CN117064380A - 下肢表面肌电检测的防摔倒预警系统、方法和相关产品 - Google Patents
下肢表面肌电检测的防摔倒预警系统、方法和相关产品 Download PDFInfo
- Publication number
- CN117064380A CN117064380A CN202311341208.5A CN202311341208A CN117064380A CN 117064380 A CN117064380 A CN 117064380A CN 202311341208 A CN202311341208 A CN 202311341208A CN 117064380 A CN117064380 A CN 117064380A
- Authority
- CN
- China
- Prior art keywords
- muscle
- early warning
- contribution rate
- lower limb
- fall
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 144
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 33
- 210000003205 muscle Anatomy 0.000 claims abstract description 169
- 206010049565 Muscle fatigue Diseases 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000010586 diagram Methods 0.000 claims abstract description 23
- 230000002265 prevention Effects 0.000 claims description 53
- 230000003183 myoelectrical effect Effects 0.000 claims description 33
- 230000004927 fusion Effects 0.000 claims description 27
- 210000003314 quadriceps muscle Anatomy 0.000 claims description 15
- 230000009977 dual effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 210000002082 fibula Anatomy 0.000 claims description 5
- 210000003414 extremity Anatomy 0.000 claims description 2
- 230000005021 gait Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 9
- 210000002027 skeletal muscle Anatomy 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000002232 neuromuscular Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
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
- A61B5/1117—Fall detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/256—Wearable electrodes, e.g. having straps or bands
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/296—Bioelectric electrodes therefor specially adapted for particular uses for electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
- A61B5/397—Analysis of electromyograms
-
- 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
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computing Systems (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请公开了一种基于下肢表面肌电检测的防摔倒预警系统、方法和相关产品。所述防摔倒预警系统包括:下肢表面肌电检测单元,其用于采集下肢在多个目标肌肉处的表面肌电检测信号;数据处理单元,其用于将所述表面肌电检测信号处理成表面肌电检测波形图;预警计算单元,其用于:根据所述表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度;以及基于所述肌肉贡献率和/或所述肌肉疲劳度进行防摔倒预警。利用本申请的方案,能够在摔倒事件发生之前进行提前预警,从而提醒用户及时调整步态,避免摔倒事件发生。
Description
技术领域
本申请一般涉及防摔倒预警技术领域。更具体地,本申请涉及一种基于下肢表面肌电检测的防摔倒预警系统和防摔倒预警方法。进一步地,本申请还涉及一种基于下肢表面肌电检测的防摔倒预警的设备和计算机可读存储介质以及一种可穿戴的防摔倒预警系统。
背景技术
老年人由于神经肌肉生理性退变和病理性改变,会导致运动系统功能减退,从而致使老年人摔倒事件频发。目前,通常是通过基于外部环境传感器检测或者基于计算机视觉检测来进行摔倒预警。
然而,无论是基于外部环境传感器检测,还是基于计算机视觉检测,其均是在检测到老年人姿态或者动作异常后才发出警报。即,目前的检测方式是聚焦在老年人摔倒事件发生后进行提醒,而不是在摔倒事件发生前进行预测。也就是说,前述方式的检测结果具有滞后性,无法有效的防止摔倒事件发生。
有鉴于此,亟需提供一种基于下肢表面肌电检测的防摔倒预警系统,能够在摔倒事件发生之前进行提前预警,从而提醒用户及时调整步态,避免摔倒事件发生。
发明内容
为了至少解决如上所提到的一个或多个技术问题,本申请在多个方面中提出了基于下肢表面肌电检测的防摔倒预警系统方案。
在第一方面中,本申请提供一种基于下肢表面肌电检测的防摔倒预警系统,包括:下肢表面肌电检测单元,其用于采集下肢在多个目标肌肉处的表面肌电检测信号;数据处理单元,其用于将所述表面肌电检测信号处理成表面肌电检测波形图;预警计算单元,其用于:根据所述表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度;以及基于所述肌肉贡献率和/或所述肌肉疲劳度进行防摔倒预警。
在一个实施例中,所述多个目标肌肉包括股直肌、股外侧肌、股内侧肌、股二头肌、半腱肌、腓骨长肌、胫骨前肌、腓肠肌外侧肌、腓肠肌内侧肌和比目鱼肌。
在另一个实施例中,在将所述表面肌电检测信号处理成表面肌电检测波形图中,所述数据处理单元还进一步用于:对所述表面肌电检测信号进行拟合处理操作,以将所述表面肌电检测信号处理成表面肌电检测波形图。
在又一个实施例中,所述肌肉贡献率包括双下肢肌肉贡献率,在根据所述表面肌电检测波形图计算肌肉贡献率中,所述预警计算单元还进一步用于:根据所述表面肌电检测波形图计算左下肢肌肉贡献率和右下肢肌肉贡献率;以及基于所述左下肢肌肉贡献率和所述右下肢肌肉贡献率计算所述双下肢肌肉贡献率。
在又一个实施例中,在基于所述左下肢肌肉贡献率和所述右下肢肌肉贡献率计算所述双下肢肌肉贡献率中,所述预警计算单元还进一步用于基于以下公式计算所述双下肢肌肉贡献率:
其中,表示所述双下肢肌肉贡献率,/>表示所述左下肢肌肉贡献率,/>表示所述右下肢肌肉贡献率,/>表示求解范数。
在又一个实施例中,在根据所述表面肌电检测波形图计算所述肌肉疲劳度,所述预警计算单元还进一步用于:根据所述表面肌电检测波形图计算各所述目标肌肉在预设窗口的频域分布;以及基于各所述目标肌肉在预设窗口的频域分布计算对应的主频率频道,以确定所述肌肉疲劳度。
在又一个实施例中,基于所述各所述目标肌肉在预设窗口的频域分布计算对应的主频率频道,以确定所述肌肉疲劳度中,所述预警计算单元还进一步用于:将所述主频率频道与第一预设阈值进行比较;以及响应于所述主频率频道小于所述第一预设阈值,确定肌肉处于疲劳状态。
在又一个实施例中,在基于所述肌肉贡献率和/或所述肌肉疲劳度进行防摔倒预警中,所述预警计算单元还进一步用于:基于所述肌肉贡献率与第二预设阈值的比较结果或者基于肌肉处于疲劳状态进行防摔倒预警;或者利用融合判定因子对所述肌肉贡献率和所述肌肉疲劳度进行融合判定进行防摔倒预警。
在又一个实施例中,在基于所述肌肉贡献率与第二预设阈值的比较结果进行防摔倒预警中,所述预警计算单元还进一步用于:响应于所述肌肉贡献率大于所述第二预设阈值,判定为存在摔倒风险,以进行防摔倒预警;或者响应于肌肉处于疲劳状态,判定为存在摔倒风险,以进行防摔倒预警。
在又一个实施例中,通过以下公式计算所述融合判定因子:
其中,表示所述融合判定因子,/>表示基于所述肌肉贡献率和所述肌肉疲劳度进行防摔倒预警的误判度,/>表示权重。
在又一个实施例中,在利用融合判定因子对所述肌肉贡献率和所述肌肉疲劳度进行融合判定进行防摔倒预警中,所述预警计算单元还进一步用于:响应于所述融合判定因子大于第三预设阈值,判定为存在摔倒风险,以进行防摔倒预警。
在第二方面中,本申请提供一种基于下肢表面肌电检测的防摔倒预警方法,包括:采集下肢在多个目标肌肉处的表面肌电检测信号;将所述表面肌电检测信号处理成表面肌电检测波形图;根据所述表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度;以及基于所述肌肉贡献率和/或所述肌肉疲劳度进行防摔倒预警。
在第三方面中,本申请提供一种基于下肢表面肌电检测的防摔倒预警的设备,包括:处理器;以及存储器,其存储有基于下肢表面肌电检测的防摔倒预警的程序指令,当所述程序执行由处理器执行时,使得实现前述第一方面中多个实施例所述的防摔倒预警系统所执行的操作以及前述第二方面中的实施例。
在第四方面中,本申请提供一种计算机可读存储介质,其上存储有基于下肢表面肌电检测的防摔倒预警的计算机可读指令,该计算机可读指令被一个或多个处理器执行时,实现前述第一方面中多个实施例所述的防摔倒预警系统所执行的操作以及前述第二方面中的实施例。
在第五方面中,本申请提供一种可穿戴的防摔倒预警系统,包括:穿戴组件以及前述第一方面中多个实施例所述的防摔倒预警系统。
通过如上所提供的基于下肢表面肌电检测的防摔倒预警系统,本申请实施例通过采集多个目标肌肉处的表面肌电检测信号,并将其处理成表面肌电检测波形图,以基于前述表面肌电检测波形图计算具有前瞻性的与摔倒风险有关的肌肉贡献率和/或肌肉疲劳度来进行防摔倒预警。基于本申请的实施例,能够提前预测摔倒事件发生,提醒用户及时调整步态,从而有效地避免摔倒事件发生。进一步地,本申请实施例还通过利用融合判定因子对肌肉贡献率和肌肉疲劳度进行融合判定进行防摔倒预警,以提高判定精度。此外,本申请实施例还提供一种可穿戴的防摔倒预警系统,以将防摔倒预警系统可穿戴化、以便用于日常的防摔倒预警检测中。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是示出根据本申请实施例的基于下肢表面肌电检测的防摔倒预警系统的示例性结构框图;
图2是示出根据本申请实施例的下肢的多个目标肌肉;
图3是示出根据本申请实施例的基于下肢表面肌电检测的防摔倒预警系统的示例性示意图;
图4是示出根据本申请实施例的基于下肢表面肌电检测的防摔倒预警方法的示例性流程框图;
图5是示出根据本申请实施例的可穿戴的防摔倒预警系统的示例性示意图;以及
图6是示出根据本申请实施例的基于下肢表面肌电检测的防摔倒预警系统的设备的示例性结构框图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚和完整地描述。应当理解的是本说明书所描述的实施例仅是本申请为了便于对方案的清晰理解和符合法律的要求而提供的部分实施例,而并非可以实现本申请的所有实施例。基于本说明书公开的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1是示出根据本申请实施例的基于下肢表面肌电检测的防摔倒预警系统100的示例性结构框图。如图1中所示,该防摔倒预警系统100包括下肢表面肌电检测单元101、数据处理单元102和预警计算单元103。在一个实施例中,前述下肢表面肌电检测单元101可以用于采集下肢在多个目标肌肉处的表面肌电检测信号。其中,前述多个目标肌肉包括股直肌、股外侧肌、股内侧肌、股二头肌、半腱肌、腓骨长肌、胫骨前肌、腓肠肌外侧肌、腓肠肌内侧肌和比目鱼肌。在一个实现场景中,前述下肢表面肌电检测单元101可以包括多个表面感应电极,每个表面感应电极对应设置在各个目标肌肉处,通过感测用户下肢神经肌肉所产生的表面电生理信号,以检测用户双肢在目标肌肉处的表面肌电检测信号。
在一个实施例中,上述数据处理单元102可以与下肢表面肌电检测单元101通过有线或者无线进行通信连接,并且数据处理单元102用于将将表面肌电检测信号处理成表面肌电检测波形图。在一个实施例中,前述数据处理单元102还进一步用于对表面肌电检测信号进行拟合处理操作,以将表面肌电检测信号处理成表面肌电检测波形图。在一些实施例中,前述拟合处理操作可以例如是时间序列加权平滑拟合或三角函数谱拟合。作为示例,假设i表示上述多个目标肌肉的序号,为波形时序序号,前述拟合成的表面肌电检测波形图可以记为/>,并且该表面肌电检测波形图/>可以作为预警计算单元103的输入数据。
在一个实施例中,上述预警计算单元103也可以与数据处理单元102通过有线或者无线进行通信连接,并且预警计算单元103可以用于根据所述表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度,以基于肌肉贡献率和/或肌肉疲劳度进行防摔倒预警。即,本申请实施例可以通过计算肌肉贡献率或肌肉疲劳度,以根据肌肉贡献率或肌肉疲劳度分别进行防摔倒预警。此外,本申请实施例也可以通过联合肌肉贡献率和肌肉疲劳度共同进行防摔倒预警。
在一个实施场景中,上述肌肉贡献率包括双下肢肌肉贡献率,对于计算肌肉贡献率来说,预警计算单元103还进一步用于根据所述表面肌电检测波形图计算左下肢肌肉贡献率和右下肢肌肉贡献率,接着基于左下肢肌肉贡献率和右下肢肌肉贡献率计算所述双下肢肌肉贡献率。在一个实施例中,在基于左下肢肌肉贡献率和右下肢肌肉贡献率计算双下肢肌肉贡献率中,预警计算单元103还进一步用于基于以下公式计算双下肢肌肉贡献率:
(1)
其中,表示所述双下肢肌肉贡献率,/>表示所述左下肢肌肉贡献率,/>表示所述右下肢肌肉贡献率,/>表示求解范数。基于前述获得的双下肢肌肉贡献率/>,可以进行防摔倒预警。在一个实施例中,可以基于肌肉贡献率与第二预设阈值的比较结果进行防摔倒预警。具体地,响应于肌肉贡献率大于第二预设阈值,判定为存在摔倒风险,以进行防摔倒预警。也就是说,当双下肢肌肉贡献率大于第一预设阈值时,表示用户在站立、行走或跑动过程中,左、右下肢的神经肌肉贡献率比例失衡,即左、右下肢肌力失衡,这就会造成潜在易摔倒前置风险,从而被判定为存在摔倒风险并进行提醒。在一个实现场景中,前述第二预设阈值设置为40%。即,当双下肢肌肉贡献率大于40%时,判定用户存在摔倒风险。
对于肌肉疲劳度来说,预警计算单元103还进一步用于根据表面肌电检测波形图计算各目标肌肉在预设窗口的频域分布,以基于各目标肌肉在预设窗口的频域分布计算对应的主频率频道,以确定肌肉疲劳度。在一个实现场景中,在计算各目标肌肉在预设窗口的频域分布之前,首先可以对表面肌电检测波形图进行例如离散傅里叶变换,以将表面肌电检测波形图/>由时域波形图转换进频域空间,从而计算各目标肌肉在预设窗口的频域分布/>。进一步地,基于各目标肌肉在预设窗口的频域分布计算对应的主频率频道。作为示例,假设主频率频道记为I,则/>,根据该主频率频道,可以确定肌肉疲劳度。
在一个实施例中,在基于各目标肌肉在预设窗口的频域分布计算对应的主频率频道,以确定肌肉疲劳度中,预警计算单元103还进一步用于:将主频率频道与第一预设阈值进行比较,并且响应于主频率频道小于第一预设阈值,确定肌肉处于疲劳状态。基于确定的肌肉疲劳度,可以进行防摔倒预警。在一个实施例中,可以基于肌肉处于疲劳状态进行防摔倒预警。具体地,可以基于肌肉处于疲劳状态,判定为存在摔倒风险,以进行防摔倒预警。也就说是,当主频率频道小于第一预设阈值,确定肌肉处于疲劳状态,而局部肌肉疲劳会导致人体其它肌肉与关节代偿发力,进而导致下肢不稳定或步态异常,就会产生潜在易摔倒前置风险,从而判定为存在摔倒风险。在一些实施例中,前述第一预设阈值可以设置为30Hz。即,当主频率频道I低于30Hz时,判定用户存在摔倒风险。
根据前文可知,本申请实施例还可以肌肉贡献率和肌肉疲劳度共同进行防摔倒预警。在一个实施例中,预警计算单元103还进一步用于利用融合判定因子对肌肉贡献率和肌肉疲劳度进行融合判定进行防摔倒预警。其中,前述融合判定因子可以基于以下公式进行确定:
(2)
其中,表示融合判定因子,/>表示基于肌肉贡献率或肌肉疲劳度进行防摔倒预警的误判度,/>表示权重。在该场景中,本申请实施例通过假设基于肌肉贡献率或肌肉疲劳度的判定方法存在一定概率的误判度,通过积分融合算法,能够避免其中之一出现误判,从而进一步提升防摔倒预警的可靠性。
基于获得的融合判定因子,在一个实施例中,预警计算单元103还进一步用于响应于融合判定因子大于第三预设阈值,判定为存在摔倒风险,以进行防摔倒预警。具体地,可采用肌肉贡献率或肌肉疲劳度的判定方法各占50%权重的方式进行判定,即若单一判定方法的判定因子未达到第三预设阈值,则为0;达到第三预设阈值则为1。当两种判定方法的判定因子之和大于等于1,判定为存在摔倒风险。也就是说,当至少有两项判定因子成立,判定为存在摔倒风险。
结合上述描述可知,本申请实施例通过下肢表面肌电检测单元采集用户双下肢在多个目标肌肉处的表面肌电检测信号,通过数据处理单元将表面肌电检测信号处理成表面肌电检测波形图,并经由预警计算单元根据表面肌电检测波形图计算具有前瞻性的与摔倒风险有关的肌肉贡献率和/或所述肌肉疲劳度来进行防摔倒预警。进一步地,通过将肌肉贡献率与相应的预设阈值进行比较或者基于肌肉处于疲劳状态来确定用户在站立、行走或跑动过程中左、右下肢肌力失衡或者下肢是否不稳定,以在发生摔倒事件之前提醒用户及时调整步态,从而有效地避免摔倒事件发生。此外,本申请实施例还可以对肌肉贡献率和肌肉疲劳度进行融合判定,以提高防摔倒预警系统的判定精度。在一些实施例中,可以通过例如震动或者蜂鸣的方式进行预警。
图2是示出根据本申请实施例的下肢的多个目标肌肉。如图2中所示,多个目标肌肉包括股直肌201、股外侧肌202、股内侧肌203、股二头肌204、半腱肌205、腓骨长肌206、胫骨前肌207、腓肠肌外侧肌208、腓肠肌内侧肌209和比目鱼肌210。如前所述,通过下肢表面肌电检测单元可以获取用户双下肢在多个目标肌肉处的表面肌电检测信号。其中,下肢表面肌电检测单元可以包括多个表面感应电极,每个表面感应电极对应各个目标肌肉并感测用户下肢神经肌肉所产生的表面电生理信号,以采集用户双下肢在多个目标肌肉处的表面肌电检测信号。基于获得的表面肌电检测信号,经由数据处理单元和预警计算单元,可以实现防摔倒预警。
图3是示出根据本申请实施例的基于下肢表面肌电检测的防摔倒预警系统的示例性示意图。需要理解的是,图3所示的防摔倒预警系统是上述图1中的防摔倒预警系统100的一个具体实施例,因此上述图1中关于防摔倒预警系统100所作的描述同样适用于图3。
如图3中所示,本申请实施例的防摔倒预警系统可以包括下肢表面肌电检测单元101、数据处理单元102和预警计算单元103,其中下肢表面肌电检测单元101可以包括多个表面感应电极(例如图中的多个小矩形框所示),每个表面感应电极可以对应粘贴在各个目标肌肉处(例如图中的多个小圆圈所示,其对应上述图2中所示的多个目标肌肉),数据处理单元102和预警计算单元103可以封装成一体。在一个实现场景中,下肢表面肌电检测单元101、数据处理单元102和预警计算单元103之间可以通过有线或者无线进行通信连接。例如图中示出下肢表面肌电检测单元101与数据处理单元102和预警计算单元103之间通过有线连接,数据处理单元102和预警计算单元103之间通过无线连接。
在该场景下,首先经由下肢表面肌电检测单元101获取用户双下肢在多个目标肌肉处的表面肌电检测信号,接着通过数据处理单元102将表面肌电检测信号处理成表面肌电检测波形图,以作为预警计算单元103的输入数据。进一步地,通过预警计算单元103根据表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度,进而基于肌肉贡献率和/或肌肉疲劳度进行防摔倒预警。关于前述数据处理以及预警计算的更多细节,可参考上述图1的描述,本申请在此不再赘述。
图4是示出根据本申请实施例的基于下肢表面肌电检测的防摔倒预警方法400的示例性流程框图。如图4中所示,在步骤401处,采集下肢在多个目标肌肉处的表面肌电检测信号。在一个实施例中,前述多个目标肌肉包括股直肌、股外侧肌、股内侧肌、股二头肌、半腱肌、腓骨长肌、胫骨前肌、腓肠肌外侧肌、腓肠肌内侧肌和比目鱼肌。在一个实现场景中,可以采用粘贴在多个目标肌肉处多个表面感应电极来采集表面肌电检测信号。
基于获取的表面肌电检测信号,在步骤402处,将表面肌电检测信号处理成表面肌电检测波形图。在一个实施例中,可以对表面肌电检测信号进行拟合处理操作,以将表面肌电检测信号处理成表面肌电检测波形图。
接着,在步骤403处,根据表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度。在一个实施例中,肌肉贡献率包括双下肢肌肉贡献率。具体地,首先可以根据表面肌电检测波形图计算左下肢肌肉贡献率和右下肢肌肉贡献率,接着基于左下肢肌肉贡献率和右下肢肌肉贡献率,采用上述公式(1)计算双下肢肌肉贡献率。在另一个实施例中,可以对表面肌电检测波形图进行例如离散傅里叶变换至频域空间,在该频域空间计算各目标肌肉在预设窗口的频域分布/>以及计算对应的主频率频道/>。进一步地,根据主频率频道与第一预设阈值的比较结果确定肌肉疲劳度。
在获得前述肌肉贡献率和/或肌肉疲劳度后,在步骤404处,基于肌肉贡献率和/或肌肉疲劳度进行防摔倒预警。在本申请实施例中,可以根据肌肉贡献率和/或肌肉疲劳度分别进行防摔倒预警,也可以通过融合判定因子融合肌肉贡献率和/或肌肉疲劳度共同进行防摔倒预警。其中,前述融合判定因子可以基于上述公式(2)确定。
在一个实施例中,可以通过将肌肉贡献率与第二预设阈值的比较结果进行防摔倒预警。当双下肢肌肉贡献率大于第二预设阈值时,判定为存在摔倒风险并进行提醒。在另一个实施例中,可以当主频率频道低于第一预设阈值时,确定肌肉处于疲劳状态,判定存在有摔倒风险并进行提醒。在又一个实施例中,可以通过将融合判定因子与第三预设阈值进行比较。当融合判定因子大于第三预设阈值,判定为存在摔倒风险并进行提醒。关于更多细节,可以参考上述图1的描述,本申请在此不再赘述。
在一个实施例中,本申请还提供一种可穿戴的防摔倒预警系统,该可穿戴的防摔倒预警系统可以包括穿戴组件以及本申请的上述防摔倒预警系统。
参考上述图3,本申请的可穿戴的防摔倒预警系统可以设计成上述图3所示,即下肢表面肌电检测单元中的多个表面感应电极以及封装成一整体的数据处理单元和预警计算单元。在使用场景中,多个表面感应电极被粘贴至多个目标肌肉处,并通过有线与数据处理单元和预警计算单元进行连接,以实现防摔倒预警。在一些实施例中,本申请的可穿戴的防摔倒预警系统也可以将下肢表面肌电检测单元与封装成一体的数据处理单元和预警计算单元集成通过无线连接,通过穿戴组件(例如松紧带)固定于用户下肢进行防摔倒预警,例如图5所示。
图5是示出根据本申请实施例的可穿戴的防摔倒预警系统500的示例性示意图。如图5中所示,该可穿戴的防摔倒预警系统500包括穿戴组件501以及本申请上述下肢表面肌电检测单元101、数据处理单元102和预警计算单元103的防摔倒预警系统。在该场景下,下肢表面肌电检测单元101与数据处理单元102和预警计算单元103之间可以通过无线进行通信连接。首先,经由下肢表面肌电检测单元101获取用户下肢在多个目标肌肉处的表面肌电检测信号,接着通过数据处理单元102将表面肌电检测信号处理成表面肌电检测波形图,以作为预警计算单元103的输入数据。进一步地,通过预警计算单元103根据表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度,进而基于肌肉贡献率和/或肌肉疲劳度进行防摔倒预警。
图6是示出根据本申请实施例的基于下肢表面肌电检测的防摔倒预警系统的设备600的示例性结构框图。
如图6中所示,本申请的设备可以包括中央处理器或中央处理单元(“CPU”)611,其可以是通用CPU、专用CPU或者其他信息处理以及程序运行的执行单元。进一步,设备600还可以包括大容量存储器612和只读存储器(“ROM”)613,其中大容量存储器612可以配置用于存储各类数据,包括各种表面肌电检测信号、表面肌电检测波形图、肌肉贡献率和/或肌肉疲劳度、算法数据、中间结果和运行设备600所需要的各种程序。ROM 613可以配置成存储对于设备600的加电自检、系统中各功能模块的初始化、系统的基本输入/输出的驱动程序及引导操作系统所需的数据和指令。
可选地,设备600还可以包括其他的硬件平台或组件,例如示出的张量处理单元(“TPU”)614、图形处理单元(“GPU”)615、现场可编程门阵列(“FPGA”)616和机器学习单元(“MLU”)617。可以理解的是,尽管在设备600中示出了多种硬件平台或组件,但这里仅仅是示例性的而非限制性的,本领域技术人员可以根据实际需要增加或移除相应的硬件。例如,设备600可以仅包括CPU、相关存储设备和接口设备来实现本申请的基于下肢表面肌电检测的防摔倒预警系统所执行的操作以及基于下肢表面肌电检测的防摔倒预警方法。
在一些实施例中,为了便于数据与外部网络的传递和交互,本申请的设备600还包括通信接口618,从而可以通过该通信接口618连接到局域网/无线局域网(“LAN/WLAN”)605,进而可以通过该LAN/WLAN连接到本地服务器606或连接到因特网(“Internet”)607。替代地或附加地,本申请的设备600还可以通过通信接口618基于无线通信技术直接连接到因特网或蜂窝网络,例如基于第3代(“3G”)、第4代(“4G”)或第5代(“5G”)的无线通信技术。在一些应用场景中,本申请的设备600还可以根据需要访问外部网络的服务器608和数据库609,以便获得各种已知的算法、数据和模块,并且可以远程地存储各种数据,例如用于呈现表面肌电检测信号、表面肌电检测波形图、肌肉贡献率和/或肌肉疲劳度等的各类数据或指令。
设备600的外围设备可以包括显示装置602、输入装置603和数据传输接口604。在一个实施例中,显示装置602可以例如包括一个或多个扬声器和/或一个或多个视觉显示器,其配置用于对本申请的基于下肢表面肌电检测的防摔倒预警进行语音提示和/或图像视频显示。输入装置603可以包括例如键盘、鼠标、麦克风、姿势捕捉相机等其他输入按钮或控件,其配置用于接收音频数据的输入和/或用户指令。数据传输接口604可以包括例如串行接口、并行接口或通用串行总线接口(“USB”)、小型计算机系统接口(“SCSI”)、串行ATA、火线(“FireWire”)、PCI Express和高清多媒体接口(“HDMI”)等,其配置用于与其他设备或系统的数据传输和交互。根据本申请的方案,该数据传输接口604可以接收来自于下肢表面肌电检测单元采集的表面肌电检测信号,并且向设备600传送包括表面肌电检测信号或各种其他类型的数据或结果。
本申请的设备600的上述CPU 611、大容量存储器612、ROM 613、TPU 614、GPU 615、FPGA 616、MLU 617和通信接口618可以通过总线619相互连接,并且通过该总线与外围设备实现数据交互。在一个实施例中,通过该总线619,CPU 611可以控制设备600中的其他硬件组件及其外围设备。
以上结合图6描述了可以用于执行本申请的基于下肢表面肌电检测的防摔倒预警的设备。需要理解的是这里的设备结构或架构仅仅是示例性的,本申请的实现方式和实现实体并不受其限制,而是可以在不偏离本申请的精神下做出改变。
根据上述结合附图的描述,本领域技术人员也可以理解本申请的实施例还可以通过软件程序来实现。由此本申请还提供了一种计算机可读存储介质。该计算机可读存储介质可以用于实现本申请结合附图1、图4所描述的基于下肢表面肌电检测的防摔倒预警系统所执行的操作以及基于下肢表面肌电检测的防摔倒预警系统方法。
应当注意,尽管在附图中以特定顺序描述了本申请方法的操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
应当理解,当本申请的权利要求、当说明书及附图中使用到术语“第一”、“第二”、“第三”和“第四”等时,其仅用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的,而并不意在限定本申请。如在本申请说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本申请说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
虽然本申请的实施方式如上,但所述内容只是为便于理解本申请而采用的实施例,并非用以限定本申请的范围和应用场景。任何本申请所述技术领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (15)
1.一种基于下肢表面肌电检测的防摔倒预警系统,其特征在于,包括:
下肢表面肌电检测单元,其用于采集下肢在多个目标肌肉处的表面肌电检测信号;
数据处理单元,其用于将所述表面肌电检测信号处理成表面肌电检测波形图;
预警计算单元,其用于:
根据所述表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度;以及,
基于所述肌肉贡献率和/或所述肌肉疲劳度进行防摔倒预警。
2.根据权利要求1所述的防摔倒预警系统,其特征在于,所述多个目标肌肉包括股直肌、股外侧肌、股内侧肌、股二头肌、半腱肌、腓骨长肌、胫骨前肌、腓肠肌外侧肌、腓肠肌内侧肌和比目鱼肌。
3.根据权利要求1所述的防摔倒预警系统,其特征在于,在将所述表面肌电检测信号处理成表面肌电检测波形图中,所述数据处理单元还进一步用于:
对所述表面肌电检测信号进行拟合处理操作,以将所述表面肌电检测信号处理成表面肌电检测波形图。
4.根据权利要求1所述的防摔倒预警系统,其特征在于,所述肌肉贡献率包括双下肢肌肉贡献率,在根据所述表面肌电检测波形图计算肌肉贡献率中,所述预警计算单元还进一步用于:
根据所述表面肌电检测波形图计算左下肢肌肉贡献率和右下肢肌肉贡献率;以及,
基于所述左下肢肌肉贡献率和所述右下肢肌肉贡献率计算所述双下肢肌肉贡献率。
5.根据权利要求4所述的防摔倒预警系统,其特征在于,在基于所述左下肢肌肉贡献率和所述右下肢肌肉贡献率计算所述双下肢肌肉贡献率中,所述预警计算单元还进一步用于基于以下公式计算所述双下肢肌肉贡献率:
其中,表示所述双下肢肌肉贡献率,/>表示所述左下肢肌肉贡献率,表示所述右下肢肌肉贡献率,/>表示求解范数,i表示多个目标肌肉的序号,/>表示波形时序序号,/>表示表面肌电检测波形图,/>表示时序测度微分,/>,/>分别表示左下肢肌肉贡献率、右下肢肌肉贡献率的积分时空域。
6.根据权利要求1所述的防摔倒预警系统,其特征在于,在根据所述表面肌电检测波形图计算所述肌肉疲劳度,所述预警计算单元还进一步用于:
根据所述表面肌电检测波形图计算各所述目标肌肉在预设窗口的频域分布;以及,
基于各所述目标肌肉在预设窗口的频域分布计算对应的主频率频道,以确定所述肌肉疲劳度。
7.根据权利要求6所述的防摔倒预警系统,其特征在于,基于所述各所述目标肌肉在预设窗口的频域分布计算对应的主频率频道,以确定所述肌肉疲劳度中,所述预警计算单元还进一步用于:
将所述主频率频道与第一预设阈值进行比较;以及,
响应于所述主频率频道小于所述第一预设阈值,确定肌肉处于疲劳状态。
8.根据权利要求5或7所述的防摔倒预警系统,其特征在于,在基于所述肌肉贡献率和/或所述肌肉疲劳度进行防摔倒预警中,所述预警计算单元还进一步用于:
基于所述肌肉贡献率与第二预设阈值的比较结果或者基于肌肉处于疲劳状态进行防摔倒预警;或者,
利用融合判定因子对所述肌肉贡献率和所述肌肉疲劳度进行融合判定进行防摔倒预警。
9.根据权利要求8所述的防摔倒预警系统,其特征在于,在基于所述肌肉贡献率与第二预设阈值的比较结果进行防摔倒预警中,所述预警计算单元还进一步用于:
响应于所述肌肉贡献率大于所述第二预设阈值,判定为存在摔倒风险,以进行防摔倒预警;或者,
响应于肌肉处于疲劳状态,判定为存在摔倒风险,以进行防摔倒预警。
10.根据权利要求8所述的防摔倒预警系统,其特征在于,通过以下公式计算所述融合判定因子:
其中,表示所述融合判定因子,/>表示基于所述肌肉贡献率或所述肌肉疲劳度进行防摔倒预警的误判度,/>表示权重。
11.根据权利要求10所述的防摔倒预警系统,其特征在于,在利用融合判定因子对所述肌肉贡献率和所述肌肉疲劳度进行融合判定进行防摔倒预警中,所述预警计算单元还进一步用于:
响应于所述融合判定因子大于第三预设阈值,判定为存在摔倒风险,以进行防摔倒预警。
12.一种基于下肢表面肌电检测的防摔倒预警方法,其特征在于,包括:
采集下肢在多个目标肌肉处的表面肌电检测信号;
将所述表面肌电检测信号处理成表面肌电检测波形图;
根据所述表面肌电检测波形图计算肌肉贡献率和/或肌肉疲劳度;以及,
基于所述肌肉贡献率和/或所述肌肉疲劳度进行防摔倒预警。
13.一种基于下肢表面肌电检测的防摔倒预警的设备,包括:
处理器;以及,
存储器,其存储有基于下肢表面肌电检测的防摔倒预警的程序指令,当所述程序执行由处理器执行时,使得实现根据权利要求1-11任意一项所述的防摔倒预警系统所执行的操作或者当所述程序执行由处理器执行时,使得实现根据权利要求12所述的防摔倒预警方法。
14.一种计算机可读存储介质,其上存储有基于下肢表面肌电检测的防摔倒预警的计算机可读指令,该计算机可读指令被一个或多个处理器执行时,实现根据权利要求1-11任意一项所述的防摔倒预警系统所执行的操作或者该计算机可读指令被一个或多个处理器执行时,实现根据权利要求12所述的防摔倒预警方法。
15.一种可穿戴的防摔倒预警系统,其特征在于,包括:
穿戴组件;以及,
根据权利要求1-11任意一项所述的防摔倒预警系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311341208.5A CN117064380B (zh) | 2023-10-17 | 2023-10-17 | 下肢表面肌电检测的防摔倒预警系统、方法和相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311341208.5A CN117064380B (zh) | 2023-10-17 | 2023-10-17 | 下肢表面肌电检测的防摔倒预警系统、方法和相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117064380A true CN117064380A (zh) | 2023-11-17 |
CN117064380B CN117064380B (zh) | 2023-12-19 |
Family
ID=88718021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311341208.5A Active CN117064380B (zh) | 2023-10-17 | 2023-10-17 | 下肢表面肌电检测的防摔倒预警系统、方法和相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117064380B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110208444A1 (en) * | 2006-07-21 | 2011-08-25 | Solinsky James C | System and method for measuring balance and track motion in mammals |
US20140070957A1 (en) * | 2012-09-11 | 2014-03-13 | Gianluigi LONGINOTTI-BUITONI | Wearable communication platform |
CN104127181A (zh) * | 2014-07-22 | 2014-11-05 | 杭州电子科技大学 | 基于wkfda的肌电信号跌倒检测方法 |
CN106109174A (zh) * | 2016-07-14 | 2016-11-16 | 燕山大学 | 一种基于肌电反馈式阻抗自适应的康复机器人控制方法 |
JP2017012388A (ja) * | 2015-06-30 | 2017-01-19 | 国立大学法人北海道大学 | 筋活動量計測装置 |
US20180140901A1 (en) * | 2016-11-18 | 2018-05-24 | MAD Apparel, Inc. | Exercise biofeedback using sensor-equipped athletic garments |
CN109222969A (zh) * | 2018-10-31 | 2019-01-18 | 郑州大学 | 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统 |
CN110141239A (zh) * | 2019-05-30 | 2019-08-20 | 东北大学 | 一种用于下肢外骨骼的运动意图识别及装置方法 |
KR20210079985A (ko) * | 2019-12-20 | 2021-06-30 | 박동준 | 근전도 센서와 관성 센서를 이용한 균형수준평가 시스템 및 그 방법 |
CN114470635A (zh) * | 2022-02-23 | 2022-05-13 | 郑州大学第三附属医院(河南省妇幼保健院) | 一种基于主动反馈的康复训练系统与方法 |
CN115721269A (zh) * | 2022-11-07 | 2023-03-03 | 四川大学华西医院 | 一种基于六分钟步行试验的重症康复评估训练系统 |
CN116687429A (zh) * | 2023-06-06 | 2023-09-05 | 重庆邮电大学 | 一种基于下肢外骨骼机器人的肌肉实时监测分析系统 |
-
2023
- 2023-10-17 CN CN202311341208.5A patent/CN117064380B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110208444A1 (en) * | 2006-07-21 | 2011-08-25 | Solinsky James C | System and method for measuring balance and track motion in mammals |
US20140070957A1 (en) * | 2012-09-11 | 2014-03-13 | Gianluigi LONGINOTTI-BUITONI | Wearable communication platform |
CN104127181A (zh) * | 2014-07-22 | 2014-11-05 | 杭州电子科技大学 | 基于wkfda的肌电信号跌倒检测方法 |
JP2017012388A (ja) * | 2015-06-30 | 2017-01-19 | 国立大学法人北海道大学 | 筋活動量計測装置 |
CN106109174A (zh) * | 2016-07-14 | 2016-11-16 | 燕山大学 | 一种基于肌电反馈式阻抗自适应的康复机器人控制方法 |
US20180140901A1 (en) * | 2016-11-18 | 2018-05-24 | MAD Apparel, Inc. | Exercise biofeedback using sensor-equipped athletic garments |
CN109222969A (zh) * | 2018-10-31 | 2019-01-18 | 郑州大学 | 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统 |
CN110141239A (zh) * | 2019-05-30 | 2019-08-20 | 东北大学 | 一种用于下肢外骨骼的运动意图识别及装置方法 |
KR20210079985A (ko) * | 2019-12-20 | 2021-06-30 | 박동준 | 근전도 센서와 관성 센서를 이용한 균형수준평가 시스템 및 그 방법 |
CN114470635A (zh) * | 2022-02-23 | 2022-05-13 | 郑州大学第三附属医院(河南省妇幼保健院) | 一种基于主动反馈的康复训练系统与方法 |
CN115721269A (zh) * | 2022-11-07 | 2023-03-03 | 四川大学华西医院 | 一种基于六分钟步行试验的重症康复评估训练系统 |
CN116687429A (zh) * | 2023-06-06 | 2023-09-05 | 重庆邮电大学 | 一种基于下肢外骨骼机器人的肌肉实时监测分析系统 |
Non-Patent Citations (2)
Title |
---|
ALESSANDRO LEONE; GABRIELE RESCIO; ANDREA CAROPPO; PIETRO SICILIANO: "An EMG-based System for Pre-impact Fall Detection", 2015 IEEE SENSORS * |
曹恩国等: "多运动复合型被动式下肢外骨骼设计及其智能交互评估", 机械工程学报, vol. 59, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN117064380B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8942800B2 (en) | Corrective prompting system for appropriate chest compressions | |
US10198928B1 (en) | Fall detection system | |
Di Rosa et al. | Concurrent validation of an index to estimate fall risk in community dwelling seniors through a wireless sensor insole system: A pilot study | |
Pannurat et al. | A hybrid temporal reasoning framework for fall monitoring | |
Pendharkar et al. | Using blind source separation on accelerometry data to analyze and distinguish the toe walking gait from normal gait in ITW children | |
EP3298955A1 (en) | Method and system for determining postural balance of a person | |
Annese et al. | Gait analysis for fall prediction using EMG triggered movement related potentials | |
Majumder et al. | A multi-sensor approach for fall risk prediction and prevention in elderly | |
KR20150113700A (ko) | 진단 시스템 및 방법 | |
CN117100255B (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 | |
Hasan et al. | Automated classification of autism spectrum disorders gait patterns using discriminant analysis based on kinematic and kinetic gait features | |
WO2014018200A1 (en) | Methods, systems and apparatuses for detecting seizure and non-seizure states | |
JPWO2019022259A1 (ja) | 筋電信号が由来する動作を認識するためのシステム、方法、およびプログラム | |
EP3718515A1 (en) | System for identifying information represented by biological signals | |
JP6652252B2 (ja) | 筋電信号処理方法、装置およびプログラム | |
CN117064380B (zh) | 下肢表面肌电检测的防摔倒预警系统、方法和相关产品 | |
CN113331829B (zh) | 一种足底信息监测方法及智能鞋垫装置 | |
US20240099665A1 (en) | Electrocardiogram data processing server, electrocardiogram data processing method of extracting analysis required section while segmenting electrocardiogram signal into signal segments with variable window sizes, and computer program | |
CN111383733B (zh) | 基于膝关节运动信号的运动监测纠正方法、装置、设备及存储介质 | |
Goh et al. | Multilayer perceptron neural network classification for human vertical ground reaction forces | |
TWI657800B (zh) | 步態分析方法與系統 | |
Prince et al. | LabVIEW based abnormal muscular movement and fall detection using MEMS accelerometer during the occurrence of seizure | |
KR102268445B1 (ko) | 관성 정보 기반 보행 안정성 평가 장치 및 보행 안정성 평가 방법 | |
CN117122312B (zh) | 防摔倒预警系统、方法、设备、存储介质和足底电子皮肤 | |
WO2012056546A1 (ja) | 覚醒度判定装置、覚醒度判定方法及び覚醒度判定プログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |