ES2846821T3 - Sistema y método para la evaluación de la marcha en 3D - Google Patents
Sistema y método para la evaluación de la marcha en 3D Download PDFInfo
- Publication number
- ES2846821T3 ES2846821T3 ES11743346T ES11743346T ES2846821T3 ES 2846821 T3 ES2846821 T3 ES 2846821T3 ES 11743346 T ES11743346 T ES 11743346T ES 11743346 T ES11743346 T ES 11743346T ES 2846821 T3 ES2846821 T3 ES 2846821T3
- Authority
- ES
- Spain
- Prior art keywords
- foot
- gait
- sensor
- heel
- toe
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—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
- A61B5/112—Gait analysis
-
- 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
- A61B5/68—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
- A61B5/6804—Garments; Clothes
- A61B5/6807—Footwear
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6829—Foot or ankle
-
- 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
-
- 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
- A61B5/7242—Details of waveform analysis using integration
Abstract
1Método basado en la cinemática del pie para la evaluación de la marcha en 3D, usando un sensor inercial ijado al pie o integrado en un zapato; teniendo en cuenta dicho método al menos dos de los siguientes parámetros del pie obtenidos de dicho sensor: - giro, - holgura, en el que dicho parámetro de giro se cuantifica durante la marcha, a partir de la orientación espacial del pie y de eventos temporales, incluido el ángulo de giro, y en el que dicho parámetro de holgura se cuantifica a partir de la posición del sensor en relación con el talón y la puntera y las trayectorias espaciales del sensor, talón y puntera durante la marcha en cada ciclo, incluido el mínimo y el máximo de holgura de la puntera y el talón.
Description
DESCRIPCIÓN
Sistema y método para la evaluación de la marcha en 3D
1 Campo de la invención
La presente invención se refiere a la evaluación de la marcha (caminar o correr) mediante el uso de al menos un sensor fijado al pie.
2 Estado de la técnica
En el entorno clínico, la marcha y la movilidad se evalúan comúnmente mediante cuestionario, observación o valoraciones simples del desempeño funcional (Tinetti, 1986; Podsiadlo y Richardson, 1991). Estas evaluaciones no requieren equipos sofisticados y tienen la ventaja de ser fáciles de realizar por evaluadores capacitados. Sin embargo, a menudo son subjetivas y dependen de la experiencia del evaluador. Además, estas medidas no permiten evaluar parámetros de la marcha espacio-temporales específicos que se han asociado con síndromes geriátricos frecuentes, tales como caídas, demencia o fragilidad (Hausdorff y otros, 2001; Kressig y otros, 2004; Seematter-Bagnoud y otros, 2009). En general, el análisis de la marcha espacio-temporal requiere laboratorios dedicados con sistemas complejos, tales como la captura óptica de movimiento. Recientemente, los dispositivos ambulatorios han superado algunas de estas limitaciones mediante el uso de sensores corporales que miden y analizan la cinemática de la marcha. A diferencia de la captura óptica de movimiento estándar que requiere un volumen de trabajo dedicado, los sensores corporales se pueden conectar a un registrador de datos ligero que lleva el sujeto que realiza sus actividades fuera del laboratorio con un impedimento mínimo. No obstante, los datos registrados requieren algoritmos apropiados para calcular los parámetros relevantes para uso clínico (Aminian, 2006).
Los parámetros más comunes de la marcha, tales como la longitud de la zancada o el tiempo de ciclo de la marcha, pueden obtenerse del análisis de la cinemática del pie. Los sistemas basados en giroscopios y acelerómetros de sistemas microelectromecánicos (MEMS) adolecen de errores de medición y desviaciones de integración, lo que limita la evaluación de la posición y la orientación durante mediciones a largo plazo. Sin embargo, colocando sensores en el pie, la deriva puede corregirse periódicamente asumiendo una velocidad nula del pie durante el período de apoyo con el pie plano (Curey y otros, 2004). Utilizando esta hipótesis, Sabatini y otros (2005) propusieron un método de análisis bidimensional (2D) con corrección periódica de la deriva lineal en cada apoyo, y Bamberg y otros (2008) utilizaron un enfoque similar con hardware inalámbrico. Sin embargo, ambos estudios se limitaron al análisis en el plano sagital. Posteriormente, Sabatini (2005) utilizó un enfoque tridimensional (3D) utilizando cuaterniones para la orientación y posición del pie. Veltlink y otros (2003) sugirieron un método para la estimación de la cinemática del pie en 3D utilizando un dispositivo ambulatorio para un estimulador de pie caído con reajuste de la deriva y del azimut en cada paso. Usando sensores de fuerza adicionales, Schepers y otros (2007) aplicaron algoritmos similares, centrándose en la colocación del pie en direcciones hacia adelante y hacia los lados. Sin embargo, estos estudios previos se limitaron a unos pocos sujetos y las metodologías propuestas no se evaluaron con ningún instrumental de referencia o sólo en condiciones "óptimas", es decir, durante la marcha recta. Se han publicado algunos otros estudios para realizar un seguimiento de la posición con dispositivos magnetómetros adicionales (Yun y otros, 2007) y/o GPS (Foxlin, 2005), pero los resultados siguen siendo esencialmente cualitativos y no se han validado para su uso en el campo clínico.
Laid y otros, en "Medición de la holgura de la puntera con un dispositivo sensor inercial inalámbrico", SENSORES INTELIGENTES, REDES DE SENSORES Y PROCESAMIENTO DE INFORMACIÓN (ISSNIP) 2008, páginas 375 380, propuso un dispositivo sensor que consiste en un paquete de acelerómetro-giroscopio montado en el extremo distal de un zapato para medir la holgura de la puntera.
1 Descripción general de la invención
La presente invención se refiere a un método y un dispositivo portátil que comprende un sensor inercial para la evaluación precisa y exacta de los parámetros espacio-temporales de la marcha en 3D. La invención se incluye en el conjunto de reivindicaciones adjuntas.
En una realización preferida de la invención, el método se basa en la detección de parámetros temporales acoplada con una fusión optimizada de señales inerciales.
La invención ofrece la oportunidad de evaluar las características de la marcha en 3D fuera del laboratorio.
La holgura del pie y el ángulo de giro son dos parámetros que pueden utilizarse (de forma separada o simultánea) en la presente invención.
La holgura del pie, definida como la altura del pie durante la fase de oscilación, parece ser un parámetro importante de la marcha que debería estar relacionado con el riesgo de caída. Contrariamente a otros parámetros de la marcha, existe un mecanismo inequívoco que vincula la falta de holgura para el pie con las caídas. Al caminar, una holgura del pie insuficiente o fluctuante podría provocar directamente un tropiezo, una de las principales causas de caídas en las personas mayores. La holgura del pie encapsula varios aspectos, en particular la holgura de la puntera y el talón, y su
trayectoria 3D en el espacio durante la marcha. La presente invención permite extraer valores mínimos y máximos de holgura de la puntera y el talón que son particularmente relevantes para la evaluación clínica de la marcha.
El ángulo de giro se define como el cambio relativo de acimut (es decir, la proyección de la orientación en el plano del suelo (XY)) entre el comienzo y el final del ciclo de la marcha. Estudios anteriores han mostrado el cálculo de la Orientación 3D de segmentos corporales a partir de sensores fijados al cuerpo, sin embargo, esta información es difícil de interpretar desde un punto de vista clínico. El ángulo de giro permite cuantificar la cantidad de giro del usuario en cada zancada con una única métrica. En particular, permite interpretar la variabilidad de la marcha debido a factores extrínsecos tales como un cambio en la dirección de andadura de un usuario que lleva puesto el sistema.
La invención también tiene en cuenta ventajosamente el análisis del apoyo. En la evaluación clínica de la marcha, la fase de apoyo se define como el período de tiempo en el que el pie está en contacto con el suelo. En la marcha normal, la fase de apoyo dura aproximadamente un 60% del ciclo total de la marcha, con un período de apoyo de dos miembros seguido de un apoyo de un solo miembro (también conocida como apoyo único) y nuevamente un apoyo de los dos miembros (Sutherland y otros 1988). (Winter y otros 1990) han caracterizado los cambios en la marcha de ancianos saludables por un aterrizaje más largo con los pies planos. Muestran que la subparte de la fase de apoyo en la que el pie está casi completamente quieto sobre el suelo (la denominada "pie plano") es particularmente relevante en la evaluación clínica de la marcha.
Si la mayoría de los estudios han demostrado la idoneidad de las mediciones ambulatorias con la ventaja obvia de que la información se puede derivar de manera fiable de una gran cantidad de datos recopilados en la condición diaria, todavía existen algunos límites importantes para los métodos existentes. En la mayoría de ellos, la fase de apoyo se considera un solo bloque sin ninguna subdivisión desde el talón hasta fuera de la puntera, por lo que es imposible evaluar aspectos tales como la duración del pie plano. Con la presente invención también se alcanza un objetivo técnico y otro clínico:
- Como objetivo técnico, se pretende extraer las fases de apoyo interna, notablemente del pie plano, a partir de la detección precisa de eventos temporales de apoyo en señales de inercia del pie. Esas características inerciales adecuadas se hipotetizan para cada evento temporal que podría encontrarse de acuerdo con las mediciones de fuerza en un modelo de pie de tres segmentos.
- Como objetivo clínico, se pretende la introducción de nuevos parámetros temporales en la evaluación de la marcha como posibles herramientas de resultado para las evaluaciones clínicas. Se supone que las poblaciones sanas y pacientes pueden ser discriminadas mediante diferentes estrategias de apoyo y duración del pie plano.
Por tanto, la presente invención también ofrece un método preciso y objetivo para detectar los eventos de la fase de apoyo y extraer métricas temporales para abordar tanto dichos objetivos técnicos como clínicos.
La invención también ofrece la oportunidad de diseñar un método que proporcione parámetros objetivos durante la carrera, con el fin de apoyar o rechazar la hipótesis de que la actividad deportiva y, en particular, la carrera, debería estar prohibida para el paciente después de un reemplazo de cadera. A tal efecto, el método consiste en adaptar el algoritmo existente para extraer las fases de carrera y la cinemática utilizando únicamente sensores montados en el zapato. Además, la actividad muscular se registra mediante electromiografía (EMG). La EMG y las señales de los acelerómetros y giroscopios MEMS se pueden registrar mediante dos sistemas PhysilogMR sincronizados. El movimiento completo en 3D del pie del corredor y la EMG puede estudiarse para extraer parámetros precisos y fiables que se pueden utilizar para evaluar el rendimiento de carrera, la cojera y la coordinación.
4 Descripción detallada de la invención
La invención se comprenderá mejor a continuación mediante ejemplos no limitativos y las siguientes figuras:
Figura 1 - Módulo S-Sense con espuma compatible unida con velcro a la parte trasera del zapato.
Figura 2 - Sensores de calzado “Physilog 3” con 6DIMU y su fijación a los zapatos del usuario en el antepié.
Figura 3 - Las señales inerciales y los eventos temporales para un ciclo de marcha típico y eventos correspondientes. Las señales inerciales se vuelven a escalar para representarlas juntas en un gráfico.
Figura 4 - Fases temporales
Figura 4 - Diagrama de bloques del algoritmo de análisis de la marcha en 3D.
Figura 5 - Integración de la aceleración vertical (A) despojada de deriva para obtener la velocidad vertical (V) usando función lineal versus función de interpolación del chip p (PIF).
Figura 6 - Estimación de parámetros de marcha en 3D a partir de la posición del pie en 3D (P) y el acimut (0): longitud de zancada (SL), velocidad de zancada (SV), holgura del pie (FC) y ángulo de giro (TA).
Figura 7 - Posición relativa del sensor con respecto al talón y la puntera.
Figura 8 - Estimación de la holgura del talón y la puntera obtenida a partir de sensores inerciales y modelo cinemático.
Figura 9 - Trayectoria del talón (■) y de la puntera (■) estimada por el sistema sensor de uso en el pie durante un ciclo de marcha típico.
Figura 10 - Subcomponentes de la invención y sus interacciones
4.1 Sensores de calzado
Se ha diseñado una Unidad de Medición 6 Dimensional-Inercial inalámbrica (6D-IMU) denominada “S-Sense” (Van de Molengraft y otros, 2009). El módulo S-Sense es una unidad autónoma pequeña (57x41x19,5mm3) y de baja potencia (18,5mA @ 3.6V) que integra un microcontrolador, un transmisor de radio, una memoria, un acelerómetro de tres ejes (ADXL, dispositivo analógico, rango 3g), un giroscopio de tres ejes (ADXRS, un dispositivo analógico, balanceo, guiñada con rango de 300 grados/s, paso con rango de 800 grados/s) y baterías, y también puede incluir registro de datos en tarjetas de memoria flash, tal como una tarjeta SD. Los módulos S-Sense se pueden fijar en los zapatos en la posición posterior del pie utilizando una estructura de espuma compatible y correas de velcro de doble cara (figura 1).
Los datos en bruto del sensor se filtraron en paso bajo a 17 Hz, se muestrearon en 12 bits a 200 Hz y se transmitieron de forma inalámbrica en tiempo real a un PC utilizando un receptor "S-Base" conectado a un USB. En otra realización de la invención, la frecuencia de muestreo se puede reducir a 100 Hz y/o muestrear con una resolución más alta. Las señales de dos S-Senses se sincronizaron considerando el reloj de tiempo real absoluto enviado por la estación base a cada módulo al inicio de la grabación. Los datos en bruto se procesaron de forma preliminar para extrapolar algunos datos ausentes debido a la pérdida de datos inalámbricos o a la saturación de salida del sensor (Van de Molengraft y otros, 2009). Los datos de los dos pies finalmente se convirtieron a unidades físicas (g o °/s) utilizando el método de calibración en el campo (Ferraris y otros, 1995).
De forma más general, la invención puede utilizar cualquier sensor equivalente que mida aceleraciones en 3D y velocidades angulares en 3D en el pie. Por ejemplo, puede ser un módulo 6D-IMU directamente integrado en el zapato. Se diseñó otro nuevo sistema de análisis de la marcha en 3D inalámbrico, el “Physilog 3” (figura 2), que también es pequeño y liviano y se usa más convenientemente en el pie anterior usando espuma con memoria de forma y bandas de velcro, y contiene una 6D-IMU equivalente.
Además, el módulo puede contener o estar sincronizado con sensores adicionales, tales como receptor GPS, sensores de fuerza, magnetómetros, sensores de rango óptico u electrodos EMG, proporcionando información extrínseca.
4.2 Eventos temporales
Durante la marcha normal, la fase de apoyo es el período entre el contacto inicial, denominado Golpe de Talón (HS), y el contacto terminal, denominado Puntera Levantada (TO), con el suelo. Además, este período encapsula el instante en el que la puntera tocan el suelo, denominado Golpe de puntera (TS), y el instante en el que el talón abandona el suelo, denominado Talón Levantado (HO). Los sucesivos eventos de HS, TS, HO y TO se denominan “eventos de la fase de apoyo interior”. Se sabe que los dos picos negativos en la velocidad angular de cabeceo (Qp) son estimaciones aproximadas de los eventos de golpe de talón y levantamiento de la puntera (Aminian, 2002). Esas características han demostrado ser sólidas en una amplia gama de poblaciones sanas y patológicas (Salarian, 2004) y se utilizaron para distinguir unas de otras (Aminian, 2004). Luego, se determinó una ventana de tiempo entre estos dos picos para encontrar otras características con el fin de detectar HS y TO basados en la norma de la señal del acelerómetro (||A||) y la norma de la señal del giroscopio, es decir, la velocidad angular, (||Q||) donde la norma euclidiana de un vector X = [x1 , x2 , x3] se define como ||X|| = V (x12 x22 x32). En cuanto al período entre los eventos TS y HO, se caracteriza por una menor cantidad de movimiento ya que el suelo aplica una restricción mecánica al pie y se denomina período de pie plano. En consecuencia, las características TS y HO se detectan usando un umbral en la derivada de la norma de velocidad angular (||Q||'), en la velocidad angular de cabeceo (Qp) y el valor absoluto de la sacudida, indicado por la derivada de la norma de la señal del acelerómetro (|||A||'|). Para todas las señales inerciales, el uso de la norma de señales 3D permite ser independiente de la colocación del sensor en el pie, haciéndolo más repetible y no se requiere una calibración específica para alinearlas con marcos anatómicos (Cappozzo, 1995), mientras que el uso de una sola señal de cabeceo permite utilizar una configuración de un solo sensor. Todas esas hipótesis para detectar eventos temporales se ilustran en la figura 3.
Durante la marcha en carrera, la cinemática del pie puede modificarse ligeramente. En consecuencia, se adaptaron otras características y umbrales robustos para detectar eventos temporales.
Además, la detección de eventos temporales también proporciona los períodos estáticos en los que no se detecta movimiento (normalmente cuando las variaciones de la señal están por debajo de un umbral definido), denominados sin movimiento para aquellos que ocurren durante la fase de apoyo. Por último, el evento de oscilación media (MS) detectado a partir del pico positivo de la velocidad angular de cabeceo durante la oscilación proporciona una hipótesis sólida para detectar el ciclo de la marcha en cualquier condición.
4.3 Parámetros temporales
En función de los eventos temporales detectados, se pueden definir métricas significativas (por ejemplo, parámetros) para el análisis clínico de la marcha (figura 4). Por lo tanto, la fase de apoyo se definió de la siguiente manera:
Apoyo = t(TO)-t(HS)
Donde t() es el instante de ocurrencia de cada evento. Posteriormente, los tres períodos que componen la fase de apoyo se definieron de la siguiente manera:
Carga = t(TS)-t(HS)
Pie plano = t(HO)-t(TS)
Empuje = t(TO)-t(HO)
Además, el tiempo de oscilación, el tiempo del ciclo de marcha, también se puede calcular de la siguiente manera:
Oscilación = t(HS+1)-t(TO)
Ciclo de la marcha = t(HS+1)-t(HS) (o t(TO+1)-t(TO) etc...)
En caso de que el sistema esté montado sobre dos pies, los parámetros de soporte doble también se pueden calcular utilizando la definición clásica (Aminian, 2002). Las métricas absolutas se calculan en milisegundos y las métricas relativas se calculan como porcentaje del tiempo de apoyo o de la marcha
4.4 Alineación virtual 3D
Cuando los sensores de calzado se fijan en el pie del sujeto, se desconoce su orientación relativa en el espacio. El método de alineación virtual 3D consiste en encontrar la orientación inicial del sensor, representada de manera equivalente por una Matriz 3x3 o un cuaternión o un ángulo del eje. La orientación 3D inicial del módulo se obtiene utilizando la aceleración 3D (an) como inclinación durante períodos estáticos (proporcionada por eventos temporales, por ejemplo), y se estableció un azimut en el que se maximizó la varianza de la señal de velocidad angular alrededor del eje de cabeceo del pie. Este método original tiene la gran ventaja de no requerir ninguna calibración funcional o posicionamiento preciso del módulo sensor en el pie del sujeto.
4.5 Cinemática 3D del pie
Durante cada ciclo de marcha n, se estimaron la orientación 3D (Rn), la velocidad (Vn) y la trayectoria (Pn) del pie a partir de señales inerciales. En la práctica, esto implica la detección temporal de ciclos, el conocimiento de las condiciones iniciales de posición y orientación, la cancelación de gravedad en la aceleración medida, y la integración despojada de deriva de la aceleración libre de g. Además, la cinemática medida por sensores en xyz debe expresarse en XYZ para compararla con la referencia. La figura 5 ilustra los principales pasos algorítmicos.
Las condiciones iniciales se actualizaron para cada ciclo n en tffn, donde el pie se consideró inmóvil. La orientación inicial 3D del módulo sensor (R0n) se obtuvo utilizando la aceleración 3D (an) como inclinación (es decir, alineando el eje z con Z), y el azimut se estableció en el valor derivado de la orientación en la última muestra (N) del paso anterior (Rn-1 (N))). Esto significa que el sistema puede trabajar con cualquier inclinación del terreno, es decir, que la invención también puede detectar las condiciones iniciales durante la marcha en pendientes, lo que permite analizar la cinemática 3D del pie en tales situaciones. La cancelación de la gravedad se logró alineando los ejes de los acelerómetros (xyz) con el marco fijo (XYZ) y restando el vector de gravedad. Desde la orientación inicial R0n, la orientación del pie con respecto al marco fijo (Rn(i)) se actualizó en cada marco de tiempo (i = 1,2,..., N) mediante una integración de tiempo basada en cuaterniones del vector de velocidad angular Qn, entre dos pies planos (tffn- 1 , tffn) (Sabatini, 2005; Favre y otros, 2008). En cada marco de tiempo i de un ciclo n, usando aceleraciones medidas (an(i)), la componente de aceleración libre de gravedad en el marco fijo (An(i)) se puede resumir en (1).
An(i) = an(i)*Rn(i)-g, donde g = (0,0,1) (1)
La integración simple y doble de la aceleración libre de gravedad (An) permitió obtener velocidad y posición en 3D del pie en cada ciclo de la marcha n. Suponiendo que la velocidad del pie es nula en cada tffn (Curey y otros, 2004), la estimación de la velocidad (Vn) se obtuvo mediante la integración trapezoidal de An y la Posición (Pn) se dedujo finalmente mediante la integración trapezoidal sencilla de velocidad (Vn).
4.6 Modelado de deriva
El paso de integración que se realiza en 2.5 es propenso a errores de deriva, debido a diversas fuentes, tales como ruido electrónico o comportamientos no lineales de los sensores. Por lo tanto, en la práctica, para obtener un rendimiento aceptable con el fin de estimar la cinemática del pie en 3D, es necesario corregir la deriva del sistema. Esto se puede hacer usando una desviación lineal clásica en cada ciclo de marcha entre dos períodos sin movimiento. En una realización preferida de la invención, la deriva se elimina restando una curva de tipo sigmoide modelada en base a una función de interpolación de chip p (Carlson y Pritsch, 1985). La función de interpolación de chip p (PIF), se
define entre el valor de An-i(tffn-i) y An(tffn)), (figura 6). Como se ilustra en la figura 6, proporciona una mejor estimación de la deriva en el caso particular de la marcha, ya que es proporcional a la cantidad de movimiento, lo que permite mejorar la exactitud y precisión de la cinemática del pie en 3D.
4.7 Parámetros espaciales
A partir de la cinemática del pie en 3D, además de la trayectoria general del pie en 3D, se extrajeron los siguientes parámetros de la marcha en cada ciclo n tanto para el sistema de referencia como para los sensores de calzado usando (2), (3), (4) y (5), donde N representa la última muestra del ciclo n:
La longitud de la zancada (SL) se definió como la distancia medida entre dos posiciones sucesivas del pie plano. Este cálculo también es válido para trayectorias curvas y de giro (Huxham y otros, 2006).
SL„=\P„(N)-P„(I)\ (2)
La holgura del pie (FC) se definió como la altura máxima del pie durante la fase de oscilación en relación con la altura del pie plano:
FC„=max( P„( 1), P„(2)........ P„(N))-P„(1) (3)
La velocidad de zancada (SV) se consideró como el valor medio de la velocidad del pie en el plano del suelo (XY) durante cada ciclo de marcha:
SVn = media (Vnixy(1), Vnixy(2),..., Vnixy(N)) (4)
4.8 Giro
El ángulo de giro de giro (TA) se definió como el cambio relativo en el azimut (es decir, la proyección de la orientación en el plano del suelo (XY)) entre el comienzo y el final del ciclo de la marcha.
TAn = 0n(N)- 0n(1) donde 0n = RnlXY (5)
Se ilustran en la figura 7 los parámetros espaciales extraídos y el giro.
4.9 Modelado de posición
La holgura del pie proporcionada por 2.7 proporciona información general que depende del posicionamiento del sensor en el pie. Por lo general, se mide un FC mayor si el sensor está en el talón en comparación con el caso donde el sensor está en el pie. Para ser independiente del posicionamiento del sensor, se diseña un método para modelar automáticamente la posición relativa del sensor al talón y la puntera, basado en supuestos biomecánicos y cinemáticos del pie en 3D. La posición relativa del módulo sensor en el marco sagital del pie respecto de la puntera y el talón del sujeto se puede representar mediante 3 variables (figura 8).
Combinando la posición del sensor (P), el conocimiento de la orientación del pie (R) y el tamaño del zapato y asumiendo que en Puntera Levantada (TO) (respectivamente golpe de talón (HS)), la posición vertical de la puntera (respectivamente la del talón) es 0, {a, b, c} durante la marcha para cada ciclo n se calcularon resolviendo las siguientes ecuaciones analíticas:
4.10 Holgura del pie
Si se conoce la trayectoria de sensor (Psensor) y la orientación (R) y la posición relativa al talón y la puntera ({a, b, c}), pueden estimarse la holgura del talón (HC) y la holgura de la puntera (TC) mediante las siguientes relaciones trigonométricas:
HC = Psensor+ b - b * R z - a * R x
TC=Psensor+b-b*RZ+ C * R X
Además del FC, se pueden extraer parámetros tales como la holgura mínima (MTC) a partir de la holgura del talón y la puntera en cada ciclo de marcha, como se ilustra en la figura 9.
Otros parámetros tales como MaxHC, MinHC, MaxTC u otras medidas estadísticas se pueden extraer a partir de las curvas de holgura según la figura 10.
4.11 Variabilidad
Dado que los sujetos no siempre realizan una marcha recta pura, la variabilidad directa de la marcha observada puede deberse al giro al final del camino. Por lo tanto, para centrarnos en la evaluación de la "dinámica intrínseca" de andadura normal y continua, hay que asegurarse de que el análisis no se vea influido por esos valores anómalos de zancadas atípicas. La detección y corrección de valores atípicos en la serie de parámetros de la marcha consta de los siguientes pasos:
- detectar los ciclos de la marcha durante el giro, es decir, cuando TA está por encima de un umbral obtenido empíricamente
- reemplazar el parámetro del ciclo de la marcha en giro por su valor medio durante la andadura recta o simplemente eliminarlo del análisis
- aplicar un método estadístico, tal como la regla de tres sigma a la nueva serie para eliminar valores atípicos relacionados con otros orígenes, tales como pérdida de datos o pausas en el caminar (facultativo).
Para cuantificar aún más las fluctuaciones de zancada a zancada al caminar, hay diversas herramientas que incluyen parámetros lineales de uso común, así como métodos no lineales. Los parámetros de series temporales pueden ser la holgura del pie, la longitud de la zancada, la velocidad de la zancada, el tiempo del ciclo de la marcha o cualquier otro parámetro espacio-temporal proporcionado por la invención y los métodos descritos anteriormente.
4.11.1 Parámetros lineales
TABLA I
NOTACIONES
Coeficiente de variación:
Parámetro de estallido:
Desviación absoluta media (MAD):
MADs = mediana (|s - mediana (s)|)
Desviación estándar de la primera serie temporal derivada de marcha/zancada:
Od (SD1)
Rango intercuartílico de la segunda derivada de serie temporal de marcha/zancada: iqr1
Parámetro de complejidad de Hjorth:
Permutación de señales (Giros) Recuentos (STC)
En una serie temporal dada, se puede identificar una muestra de datos como una “permutación/giro en la señal” (Téngase en cuenta que “girar” no está relacionado con giro/valores atípicos al caminar) si satisface los dos criterios siguientes: 1) representa una alteración de dirección en la señal, es decir, un cambio en el signo de la derivada y 2) la diferencia (valor absoluto) entre su amplitud y la de la muestra anterior debe ser mayor que un umbral específico. El número de permutación/giros en la señal en una serie temporal representa el grado de variabilidad de la señal.
4.11.2 Parámetros no lineales: análisis de variabilidad de zancada a zancada
El CV y los parámetros de variabilidad lineal relacionados cuantifican la magnitud de la variabilidad de zancada a zancada, pero no son sensibles a los cambios en el orden de los tiempos o la dinámica de la zancada. Reordenar aleatoriamente una serie temporal no afectará la magnitud de la variabilidad, pero puede alterar dramáticamente las propiedades dinámicas. Para cuantificar cómo fluctúa la dinámica a lo largo del tiempo durante la andadura, se aplican el análisis fractal DFA y las medidas de entropía simbólica a la serie temporal de la zancada.
4.12 Evaluación de la marcha en 3D
En una realización preferida de la invención, se tienen en cuenta todos los parámetros discutidos anteriormente para la evaluación de la marcha en 3D. El sistema puede proporcionar una evaluación objetiva del rendimiento de la marcha, al caminar y al correr, de un sujeto mediante parámetros originales, tales como la holgura del pie, la duración del pie plano, etc., en cualquier tipo de situación o prueba de andadura. El diagrama de la figura 11 ofrece una descripción general de las interacciones entre los subcomponentes de un sistema, incluidos todos estos parámetros.
5 Comentarios finales
La invención se diferencia de la técnica anterior en que utiliza al menos un parámetro original (temporal o espacial) que puede medirse al realizar cualquier actividad de la marcha. Permite la evaluación durante una trayectoria recta y curva, durante la locomoción al aire libre, en rampas, escaleras o incluso al correr. Un nuevo método de compensación de la deriva hace que el sistema sea más robusto para una evaluación precisa y exacta de la marcha a pesar de los errores debidos a los sensores. Estos parámetros extraídos muestran un comportamiento discriminativo preliminar prometedor, ya que fue posible distinguir sujetos jóvenes y ancianos. El sistema de acuerdo con la presente invención se utilizó con éxito en más de 600 sujetos ancianos. Puede ser utilizado para diversos fines tales como evaluación clínica de la marcha, evaluación del rendimiento en atletas, pruebas funcionales en pacientes con alteraciones de la marcha, seguimiento de tratamientos, etc... Para otra aplicación, tal como el seguimiento a largo plazo o la investigación clínica, podría requerir, sin embargo, ser acoplado con sensores adicionales como magnetómetros, GPS, electrodos EMG, etc.
El método según la invención se puede aplicar con el sensor colocado en cualquier posición del pie.
En comparación con otro sistema de análisis de la marcha basado en la inercia (Aminian y otros, 2002; Salarian y otros, 2004; Sabatini y otros, 2005; Schepers y otros, 2007), se obtuvo una exactitud y precisión similares o ligeramente mejores para SL y SV. El método también proporciona variabilidad de la marcha zancada a zancada, con la ventaja de poder extraer valores atípicos debido al giro u otra variación extrínseca que se puede medir desde el sistema. En ambientes controlados, estudios previos mostraron asociaciones significativas entre la variabilidad de la marcha y
diversos síndromes asociados con el envejecimiento, como la fragilidad (Seematter-Bagnoud y otros, 2009) y el miedo a caer (Rechat y otros, 2010).
El método según la invención permite el análisis de trayectorias curvas y proporciona nuevos parámetros tales como TA y FC, que no han sido proporcionados por ningún sistema anterior basado en la inercia. En realidad, la TA es un resultado importante para evaluar la marcha en la enfermedad de Parkinson (Zampieri y otros) y la FC, que demostró ser el parámetro más discriminativo entre sujetos jóvenes y ancianos en nuestro estudio, también podría ser un nuevo parámetro importante de la marca para estimar el riesgo de caídas en ancianos (Begg y otros, 2007; Lai y otros, 2008). Por último, el sistema según la invención es ligero y puede llevarse directamente sobre el calzado informal del usuario o descalzo, minimizando así la intrusión y la interferencia con las condiciones normales de la marcha. También podría integrarse directamente en el calzado. El sistema se puede utilizar como una herramienta objetiva en muchas aplicaciones que requieren una evaluación de la marcha en condiciones reales sin las limitaciones habituales de espacio limitado debidas a la configuración del laboratorio.
Por supuesto, la invención no se limita a los ejemplos discutidos anteriormente.
1. Referencias
Aminian, K., Najafi, B., Bula, C. J., Leyvraz, P. F., Robert, P., 2002. Spatio-temporal parameters of gait measured by an ambulatory system using miniature gyroscopes. Journal of Biomechanics 35, 689-699.
Aminian, K., 2006. Monitoring Human Movement with Body-Fixed Sensors and its Clinical Applications. Invited chapter in "Computational intelligence for movement sciences: neural networks and other emerging techniques”. Idea Group Pub., pags. 101-138.
Bamberg, S. J. M., Benbasat, A. Y., Scarborough, D. M., Krebs, D. E., Paradiso, J. A., 2008. Gait analysis using a shoe-integrated wireless sensor system. IEEE Transactions on Information Technology in Biomedicine 12, 413-423. Begg, R., Best, R., Dell'Oro, L., Taylor, S., 2007. Minimum foot clearance during walking: Strategies for the minimisation of trip-related falls. Gait and Posture 25, 191 -198.
Bland, J. M., Altman, D. G., 1986. Statistical methods for assessing agreement between two methods of clinical measurement. Lancet 1,307-310.
Carlson, R. E., Fritsch, F. N., 1985. MONOTONE PIECEWISE BICUBIC INTERPOLATION. SIAM Journal on Numerical Analysis 22, 386-400.
Crapo, R. O., Casaburi, R., Coates, A. L., Enright, P. L., MacIntyre, N. R., McKay, R. T., Johnson, D., Wanger, J. S., Zeballos, R. J., Bittner, V., Mottram, C., 2002. ATS statement: Guidelines for the six-minute walk test. American Journal of Respiratory and Critical Care Medicine 166, 111-117.
Curcy, R. K., Ash, M. E., Thiclman, L. O., Barker, C. H., 2004. Proposed IEEE inertial systems terminology standard and other inertial sensor standards. In Proceedings of the Record - TREE PLANS, Position Location and Navigation Symposium, 83-90.
Favre, J., Jolles, B. M., Aissaoui, R., Aminian, K., 2008. Ambulatory measurement of 3D knee joint angle. Journal of Biomechanics 41, 1029-1035.
Ferraris, F., Grimaldi, U., Parvis, M., 1995. Procedure for effortless in-field calibration of three-axis rate gyros and acccleromeicrs. Sensors and Materials 7, 311-330.
Poxlin, E., 2005. Pedestrian tracking with shoe-mounted inertial sensors. IEEE Computer Graphics and Applications 25, 38-46.
Giansanti, D., 2006. Does centripetal acceleration affect trunk flexion monitoring by means of accelerometers? Physiological Measurement 27, 999-1008.
Hausdorff, J. M., Rios, D. A., Edelberg, H. K., 2001. Gait variability and fall risk in community-living older adults: A 1 -year prospective study. Archives of Physical Medicine and Rehabilitation 82, 1050-1056.
Huxham, F., Gong, J., Baker, R., Morris, M., Iansek, R., 2006. Defining spatial parameters for non-linear walking. Gait and Posture 23, 159-163.
Kressig, R. W., Gregor, R. J., Oliver, A., Waddell, D., Smith, W., O'Grady, M., Curns, A. T., Kutner, M., Wolf, S. L., 2004. Temporal and spatial features of gait in older adults transitioning to frailty. Gait and Posture 20, 30-35.
Kuipers, J. B., 1999. Quaternions and rotation sequences. Princeton Univ. Press, p.
Lai, D. T. H., Begg, R. K., Taylor, S., Palaniswami, M., 2008. Detection of tripping gail patterns in the elderly using autoregressive features and support vector machines. Journal of Biomechanics 41, 1762- 1772.
Luinge, H. J., 2002. Inertial sensing of human movement. PhD. thesis, Twente University Press, Enschede, p.
Menz, H. B., Latt, M. D., Tiedemann, A., Kwan, M. M. S., Lord, S. R., 2004. Reliability of the GAITRiteÁ® walkway system for the quantification of temporo-spatial parameters of gait in young and older people. Gait and Posture 20, 20 25.
Podsiadlo, D., Richardson, S., 1991. The timed “Up and Go” : A test of basic functional mobility tor frail elderly persons. Journal of the American Geriatrics Society 39, 142-148.
Sabatini, A. M., 2005. Quaternion-based strap-down integration method for applications of inertial sensing to gait analysis. Medical and Biological Engineering and Computing 43, 94-101.
Sabatini, A. M., Martelloni, C., Scapellato, S., Cavallo, F., 2005. Assessment of walking features from foot inertial sensing. IEEE Transactions on Biomedical Enginecring 52, 486-494.
Salarian, A., Russmann, H., Vingerhoets, F. J. G., Dehollain, C., Blanc, Y., Burkhard, P. R., Aminian, K., 2004. Gait assessment in Parkinson's disease: Toward an ambulatory system for long-term monitoring. IEEE Transactions on Biomedical Engineering 51, 1434-1443.
Schepers, H. M., Koopman, H.F.J.M, Veltink, P. H., 2007. Ambulatory assessment of ankle and foot dynamics. IEEE Transactions on Biomedical Engineering 54, 895-902. Seematter-Bagnoud, L., Santos-Eggimann, B., Rochat, S., Martin, E., Karmaniola, A., Aminian, K., Piot- Ziegler, C., Bula, C. J., 2009. Vulnerability in high-functioning persons aged 65 to 70 years: The importance of the fear factor. Aging Clin Exp Res
Tegner, Y., Lysholm, J., Lysholm, M., Gillquist, J., 1986. A performance test to monitor rehabilitation and evaluate anterior cruciate ligament injuries. American Journal of Sports Medicine 14, 156-159.
Tinetti, M. E., 1986. Performance-orientated assessment of mobility problems in elderly patients. Journal of the American Geriatrics Society 34, 119-126.
Van de Molengraft, J., Nimmala, S., Mariani, B., Aminian, K., Penders, J., 2009. Wireless 6D inertial measurement platform for ambulatory gait monitoring. In Proceedings of the Proceedings of the 6th international workshop on Wearable, Micro and Nanosystems for Personalised Health, Oslo, Norway, 63-64.
Veltink, P. H., Slycke, P., Hemssems, J., Buschman, R., Bultstra, G., Hermens, H., 2003. Three dimensional inertial sensing of foot movements for automatic tuning of a two-channel implantable dropfoot stimulator. Medical Engineering and Physics 25, 21-28.
Von Eye, A., Mun, E. Y., 2006. Analyzing rater agreement: Manifest variable methods. Applied Psychological Measurement 30, 154-156.
Winter, D. A., Patla, A. E., Frank, J. S., Walt, S. E., 1990. Biomechanical walking pattern changes in the fit and healthy elderly. Physical Therapy 70, 340-347.
Yun, X., Bachmann, E. R., Moore Iv, H., Calusdian, J., 2007. Self-contained position tracking of human movement using small inertial/magnetic sensor modules. In Proceedings of the Proceedings - IEEE International Conference on Robotics and Automation, 2526-2533.
Rochat, S., Büla, C.J., Martin, E., Seematter-Bagnoud, L., Karmaniola, A., Aminian, K., Piot-Ziegler, C., Santos-Eggimann, B., 2010. What is the Relationship Between Fear of Falling and Gait in Well-Functioning Older Persons Aged 65 to 70 Years? Archives of Physical Medicine and Rehabilitation, 91 (6), páginas 879-884.
Zampieri, C., Salarian, A., Carlson-Kuhta, P., Aminian, K., Nutt, J. G., Horak, F. B., 2010. The instrumented timed up and go test: Potential outcome measure for discase modifying therapics in Parkinson's disease. Journal of Neurology, Neurosurgery and Psychiatry 81, 171-176.
Claims (11)
1. Método basado en la cinemática del pie para la evaluación de la marcha en 3D, usando un sensor inercial fijado al pie o integrado en un zapato; teniendo en cuenta dicho método al menos dos de los siguientes parámetros del pie obtenidos de dicho sensor:
- giro,
- holgura,
en el que dicho parámetro de giro se cuantifica durante la marcha, a partir de la orientación espacial del pie y de eventos temporales, incluido el ángulo de giro, y en el que dicho parámetro de holgura se cuantifica a partir de la posición del sensor en relación con el talón y la puntera y las trayectorias espaciales del sensor, talón y puntera durante la marcha en cada ciclo, incluido el mínimo y el máximo de holgura de la puntera y el talón.
2. Método según la reivindicación 1, que comprende la medición de la variabilidad de dichos parámetros.
3. Método según una de las reivindicaciones anteriores, que tiene además en cuenta parámetros temporales que se derivan de eventos temporales de la marcha detectados por dicho sensor, basándose dichos eventos temporales en la transformación matemática de las señales de velocidad y aceleración angular e incluyendo periodos activos o estáticos, golpe de talón, golpe de puntera, sin movimiento, talón levantado, puntera levantada y oscilación media.
4. Método según una de las reivindicaciones anteriores 1 y 2, que tiene además en cuenta parámetros temporales que se derivan de eventos temporales de la marcha detectados por dicho sensor, estando dichos eventos temporales basados en al menos uno de los siguientes parámetros: carga, pie plano, empuje, oscilación y duración del apoyo, así como doble soporte cuando ambos pies cuentan con un módulo sensor.
5. Método según una de las reivindicaciones anteriores, que comprende además la determinación de la cinemática del pie en 3D (posición y orientación) durante la locomoción de la marcha humana, incluyendo caminar recto, girar, caminar en terreno irregular, escaleras, rampas, correr o cualquier combinación de esas actividades.
6. Método según una de las reivindicaciones anteriores, que se basa además en parámetros espaciales que se extraen en cada ciclo de marcha a partir de eventos temporales y la cinemática del pie, incluyendo trayectoria del pie en 3D, longitud de zancada, velocidad de zancada y holgura del pie.
7. Método según una de las reivindicaciones anteriores, que además utiliza un modelo cinemático que proporciona la posición del talón y la puntera durante la marcha a partir de la combinación de eventos temporales y la trayectoria de otro punto en el pie.
8. Método según una de las reivindicaciones anteriores, que además tiene en cuenta la variabilidad de zancada a zancada de una serie temporal de parámetros de la marcha con la eliminación de los valores atípicos de giro.
9. Un sistema portátil para la evaluación de la marcha en 3D, que comprende un sensor inercial adaptado para ser fijado a un pie o integrado en un zapato; estando adaptado dicho sistema además para medir al menos los dos siguientes parámetros del pie:
- giro,
- holgura,
en el que dicho parámetro de giro se cuantifica durante la marcha, a partir de la orientación espacial del pie y de eventos temporales, incluido el ángulo de giro, y en el que dicho parámetro de holgura se cuantifica a partir de la posición del sensor en relación con el talón y la puntera y las trayectorias espaciales del sensor, el talón y la puntera durante la marcha en cada ciclo, incluido un mínimo y un máximo de la holgura de la puntera y el talón.
10. Sistema según la reivindicación 9, que comprende un sensor inercial de 6 grados de libertad.
11. Un método según la reivindicación 1 que usa un sistema como se define en la reivindicación 9 o 10 y que comprende una alineación en 3D de dicho sistema con respecto al marco de marcha del usuario.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IB2010053211 | 2010-07-14 | ||
PCT/IB2011/052269 WO2012007855A1 (en) | 2010-07-14 | 2011-05-25 | System and method for 3d gait assessment |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2846821T3 true ES2846821T3 (es) | 2021-07-29 |
Family
ID=44630130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES11743346T Active ES2846821T3 (es) | 2010-07-14 | 2011-05-25 | Sistema y método para la evaluación de la marcha en 3D |
Country Status (4)
Country | Link |
---|---|
US (1) | US9307932B2 (es) |
EP (1) | EP2593009B1 (es) |
ES (1) | ES2846821T3 (es) |
WO (1) | WO2012007855A1 (es) |
Families Citing this family (73)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8647287B2 (en) | 2008-12-07 | 2014-02-11 | Andrew Greenberg | Wireless synchronized movement monitoring apparatus and system |
US9446287B2 (en) | 2011-07-01 | 2016-09-20 | Nike, Inc. | Sensor-based athletic activity measurements |
US9451916B2 (en) * | 2011-08-02 | 2016-09-27 | Sway Medical Llc | System and method for assessing postural sway and human motion |
US9524424B2 (en) * | 2011-09-01 | 2016-12-20 | Care Innovations, Llc | Calculation of minimum ground clearance using body worn sensors |
US10321873B2 (en) | 2013-09-17 | 2019-06-18 | Medibotics Llc | Smart clothing for ambulatory human motion capture |
US10602965B2 (en) | 2013-09-17 | 2020-03-31 | Medibotics | Wearable deformable conductive sensors for human motion capture including trans-joint pitch, yaw, and roll |
US10716510B2 (en) | 2013-09-17 | 2020-07-21 | Medibotics | Smart clothing with converging/diverging bend or stretch sensors for measuring body motion or configuration |
US9588582B2 (en) | 2013-09-17 | 2017-03-07 | Medibotics Llc | Motion recognition clothing (TM) with two different sets of tubes spanning a body joint |
US9582072B2 (en) | 2013-09-17 | 2017-02-28 | Medibotics Llc | Motion recognition clothing [TM] with flexible electromagnetic, light, or sonic energy pathways |
US9877667B2 (en) | 2012-09-12 | 2018-01-30 | Care Innovations, Llc | Method for quantifying the risk of falling of an elderly adult using an instrumented version of the FTSS test |
FR2996112B1 (fr) * | 2012-10-03 | 2016-02-12 | Assist Publ Hopitaux De Paris | Procede et dispositif d'evaluation quantitative de la qualite de la demarche |
CN103845065B (zh) | 2012-12-05 | 2018-02-06 | 深圳迈瑞生物医疗电子股份有限公司 | 肌肉松弛程度测量方法、处理装置和肌松测量仪 |
US10524699B2 (en) | 2012-12-26 | 2020-01-07 | Rochester Institute Of Technology | Method and system for monitoring terrain and gait and predicting upcoming terrain |
WO2014135187A1 (en) * | 2013-03-04 | 2014-09-12 | Polar Electro Oy | Computing user's physiological state related to physical exercises |
US10260968B2 (en) | 2013-03-15 | 2019-04-16 | Nano Composite Products, Inc. | Polymeric foam deformation gauge |
NZ711183A (en) | 2013-03-15 | 2019-12-20 | Nano Composite Products Inc | Composite material used as a strain gauge |
US9285388B2 (en) * | 2013-04-12 | 2016-03-15 | International Business Machines Corporation | Analysis of pedestrian congestion |
WO2014172267A1 (en) * | 2013-04-15 | 2014-10-23 | Winfree Kyle N | Gait and mobility assessment systems and methods |
TWI581764B (zh) * | 2013-10-08 | 2017-05-11 | 國立雲林科技大學 | Gait Signal Identification Method in Ladder or Slope Environment |
US20160220186A9 (en) * | 2013-10-13 | 2016-08-04 | Timothy S. Clark | Detachable Wireless Motion System for Human Kinematic Analysis |
US9445769B2 (en) | 2013-12-06 | 2016-09-20 | President And Fellows Of Harvard College | Method and apparatus for detecting disease regression through network-based gait analysis |
US20170055880A1 (en) * | 2014-04-22 | 2017-03-02 | The Trustees Of Columbia University In The City Of New York | Gait Analysis Devices, Methods, and Systems |
US20160321947A1 (en) * | 2014-06-09 | 2016-11-03 | Twd Sports Tech, Llc | System and method for treating patients having conditions that affect walking |
WO2015200718A1 (en) | 2014-06-25 | 2015-12-30 | Hunter William L | Devices, systems and methods for using and monitoring tubes in body passageways |
CA2990814A1 (en) | 2014-06-25 | 2015-12-30 | William L. Hunter | Devices, systems and methods for using and monitoring implants |
US11596347B2 (en) | 2014-06-25 | 2023-03-07 | Canary Medical Switzerland Ag | Devices, systems and methods for using and monitoring orthopedic hardware |
CA2998709A1 (en) | 2014-09-17 | 2016-03-24 | Canary Medical Inc. | Devices, systems and methods for using and monitoring medical devices |
US10405779B2 (en) | 2015-01-07 | 2019-09-10 | Nano Composite Products, Inc. | Shoe-based analysis system |
US10959649B2 (en) * | 2015-01-29 | 2021-03-30 | Beijing Shunyuan Kaihua Technology Limited | Systems and methods for stride length calibration |
CN105982658B (zh) * | 2015-02-13 | 2019-04-23 | 华硕电脑股份有限公司 | 生理信息侦测方法及装置 |
US9836118B2 (en) | 2015-06-16 | 2017-12-05 | Wilson Steele | Method and system for analyzing a movement of a person |
US20170225033A1 (en) * | 2015-06-23 | 2017-08-10 | Ipcomm Llc | Method and Apparatus for Analysis of Gait and to Provide Haptic and Visual Corrective Feedback |
JP6660110B2 (ja) * | 2015-07-23 | 2020-03-04 | 原田電子工業株式会社 | 歩行解析方法および歩行解析システム |
FR3042266B1 (fr) | 2015-10-08 | 2019-04-19 | Sysnav | Procede d'estimation du mouvement d'un pieton |
US20180236352A1 (en) * | 2015-12-04 | 2018-08-23 | Uti Limited Partnership | Wearable inertial electronic device |
KR20190008519A (ko) * | 2016-01-25 | 2019-01-24 | 비-테미아 인코포레이티드 | 보행 프로파일러 시스템 및 방법 |
JP6658077B2 (ja) * | 2016-02-25 | 2020-03-04 | 花王株式会社 | つまずきリスクの評価方法 |
KR102594123B1 (ko) | 2016-03-23 | 2023-10-26 | 카나리 메디칼 아이엔씨. | 경보 임플란트를 위한 이식 가능한 리포팅 프로세서 |
US11191479B2 (en) | 2016-03-23 | 2021-12-07 | Canary Medical Inc. | Implantable reporting processor for an alert implant |
EP3257437A1 (en) * | 2016-06-13 | 2017-12-20 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Method and system for analyzing human gait |
TWM537280U (zh) * | 2016-07-06 | 2017-02-21 | Idesyn Semiconductor Corp | 分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置 |
US11497966B2 (en) | 2016-08-09 | 2022-11-15 | Beflex Inc. | Automatic coaching system and method for coaching user's exercise |
WO2018030734A1 (ko) * | 2016-08-09 | 2018-02-15 | 주식회사 비플렉스 | 3d 시뮬레이션 방법 및 장치 |
CN106390428B (zh) | 2016-11-01 | 2019-03-05 | 爱柯迪股份有限公司 | 一种仿生电动动力鞋 |
CN106390430B (zh) | 2016-11-01 | 2019-03-05 | 爱柯迪股份有限公司 | 一种动力鞋装置的防倒转装置 |
CN106582003B (zh) | 2016-11-01 | 2019-11-05 | 爱柯迪股份有限公司 | 一种电动动力鞋的调节机构 |
WO2018083085A1 (en) | 2016-11-02 | 2018-05-11 | F. Hoffmann-La Roche Ag | PYRAZOLO[1,5a]PYRIMIDINE DERIVATIVES AS IRAK4 MODULATORS |
CN108022248A (zh) * | 2016-11-03 | 2018-05-11 | 北京航空航天大学 | 一种基于视觉采集设备的下肢步态康复评估系统 |
US11793461B2 (en) | 2017-03-07 | 2023-10-24 | Motionize Israel Ltd. | Football smart footwear with automatic personal and team performance statistics extraction |
CN107174255B (zh) * | 2017-06-15 | 2020-04-10 | 西安交通大学 | 基于Kinect体感技术的三维步态信息采集与分析方法 |
CN110868926A (zh) | 2017-07-08 | 2020-03-06 | 筋斗云机器人技术有限公司 | 用于控制行动装置的方法和装置 |
EP3787760A4 (en) * | 2018-04-29 | 2022-07-20 | Shift Robotics, Inc. | PACE-CONTROLLED MOBILITY DEVICE |
CN108634960B (zh) * | 2018-05-11 | 2019-11-22 | 浙江大学 | 一种用于外骨骼穿戴者的步态在线检测方法 |
FR3082722B1 (fr) | 2018-06-21 | 2020-09-25 | Sysnav | Procede d'analyse de foulee d'un pieton en marche |
US11439325B2 (en) | 2018-06-29 | 2022-09-13 | The Trustees Of The Stevens Institute Of Technology | Wireless and retrofittable in-shoe system for real-time estimation of kinematic and kinetic gait parameters |
EP3644322B1 (en) * | 2018-10-25 | 2023-12-27 | Tata Consultancy Services Limited | Method and system for interpreting neural interplay involving proprioceptive adaptation during a dual task paradigm |
US20200155036A1 (en) * | 2018-11-15 | 2020-05-21 | Veristride Inc. | Systems and methods for identifying turns |
US20220062743A1 (en) * | 2019-01-09 | 2022-03-03 | Shift Robotics, Inc. | A method and device for control of a mobility device using an estimated gait trajectory |
JP7173294B2 (ja) * | 2019-03-27 | 2022-11-16 | 日本電気株式会社 | 歩行判別装置、歩行判定システム、歩行判別方法、およびプログラム |
IL267345A (en) * | 2019-06-13 | 2019-11-28 | MALIACH Gal | Device for simulating gait |
CN110575175B (zh) * | 2019-07-30 | 2022-05-20 | 福建省万物智联科技有限公司 | 一种判断足内外八的方法 |
JP7439353B2 (ja) * | 2019-08-29 | 2024-02-28 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 認知機能評価方法、認知機能評価装置及び認知機能評価プログラム |
WO2021124299A1 (en) * | 2019-12-21 | 2021-06-24 | Elon Littwitz | Walking assisting systems and methods |
CN111209809B (zh) * | 2019-12-24 | 2023-03-28 | 广东省智能制造研究所 | 一种基于暹罗网络的多输入跨视角步态识别方法及装置 |
CN111012358B (zh) * | 2019-12-26 | 2023-02-10 | 浙江福祉科创有限公司 | 一种人体踝关节运动轨迹测量方法及可穿戴式设备 |
US11006860B1 (en) * | 2020-06-16 | 2021-05-18 | Motionize Israel Ltd. | Method and apparatus for gait analysis |
WO2022087241A1 (en) | 2020-10-21 | 2022-04-28 | Shift Robotics, Inc. | Power-driven shoe device wheel configuration with combined translational and rotational hinge mechanism and integrated gear-bushing assembly |
RU2752373C1 (ru) * | 2020-11-10 | 2021-07-26 | Автономная некоммерческая образовательная организация высшего образования «Сколковский институт науки и технологий» | Способ измерения длительностей отдельных шагов левой и правой ноги |
WO2023027688A1 (en) | 2021-08-23 | 2023-03-02 | Ross Bogey | Gait training device |
CN113712540B (zh) * | 2021-09-03 | 2022-06-14 | 北京航空航天大学 | 一种基于惯性传感器的人体足部运动站立相检测方法 |
CN114287890B (zh) * | 2022-01-12 | 2023-09-26 | 天津大学 | 基于mems传感器的帕金森患者的运动功能评估方法 |
CN116439693A (zh) * | 2023-05-18 | 2023-07-18 | 四川大学华西医院 | 一种基于fmg的步态检测方法及系统 |
CN116784838B (zh) * | 2023-08-24 | 2024-01-09 | 中国科学技术大学 | 基于可穿戴惯性传感器转向识别系统、方法、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6122960A (en) | 1995-12-12 | 2000-09-26 | Acceleron Technologies, Llc. | System and method for measuring movement of objects |
-
2011
- 2011-05-25 WO PCT/IB2011/052269 patent/WO2012007855A1/en active Application Filing
- 2011-05-25 ES ES11743346T patent/ES2846821T3/es active Active
- 2011-05-25 US US13/810,118 patent/US9307932B2/en active Active
- 2011-05-25 EP EP11743346.6A patent/EP2593009B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2012007855A1 (en) | 2012-01-19 |
US20130123665A1 (en) | 2013-05-16 |
EP2593009A1 (en) | 2013-05-22 |
EP2593009B1 (en) | 2020-08-26 |
US9307932B2 (en) | 2016-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2846821T3 (es) | Sistema y método para la evaluación de la marcha en 3D | |
Mariani et al. | 3D gait assessment in young and elderly subjects using foot-worn inertial sensors | |
Zhang et al. | Accurate ambulatory gait analysis in walking and running using machine learning models | |
Zhao et al. | Adaptive gait detection based on foot-mounted inertial sensors and multi-sensor fusion | |
Kitagawa et al. | Estimation of foot trajectory during human walking by a wearable inertial measurement unit mounted to the foot | |
Mariani et al. | Quantitative estimation of foot-flat and stance phase of gait using foot-worn inertial sensors | |
Mannini et al. | Walking speed estimation using foot-mounted inertial sensors: Comparing machine learning and strap-down integration methods | |
Mannini et al. | Gait phase detection and discrimination between walking–jogging activities using hidden Markov models applied to foot motion data from a gyroscope | |
Schepers et al. | Ambulatory estimation of foot placement during walking using inertial sensors | |
Aminian et al. | Spatio-temporal parameters of gait measured by an ambulatory system using miniature gyroscopes | |
Liu et al. | Development of a wearable sensor system for quantitative gait analysis | |
Coley et al. | Stair climbing detection during daily physical activity using a miniature gyroscope | |
Sijobert et al. | Implementation and validation of a stride length estimation algorithm, using a single basic inertial sensor on healthy subjects and patients suffering from Parkinson’s disease | |
McGrath et al. | Gyroscope-based assessment of temporal gait parameters during treadmill walking and running | |
Doheny et al. | A single gyroscope method for spatial gait analysis | |
McGrath et al. | Estimation of minimum ground clearance (MGC) using body-worn inertial sensors | |
Yang et al. | Inertial sensors in estimating walking speed and inclination: an evaluation of sensor error models | |
Bishop et al. | Walking speed estimation using shank-mounted accelerometers | |
Santhiranayagam et al. | A machine learning approach to estimate minimum toe clearance using inertial measurement units | |
Digo et al. | Gait Phases Detection in Elderly using Trunk-MIMU System. | |
Mariani | Assessment of foot signature using wearable sensors for clinical gait analysis and real-time activity recognition | |
Raffin et al. | Concurrent validation of a magnetometer-based step counter in various walking surfaces | |
Zhao et al. | Applications of mems gyroscope for human gait analysis | |
Zhigailov et al. | Measurement and analysis of human lower limbs movement parameters during walking | |
Pierleoni et al. | Postural stability evaluation using wearable wireless sensor |