ES2292560T3 - Procedimiento de analisis de irregularidades de la marcha humana. - Google Patents
Procedimiento de analisis de irregularidades de la marcha humana. Download PDFInfo
- Publication number
- ES2292560T3 ES2292560T3 ES01907706T ES01907706T ES2292560T3 ES 2292560 T3 ES2292560 T3 ES 2292560T3 ES 01907706 T ES01907706 T ES 01907706T ES 01907706 T ES01907706 T ES 01907706T ES 2292560 T3 ES2292560 T3 ES 2292560T3
- Authority
- ES
- Spain
- Prior art keywords
- irregularities
- acceleration
- procedure according
- analysis procedure
- analysis
- 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.)
- Expired - Lifetime
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
- A61B5/061—Determining position of a probe within the body employing means separate from the probe, e.g. sensing internal probe position employing impedance electrodes on the surface of the body
-
- 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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- 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
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Dentistry (AREA)
- Human Computer Interaction (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Prostheses (AREA)
Abstract
Procedimiento de análisis de irregularidades de la marcha humana en el que se usan medidas de aceleración obtenidas durante al menos un desplazamiento controlado con velocidad estabilizada de un ser humano (1, 60, 90) mediante al menos un acelerómetro que mide en función del tiempo al menos una aceleración según al menos una dirección (21-23), detectando y analizando eventuales irregularidades de la marcha a partir de medidas de referencia, se someten dichas aceleraciones medidas a al menos una transformación en ondículas, y se usa la transformada en ondículas obtenida para detectar y analizar dichas irregularidades, y caracterizado porque se visualiza un espectro de dicha transformada en ondículas en tres dimensiones de tiempo, de frecuencia y de módulo de energía espectral respectivamente de la transformada en ondículas para detectar y analizar dichas irregularidades, consistiendo la transformación en una transformación continua en ondículas de Morlet caracterizadas por la fórmula: Psi (x) = k.exp (-x2/2) . cos (omegaox), en la que k es una constante de normalización y omega0 es la pulsación de la ondícula considerada.
Description
Procedimiento de análisis de irregularidades de
la marcha humana.
La presente invención se refiere a un
procedimiento de análisis de irregularidades de la marcha
humana.
La invención se aplica en particular al análisis
de la marcha humana en la práctica médica y paramédica, en
particular para estudiar la degradación de la marcha y efectuar
previsiones de caídas para implementar medidas de prevención, por
ejemplo para personas mayores. La invención se aplica asimismo a
medidas de claudicación que aparecen después de traumatismos o
tratamientos médicos o quirúrgicos. Otro campo de aplicación es el
de la marcha o de la carrera deportiva.
Se ha desarrollado dos familias de técnica
complementarias para estudiar los movimientos del cuerpo humano y su
mecánica, y han permitido así aumentar considerablemente los
conocimientos de la fisiología de la marcha humana:
- \bullet
- métodos cinemáticos, que miden desplazamientos de las partes del cuerpo y de los ángulos articulares, mediante imágenes cinematográficas o vídeo, y
- \bullet
- métodos dinámicos, que miden fuerzas o aceleraciones que actúan sobre partes del cuerpo.
Los métodos cinemáticos son descriptivos y
aportan numerosos detalles sobre los movimientos de cada segmento
corporal, pero son muy pesados de realizar. Los métodos dinámicos
son más explicativos, puesto que proporcionan informaciones sobre
las acciones mecánicas origen del movimiento. Así, aportan una
información más sintética, aunque sigue siendo, sin embargo, muy
aguda.
Varios instrumentos de medición conocidos,
usados en los métodos dinámicos (asimismo denominados cinéticos)
son suelas baropodométricas, plataformas de fuerza y acelerómetros.
Las suelas baropodométricas pueden aportar datos útiles para un
clínico, pero no constituye ningún instrumento de medición de las
fuerzas. Las plataformas de fuerza proporcionan, por su parte,
informaciones fiables y precisas, pero el material es voluminoso y
costoso. Además, sus dimensiones permiten solamente un único apoyo,
lo que proporciona una información truncada y no permite un análisis
de variabilidad de la marcha.
Los acelerómetros, constituidos por sensores
sensibles a las variaciones instantáneas de velocidad no adolecen
de los inconvenientes anteriores y permiten obtener resultados
precisos y fiables. Se hará referencia en particular al artículo de
Bernard AUVINET, Denis CHALEIL y Eric BARREY, "Analyse de la
marche humaine dans la pratique hospitalière par une méthode
accélérométrique", REV. RHUM. 1999,
66(7-9), p. 447-457 (edición
francesa) y p. 389-397 (edición inglesa).
Medir las aceleraciones presenta la ventaja de
suministrar informaciones sensibles y detalladas sobre las fuerzas
que generan movimientos y puede ser sencillo de realizar. Además, el
acondicionamiento y el tratamiento de datos son económicos frente
al uso de imágenes. Por otra parte, mediciones de aceleración
permiten encontrar todas las características cinéticas y cinemáticas
de un movimiento.
El tratamiento de los resultados obtenidos, para
detectar y analizar eventuales irregularidades de la marcha, se
basa generalmente en transformaciones de Fourier. El artículo de
AUVINET et al., mencionado anteriormente, propone asimismo
cálculos basados en la función de autocorrelación de señales
(estudio de la simetría y de la irregularidad de los pasos),
completada por una transformación z de Fisher para llegar a
distribuciones gaussianas.
Un inconveniente de los análisis frecuenciales
(tales como los efectuados mediante transformaciones de Fourier
rápidas) es que necesitan un número mínimo de puntos para obtener
una información suficientemente precisa en frecuencia y en energía.
Además, no permite ninguna localización en el tiempo de un evento en
particular que provoca un cambio frecuencial rápido de la señal de
aceleración. Por lo tanto, no es posible detectar un paso en falso
aislado entre otros pasos normales. El análisis frecuencial está
asimismo mal adaptado para irregularidades temporales del ciclo
locomotor, que no son estacionarias pero que tienen propiedades
caóticas (impredecibles a corto y largo plazo).
A propósito de los métodos de cálculo basados en
funciones de autocorrelación, éstos permiten una muy buena
detección de asimetrías dinámicas periódicas, pero son poco
competentes para detectar irregularidades que no son ni
estacionarias ni periódicas. Tampoco permiten identificar un evento
aislado como un paso en falso deportivo o un paso en falso.
Por otra parte, se han desarrollado varias
técnicas específicas para estudiar movimientos complejos en la
marcha equina, que se basa asimismo en mediciones de aceleraciones.
Sin embargo, los movimientos estudiados consisten en saltos de
caballos de deporte o transiciones de velocidad de los caballos de
doma (paso del trote al galope o inversamente), por lo tanto en
movimientos transitorios. Por lo tanto, estas técnicas no se aplican
a movimientos de velocidad estabilizada, tales como la marcha o la
carrera humana.
Se da a conocer un procedimiento de
clasificación de los movimientos basado en las señales suministradas
por un dispositivo acelerómetro triaxial con registro de las
señales realizado de manera continua en el tiempo, en el que se
analizan las señales según una transformada en ondículas de Coiflet,
en el documento de Sekine et al.: "Classification of
accélération waveform in a continuous walking record".
Proceedings of the 20th Annual conference of the IEEE in Medicine
and Biology Society, Vol. 20, nº 3, 1988, páginas
1523-1526.
La presente invención se refiere a un
procedimiento de análisis de irregularidades de la marcha humana que
se basa en mediciones de la aceleración, que permite detectar
ciclos locomotores anormales e irregulares en el tiempo.
El procedimiento de la invención no necesita
propiedades matemáticas a priori de las señales estudiadas,
tales como las necesitadas para transformaciones de Fourier
(estacionariedad, periodicidad).
Además, el procedimiento de la invención puede
permitir un análisis rápido y simple de los resultados
obtenidos.
La invención tiene asimismo por objeto un
procedimiento de análisis que puede proporcionar informaciones
complementarias cuantitativas sobre la falta de regularidad
dinámica de ciclos de marcha o de carrera.
Para ello, la invención se aplica a un
procedimiento de análisis de irregularidades de la marcha humana, en
el que se usan medidas de aceleración obtenidas durante al menos un
desplazamiento controlado con una velocidad estabilizada de un ser
humano, mediante al menos un acelerómetro que mide en función del
tiempo al menos una aceleración según al menos una dirección,
detectando y analizando eventuales irregularidades de la marcha a
partir de medidas de referencia.
Según la invención, se someten las aceleraciones
medidas a al menos una transformación en ondículas, y se usa de la
transformada en ondículas obtenida para detectar y/o analizar las
irregularidades.
Mediante la expresión "velocidad
estabilizada", se entiende un movimiento repetitivo,
aproximadamente periódico (tal como la marcha o la carrera), frente
a un movimiento transitorio.
De manera sorprendente, la transformación en
ondículas permite localizar anomalías a lo largo del tiempo para
dicha velocidad estabilizada. Incluso un paso en falso aislado es
detectable entre pasos normales. Así, este procedimiento es
apropiado para detectar irregularidades muy cortas, al contrario de
los métodos conocidos que se basan en transformaciones de
Fourier.
Preferentemente, se visualiza un espectro de la
transformada en ondículas en tres dimensiones respectivamente de
tiempo, de frecuencia y de módulo de energía espectral de la
transformada en ondículas para detectar y analizar las
irregularidades.
Entonces, se representa ventajosamente el módulo
de energía espectral de la transformada en ondículas mediante
contornos coloreados o mediante un gradiente de color. Además, se
usa ventajosamente una escala lineal para el tiempo, y logarítmica
para la frecuencia.
La visualización directa de la ondícula ofrece
una gran simplicidad de lectura, y permite identificar directamente
irregularidades mediante lectura gráfica.
Preferentemente, la transformación en ondículas
es continua, siendo esta transformación de forma ventajosa una
transformación en ondículas de Morlet. Estas ondículas, simétricas,
están bien adaptadas para análisis de bajas frecuencias, tales como
las aceleraciones corporales en la proximidad del centro de
gravedad. Se dan mediante la fórmula matemática (función \Psi de
la variable x):
en la que k es una constante de
normalización y \omega_{o} es la pulsación de la ondícula
considerada, preferentemente comprendida entre 5 y 6 incluido. Se
descompone una función de aceleración Acc dependiente del tiempo t
sobre una familia de ondículas de este tipo mediante la
fórmula
en la
que:
- -
- los coeficientes C dan las proyecciones de la función Acc sobre las ondículas,
- -
- el parámetro a es un parámetro de escala (modificación del estiramiento de las ondículas) y
- -
- el parámetro b es un parámetro de translación (translación en el tiempo de las ondículas).
En una forma de realización preferida, teniendo
la transformada en ondículas una energía espectral en función del
tiempo, se define una banda de baja frecuencia en la que se
concentra principalmente la energía espectral para una marcha
normal, y se detectan y/o analizan dichas irregularidades usando la
energía espectral fuera de esta banda. La banda de frecuencia está
preferentemente comprendida entre 1 Hz y 4 Hz.
El uso de esta banda posibilita en particular
dos tipos de análisis que pueden ser complementarios:
- \bullet
- la identificación de zonas de concentraciones de energía espectral fuera de la banda, y
- \bullet
- la cuantificación de energía espectral fuera de esta banda.
\vskip1.000000\baselineskip
Así, ventajosamente, se identifican y/o analizan
las irregularidades localizando y/o estudiando picos de energía
espectral fuera de la banda.
Así, se puede observar para una marcha
patológica picos de alta frecuencia que tienen una densidad
energética significativa que traspasa el límite superior de la
banda de frecuencia (por ejemplo 4 Hz), siendo estos picos más o
menos periódicos y regulares en el tiempo y en la frecuencia.
Irregularidades gráficas de la forma de estos picos son reveladoras
de alteraciones de la dinámica y de la irregularidad de la
marcha.
Además, se calcula ventajosamente un grado de
irregularidades de locomoción relacionando la energía espectral
marginal fuera de la banda, con la energía espectral total.
Así, para una marcha patológica, se puede
considerar que la energía marginal por encima de 4 Hz es superior a
6%.
En otro tipo ventajoso de análisis que se basa
en la banda de baja frecuencia, se miden los valores localizados de
energía espectral que sobrepasan la banda, por ejemplo en el caso de
una marcha muy alterada con motivos de alta frecuencia y de forma y
energía muy variadas.
Los análisis mediante transformación en
ondículas se asocian ventajosamente con otros métodos que dan
informaciones complementarias en el procedimiento de análisis de
irregularidades de la marcha humana. Dichas informaciones se
combinan con los resultados obtenidos mediante transformaciones en
ondículas, para especificar el modo de uso de las ondículas,
interpretar los resultados obtenidos mediante estas ondículas y/o
completar los resultados recogidos de los análisis mediante
ondículas.
Así, en una forma ventajosa de realización, los
procedimientos de análisis según cualquiera de las aceleraciones
son al menos dos, y para detectar y/o analizar las irregularidades,
se usa asimismo al menos un diagrama vectorial (denominado
"mariposa frontal") que representa la intensidad de una de las
aceleraciones medidas en función de la intensidad de otra de las
aceleraciones medidas. Así, se puede identificar visualmente
derivaciones caóticas frente a un régimen estacionario y
periódico.
Las aceleraciones usadas son preferentemente una
aceleración vertical y una aceleración lateral del sujeto.
En un modo de realización preferido, para
detectar y/o analizar las irregularidades, se usa asimismo al menos
una representación en un espacio de las fases, dando la intensidad
de al menos una de las aceleraciones en función de la intensidad de
la derivada temporal de esta aceleración o en función de esta
aceleración desplazada en el tiempo de un plazo determinado.
Así, se puede identificar visualmente el
distanciamiento de un régimen estacionario y periódico hacía un
régimen caótico. Ventajosamente, la aceleración estudiada es una
aceleración vertical.
En esta forma de realización preferida, se
calcula ventajosamente al menos un coeficiente de Lyapunov de la
representación en el espacio de las fases, preferentemente el
coeficiente de Lyapunoz máximo. Así, se pueden cuantificar
irregularidades dinámicas de la marcha, midiendo dicho coeficiente
la velocidad de divergencia de las órbitas de las señales de
aceleración en el espacio de las fases.
Así, el coeficiente de Lyapunov máximo,
calculado sobre una señal acelerométrica
cráneo-caudal medida a nivel del centro de gravedad
de un sujeto, cuantifica globalmente una falta de regularidad
dinámica de los ciclos de la marcha. Permite detectar fluctuaciones
temporales y dinámicas de coordinación en relación con un riesgo de
caída. Esta medida global de regularidad de la marcha tiene un
interés clínico para una predicción del riesgo de caída de un
sujeto mayor. Así, la marcha se puede considerar como patológica
cuando el coeficiente de Lyapunov usado es superior a un valor
crítico.
Así, ventajosamente, se considera que se produce
un desorden de coordinación si el coeficiente de Lyapunov máximo es
superior a 0,4.
\newpage
El dispositivo usado para los acelerómetros y
las mediciones de aceleración está preferentemente conforme con lo
que se expone en el artículo de AUVINET et al., citado
anteriormente. En particular, el procedimiento de análisis admite
ventajosamente las siguientes características, consideradas
separadamente o según cualquiera de sus combinaciones técnicamente
posibles:
- \bullet
- las aceleraciones se miden mediante un sensor acelerométrico que comprende dos acelerómetros dispuestos según unos ejes perpendiculares:
- \bullet
- los acelerómetros se incorporan en un cinturón semi-elástico fijado en la cintura del sujeto, de tal manera que se aplican en la región lumbar mediana, frente al espacio intervertebral L3-L4;
- \bullet
- los acelerómetros se disponen en la proximidad del centro de gravedad del sujeto (localizándose este último en el ser humano en posición de pie en reposo frente a la segunda vértebra sacra);
- \bullet
- las aceleraciones se miden según ejes cráneo-caudales y laterales del sujeto, designados a continuación mediante eje verticales y laterales respectivamente:
- \bullet
- las mediciones de aceleración se registran mediante una grabadora portátil;
- \bullet
- se completan los resultados obtenidos mediante la transformación en ondículas, mediante la obtención de la frecuencia de los pasos, de la simetría y de la regularidad de los pasos, siendo las variables de simetría y de regularidad ventajosamente sometidas a una transformación z de Fisher;
- \bullet
- los desplazamientos controlados con velocidad estabilizada consisten en una marcha libre a una velocidad cómoda del sujeto sobre una distancia comprendida entre 25 y 50 m, y preferentemente igual a 40 m, ventajosamente ida y vuelta.
\vskip1.000000\baselineskip
Además, se realizan ventajosamente las
siguientes características, separadamente o en combinación:
- \bullet
- las aceleraciones también se miden según un tercer acelerómetro, estando los tres acelerómetros dispuestos según ejes perpendiculares que corresponden respectivamente a los ejes cráneo-caudal, lateral y longitudinal (anteroposterior) del sujeto;
- \bullet
- para el análisis de movimientos deportivos, las aceleraciones medidas son aceleraciones cráneo-caudales y longitudinales (plano sagital del sujeto);
- \bullet
- para el análisis de movimientos deportivos, las mediciones se realizan durante ensayos de esfuerzo en pista o en cinta de correr;
- \bullet
- asimismo se realiza un análisis frecuencial de Fourier complementario en el procedimiento de análisis, calculando:
- \bullet
- la energía total del espectro (ésta disminuye para una marcha patológica)
- \bullet
- la energía relativa de la frecuencia fundamental, que corresponde a la frecuencia del paso (ésta disminuye y se distribuye hacia armónicos de frecuencias más altas para una marcha patológica) y/o
- \bullet
- la pendiente del espectro, calculada para una ecuación de regresión lineal en una representación semi-logarítmica de la energía espectral al cuadrado en función de la frecuencia (esta pendiente es aún más negativa cuando se altera la marcha en su regularidad temporal y dinámica).
\vskip1.000000\baselineskip
Además, se recurre ventajosamente al mismo
tiempo a un sensor que comprende los acelerómetros, a una grabadora
y a un aparato de marcación de eventos, previsto para marcar eventos
sobre señales de aceleración registradas y/o sincronizar los
registros de aceleración con otros aparatos de medición (cámara de
vídeo o cinematográfica, plataforma de fuerza, célula de
cronometraje, aparato EMG, etc.). Se interpone ventajosamente este
aparato entre el sensor y la grabadora, y ventajosamente integrado
en una caja de registro de la grabadora.
El aparato de marcación de eventos tiene
preferentemente unas entradas de activación constituidas por
contactos eléctricos manuales, optoelectrónicos (célula sensible a
un flash de luz) y/o electrónicos.
Preferentemente, tiene salidas constituidas:
- \bullet
- por un emisor de onda cuadrada, que tiene ventajosamente un valor máximo (saturación) de una duración comprendida entre 10 y 50 ms y, preferentemente de 10 ms, para una frecuencia de adquisición de la señal a 100 Hz, ventajosamente emitida en las vías de la señal de aceleración a fin de marcar esta señal en un punto de medida;
- \bullet
- por una serie de diodos luminiscentes (LED) rojos, que se encienden para proporcionar una señal luminosa visible en una sola imagen mediante una cámara de video, ventajosamente durante un tiempo comprendido entre 10 y 50 ms, y preferentemente igual a 10 ms; y/o
- \bullet
- por una salida TTL que suministra ventajosamente una señal cuadrada de 5 V durante un tiempo comprendido entre 10 y 50 ms y preferentemente igual a 10 ms.
\vskip1.000000\baselineskip
El uso de dicho aparato de marcación de eventos
es particularmente interesante para marcar instantes de paso
(salida y llegada de un ensayo de una marcha o de una carrera) en
registros de aceleración. Así, se puede obtener una localización
espacial o cinemática (película de video sincronizada) del
movimiento registrado, a fin de calcular distancias representativas
de un movimiento deportivo.
La invención se refiere asimismo a las
aplicaciones del procedimiento:
- \bullet
- al campomédico, en particular para la detección precoz de desórdenes neuro-motores de sujetos mayores (es entonces, especialmente interesante usar el coeficiente de Lyaponov máximo), y
- \bullet
- al campo deportivo, en particular para la detección de fallos técnicos de marchadores o de corredores deportivos.
\vskip1.000000\baselineskip
Así, el procedimiento de la invención se puede
aplicar ventajosamente para la detección de las particularidades del
paso del atleta durante un periodo de carrera, tal como el tiempo de
vuelo, el tiempo de apoyo, la simetría de los
semi-pasos derechos e izquierdos, las fuerzas de
propulsión y de frenado derechas e izquierdas, y el índice de
fluidez de la carrera.
Asimismo, el procedimiento según la invención se
puede aplicar para medir y cuantificar las tensiones biomecánicas
relacionadas con una afección del aparato locomotor, en particular
en función de la velocidad de la carrera.
La característica de las particularidades del
paso del atleta en carrera según el procedimiento de la invención es
útil en particular para mejorar la eficacia y las prestaciones del
deportista.
La caracterización de los parámetros de
aceleración según el procedimiento de la invención es en particular
útil para evaluar la tolerancia de una afección del aparato
locomotor en función de las cargas de trabajo.
La presente invención se ilustrará y se
entenderá mejor con la ayuda de los modos de realización
particulares, sin ser limitativos, en referencia con las figuras
anexas, en las que:
la Figura 1 representa un sujeto equipado con un
sensor de aceleración, para la realización del procedimiento de
análisis según la invención;
la Figura 2 muestra un dispositivo de medición,
que se puede usar para realizar el procedimiento de análisis de la
invención, y que corresponde al de la Figura 1;
la Figura 3 muestra una ampliación de una parte
del dispositivo de medición de la Figura 2, sin el sensor;
la Figura 4 representa una vista frontal y en
sección del sensor del dispositivo de medición de la Figura 2;
la Figura 5 representa una vista desde arriba y
en sección del sensor del dispositivo de medición de las Figuras 2 y
4;
la Figura 6 muestra curvas de aceleraciones
vertical y lateral en función del tiempo, sincronizadas con imágenes
de un sujeto, para un paso de marcha normal;
la Figura 7 muestra curvas de aceleraciones
vertical y lateral en función del tiempo sincronizadas con imágenes
de un sujeto, para un paso de marcha patológica;
la Figura 8 representa curvas de evolución en el
tiempo de las aceleraciones vertical y lateral para una marcha
normal de un sujeto;
La figura 9 muestra una imagen espectral en tres
dimensiones de una transformada en ondículas de Morlet obtenida a
partir de la aceleración vertical de la Figura 8, según el
procedimiento de análisis según la invención;
La figura 10 muestra una ampliación de la imagen
espectral de la Figura 9;
la Figura 11 representa una curva que muestra la
evolución en función del tiempo de la aceleración vertical para una
marcha patológica de un sujeto mayor con tendencia a caerse;
la Figura 12 representa una imagen espectral en
tres dimensiones de una transformada en ondículas de Mortel obtenida
a partir de la aceleración vertical de la Figura 11;
La figura 13 es un diagrama vectorial denominado
"mariposa frontal" que muestra la aceleración vertical en
función de la aceleración lateral, que corresponde a la marcha
asociada a las Figuras 8 a 10;
la Figura 14 es un diagrama de las fases de
aceleración vertical que muestra la primera derivada de la
aceleración frente al tiempo, en función de la serie temporal de
esta aceleración, para una marcha normal que corresponde a las
Figuras 8 a 10; y
la Figura 15 representa un diagrama de las fases
de aceleración vertical que muestra la primera derivada de la
aceleración frente al tiempo, en función de la serie temporal de
esta aceleración, para una marcha patológica que corresponde a las
Figuras 11 y 12;
la Figura 16 muestra una imagen espectral en
tres dimensiones de una transformada en ondículas de Molret obtenida
según el procedimiento de la invención en un periodo de carrera de
un deportista cuyo paso es muy fluido;
La figura 17 muestra una imagen espectral en
tres dimensiones de una transformada en ondículas de Morlet obtenida
según el procedimiento de la invención, en un periodo de carrera de
un deportista que tiene una alta asimetría de propulsión y de
frenado.
En las figuras 16 y 17, el grafo superior
ilustra las curvas de aceleración vertical, longitudinal y lateral
en función del tiempo expresado en segundos; el grafo del centro
ilustra la imagen espectral de la transformada en ondículas de los
movimientos verticales en función del tiempo; el grafo inferior
ilustra la imagen espectral de la transformada en ondículas de los
movimientos longitudinales en función del tiempo expresado en
segundos.
La figura 18 muestra curvas de aceleración
vertical, anteroposterior y lateral en función del tiempo,
sincronizadas con imágenes de un sujeto, para un paso de carrera
normal.
Un dispositivo 10 de medición (Figuras 1 y 2)
comprende un sensor 16 sensible a movimientos, conectado a una
grabadora 20 ambulatoria que se presenta en forma de caja.
El sensor 16 es un sensor acelerométrico que
comprende (figuras 4 y 5) unos acelerómetros 201, 202 y 203
dispuestos perpendicularmente, a fin de detectar aceleraciones en
las direcciones 21, 22 y 23 perpendiculares respectivamente. A
título ilustrativo, los tres acelerómetros 201, 202 y 203 se
orientan respectivamente según una primera dirección 21
craneo-caudal a continuación vertical, según una
segunda dirección 22 latero-lateral y según una
tercera dirección 23 anteroposterior (a continuación:
"longitudinal") de un sujeto 1. Estos acelerómetros
201-203 son sensibles a componentes continuos y
dinámicos y están adaptados para medir movimientos de baja
frecuencias. Su frecuencia propia es, por ejemplo, de 1.200 Hz,
situándose el intervalo de medición entre \pm 10 g, y siendo la
sensibilidad de 5 mV/g a 100 Hz. Forman un conjunto 205 cúbica, en
el que su ortogonalidad está asegurada mediante unas escuadras 240.
Est conjunto 205 se moldea en un revestimiento 200 de polímero
paralelepipédico y de tamaño pequeño. El revestimiento 200 es
aislante, rígido, protector y hermético. Por ejemplo, tiene una
altura al (dirección 21), una anchura an (dirección 22) y una
profundidad p (dirección 23) que valen respectivamente 40, 18 y 22
mm.
Cada uno de los acelerómetros 201, 202 y 203
está provisto de cinco bornes de conexión que comprenden:
- \bullet
- un borne de masa (bornes 210 y 220 de los acelerómetros 201 y 202 respectivamente ),
- \bullet
- un borne de alimentación negativa conectada al borne de masa (bornes 211 y 221 de los acelerómetros 201 y 202 respectivamente),
- \bullet
- un borne de alimentación positiva (bornes 212 y 222 de los acelerómetros 201 y 202 respectivamente),
- \bullet
- un borne de señal negativa (bornes 213 y 223 de los acelerómetros 201 y 202 respectivamente), y
- \bullet
- un borne de señal positiva (bornes 214 y 224 de los acelerómetros 201 y 202 respectivamente).
\vskip1.000000\baselineskip
Los bornes y los acelerómetros 201 a 203 se
apoyan respectivamente sobre zócalos de cerámica 206 a 208.
Los bornes de masa y los bornes de alimentación
negativa de los tres acelerómetros 201 a 203 están unidos entre
sí.
El sensor 16 comprende asimismo un cable 251 con
doce conductores de masa trenzados (trenzado metálico que evita los
parásitos), que contiene cables que proceden de los bornes de
alimentación y de señal de los tres acelerómetros 201 a 203. Este
cable 251, que conduce a la grabadora 20, está parcialmente rodeado
por una funda 250 semi-rígida termo retráctil que
penetra en el revestimiento 200. Esta funda 250 permite evitar las
rupturas del cable. Además, está bordeada en el exterior por el
revestimiento 200 por una parte troncocónica 252 que forma una sola
pieza con el revestimiento 200, que evita torsiones y riesgos de
ruptura del cable. La parte troncocónica 252 tiene una longitud L,
por ejemplo igual a 25 mm.
Además, el cable 251 está provisto de una grapa
253 prevista para hacer tope contra la funda 250 en caso de
desplazamiento del cable 251 en la funda 250, a fin de evitar el
arranque de las soldaduras.
El sensor 16 está incorporado en un cinturón 11
semi-elástico fijado a la cintura del sujeto 1, de
tal manera que este sensor 16 se aplica en la región lumbar
mediana, frente al espacio intervertebral L3-L4.
Este posicionamiento del sensor 16 permite una buena estabilidad de
los acelerómetros en la proximidad del centro de gravedad del
sujeto 1, localizándose este centro de gravedad frente a la segunda
vértebra sacra para un ser humano en posición de pie en reposo.
El sensor 16 está dispuesto en un espacio 17
formado por una parte suelta 12 del cinturón 11 y por un refuerzo
13 de cuero aplicado contra el cinturón 11, mediante cuñas 14 y 15
de tela de espuma de alta densidad, dispuestos a ambos lados de la
parte 12 (Figuras 2 y 3). Las cuñas 14 y 15 permiten posicionar el
revestimiento 200 del sensor 16 exactamente en el canal vertebral
del sujeto 1.
La grabadora 20 presenta por ejemplo una
frecuencia de adquisición de 100 Hz y una autonomía que permite un
registro continuo durante 30 minutos. Está provista de un filtro
pasabajos de frecuencia de corte de 50 Hz para evitar fenómeros de
repliegue. Admite tres vías perpendiculares sincronizadas. Las
mediciones de aceleración se digitalizan y se codifican, por ejemplo
en 12 bits.
La grabadora 20 comprende medios de conexión a
una unidad de tratamiento, por ejemplo a un ordenador de tipo PC
mediante un puerto de comunicación serie con la ayuda de un programa
de transferencia.
El dispositivo de medición 10 comprende asimismo
un aparato de marcación de eventos 25, intercalado eléctricamente
entre el sensor 16 y la grabadora 20, e integrado en la caja de la
grabadora 20 (Figura 2). Este aparato 25 tiene por función marcar
eventos sobre señales registradas y/o sincronizar de los registros
de aceleración con otros aparatos de medición. Está provisto de una
célula sensible a un flash de luz y está previsto para saturar la
señal acelerométrica, por ejemplo durante 0,01 segundo para una
adquisición a 100 Hz en el momento en el que se activa el flash.
En funcionamiento, el sujeto 1 anda en línea
recta, por ejemplo en una distancia de 30 m ida y 30 m vuelta. Se
dispone ventajosamente de células de cronometraje distantes 30 m en
los extremos del trayecto seguido por el sujeto, a fin de poder
medir las velocidades y sincronizar las mediciones. Estas células de
cronometraje forman cada una de ellas una barrera infrarroja que
comprende un emisor y un receptor. Están unidas respectivamente a
unos flashes, que se encienden cuando la barrera infrarroja es
atravesada por el sujeto 1, y son objeto de detecciones por el
aparato de marcación de eventos 25.
Así, se obtiene, para un sujeto 60 que tiene un
paso de marcha normal (Figura 6) y un sujeto 90 que tiene un paso de
marcha patológica (Figura 7), las aceleraciones vertical y lateral
en función del tiempo.
Así, para la marcha normal, se representa una
curva 40 que muestra la aceleración vertical (eje 32, en g) y una
curva 50 que muestra la aceleración lateral (eje 33, en g) en
función del tiempo (eje 31, en segundos). Se identifican en estas
curvas 40 y 50 diferentes etapas de la marcha, y se pueden
relacionar con imágenes sincronizadas (registradas con una cámara
de vídeo) del sujeto 60 en marcha. Así, se observan respectivamente
en las curvas 40 y 50:
- \bullet
- unas zonas 41 y 51 que corresponden a un apoyo de la pierna izquierda 90a (imagen 61),
- \bullet
- unas zonas 42 y 52 que corresponden a un apoyo bipodal (imagen 62)
- \bullet
- unas zonas 43 y 53 que corresponden a un levantar de la pierna derecha 90b y a una flexión de la rodilla derecha (imagen 63),
- \bullet
- unas zonas 44 y 54 que corresponden a un apoyo unipodal vertical de la pierna izquierda 90a (imagen 64), y
- \bullet
- unas zonas 45 y 55 que corresponden a un empuje unipodal de la pierna izquierda 90a (imagen 65).
\vskip1.000000\baselineskip
De manera similar, las curvas 70 y 80 (Figura 7)
representan respectivamente las aceleraciones vertical y lateral en
función del tiempo, se identifican respectivamente en las curvas 70
y 80:
- \bullet
- unas zonas 71 y 81 que corresponden a un apoyo de la pierna derecha 90b (imagen 91),
- \bullet
- unas zonas 72 y 82 que corresponden a un apoyo bipodal (imagen 92)
- \bullet
- unas zonas 73 y 83 que corresponden a un levantar de la pierna izquierda 90a y a una flexión de la rodilla izquierda (imagen 93),
- \bullet
- unas zonas 74 y 84 que corresponden a un apoyo unipodal vertical de la pierna derecha 90b (imagen 94), y
- \bullet
- unas zonas 75 y 85 que corresponden a un empuje unipodal de la pierna derecha 90a (imagen 95).
\vskip1.000000\baselineskip
Se detallará ahora el procedimiento de análisis
de irregularidades de la marcha humana, basada en dichos resultados.
Así, se tiene interés en las curvas 100 y 110 (Figura 6) que dan
respectivamente las aceleraciones vertical y lateral (en g, único
eje 34 con translación de -1 g para la aceleración lateral) en
función del tiempo (en segundos, ejes 31 y 35 respectivamente para
las aceleraciones vertical y lateral, y eje 36 de referencia). Así,
se identifican unos ciclos 101-105 en la curva 100
de aceleración vertical y unos ciclos 111-115 en la
curva 110 (Figura 6) de aceleración lateral, sincronizadas y que
corresponden respectivamente a movimientos de los pasos izquierdos y
derechos.
De manera similar, se obtiene por ejemplo una
curva 140 (Figura 9) que da la aceleración vertical (eje 32) en
función del tiempo (eje 31) para una marcha patológica, admitiendo
asimismo esta curva 140 unos ciclos 141-145.
Se somete la aceleración vertical para la marcha
normal y para la marcha patológica a una transformación en ondículas
continua de tipo Morlet. Dicha transformación se expresa
generalmente en forma:
- \bullet
- designando la variable t el tiempo
- \bullet
- siendo Acc (t) la señal de aceleración vertical,
- \bullet
- siendo la función \Psi (at+b) la función de ondículas usada, por ejemplo de Morlet,
- \bullet
- siendo los parámetros a y b de la función de ondículas respectivamente los parámetros de estiramiento (o de escala) y de translación de la ondícula,
- \bullet
- siendo los coeficientes C (a, b) los coeficientes de la transformada en ondículas continua.
\vskip1.000000\baselineskip
A partir de los coeficientes C (a,
b) se construye, para la marcha normal, una imagen espectral
120 (Figuras 7 y 8) en tres dimensiones, que corresponden
respectivamente al tiempo, a la frecuencia y a la energía
espectral. Esta imagen 120 se representa en un plano
tiempo-frecuencia (o tiempo-escala)
con una escala lineal para el tiempo (eje 3, en segundos) y una
escala semi-logarítmica para la frecuencia (eje 37,
en Hz). El módulo de energía (g^{2}) de la ondícula se representa
por contornos coloreados.
De manera similar, se obtiene para la marcha
patológica que corresponde a la Figura 9, una imagen espectral 150
de la transformada en ondículas de Morlet de la aceleración vertical
(Figura 10).
La densidad de energía en la ampliación 130 y en
la imagen espectral 150 se expresa en aceleración (g^{2}).
Se define en las imágenes espectrales 120 y 150
una banda de baja frecuencia que tiene bornes inferior 121 y
superior 122, asociados respectivamente con valores de 1 Hz y de
4Hz. En el caso de una marcha normal, la densidad de energía del
espectro está principalmente concentrada en esta banda. Se define
más precisamente una zona normal 123 comprendida en la banda de
frecuencias y una zona patológica 124 por encima de esta banda.
En efecto, se observa que para la marcha normal
del sujeto 60 (Figura 7 y ampliación 130 de la Figura 8), la
energía espectral está esencialmente concentrada en la zona 123,
apareciendo unos picos 125-128 poco elevados y
periódicos en la zona patológica 124 y que corresponden a los ciclos
de marcha del sujeto 60.
Sin embargo, en la imagen espectral 150 asociada
con la marcha patológica del sujeto 90, se observa:
- \bullet
- un descenso de la energía espectral total,
- \bullet
- unos picos 155-158 de altas frecuencias que tienen una densidad energética significativa que sobrepasan el límite 122 de los 4 Hz,
- \bullet
- teniendo estos picos 155-158 alteraciones de periodicidad y de regularidad en el tiempo y en frecuencia.
\vskip1.000000\baselineskip
Se pueden interpretar los picos
155-158 enunciando que cuanto más irregular
gráficamente es su forma, más alterados están la dinámica y la
regularidad de la marcha.
Además de estas informaciones gráficas, se
calculan informaciones cuantitativas, tal como se expone a
continuación. En particular, se determina en las imágenes
espectrales 120 y 150, la cantidad total de energía espectral, así
como la energía espectral marginal en el eje 37 de frecuencia, que
corresponde a una energía superior al límite 122 de los 4 Hz. Los
datos acumulados en casos de referencia muestran que para una marcha
patológica, esta energía marginal es superior a 6%.
Así, se obtiene para la marcha normal del
ejemplo (Figuras 7 y 8) una energía total de 22,97 g^{2} y una
energía marginal que representa 5,3%, y para la marcha patológica
(Figura 10), una energía total de 2,50 g^{2} y una energía
marginal que representa 15,4%.
En el caso de una marcha muy alterada con
motivos de alta frecuencia de forma y de energía muy variadas, se
mide el valor puntual del módulo de energía en la imagen
espectral.
Se completan preferentemente las informaciones
así obtenidas mediante otras técnicas de análisis. En particular,
es interesante profundizar las informaciones obtenidas mediante un
análisis frecuencial y un cálculo de la simetría y de la
irregularidad mediante la función de autocorrelación, de la manera
indicada en el artículo de AUVINET et al., citado
anteriormente. Así, se obtiene para la marcha normal anterior
(Figuras 6 a 8):
- \bullet
- una frecuencia de pasos de 1,00 paso por segundo,
- \bullet
- una simetría de los pasos de 95,01%, con una transformada z de Fisher de 183,35, y
- \bullet
- una regularidad de los pasos de 186,27 (sobre 200), con una transformada z de Fisher de 337,56.
\vskip1.000000\baselineskip
Para la marcha patológica del ejemplo (Figuras 9
y 10) se obtiene:
- \bullet
- una frecuencia de pasos de 0,88 pasos por segundo (frecuencia demasiado lenta),
- \bullet
- una simetría de los pasos de 95,57%, con una transformada z de Fisher de 189.35, y
- \bullet
- una regularidad de los pasos de 160,93 (sobre 200), con una transformada z de Fisher de 222,41 (regularidad anormal).
\vskip1.000000\baselineskip
Se acoplan estos resultados con los obtenidos
mediante transformaciones en ondículas. En particular, se relacionan
los picos 125-128 ó 155-158 con la
frecuencia de los pasos, y su alternancia derecha/izquierda con la
simetría, y su similitud con la regularidad de los pasos.
Ventajosamente, se completan asimismo estos
resultados obtenidos por transformación mediante un diagrama
vectorial ("mariposa frontal"), tal como el 160 (Figura 11)
obtenido para la marcha normal del ejemplo (Figuras 6 a 8) que da
la aceleración vertical (eje 32, en g) en función de la aceleración
lateral (eje 33, en g). Se observan en el diagrama vectorial 160
trayectorias cíclicas 161-163, que tienden a estar
tanto más superpuestos unos encima de otros como normal es la
marcha. En casos patológicos, estas trayectorias cíclicas se alejan
unas de otras de manera identificable y analizable.
Asimismo se completa el análisis mediante un
diagrama de las fases, dando por ejemplo para la aceleración
vertical de la marcha normal (Figura 12) y de la marcha patológica
(Figura 13) dadas en ejemplo anteriormente, la deriva de la
aceleración (g.s^{-1}, eje 38) en función de la aceleración (en g,
eje 32). Se obtienen así unos diagramas 170 y 180 que corresponden
respectivamente a las marchas normal y patológica, y que tienen
respectivamente trayectorias cíclicas 171-173 y
181-183.
La marcha irregular de un sujeto con tendencia a
caerse, por ejemplo, se manifiesta por un régimen caótico,
demostrado cualitativamente por una divergencia más marcada de las
trayectorias cíclicas 181-183.
Se cuantifica la velocidad de divergencia de las
trayectorias cíclicas (u órbitas) de las señales mediante al menos
un coeficiente de Lyapunov. Dicho coeficiente evalúa la sensibilidad
de un sistema para apartarse de un régimen estacionario y periódico
a partir de un punto particular en el tiempo t_{0} en el que se
conocen las características del sistema (condiciones iniciales).
El coeficiente de Lyapunov medio \lambda_{m}
de N-1 coeficientes de Lyapunov obtenidos con un
intervalo de muestreo igual a 1, se da habitualmente por una fórmula
de tipo:
- \bullet
- siendo N el número de puntos tomados en cuenta,
- \bullet
- siendo n el número del punto actual, y
- \bullet
- representando I_{n} la distancia entre el punto indexado n que pertenece a una órbita y el punto vecino más próximo que pertenece a una órbita vecina en el espacio de las fases.
\vskip1.000000\baselineskip
Un método práctico de cálculo algorítmico de
este coeficiente se expone, por ejemplo, en el artículo de WOLF
et al., "Determining Lyapunov exponents form a time
series", de la revista Physica, 16D, 1985, p.
285-317.
A título de ejemplo, para una dimensión de
espacio de las fases igual a 3 y un intervalo de muestreo igual a 3
puntos, el coeficiente de Lyapunov máximo calculado en la señal
acelerométrica vertical está comprendido entre 0 y 1, siendo este
coeficiente cada vez más grande a medida que la patología aumenta.
Así, para un valor superior a 0,4 la marcha es muy irregular. Este
coeficiente cuantifica la falta de regularidad dinámica de los
ciclos de marcha y detecta las fluctuaciones temporales y dinámicas
de coordinación, en relación con un riesgo de caída.
Se combina el conjunto de los resultados
obtenidos mediante estos diferentes métodos, centrados en el
análisis por ondícula, para identificar las irregularidades de la
marcha y cuantificarlas.
Los ejemplos mencionados, que se basan en las
mediciones de las aceleraciones vertical y lateral para una marcha,
están particularmente adaptados para la identificación de
claudicación o de degradación de las capacidades de personas
mayores, a fin de detectar precozmente riesgos de caída y adoptar
medidas de prevención.
En otras formas de realización, se tiene interés
en otras velocidades diferentes a la marcha y/o se usan otras
aceleraciones. Así, por ejemplo, se analiza una marcha deportiva
usando ventajosamente las aceleraciones vertical y anteroposterior
del raquis (plano sagital del sujeto, direcciones 21 a 23).
Preferentemente, se detectan así fallos técnicos de un atleta de
marcha deportiva, tales como una flexión de la rodilla en el momento
del apoyo y/o una ruptura simultánea de contacto con el suelo de los
dos pies del atleta.
En otra forma de realización, se analiza una
carrera deportiva. Las figuras 16 y 17 ilustran la imagen espectral
en tres dimensiones de una transformada en ondículas obtenida
respectivamente en un deportista que tiene un paso fluido (figura
16) y en un deportista que tiene un paso irregular (figura 17). En
la figura 17 se observa, en el trazado de aceleración longitudinal
(curva <fre pro> de la parte superior) y el espectro de
ondículas correspondiente (abajo), un pico de frecuencia elevado a
0,2-0,4 s que corresponde a una brusca deceleración
de frenado en el momento del apoyo del pie izquierdo. En el tiempo
0,6-0,8, el apoyo del pie derecho no presenta
ningún frenado brusco sino una propulsión más marcada que a la
izquierda. Estos análisis del paso permiten visualizar y
caracterizar las asimetrías del paso y determinar así las
características biomecánicas del paso de un atleta. Una comparación
de las características del paso del mismo atleta analizado en dos
momentos dados espaciados en el tiempo permite identificar la
presencia de anomalías del paso caracterizadas por cambios en sus
características biomecánicas. Los análisis del paso del atleta en
cuestión según el procedimiento de la invención permite asimismo
cuantificar, y por lo tanto controlar, la tolerancia funcional de
una afección del aparato de la marcha del deportista.
En esta otra forma de realización del
procedimiento de la invención para el análisis de una carrera
deportiva, la figura 18 muestra las curvas de aceleración vertical,
anteposterior y lateral en función del tiempo sincronizadas con las
imágenes del sujeto.
En estas curvas, se pueden observar:
- -
- el momento (300) de toma de apoyo de la pierna izquierda (G);
- -
- el momento (301) de medio apoyo de la pierna izquierda (G);
- -
- el momento (302) de empuje de la pierna izquierda (G); y
- -
- el momento (303) de fin de apoyo de la pierna izquierda (G).
Claims (15)
1. Procedimiento de análisis de irregularidades
de la marcha humana en el que se usan medidas de aceleración
obtenidas durante al menos un desplazamiento controlado con
velocidad estabilizada de un ser humano (1, 60, 90) mediante al
menos un acelerómetro que mide en función del tiempo al menos una
aceleración según al menos una dirección (21-23),
detectando y analizando eventuales irregularidades de la marcha a
partir de medidas de referencia, se someten dichas aceleraciones
medidas a al menos una transformación en ondículas, y se usa la
transformada en ondículas obtenida para detectar y analizar dichas
irregularidades, y caracterizado porque se visualiza un
espectro de dicha transformada en ondículas en tres dimensiones de
tiempo, de frecuencia y de módulo de energía espectral
respectivamente de la transformada en ondículas para detectar y
analizar dichas irregularidades, consistiendo la transformación en
una transformación continua en ondículas de Morlet
caracterizadas por la fórmula:
en la que k es una constante de
normalización y \omega_{0} es la pulsación de la ondícula
considerada.
2. Procedimiento de análisis según la
reivindicación 1, caracterizado porque se representa el
módulo de energía espectral de la transformada en ondículas mediante
unos contornos coloreados o mediante un gradiente de colores.
3. Procedimiento de análisis según la
reivindicación 2, caracterizado porque se usa una escala
lineal para el tiempo y logarítmica para la frecuencia.
4. Procedimiento de análisis según cualquiera
de las reivindicaciones anteriores, caracterizado porque
teniendo la transformada en ondículas una energía espectral
distribuida en el tiempo, se define una banda de baja frecuencia en
la que se concentra principalmente la energía espectral para una
locomoción normal, y se detectan y/o analizan dichas irregularidades
usando la energía espectral fuera de dicha banda.
5. Procedimiento de análisis según la
reivindicación 4, caracterizado porque dicha banda está
comprendida entre 1 Hz y 4 Hz.
6. Procedimiento de análisis según una de las
reivindicaciones 4 ó 5, caracterizado porque se identifican
y/o analizan dichas irregularidades repitiendo y/o estudiando unos
picos (124-128, 155-158) de energía
espectral que sobrepasan dicha banda.
7. Procedimiento de análisis según cualquiera
de las reivindicaciones 4 a 7, caracterizado porque se
calcula un grado de irregularidad de la marcha relacionando la
energía espectral marginal fuera de dicha banda con la energía
espectral total.
8. Procedimiento de análisis según cualquiera
de las reivindicaciones anteriores, caracterizado porque
dichas aceleraciones son al menos dos, y porque para detectar y/o
analizar dichas irregularidades, se usa asimismo al menos un
diagrama vectorial (160) que representa la intensidad de una de las
aceleraciones medidas en función de la intensidad de otra de las
aceleraciones medidas.
9. Procedimiento de análisis según cualquiera
de las reivindicaciones anteriores, caracterizado porque para
detectar y/o analizar dichas irregularidades, se usa asimismo al
menos una representación (170, 180) en un espacio de las fases,
dando la intensidad de al menos una de dichas aceleraciones en
función de la intensidad de la derivada temporal de dicha
aceleración o en función de dicha aceleración, desplazada en el
tiempo de un plazo (d) predeterminado.
10. Procedimiento de análisis según la
reivindicación 9, caracterizado porque se calcula al menos un
coeficiente de Lyapunov de dicha representación (170, 180) en el
espacio de las fases, preferentemente el coeficiente de Lyapunov
máximo.
11. Procedimiento de análisis según la
reivindicación 10, caracterizado porque se considera que se
produce un desorden de coordinación si el coeficiente de Lyapunov
máximo es superior a 0,4.
12. Aplicación del procedimiento de análisis
según cualquiera de las reivindicaciones anteriores en el campo
médico, en particular para la detección precoz de desórdenes
neuro-motores de sujetos mayores.
13. Aplicación del procedimiento de análisis
según cualquiera de las reivindicaciones 1 a 11 en el campo
deportivo, en particular para la detección de fallos técnicos de
andadores o de corredores deportivos.
14. Aplicación del procedimiento de análisis
según cualquiera de las reivindicaciones 1 a 11, para la detección
de las particularidades de pasos del atleta durante un periodo de
carrera.
15. Aplicación del procedimiento de análisis
según cualquiera de las reivindicaciones 1 a 11, para medir y
cuantificar las tensiones biomecánicas relacionadas con una afección
del aparato locomotor.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR0001461A FR2804596B1 (fr) | 2000-02-04 | 2000-02-04 | Procede d'analyse d'irregularites de locomotion humaine |
FR0001461 | 2000-02-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2292560T3 true ES2292560T3 (es) | 2008-03-16 |
Family
ID=8846692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES01907706T Expired - Lifetime ES2292560T3 (es) | 2000-02-04 | 2001-02-05 | Procedimiento de analisis de irregularidades de la marcha humana. |
Country Status (11)
Country | Link |
---|---|
US (1) | US6895341B2 (es) |
EP (1) | EP1261279B1 (es) |
AT (1) | ATE372089T1 (es) |
AU (1) | AU3560901A (es) |
CA (1) | CA2399182C (es) |
DE (1) | DE60130325T2 (es) |
DK (1) | DK1261279T3 (es) |
ES (1) | ES2292560T3 (es) |
FR (1) | FR2804596B1 (es) |
PT (1) | PT1261279E (es) |
WO (1) | WO2001056470A1 (es) |
Families Citing this family (122)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1195139A1 (en) * | 2000-10-05 | 2002-04-10 | Ecole Polytechnique Féderale de Lausanne (EPFL) | Body movement monitoring system and method |
DE10164534A1 (de) * | 2001-12-31 | 2003-07-10 | Dirk Parchmann | Einrichtung und Verfahren zur Bestimmung von Kenngrößen der Bewegung eines Körpers |
WO2004034231A2 (en) * | 2002-10-11 | 2004-04-22 | Flint Hills Scientific, L.L.C. | Intrinsic timescale decomposition, filtering, and automated analysis of signals of arbitrary origin or timescale |
US7387611B2 (en) * | 2003-04-10 | 2008-06-17 | Matsushita Electric Industrial Co., Ltd. | Physical movement analyzer and physical movement analyzing method |
US7503900B2 (en) * | 2003-07-03 | 2009-03-17 | Honda Motor Co., Ltd. | Kinematic quantification of gait asymmetry based on bilateral cyclograms |
WO2005006956A2 (en) * | 2003-07-09 | 2005-01-27 | Medical Technologies Unlimited, Inc. | Comprehensive neuromuscular profiler |
US8396565B2 (en) | 2003-09-15 | 2013-03-12 | Medtronic, Inc. | Automatic therapy adjustments |
FI119718B (fi) | 2003-12-22 | 2009-02-27 | Suunto Oy | Menetelmä liikuntasuorituksen mittaamiseksi |
US8725244B2 (en) | 2004-03-16 | 2014-05-13 | Medtronic, Inc. | Determination of sleep quality for neurological disorders |
US7491181B2 (en) * | 2004-03-16 | 2009-02-17 | Medtronic, Inc. | Collecting activity and sleep quality information via a medical device |
US7792583B2 (en) * | 2004-03-16 | 2010-09-07 | Medtronic, Inc. | Collecting posture information to evaluate therapy |
US8308661B2 (en) * | 2004-03-16 | 2012-11-13 | Medtronic, Inc. | Collecting activity and sleep quality information via a medical device |
US7717848B2 (en) * | 2004-03-16 | 2010-05-18 | Medtronic, Inc. | Collecting sleep quality information via a medical device |
US7330760B2 (en) | 2004-03-16 | 2008-02-12 | Medtronic, Inc. | Collecting posture information to evaluate therapy |
US20050209512A1 (en) * | 2004-03-16 | 2005-09-22 | Heruth Kenneth T | Detecting sleep |
US8055348B2 (en) * | 2004-03-16 | 2011-11-08 | Medtronic, Inc. | Detecting sleep to evaluate therapy |
US7395113B2 (en) | 2004-03-16 | 2008-07-01 | Medtronic, Inc. | Collecting activity information to evaluate therapy |
WO2005089646A1 (en) * | 2004-03-16 | 2005-09-29 | Medtronic, Inc. | Sensitivity analysis for selecting therapy parameter sets |
US20070276439A1 (en) * | 2004-03-16 | 2007-11-29 | Medtronic, Inc. | Collecting sleep quality information via a medical device |
US7881798B2 (en) | 2004-03-16 | 2011-02-01 | Medtronic Inc. | Controlling therapy based on sleep quality |
US7366572B2 (en) * | 2004-03-16 | 2008-04-29 | Medtronic, Inc. | Controlling therapy based on sleep quality |
US7805196B2 (en) | 2004-03-16 | 2010-09-28 | Medtronic, Inc. | Collecting activity information to evaluate therapy |
US7313440B2 (en) * | 2004-04-14 | 2007-12-25 | Medtronic, Inc. | Collecting posture and activity information to evaluate therapy |
US8135473B2 (en) | 2004-04-14 | 2012-03-13 | Medtronic, Inc. | Collecting posture and activity information to evaluate therapy |
WO2005115242A2 (en) * | 2004-05-24 | 2005-12-08 | Equusys, Incorporated | Animal instrumentation |
CA2572216A1 (en) * | 2004-06-21 | 2006-01-26 | Equestron Llc | Method and apparatus for evaluating animals' health and performance |
US7535368B2 (en) * | 2004-09-10 | 2009-05-19 | General Electric Company | System and method for measuring and reporting changes in walking speed |
CA2486949A1 (fr) | 2004-12-09 | 2006-06-09 | Christian Cloutier | Systeme et methode pour la detection des chutes et du suivi des niveaux d'activite a distance chez des personnes en perte d'autonomie |
EP1877981A4 (en) * | 2005-05-02 | 2009-12-16 | Univ Virginia | SYSTEMS, DEVICES AND METHODS FOR INTERPRETATION OF MOVEMENTS |
WO2006130268A1 (en) * | 2005-06-01 | 2006-12-07 | Medtronic, Inc. | Correlating a non-polysomnographic physiological parameter set with sleep states |
US9179862B2 (en) * | 2005-07-19 | 2015-11-10 | Board Of Regents Of The University Of Nebraska | Method and system for assessing locomotive bio-rhythms |
KR100703451B1 (ko) * | 2005-09-16 | 2007-04-03 | 삼성전자주식회사 | 개인 항법 기기에서 걸음 검출 장치 및 방법 |
US7733224B2 (en) * | 2006-06-30 | 2010-06-08 | Bao Tran | Mesh network personal emergency response appliance |
US8016776B2 (en) * | 2005-12-02 | 2011-09-13 | Medtronic, Inc. | Wearable ambulatory data recorder |
US7957809B2 (en) | 2005-12-02 | 2011-06-07 | Medtronic, Inc. | Closed-loop therapy adjustment |
WO2007102134A2 (en) * | 2006-03-08 | 2007-09-13 | Philips Intellectual Property & Standards Gmbh | Method and system for monitoring the functional use of limbs |
EP1998849B1 (en) | 2006-03-24 | 2014-12-24 | Medtronic, Inc. | Collecting gait information for evaluation and control of therapy |
US9390229B1 (en) | 2006-04-26 | 2016-07-12 | Dp Technologies, Inc. | Method and apparatus for a health phone |
WO2007138930A1 (ja) * | 2006-05-29 | 2007-12-06 | Sharp Kabushiki Kaisha | 疲労推定装置及びそれを搭載した電子機器 |
US8902154B1 (en) | 2006-07-11 | 2014-12-02 | Dp Technologies, Inc. | Method and apparatus for utilizing motion user interface |
US7601126B2 (en) * | 2006-07-21 | 2009-10-13 | The Curators Of The University Of Missouri | Lameness evaluation systems and methods |
US7653508B1 (en) | 2006-12-22 | 2010-01-26 | Dp Technologies, Inc. | Human activity monitoring device |
US8620353B1 (en) | 2007-01-26 | 2013-12-31 | Dp Technologies, Inc. | Automatic sharing and publication of multimedia from a mobile device |
US8949070B1 (en) | 2007-02-08 | 2015-02-03 | Dp Technologies, Inc. | Human activity monitoring device with activity identification |
US7753861B1 (en) * | 2007-04-04 | 2010-07-13 | Dp Technologies, Inc. | Chest strap having human activity monitoring device |
BRPI0705152A2 (pt) * | 2007-07-09 | 2009-03-03 | Univ Minas Gerais | mediÇço do temperamento animal |
US8555282B1 (en) | 2007-07-27 | 2013-10-08 | Dp Technologies, Inc. | Optimizing preemptive operating system with motion sensing |
GB2452538A (en) * | 2007-09-07 | 2009-03-11 | Royal Veterinary College | Identifying sub-optimal performance in a race animal |
US8206325B1 (en) | 2007-10-12 | 2012-06-26 | Biosensics, L.L.C. | Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection |
IL188033A0 (en) * | 2007-12-10 | 2008-12-29 | Hadasit Med Res Service | Method and system for detection of pre-fainting conditions |
TWI356357B (en) * | 2007-12-24 | 2012-01-11 | Univ Nat Chiao Tung | A method for estimating a body pose |
EP2092907B1 (de) * | 2008-02-21 | 2011-02-16 | BrainLAB AG | Lageberechnung von Körperteilen unter Berücksichtigung der anatomischen Symmetrie |
US8285344B2 (en) | 2008-05-21 | 2012-10-09 | DP Technlogies, Inc. | Method and apparatus for adjusting audio for a user environment |
US8996332B2 (en) | 2008-06-24 | 2015-03-31 | Dp Technologies, Inc. | Program setting adjustments based on activity identification |
US8200340B2 (en) | 2008-07-11 | 2012-06-12 | Medtronic, Inc. | Guided programming for posture-state responsive therapy |
US8504150B2 (en) | 2008-07-11 | 2013-08-06 | Medtronic, Inc. | Associating therapy adjustments with posture states using a stability timer |
US8708934B2 (en) | 2008-07-11 | 2014-04-29 | Medtronic, Inc. | Reorientation of patient posture states for posture-responsive therapy |
US8219206B2 (en) | 2008-07-11 | 2012-07-10 | Medtronic, Inc. | Dwell time adjustments for posture state-responsive therapy |
US8644945B2 (en) | 2008-07-11 | 2014-02-04 | Medtronic, Inc. | Patient interaction with posture-responsive therapy |
US9440084B2 (en) | 2008-07-11 | 2016-09-13 | Medtronic, Inc. | Programming posture responsive therapy |
US8282580B2 (en) | 2008-07-11 | 2012-10-09 | Medtronic, Inc. | Data rejection for posture state analysis |
US9050471B2 (en) | 2008-07-11 | 2015-06-09 | Medtronic, Inc. | Posture state display on medical device user interface |
US8437861B2 (en) | 2008-07-11 | 2013-05-07 | Medtronic, Inc. | Posture state redefinition based on posture data and therapy adjustments |
US8187182B2 (en) * | 2008-08-29 | 2012-05-29 | Dp Technologies, Inc. | Sensor fusion for activity identification |
EP2335231B1 (en) * | 2008-09-04 | 2012-12-26 | Koninklijke Philips Electronics N.V. | Fall prevention system |
US8280517B2 (en) | 2008-09-19 | 2012-10-02 | Medtronic, Inc. | Automatic validation techniques for validating operation of medical devices |
US8872646B2 (en) | 2008-10-08 | 2014-10-28 | Dp Technologies, Inc. | Method and system for waking up a device due to motion |
US8382687B2 (en) * | 2009-03-02 | 2013-02-26 | The Iams Company | Method for determining the biological age of a companion animal |
AT507941B1 (de) * | 2009-03-02 | 2011-06-15 | Spantec Gmbh | Verfahren zur detektion einer aussergewöhnlichen situation |
US8366642B2 (en) * | 2009-03-02 | 2013-02-05 | The Iams Company | Management program for the benefit of a companion animal |
DE102009002547A1 (de) * | 2009-04-21 | 2010-10-28 | Robert Bosch Gmbh | Von einem Patienten zu tragende Vorrichtung zur Kontrolle von Bewegungen des Patienten |
US9327070B2 (en) | 2009-04-30 | 2016-05-03 | Medtronic, Inc. | Medical device therapy based on posture and timing |
US8175720B2 (en) | 2009-04-30 | 2012-05-08 | Medtronic, Inc. | Posture-responsive therapy control based on patient input |
US9026223B2 (en) | 2009-04-30 | 2015-05-05 | Medtronic, Inc. | Therapy system including multiple posture sensors |
JP2010263953A (ja) * | 2009-05-12 | 2010-11-25 | Oki Electric Ind Co Ltd | 運動分析装置、プログラム及び方法、並びに、運動分析システム |
US8475370B2 (en) * | 2009-05-20 | 2013-07-02 | Sotera Wireless, Inc. | Method for measuring patient motion, activity level, and posture along with PTT-based blood pressure |
US9529437B2 (en) | 2009-05-26 | 2016-12-27 | Dp Technologies, Inc. | Method and apparatus for a motion state aware device |
US9585589B2 (en) * | 2009-12-31 | 2017-03-07 | Cerner Innovation, Inc. | Computerized systems and methods for stability-theoretic prediction and prevention of sudden cardiac death |
US9357949B2 (en) | 2010-01-08 | 2016-06-07 | Medtronic, Inc. | User interface that displays medical therapy and posture data |
US9956418B2 (en) | 2010-01-08 | 2018-05-01 | Medtronic, Inc. | Graphical manipulation of posture zones for posture-responsive therapy |
US9068844B2 (en) | 2010-01-08 | 2015-06-30 | Dp Technologies, Inc. | Method and apparatus for an integrated personal navigation system |
US8579834B2 (en) | 2010-01-08 | 2013-11-12 | Medtronic, Inc. | Display of detected patient posture state |
US8388555B2 (en) | 2010-01-08 | 2013-03-05 | Medtronic, Inc. | Posture state classification for a medical device |
US8979665B1 (en) | 2010-03-22 | 2015-03-17 | Bijan Najafi | Providing motion feedback based on user center of mass |
US9566441B2 (en) | 2010-04-30 | 2017-02-14 | Medtronic, Inc. | Detecting posture sensor signal shift or drift in medical devices |
CH703381B1 (fr) * | 2010-06-16 | 2018-12-14 | Myotest Sa | Dispositif portable intégré et procédé pour calculer des paramètres biomécaniques de la foulée. |
EP2585835A1 (en) * | 2010-06-22 | 2013-05-01 | Stephen J. McGregor | Method of monitoring human body movement |
US20150342513A1 (en) * | 2010-07-01 | 2015-12-03 | Industrial Technology Research Institute | System and Method for Analyzing Biomechanics |
US8753275B2 (en) | 2011-01-13 | 2014-06-17 | BioSensics LLC | Intelligent device to monitor and remind patients with footwear, walking aids, braces, or orthotics |
US9069380B2 (en) | 2011-06-10 | 2015-06-30 | Aliphcom | Media device, application, and content management using sensory input |
US20120316458A1 (en) * | 2011-06-11 | 2012-12-13 | Aliphcom, Inc. | Data-capable band for medical diagnosis, monitoring, and treatment |
US9374659B1 (en) | 2011-09-13 | 2016-06-21 | Dp Technologies, Inc. | Method and apparatus to utilize location data to enhance safety |
US20130085861A1 (en) * | 2011-09-30 | 2013-04-04 | Scott Dunlap | Persistent location tracking on mobile devices and location profiling |
US9282897B2 (en) | 2012-02-13 | 2016-03-15 | MedHab, LLC | Belt-mounted movement sensor system |
US9907959B2 (en) | 2012-04-12 | 2018-03-06 | Medtronic, Inc. | Velocity detection for posture-responsive therapy |
US9737719B2 (en) | 2012-04-26 | 2017-08-22 | Medtronic, Inc. | Adjustment of therapy based on acceleration |
US11246213B2 (en) | 2012-09-11 | 2022-02-08 | L.I.F.E. Corporation S.A. | Physiological monitoring garments |
US8945328B2 (en) | 2012-09-11 | 2015-02-03 | L.I.F.E. Corporation S.A. | Methods of making garments having stretchable and conductive ink |
US10201310B2 (en) | 2012-09-11 | 2019-02-12 | L.I.F.E. Corporation S.A. | Calibration packaging apparatuses for physiological monitoring garments |
WO2017013493A1 (en) * | 2015-07-20 | 2017-01-26 | L.I.F.E. Corporation S.A. | Flexible fabric ribbon connectors for garments with sensors and electronics |
US9817440B2 (en) | 2012-09-11 | 2017-11-14 | L.I.F.E. Corporation S.A. | Garments having stretchable and conductive ink |
US10462898B2 (en) | 2012-09-11 | 2019-10-29 | L.I.F.E. Corporation S.A. | Physiological monitoring garments |
US10159440B2 (en) | 2014-03-10 | 2018-12-25 | L.I.F.E. Corporation S.A. | Physiological monitoring garments |
US9311789B1 (en) | 2013-04-09 | 2016-04-12 | BioSensics LLC | Systems and methods for sensorimotor rehabilitation |
US20150032033A1 (en) * | 2013-07-23 | 2015-01-29 | Mayo Foundation For Medical Education And Research | Apparatus and method for identifying movement in a patient |
ES2699674T3 (es) | 2014-01-06 | 2019-02-12 | Sistemas y métodos para determinar automáticamente el ajuste de una prenda | |
WO2015138089A1 (en) * | 2014-03-11 | 2015-09-17 | Voyomotive, Llc | A method of signaling an engine stop or start request |
US11562417B2 (en) | 2014-12-22 | 2023-01-24 | Adidas Ag | Retail store motion sensor systems and methods |
CN105268171B (zh) * | 2015-09-06 | 2018-09-18 | 安徽华米信息科技有限公司 | 步态监测方法、装置及可穿戴设备 |
JP6630593B2 (ja) * | 2016-02-29 | 2020-01-15 | オムロンヘルスケア株式会社 | 生体情報測定装置、個人識別装置、個人識別方法、及び、個人識別プログラム |
US10319209B2 (en) | 2016-06-03 | 2019-06-11 | John Carlton-Foss | Method and system for motion analysis and fall prevention |
US10154791B2 (en) | 2016-07-01 | 2018-12-18 | L.I.F.E. Corporation S.A. | Biometric identification by garments having a plurality of sensors |
JP6834553B2 (ja) * | 2017-02-09 | 2021-02-24 | セイコーエプソン株式会社 | 運動解析システム、運動解析装置、運動解析プログラム及び運動解析方法 |
CN106991290B (zh) * | 2017-04-12 | 2020-03-31 | 中国科学技术大学 | 步态能力评估方法及装置 |
CN107343789B (zh) * | 2017-05-17 | 2020-04-14 | 浙江利尔达物芯科技有限公司 | 一种基于三轴加速度传感器的脚步运动识别方法 |
US11253173B1 (en) * | 2017-05-30 | 2022-02-22 | Verily Life Sciences Llc | Digital characterization of movement to detect and monitor disorders |
US11596795B2 (en) | 2017-07-31 | 2023-03-07 | Medtronic, Inc. | Therapeutic electrical stimulation therapy for patient gait freeze |
CN110045751B (zh) * | 2019-05-14 | 2022-10-04 | 哈尔滨工程大学 | 基于si控制的有缆水下机器人海底定点着陆运动控制方法 |
US11397193B2 (en) | 2020-06-12 | 2022-07-26 | Koneksa Health Inc. | Movement analysis method and apparatus |
US11307050B2 (en) | 2020-06-12 | 2022-04-19 | Koneksa Health Inc. | Measuring method and device |
US20230380724A1 (en) * | 2020-09-25 | 2023-11-30 | Walkbeat Ab | System and method for analyzing gait-related health and performance of an equine animal |
WO2023027688A1 (en) | 2021-08-23 | 2023-03-02 | Ross Bogey | Gait training device |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6707454B1 (en) * | 1999-07-01 | 2004-03-16 | Lucent Technologies Inc. | Systems and methods for visualizing multi-dimensional data in spreadsheets and other data structures |
US6747650B2 (en) * | 2002-04-22 | 2004-06-08 | Battelle Memorial Institute | Animation techniques to visualize data |
-
2000
- 2000-02-04 FR FR0001461A patent/FR2804596B1/fr not_active Expired - Fee Related
-
2001
- 2001-02-05 ES ES01907706T patent/ES2292560T3/es not_active Expired - Lifetime
- 2001-02-05 AU AU35609/01A patent/AU3560901A/en not_active Abandoned
- 2001-02-05 DK DK01907706T patent/DK1261279T3/da active
- 2001-02-05 WO PCT/FR2001/000340 patent/WO2001056470A1/fr active IP Right Grant
- 2001-02-05 AT AT01907706T patent/ATE372089T1/de not_active IP Right Cessation
- 2001-02-05 PT PT01907706T patent/PT1261279E/pt unknown
- 2001-02-05 DE DE60130325T patent/DE60130325T2/de not_active Expired - Lifetime
- 2001-02-05 US US10/181,952 patent/US6895341B2/en not_active Expired - Fee Related
- 2001-02-05 CA CA002399182A patent/CA2399182C/fr not_active Expired - Fee Related
- 2001-02-05 EP EP01907706A patent/EP1261279B1/fr not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
US20030139692A1 (en) | 2003-07-24 |
EP1261279B1 (fr) | 2007-09-05 |
CA2399182C (fr) | 2009-06-23 |
WO2001056470A1 (fr) | 2001-08-09 |
AU3560901A (en) | 2001-08-14 |
DE60130325D1 (de) | 2007-10-18 |
US6895341B2 (en) | 2005-05-17 |
FR2804596B1 (fr) | 2002-10-04 |
FR2804596A1 (fr) | 2001-08-10 |
CA2399182A1 (fr) | 2001-08-09 |
DK1261279T3 (da) | 2008-01-02 |
PT1261279E (pt) | 2007-12-06 |
ATE372089T1 (de) | 2007-09-15 |
DE60130325T2 (de) | 2008-05-29 |
EP1261279A1 (fr) | 2002-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2292560T3 (es) | Procedimiento de analisis de irregularidades de la marcha humana. | |
Zago et al. | Gait evaluation using inertial measurement units in subjects with Parkinson’s disease | |
Lugade et al. | Validity of using tri-axial accelerometers to measure human movement—Part I: Posture and movement detection | |
Howell et al. | Monitoring recovery of gait balance control following concussion using an accelerometer | |
Hori et al. | Inertial measurement unit-based estimation of foot trajectory for clinical gait analysis | |
Yoneyama et al. | Accelerometry-Based gait analysis and its application to parkinson's disease assessment—Part 2: A new measure for quantifying walking behavior | |
Dubois et al. | A gait analysis method based on a depth camera for fall prevention | |
McGrath et al. | Gyroscope-based assessment of temporal gait parameters during treadmill walking and running | |
Haddad et al. | Evaluation of time-to-contact measures for assessing postural stability | |
Masci et al. | Assessing hopping developmental level in childhood using wearable inertial sensor devices | |
Patterson et al. | Validation of temporal gait metrics from three IMU locations to the gold standard force plate | |
Kong et al. | Comparison of gait event detection from shanks and feet in single-task and multi-task walking of healthy older adults | |
de Oliveira Gondim et al. | Portable accelerometers for the evaluation of spatio-temporal gait parameters in people with Parkinson's disease: an integrative review | |
ES2928789T3 (es) | Cinta ergométrica para entrenamiento deportivo | |
Tsareva et al. | Systems design for movement kinematics research. Determination of parameters for describing linear movements of the lower limbs | |
Caramia et al. | Spatio-temporal gait parameters as estimated from wearable sensors placed at different waist levels | |
Kim et al. | Quantification and validity of modified Romberg tests using three-axis accelerometers | |
Aminian et al. | Motion analysis in clinical practice using ambulatory accelerometry | |
Karasawa et al. | A trial of making reference gait data for simple gait evaluation system with wireless inertial sensors | |
CN210931430U (zh) | 一种预测老年肌少症患者跌倒风险评估的检测装置 | |
Wang et al. | Inertial sensor based motion trajectory visualization and quantitative quality assessment of hemiparetic gait | |
Johnston et al. | Validation and comparison of shank and lumbar-worn IMUs for step time estimation | |
Li et al. | Feature extraction from ear-worn sensor data for gait analysis | |
Ahamed et al. | Using wavelet-based fractal analysis of inertial measurement unit signals to examine gait data from men and women during a load carriage task | |
Rantalainen et al. | Associations between step duration variability and inertial measurement unit derived gait characteristics |