CN115998289A - 一种步态测量装置及其测量方法 - Google Patents

Abstract

本申请涉及医疗器械的技术领域，尤其是涉及一种步态测量装置及其测量方法。本申请中的测量装置包括压力传感器、定位接收器、黑点传感器及数据处理系统，压力传感器包括压力感应地垫，若干个定位接收器圆周阵列设置在压力感应地垫的周侧，黑点传感器包括定位传感器、惯性传感器以及肌电肌氧传感器，定位接收器能够接收到定位传感器发出的定位信号，数据处理系统包括数据收集器和计算系统，数据收集器能够收集黑点传感器的测量数据，计算系统能够对数据收集器收集的数据进行计算分析。通过受试者佩戴黑点传感器在压力感应地垫进行测试动作，再由数据处理系统对受试者的步态进行定量分析，从而提高步态分析的可靠性和稳定性。

Description

一种步态测量装置及其测量方法

技术领域

本申请涉及医疗器械的技术领域，尤其是涉及一种步态测量装置及其测量方法。

背景技术

步行是人类最基本、最复杂的运动之一，是人类解放双手从而能够进行更复杂、更精细运动的原因。由于每个人的骨密度、肌肉密度各不相同，因此每个人的步态都有所不同，而且由于疲劳、损伤等原因，有时同一个人的步态也会有较大差异。步态分析可以用于医学检查和法医检定，有经验的医生和警察可以根据一个人的步态分析出其大致步伐，进而分析出其大致生理特点。

然而，直接观察法依靠主观感觉较多，难以完全推广，观察结果往往无法定量分析。

发明内容

为了提高步态分析的稳定可靠性，本申请提供一种步态测量装置及其测量方法。

第一方面，本申请提供一种步态测量装置，采用如下的技术方案：

一种步态测量装置，包括压力传感器、定位接收器、黑点传感器及数据处理系统，所述压力传感器包括压力感应地垫，所述定位接收器设置为若干个，若干个所述定位接收器圆周阵列设置在所述压力感应地垫的周侧；所述黑点传感器设置为若干个，所述黑点传感器包括定位传感器、惯性传感器以及肌电肌氧传感器，所述定位接收器能够接收到所述定位传感器发出的定位信号；所述数据处理系统包括数据收集器和计算系统，所述数据收集器能够收集所述压力传感器、所述定位传感器、所述惯性传感器以及所述肌电肌氧传感器的数据，所述计算系统能够对所述数据收集器收集的数据进行计算分析。

通过采用上述技术方案，在对受试者进行步态测量时，受试者双腿站立在压力感应地垫上，压力感应地垫能够测量受试者的脚部压力数据，并且受试者的腿部位置处粘贴安装有黑点传感器，黑点传感器能够测量受试者在运动过程中的各项运动数据，压力感应地垫周侧的定位接收器能够对黑传感器实现实时定位，数据收集器将各个传感器的测量数据汇总到计算系统中，计算系统利用深度神经网络的方法建立受试者步态模型，给出可视化的数据，自动生产预测模型，并自动与数据库中样例进行模式匹配，给出诊断考量，为患者手术和康复创造有利条件，从而提高医生诊断效率。

可选的，所述肌电肌氧传感器设置为若干个，若干个所述肌电肌氧传感器分别与所述惯性传感器电连接。

通过采用上述技术方案，肌电肌氧传感器能够测量记录身体动作引起的肌电信号变化和肌氧浓度变化，方便对受试者进行步态分析，与数据库中的模型进行对比，并且肌电肌氧传感器与惯性传感器相互连接，方便安装到受试者测量部位。

可选的，所述定位传感器包括红外线灯和光学拼块，所述惯性传感器为圆盘状结构，所述红外线灯设置在所述惯性传感器的中部，所述光学拼块设置在所述惯性传感器的外表面上，所述红外线灯和所述光学拼块均位于所述惯性传感器的同一面上。

通过采用上述技术方案，红外线灯和光学拼块集成在惯性传感器上，减少了测量装置的体积，方便安装和携带，并且通过红外线灯和光学拼块与定位接收器相配合对黑点传感器进行定位。

可选的，所述定位接收器包括摄像头，若干个所述摄像头圆周阵列设置在所述压力感应地垫的周侧，所述摄像头下侧设置有用于支撑所述摄像头的支架。

通过采用上述技术方案，摄像头通过观察红外线灯和光学拼块在镜头视野中的位置实现对黑点传感器的实时定位。

可选的，所述摄像头包括红外摄像机和常规摄像机，所述红外摄像机能够观察所述红外线灯的位置，所述常规摄像机能够观察所述光学拼块的位置。

通过采用上述技术方案，红外摄像机与红外线灯相配合、常规摄像机与光学拼块相配合，提高了定位接收器的测量精度。

可选的，所述惯性传感器上设置有蓝牙收发器，所述蓝牙收发器与所述惯性传感器固定连接，所述蓝牙收发器能够向所述数据收集器传输数据。

通过采用上述技术方案，使用蓝牙收发器传输数据，提高了受试者的活动灵活性。

第二方面，本申请提供一种步态测量方法，使用如上述步态测量装置，采用如下的技术方案：

一种步态测量方法，包括以下步骤：

S1：受试者身着短袖短裤，在受试者两侧膝关节、髋关节、踝关节上安装黑点传感器，将肌电肌氧传感器贴在核心肌肉群首或末段；

S2：受试者站在压力感应地垫上，测量装置自动校准；

S3：受试者在原地进行屈膝、下蹲、摆臂动作，进行初步数据采集；

S4：受试者沿压力感应地垫直线匀速行走，进行进一步数据采集；

S5：计算系统根据采集到的各项参数进行汇总分析，通过深度学习建立受试者步态模型，并按照预设的初始值建立预测模型；

S6：受试者重复若干次步骤S2至S4,与深度学习预测模型进行对比校准，与数据库中已有数据模型进行数据匹配，并形成相应诊断。

通过采用上述技术方案，通过设置在受试者各部位的传感器能够对受试者的各项数据进行采集并由计算系统进行分析，计算系统能够定量给出参考模型及数据，方便医生对受试者进行诊断。

可选的，步骤S1中，在受试者脊柱、肩关节、肘关节、手腕、颈椎位置安装黑点传感器，受试者头部佩戴脑电监测器。

通过采用上述技术方案，在受试者的多个部位安装黑点传感器，提高对受试者的测量范围，为计算系统提供更多的测量数据，并且在受试者头部佩戴脑电监测器，对受试者的脑电进行检测，在扩大测量范围的同时，也能够为医生提供更多的参考样例。

可选的，步骤S5中，受试者的位移数据通过如下矩阵形式储存：

其中首行a、b、c分别为摄像头编号、采集点编号、时间序列，第二行r1、θ1、

为球坐标相对位移，第三行r2、θ2、

为加速度矢量，其中，每个采集点的坐标由单侧摄像头采集数据。

通过采用上述技术方案，将受试者的位移数据以矩阵储存，向医生给出可视化的参考数据，方便与数据库中样例进行模式匹配，给出诊断考量，为患者手术和康复创造有利条件，从而提高医生诊断效率。

综上所述，本申请包括以下至少一种有益技术效果：

1.通过设置有压力传感器、定位接收器、黑点传感器以及数据处理系统，提高了器械准确性和可信度高，量化了膝关节损伤程度，实现定量记录。

2.患者不必进行有创检查，步态测量过程无痛、无麻醉风险，纯机械检查，对患者和医生无放射性危害。

3.测量装置整机体积小、重量轻，方便移动，通用性强，测量装置高度自动化，易于操作。

附图说明

图1是本申请实施例中测量装置的结构示意图。

图2是图1中A部分的局部放大示意图。

附图标记：1、压力传感器；11、压力感应地垫；2、定位接收器；21、摄像头；211、红外摄像机；212、常规摄像机；22、支架；3、黑点传感器；31、定位传感器；311、红外线灯；312、光学拼块；32、惯性传感器；33、蓝牙收发器；34、肌电肌氧传感器；4、数据处理系统；41、数据收集器；42、计算系统。

具体实施方式

以下结合附图1至附图2，对本申请作进一步详细说明。

本申请实施例公开的一种步态测量装置：

参照图1和图2，一种步态测量装置，包括压力传感器1、定位接收器2、黑点传感器3以及数据处理系统4，压力传感器1包括压力感应地垫11，六个定位接收器2圆周阵列设置在压力感应地垫11的周侧，若干个黑点传感器3分别粘贴安装在受试者的待测量部位，受试者双腿站立在压力感应地垫11上进行步态测量，数据处理系统4包括数据收集器41和计算系统42，数据收集器41能够收集压力感应地垫11、定位接收器2以及黑点传感器3的测量数据，并将测量数据传输给计算系统42，计算系统42根据对受试者的步态进行汇总分析，利用深度神经网络的方法建立受试者步态模型，给出可视化的数据，自动生产预测模型，并自动与数据库中的样例进行模式匹配，给出诊断考量，为患者手术和康复创造有利条件，从而提高医生诊断效率。

参照图1和图2，黑点传感器3包括定位传感器31、惯性传感器32以及肌电肌氧传感器34，定位接收器2能够接收到定位传感器31发出的定位信号，并对各个黑点传感器3的位置实现实时定位，数据收集器41将收集到的压力传感器1、定位传感器31、惯性传感器32以及肌电肌氧传感器34的测量数据输送给计算系统42。

参照图1和图2，肌电肌氧传感器34设置为若干个，若干个肌电肌氧传感器34分别与惯性传感器32电连接，在本实施例中，肌电肌氧传感器34的数量根据黑点传感器3粘贴位置确定，在受试者腿部髋关节处，惯性传感器32周侧的肌电肌氧传感器34数量设置为两个；在受试者腿部膝关节处，肌电肌氧传感器34数量设置为四个；在受试者腿部踝关节处，肌电肌氧传感器34数量设置为一个。

参照图2，定位传感器31包括红外线灯311和光学拼块312，惯性传感器32为圆盘状结构，红外线灯311设置在惯性传感器32的中部，光学拼块312固定设置在惯性传感器32的外表面上，每个惯性传感器32上的光学拼块312数量设置为两个，两个光学拼块312呈中心对称设置在惯性传感器32的圆盘面上，并且红外线灯311和光学拼块312均位于惯性传感器32的同一面上。

参照图1和图2，定位接收器2包括摄像头21，六个摄像头21圆周阵列设置在压力感应地垫11的周侧，摄像头21的下侧设置有用于支撑摄像头21的支架22；每个摄像头21又包括两台红外摄像机211和一台常规摄像机212，常规摄像机212能够通过观察光学拼块312的位置对黑点传感器3实现实时定位，并且红外摄像机211能够观察红外线灯311在镜头视野中的位置，常规摄像机212和红外摄像机211两者共同作用，对各点的黑点传感器3实现实时定位。

参照图1和图2，惯性传感器32上设置有蓝牙收发器33，蓝牙收发器33与惯性传感器32固定连接，蓝牙收发器33与数据收集器41无线连接，将测量的各项数据发送给数据收集器41进行汇总。

本申请实施例的实施原理为：在对受试者进行步态测量时，在受试者的测量部位粘贴固定有惯性传感器32、肌电肌氧传感器34，受试者双腿站立在压力感应地垫11上进行测量动作，由设置在压力感应地垫11周侧的摄像头21对黑点传感器3实现实时定位，数据收集器41能够将各个传感器收集的测量数据发送给计算系统42，计算系统42利用深度神经网络的方法建立受试者步态模型，计算系统42利用预先设定的算法将数据可视化，与数据库中的样例模型进行对比，给出诊断考量。

本申请实施例还公开了一种步态测量方法，该测量方法包括以下步骤：

S1：受试者身着短袖短裤，在受试者两侧膝关节、髋关节、踝关节上安装黑点传感器3，将肌电肌氧传感器34贴在核心肌肉群首或末段；

S2：受试者站在压力感应地垫11上，测量装置自动校准；

S3：受试者在原地进行屈膝、下蹲、摆臂动作，进行初步数据采集；

S4：受试者沿压力感应地垫11直线匀速行走，进行进一步数据采集；

S5：计算系统42根据采集到的各项参数进行汇总分析，通过深度学习建立受试者步态模型，并按照预设的初始值建立预测模型；

S6：受试者重复若干次步骤S2至S4,与深度学习预测模型进行对比校准，与数据库中已有数据模型进行数据匹配，并形成相应诊断。

进一步的，步骤S1中，在受试者脊柱、肩关节、肘关节、手腕、颈椎位置安装黑点传感器3，受试者头部佩戴脑电监测器，脑电监测器未在附图中表示，让受试者头部佩戴脑电检测器，对受试者的脑电进行监测，能够向医生提供更多的参考数据，从而能够给出更有针对性的治疗。

进一步的，步骤S5中，受试者的位移数据通过如下矩阵形式储存：

其中首行a、b、c分别为摄像头编号、采集点编号、时间序列，第二行r1、θ1、

为球坐标相对位移，第三行r2、θ2、

为加速度矢量，其中，每个采集点的坐标由单侧摄像头21采集数据，通过最小二乘估计法确定相对空间坐标，并代入下肢动力学模型，利用拉格朗日方程求得各关节力矩，形成力矩变化曲线，使用卷积神经网络方法实现对各关节和肌肉受力、做功量建模，生成预测模型，并与实际模型进行对比。

本具体实施方式的实施例均为本申请的较佳实施例，并非依此限制本申请的保护范围，其中相同的零部件用相同的附图标记表示。故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (9)

1.一种步态测量装置，其特征在于，包括压力传感器(1)、定位接收器(2)、黑点传感器(3)及数据处理系统(4)，所述压力传感器(1)包括压力感应地垫(11)，所述定位接收器(2)设置为若干个，若干个所述定位接收器(2)圆周阵列设置在所述压力感应地垫(11)的周侧；

所述黑点传感器(3)设置为若干个，所述黑点传感器(3)包括定位传感器(31)、惯性传感器(32)以及肌电肌氧传感器(34)，所述定位接收器(2)能够接收到所述定位传感器(31)发出的定位信号；

所述数据处理系统(4)包括数据收集器(41)和计算系统(42)，所述数据收集器(41)能够收集所述压力传感器(1)、所述定位传感器(31)、所述惯性传感器(32)以及所述肌电肌氧传感器(34)的数据，所述计算系统(42)能够对所述数据收集器(41)收集的数据进行计算分析。

2.根据权利要求1所述的一种步态测量装置，其特征在于，所述肌电肌氧传感器(34)设置为若干个，若干个所述肌电肌氧传感器(34)分别与所述惯性传感器(32)电连接。

3.根据权利要求1所述的一种步态测量装置，其特征在于，所述定位传感器(31)包括红外线灯(311)和光学拼块(312)，所述惯性传感器(32)为圆盘状结构，所述红外线灯(311)设置在所述惯性传感器(32)的中部，所述光学拼块(312)设置在所述惯性传感器(32)的外表面上，所述红外线灯(311)和所述光学拼块(312)均位于所述惯性传感器(32)的同一面上。

4.根据权利要求3所述的一种步态测量装置，其特征在于，所述定位接收器(2)包括摄像头(21)，若干个所述摄像头(21)圆周阵列设置在所述压力感应地垫(11)的周侧，所述摄像头(21)下侧设置有用于支撑所述摄像头(21)的支架(22)。

5.根据权利要求4所述的一种步态测量装置，其特征在于，所述摄像头(21)包括红外摄像机(211)和常规摄像机(212)，所述红外摄像机(211)能够观察所述红外线灯(311)的位置，所述常规摄像机(212)能够观察所述光学拼块(312)的位置。

6.根据权利要求1所述的一种步态测量装置，其特征在于，所述惯性传感器(32)上设置有蓝牙收发器(33)，所述蓝牙收发器(33)与所述惯性传感器(32)固定连接，所述蓝牙收发器(33)能够向所述数据收集器(41)传输数据。

7.一种步态测量方法，使用如根据权利要求1-6任意一项所述的步态测量装置，其特征在于，包括以下步骤：

S1：受试者身着短袖短裤，在受试者两侧膝关节、髋关节、踝关节上安装黑点传感器(3)，将肌电肌氧传感器(34)贴在核心肌肉群首或末段；

S2：受试者站在压力感应地垫(11)上，测量装置自动校准；

S3：受试者在原地进行屈膝、下蹲、摆臂动作，进行初步数据采集；

S4：受试者沿压力感应地垫(11)直线匀速行走，进行进一步数据采集；

S5：计算系统(42)根据采集到的各项参数进行汇总分析，通过深度学习建立受试者步态模型，并按照预设的初始值建立预测模型；

S6：受试者重复若干次步骤S2至S4，与深度学习预测模型进行对比校准，与数据库中已有数据模型进行数据匹配，并形成相应诊断。

8.根据权利要求7所述的一种步态测量方法，其特征在于，步骤S1中，在受试者脊柱、肩关节、肘关节、手腕、颈椎位置安装黑点传感器(3)，受试者头部佩戴脑电监测器。

9.根据权利要求7所述的一种步态测量方法，其特征在于，步骤S5中，受试者的位移数据通过如下矩阵形式储存：

其中首行a、b、c分别为摄像头编号、采集点编号、时间序列，第二行r1、θ1、

为球坐标相对位移，第三行r2、θ2、

为加速度矢量，其中，每个采集点的坐标由单侧摄像头21采集数据。

Images