
步骤2，运用多传感器数据融合以及四元数姿态融合算法将数据进行分类处理，除去错误的数据，保证数据的精确度，并将数据转换为三维人体模型可以识别的数据类型；
步骤3，将数据发送到主控制器，主控制器发出控制指令，控制三维人体模型对患者手指姿态进行演示并通过用户界面展示；
步骤4，用户根据用户界面展示的患者手指姿态对帕金森病进行评估分析。
8.如权利要求7所述的一种帕金森病手颤的三维姿态实时分析方法，其特征在于，所述运用多传感器数据融合以及四元数姿态融合算法将数据进行处理的具体步骤为：
S1,加速度计积分得到测量的角度用四元数表示，初始化四元数，从传感器获取加速度和角速度值，归一化加速度的值；
S2,用四元数求重力在三个坐标轴的分量，计算重力分量与加速度计测量值的误差；
S3,用求得误差修正陀螺仪的测量值并用修正后的陀螺仪的值更新四元数，最后归一化四元数，将四元数转化为欧拉角，得到姿态角；
S4,用多传感器数据融合分析帕金森手颤的特点，计算相应的参数，最后提供客观的步态评估数据。
9.如权利要求7所述的一种帕金森病手颤的三维姿态实时分析方法，其特征在于,还包括如下步骤：通过上位机的曲线生成模块生成患者手指的加速度、角速度、静止性震颤的频率、手部姿势周期、手部姿势偏差数据以及一些关节运动的曲线图，呈现到用户界面以供用户分析。
10.一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中存储有如权利要求8所述的运用多传感器数据融合以及四元数姿态融合算法将数据进行处理的计算机程序或指令，所述程序或指令被处理器执行时可以实现数据的处理。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210737637 | 2022-06-27 | ||
| CN2022107376373 | 2022-06-27 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115486815A true CN115486815A (zh) | 2022-12-20 |
| CN115486815B CN115486815B (zh) | 2024-07-16 |
Family
ID=84472022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211181166.9A Active CN115486815B (zh) | 2022-06-27 | 2022-09-27 | 一种帕金森病手颤的三维姿态实时分析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115486815B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117298449A (zh) * | 2023-10-31 | 2023-12-29 | 首都医科大学宣武医院 | 一种基于可穿戴设备的闭环dbs调控方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102305635A (zh) * | 2011-08-08 | 2012-01-04 | 东南大学 | 一种光纤捷联罗经系统的对准方法 |
| WO2012165880A2 (ko) * | 2011-05-31 | 2012-12-06 | 주식회사 네오펙트 | 재활 운동 장치, 재활 운동 장치에서의 능동 보조 제어 방법 및 장치, 모바일 연동 장갑형 데이터 입력 장치 |
| US20140198962A1 (en) * | 2013-01-17 | 2014-07-17 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, and storage medium |
| CN105760802A (zh) * | 2016-05-13 | 2016-07-13 | 郑州智辆电子科技有限公司 | 能够识别列车车号并进行位置追踪的装置及其运行方法 |
| CN106139311A (zh) * | 2016-08-12 | 2016-11-23 | 上海移宇科技股份有限公司 | 一种包含位置检测单元的给药系统 |
| US20170213145A1 (en) * | 2016-01-21 | 2017-07-27 | Verily Life Sciences Llc | Adaptive model-based system to automatically quantify fall risk |
| CN109635820A (zh) * | 2018-08-06 | 2019-04-16 | 浙江大学 | 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法 |
| KR20200090555A (ko) * | 2019-01-21 | 2020-07-29 | 호남대학교 산학협력단 | 신경계 손상 환자용 보행 재활 시스템 및 이를 이용한 보행 재활 방법 |
| US20220031194A1 (en) * | 2020-08-03 | 2022-02-03 | Gyrogear Limited | Systems and methods for automated tremor management, tracking and recommendations |
-
2022
- 2022-09-27 CN CN202211181166.9A patent/CN115486815B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012165880A2 (ko) * | 2011-05-31 | 2012-12-06 | 주식회사 네오펙트 | 재활 운동 장치, 재활 운동 장치에서의 능동 보조 제어 방법 및 장치, 모바일 연동 장갑형 데이터 입력 장치 |
| CN102305635A (zh) * | 2011-08-08 | 2012-01-04 | 东南大学 | 一种光纤捷联罗经系统的对准方法 |
| US20140198962A1 (en) * | 2013-01-17 | 2014-07-17 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, and storage medium |
| US20170213145A1 (en) * | 2016-01-21 | 2017-07-27 | Verily Life Sciences Llc | Adaptive model-based system to automatically quantify fall risk |
| CN105760802A (zh) * | 2016-05-13 | 2016-07-13 | 郑州智辆电子科技有限公司 | 能够识别列车车号并进行位置追踪的装置及其运行方法 |
| CN106139311A (zh) * | 2016-08-12 | 2016-11-23 | 上海移宇科技股份有限公司 | 一种包含位置检测单元的给药系统 |
| CN109635820A (zh) * | 2018-08-06 | 2019-04-16 | 浙江大学 | 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法 |
| KR20200090555A (ko) * | 2019-01-21 | 2020-07-29 | 호남대학교 산학협력단 | 신경계 손상 환자용 보행 재활 시스템 및 이를 이용한 보행 재활 방법 |
| US20220031194A1 (en) * | 2020-08-03 | 2022-02-03 | Gyrogear Limited | Systems and methods for automated tremor management, tracking and recommendations |
Non-Patent Citations (1)
| Title |
|---|
| 冯跃宗: ""胎儿多巴胺细胞移植治疗帕金森病"", 《国外医学(老年医学分册)》, 28 October 1993 (1993-10-28) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117298449A (zh) * | 2023-10-31 | 2023-12-29 | 首都医科大学宣武医院 | 一种基于可穿戴设备的闭环dbs调控方法和系统 |
| CN117298449B (zh) * | 2023-10-31 | 2024-04-09 | 首都医科大学宣武医院 | 一种基于可穿戴设备的闭环dbs调控方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115486815B (zh) | 2024-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10939806B2 (en) | Systems and methods for optical medical instrument patient measurements | |
| Chen et al. | Toward pervasive gait analysis with wearable sensors: A systematic review | |
| Wu et al. | Evaluating physiological dynamics via synchrosqueezing: Prediction of ventilator weaning | |
| CN106999065A (zh) | 使用加速度测量术的可穿戴疼痛监测器 | |
| RU2657384C2 (ru) | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий | |
| JP2003339651A (ja) | 脈波解析装置及び生体状態監視装置 | |
| CN115486815B (zh) | 一种帕金森病手颤的三维姿态实时分析系统及方法 | |
| CN111588353A (zh) | 一种体温测量方法 | |
| Liu et al. | A wearable gait analysis and recognition method for Parkinson’s disease based on error state Kalman filter | |
| WO2018095864A1 (en) | A system and a method for automatically analyzing continuous glucose monitoring data indicative of glucose level in a bodily fluid | |
| WO2020060988A1 (en) | Self-calibrating, cuffless, and non-invasive blood pressure monitor | |
| Chattopadhyay et al. | Comparing heart rate variability with polar H10 sensor and pulse rate variability with LYFAS: A novel study | |
| KR20200059584A (ko) | 호흡-심박 비율을 이용한 스트레스 수준 분석 방법 및 시스템 | |
| Sandys et al. | Artificial intelligence and digital health for volume maintenance in hemodialysis patients | |
| EP3203900A1 (en) | Weaning readiness indicator, sleeping status recording device, and air providing system applying nonlinear time-frequency analysis | |
| WO2019084802A1 (zh) | 一种生命体征信号噪声的检测方法与系统 | |
| Garza-Rodriguez et al. | Fuzzy inference model based on triaxial signals for pronation and supination assessment in Parkinson’s disease patients | |
| US20160171170A1 (en) | Measuring respiration or other periodic physiological processes | |
| US10786182B2 (en) | System and method for passive remote monitoring of patients' fine motor behavior | |
| Tokmak et al. | Unveiling the relationships between seismocardiogram signals, physical activity types and metabolic equivalent of task scores | |
| Chen | Gait feature extraction from inertial body sensor networks for medical applications | |
| CN114680857A (zh) | 参数确定方法、参数确定装置、存储介质及电子设备 | |
| CN118236041B (zh) | 认知功能评估方法、系统、设备及可读存储介质 | |
| WO2018211713A1 (ja) | 情報処理装置、情報処理システム、および情報処理方法 | |
| Hörmann et al. | A software assistant for user-centric calibration of a wireless body sensor |
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 |