TW201403535A - 步態分析方法及步態分析系統 - Google Patents
步態分析方法及步態分析系統 Download PDFInfo
- Publication number
- TW201403535A TW201403535A TW102123324A TW102123324A TW201403535A TW 201403535 A TW201403535 A TW 201403535A TW 102123324 A TW102123324 A TW 102123324A TW 102123324 A TW102123324 A TW 102123324A TW 201403535 A TW201403535 A TW 201403535A
- Authority
- TW
- Taiwan
- Prior art keywords
- period
- signal
- amplitude
- gait
- gait analysis
- Prior art date
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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
Abstract
一種步態分析方法由一步態分析系統實施,步態分析系統包括一感測單元、一處理單元以及一儲存單元,處理單元分別與感測單元及儲存單元電性連接,儲存單元儲存複數運算程式,步態分析方法包括:由感測單元感測一步態並輸出一感測訊號,其中一步態週期包含一站立期、一推蹬期、一擺動期及一觸地期;由處理單元依據感測訊號得到一向量振幅訊號及一振幅累積訊號;依據向量振幅訊號、振幅累積訊號辨識站立期、推蹬期、擺動期及觸地期,推蹬期、擺動期及觸地期係依據一動態閥值來決定;以及依據站立期、推蹬期、擺動期及觸地期對步態進行分類。本發明亦揭露一種步態分析系統。
Description
本發明係關於一種步態分析方法及步態分析系統。
一般而言,神經病變與骨骼肌肉系統的疾病都會造成行走的問題,從臨床的角度來看,疾病的狀態改變了肌肉、骨骼及神經,乃至於關節的協調平衡及互動,因而影響了步態(gait),而步態分析(gait analysis)可以抽絲剝繭幫我們分解出來,因此,在骨科學,復健學及神經學的領域裡,應用步態分析來解決臨床問題的研究正如雨後春筍地發展了起來。
步態分析主要目的為提供醫師詳細的評估資訊,以釐清受試者本身神經肌肉骨骼系統的癥結,經由這些評估結果,醫師可擬定最佳的治療計畫,以規劃手術、復健、或穿戴輔具的方式對患者進行治療。另外,治療後的步態分析也可協助確認治療效果以及供醫師提出進一步的改善方案。以骨科治療為例,步態分析可以作為骨科疾病治療前後的偵測及評估;以復健治療為例,步態分析可以作為治療診斷、評估及恢復狀態衡量的參考。在義肢裝設上,步態分析也可作為協助設計,測試及義肢或輔具適應良窳的協助,而在神經學上,步態分析也可以用來測量特殊肢體活動來分析巴金森症的特性及治療效果的追蹤。
此外,在預防醫學與流行病學方面,我們知道「跌倒」已成為威脅老年人的第三大危險因子,藉助步態分析,也可找出導致跌倒的危險因素,透過早期排除這些容易跌倒的危險因素,再給予老年人適當的衛教、訓練,以作為日常生活上的調適,或者再配予步行輔助器械,或由旁人特別照料,將可大幅降低老年人因跌倒所致的傷害,進而大幅度地降低家庭及社會的負擔。
本發明之目的為提供一種步態分析方法及步態分析系統,可將受試者的步態進行分析及辨識,進而根據分析及辨識結果供醫師提供給受試者有關醫療及健康方面的建議。
為達上述目的,依據本發明之一種步態分析方法,由一步態分析系統實施,步態分析系統包括一感測單元、一處理單元以及一儲存單元,處理單元分別與感測單元及儲存單元電性連接,儲存單元儲存複數運算程式,步態分析方法包括:由感測單元感測一步態並輸出一感測訊號,其中一步態週期包含一站立期、一推蹬期、一擺動期及一觸地期;由處理單元依據感測訊號得到一向量振幅訊號及一振幅累積訊號;依據向量振幅訊號、振幅累積訊號辨識站立期、推蹬期、擺動期及觸地期,其中推蹬期、擺動期及觸地期係依據一動態閥值來決定;以及依據站立期、推蹬期、擺動期及觸地期對步態進行分類。
為達上述目的,依據本發明之一種步態分析系統包括一感測單元、一儲存單元以及一處理單元。感測單元感測一步態並輸出一感測訊號,其中一步態週期包含一站立期、一推蹬期、一擺動期及一觸地期。儲存單元儲存複數運算程式。處理單元分別與感測單元及儲存單元電性連接,處理單元依據感測訊號得到一向量振幅訊號及一振幅累積訊號,並依據向量振幅訊號、振幅累積訊號辨識站立期、推蹬期、擺動期及觸地期,以對步態進行分類,推蹬期、擺動期及觸地期係依據一動態閥值來決定。
在一實施例中,處理單元透過一向量振幅運算程式的運算而得到向量振幅訊號,並透過一振幅累積運算程式的運算而得到振幅累積訊號。
在一實施例中,向量振幅運算程式依據感測訊號之一第一方向分量、一第二方向分量及一第三方向分量進行運算,振幅累積運算程式依據向量振幅訊號及第二方向分量進行運算。
在一實施例中,處理單元係透過一標準差運算程式對振幅累積訊號進行運算,標準差運算程式包含由振幅累積訊號中計算一標準差,並依據振幅累積訊號、標準差及一時間閥值於振幅累積訊號中辨識出站立期。
在一實施例中,站立期之一持續時間大於時間閥值。
在一實施例中,動態閥值的初始值依據站立期而得到。
在一實施例中,處理單元透過一動態閥值運算程式的運算而得到動態閥值,動態閥值運算程式依據不同時間點之向量振幅訊號來決定動態閥值。
在一實施例中,向量振幅訊號及動態閥值分別具有相同之一第一時間點及一第二時間點,當第二時間點之向量振幅訊號的訊號值大於或等於第一時間點之動態閥值時,第二時間點之動態閥值不改變。
在一實施例中,當第二時間點之向量振幅訊號的訊號值小於第一時間點之動態閥值時,第二時間點之動態閥值係改變。
在一實施例中,處理單元係透過一時間運算程式的運算而得到觸地期、站立期、推蹬期及擺動期所佔的比例。
在一實施例中,當推蹬期加上擺動期的時間和小於或等於觸地期的時間時,步態為下樓,當推蹬期的時間大於觸地期的時間時,步態為上樓。
在一實施例中,步態分析方法更包括:由處理單元依據站立期、推蹬期、擺動期及觸地期計算步態之一步數、一步速、一步長及一步距。
承上所述,因本發明之步態分析方法及步態分析系統中,係由感測單元感測步態並輸出感測訊號,並由處理單元依據感測訊號得到向量振幅訊號及振幅累積訊號。另外,再依據向量振幅訊號、振幅累積訊號辨識站立期、推蹬期、擺動期及觸地期,其中推蹬期、擺動期及觸地期係依據動態閥值來決定。此外,再依據站立期、推蹬期、擺動期及觸地期步態進行分類。藉此,可將受試者的步態進行分析及辨識,進而根據分析及辨識的結果供醫師提供給受試者有關醫療及健康方面的建議。
1‧‧‧步態分析系統
11‧‧‧感測單元
12‧‧‧處理單元
13‧‧‧儲存單元
DT‧‧‧動態閥值
S01~S05‧‧‧步驟
Tp‧‧‧推蹬期的時間
Th‧‧‧觸地期的時間
Tw‧‧‧擺動期的時間
TH2d‧‧‧下邊界
TH2u‧‧‧上邊界
圖1A為本發明較佳實施例之一種步態分析方法的流程示意圖。
圖1B為一步態週期的示意圖。
圖2為本發明較佳實施例之一種步態分析系統的功能方塊示意圖。
圖3A至圖3C分別為受試者行走時之向量振幅訊號的波形示意圖。
圖4A至圖4C分別為受試者行走時之振幅累積訊號的波形示意圖。
圖5A及圖5B分別為受試者行走時之另一振幅累積訊號的波形示意圖。
圖6為一步態週期之訊號波形示意圖。
圖7A至圖7C係分別為受試者行走時之向量振幅訊號及其對應的動態閥值之示意圖。
圖8為本發明之步態分類的判斷流程圖。
圖9為本發明較佳實施例之一種步態分析方法的另一流程示意圖。
以下將參照相關圖式,說明依本發明較佳實施例之步態分析方法及步態分析系統,其中相同的元件將以相同的參照符號加以說明。
請參照圖1A、圖1B及圖2所示,其中,圖1A為本發明較佳實施例之一種步態分析方法的流程示意圖,圖1B為一步態週期(gait cycle)的示意圖,而圖2為本發明較佳實施例之一種步態分析系統1的功能方塊示意圖。
本發明之步態分析方法係由步態分析系統1實施。如圖2所示,步態分析系統1包括一感測單元11、一處理單元12以及一儲存單元13,處理單元12分別與感測單元11及儲存單元13電性連接,且儲存單元13儲存複數個運算程式。另外,如圖1A所示,步態分析方法包括步驟S01至步驟S04。
首先,步驟S01為:由感測單元11感測一步態並輸出一感測訊號,如圖1B所示,其中一步態週期(即一個完整步伐)包含一站立期(stance phase)、一推蹬期(push-off phase)、一擺動期(swing phase)及一觸地期(heel-strike phase)。本發明之感測單元11係為可穿戴式,並例如但不限於為三軸的加速度計或角速度計。在本實施例中,感測單元11係以三軸之加速度計,並配戴於受試者之腳踝上為例,因此,感測訊號為三方向
的加速度訊號(包含一第一方向分量、一第二方向分量及一第三方向分量,圖未顯示)。其中,步驟S01中所提到的步態可為一個步伐或複數個步伐,並包含至少一完整的步態週期。
一個步態週期(即一個完整步伐)包含站立期、推蹬期、擺動期及觸地期。換言之,受試者配戴感測單元11並實際行走一段離後,感測訊號即為行走該段距離所得到的三方向加速度訊號。於此,「行走」指的是,受試者配戴感測單元11於平地上行走,或上樓梯,或下樓梯。另外,於進行步驟S02之前,處理單元12需先對感測訊號進行訊號的前處理,以降低基準線飄移(baseline drift)及高頻的雜訊對後續步態分析的影響。
接著,執行步驟S02:由處理單元12依據感測訊號得到一向量振幅訊號及一振幅累積訊號。其中,於得到向量振幅訊號及振幅累積訊號的步驟S02中,處理單元12係先透過儲存於儲存單元13之一向量振幅運算程式的運算而得到向量振幅訊號(以下稱為SVM,Signal Vector Magnitude)。於此,向量振幅運算程式係依據感測訊號之第一方向分量、第二方向分量及第三方向分量進行運算,且經由以下的方程式計算而得到向量振幅訊號SVM:
其中,ax、ay、az分別為感測訊號之第一方向分量、第二方向分量及第三方向分量的值,而n為取樣時間點。
接著,請參照圖3A~圖3C所示,其中,圖3A至圖3C分別為受試者行走時之向量振幅訊號SVM的波形示意圖。於此,圖3A~圖3C係顯示受試者分別配戴感測單元11於平地行走、上樓及下樓後,經計算後得到之向量振幅訊號SVM的波形。其中,顯示的取樣時間為5秒,每秒取樣數為30,故橫座標共有150個取樣點,而縱座標為加速度值(g),因此,圖3A~圖3C內分別具有複數個步態週期。上述取樣時間為5秒,每秒取樣數為30及共有150個取樣點只是為了說明本發明,在其它的實施態樣中,取樣時間、每秒取樣數及取樣點可根據實際步態分析的需求進行變更,本發明並不限制。
得到了向量振幅訊號SVM之後,處理單元12再透過儲存於儲存單元13之一振幅累積運算程式的運算得到振幅累積訊號(以下稱為SMS,Signal Magnitude Subtraction,或SMA,Signal Magnitude Accumulation)。其中,振幅累積運算程式係依據向量振幅訊號SVM及第二方向分量ay進行運算而得到振幅累積訊號SMS(或SMA),如以下的方程式所示:SMS(n)=SVM(n)-a y (n)
其中,ay為感測訊號之第二方向分量,而第二方向即為重力方向。換言之,如圖4A至圖4C所示,將圖3A至圖3C之向量振幅訊號SVM分別減去重力(1g)的影響後,就可得到圖4A至圖4C之振幅累積訊號SMS。
接著,進行步驟S03:依據向量振幅訊號SVM、振幅累積訊號SMS辨識站立期、推蹬期、擺動期及觸地期,其中推蹬期、擺動期及觸地期係依據一動態閥值DT來決定。於此,處理單元12先依據振幅累積訊號SMS辨識出站立期。於步驟S03中,處理單元12係先透過儲存於儲存單元13之一標準差運算程式對振幅累積訊號SMS進行運算,以得到每一步態週期之站立期。於此,標準差運算程式包含由振幅累積訊號SMS中計算一標準差,並依據振幅累積訊號SMS、此標準差及一時間閥值STmin於振幅累積訊號SMS中辨識出每一步態週期之站立期。
換言之,因為於每一步態週期之站立期時,受試者的腳並沒有上、下移動,故站立期的加速度值相對較為穩定。因此,為了得到步態週期之站立期,需先排除振幅累積訊號SMS中極高及極低之訊號(由於地面的反作用所產生者)。在本實施例中,處理單元12係先計算振幅累積訊號SMS之標準差,進而得到一上邊界TH1u及一下邊界TH1d的值,再排除振幅累積訊號SMS中,大於上邊界TH1u及小於下邊界TH1d之訊號。其方程式如下所示:
其中,L為訊號視窗內的訊號點數,為SMS(n)的平
均值,SMSm(n)為振幅累積訊號SMS(n)中,於上邊界TH1u與下邊界TH1d之間的訊號,而標準差為:
接著,於上述之訊號SMSm(n)中,再依照以下的方程式計算另一上、下邊界TH2u及TH2d的值,如圖5A所標示的TH2u及TH2d所示。
其中,小寫的L等於訊號視窗內去除過高及過低的訊號數
值後,所剩餘的資料點數,而為SMSm(n)的平均值。
接著,如圖5A所示,再排除振幅累積訊號SMSm(n)中,大於上邊界TH2u及小於下邊界TH2d之訊號(剩下上邊界TH2u與下邊界TH2d之間的訊號)。同時,由於一個步態週期中,站立期的訊號通常會持續一段時間(即有一段時間腳會站立於地面上),因此,本發明要辨識站立期時,除了排除振幅累積訊號SMSm(n)中,大於上邊界TH2u及小於下邊界TH2d之訊號之外,亦需確定訊號中有一持續時間△T需大於時間閥值STmin,才是屬於站立期的訊號,亦即以下的方程式要同時成立時才是站立期的訊號:TH2 d <SMS m (n)<TH2 u △T>STmin
因此,透過上述之計算,如圖5B之實線部分所示,可於振幅累積訊號SMSm(n)中辨識出每一步態週期的站立期。由於一個完整步代具有一站立期,因此,當找出站立期的數量時,即可得到受試者行走的步數。如圖5B中,此段步態中,具有13個步態週期,並有13個站立期,受試者行走的步數為13。
值得一提的是,上述之計算方程式只是舉例,設計者也可使用不用的計算方程式來得到不同的上、下邊界值,以排除較高或較低的振幅累積訊號,再由振幅累積訊號SMSm(n)中辨識出每一步態週期之站立期。另外,根據統計,一般人以正常速度行走時,一個完整步伐(一個步態週期)大約介於1.2秒至1.3秒之間,而站立期大約是佔整個步態週期的24.8%,因此,在本實施例中,時間閥值STmin設定為0.3秒(介於1.2 24.8%與1.3 24.8之間)。換言之,於本實施例中,走路時腳的站立時間要超過0.3秒以上者,才是步態週期的站立期。不過,對不同的受試者而言,其時間閥值STmin也可取決於受試者的實際狀況。例如受試者若是一位行動不是非常方便的人時,其時間閥值STmin可大於0.3秒;若是一位行動自如的年輕人時,其時間閥值STmin可小於0.3秒,本發明並不特別限定。此外,圖5A與圖5B只是舉例說明上述之計算,並沒有延續圖4A至圖4C的訊號。
另外,請參照圖6所示,其為一個步態週期之訊號波形示意圖。由於一個步態週期中,接續著站立期之後,就是推蹬期、擺動期及觸
地期,且其順序不會改變。因此,若確定站立期的訊號時,則可得知接下來的訊號順序分別為推蹬期、擺動期及觸地期。
因此,於辨識出步態中之所有站立期之後,處理單元12再依據向量振幅訊號SVM、站立期及動態閥值DT辨識出每一步態週期之推蹬期、擺動期及觸地期。其中,動態閥值DT的初始值係依據站立期而得到的。於此,係將每一站立期之最後一個取樣訊號值當成同一步態週期中,推蹬期之動態閥值DT的初始值。另外,處理單元12再透過一動態閥值運算程式的運算而得到每一期間的動態閥值DT,動態閥值運算程式係依據不同時間點之向量振幅訊號SVM來決定動態閥值DT,並以以下的方程式來決定下一取樣時間點的動態閥值DT:
其中,SVM(k)為第k個取樣時間點的向量振幅訊號的值,DT(k)為第k個取樣時間點的動態閥值DT,而S(j)為一個步態週期之向量振幅訊號SVM的總和。換言之,向量振幅訊號SVM及動態閥值DT分別具有相同之一第一時間點k-1及一第二時間點k(k-1與k為相鄰的取樣時間點),如果第二時間點k之向量振幅訊號SVM的訊號值大於或等於第一時間點k-1之動態閥值DT(k-1)時(即SVM(k)≧DT(k-1)),則第二時間點k之動態閥值DT(k)與第一時間點k-1之動態閥值DT(k-1)相同而不改變(即DT(k)=DT(k-1))。另外,若第二時間點k之向量振幅訊號SVM的訊號值小於第一時間點k-1之動態閥值DT(k-1)時(即SVM(k)<DT(k-1)),則第二時間點k之動態閥值DT(k)就依照上述方程式進行計算,以得到第二時間點k之動態閥值DT(k)(故稱為「動態」閥值)。
因此,請同時參照圖6及圖7A~圖7C所示,其中,圖7A至圖7C係分別為受試者行走時之向量振幅訊號SVM及其對應的動態閥值DT之示意圖。於此,圖7A~圖7C係分別顯示受試者於平地行走、上樓及下樓時之向量振幅訊號SVM及其對應的動態閥值DT,而向量振幅訊號
SVM之實線部分仍代表站立期。
藉由上述之動態閥值DT的判斷式,可以找出每一步態週期中,站立期、推蹬期、擺動期及觸地期對應之動態閥值DT,如圖7A~圖7C所示。其中,依照上述之方程式的結果,本發明於站立期、推蹬期及觸地期時,動態閥值DT並不改變,只有在擺動期時,動態閥值DT才會動態地改變。另外,於站立期時,動態閥值DT不改變,而站立期之最後一個取樣訊號值即作為推蹬期之動態閥值DT之初始值。另外,推蹬期及觸地期之向量振幅訊號SVM分別大於動態閥值DT,故推蹬期及觸地期之動態閥值DT不改變。此外,擺動期之向量振幅訊號SVM小於動態閥值DT,故擺動期之動態閥值DT也跟著改變。藉此,就可辨識出每一步態週期之站立期、推蹬期、擺動期及觸地期。
最後,進行步驟S04,步驟S04為:依據站立期、推蹬期、擺動期及觸地期對步態進行分類。於此步驟S04中,處理單元12係透過儲存於儲存單元13之一時間運算程式的運算而得到觸地期、站立期、推蹬期及擺動期所佔的比例。換言之,於步驟S03中,已辨識出每一步態週期之站立期、推蹬期、擺動期及觸地期,因此,處理單元12可進一步得到步態中,每一步態週期之站立期、推蹬期、擺動期及觸地期佔該步態週期之時間比例。於此,係將站立期之時間定為Ts,推蹬期之時間定為Tp,擺動期之時間定為Tw,觸地期之時間定為Th。因此,一個步態週期的時間總和為(Ts+Tp+Tw+Th),而站立期佔步態週期之時間比例為:Ts÷(Ts+Tp+Tw+Th)100%,推蹬期佔步態週期之時間比例為:Tp÷(Ts+Tp+Tw+Th)100%、擺動期佔步態週期之時間比例為:Tw÷(Ts+Tp+Tw+Th)100%,而觸地期佔步態週期之時間比例為:Th÷(Ts+Tp+Tw+Th)100%。
請參照圖8所示,其為本發明之步態分類的判斷流程圖。本發明係於每一步態週期中,由觸地期的時間Th、擺動期的時間Tw及推蹬期的時間Tp來對此步態週期中進行分類。其中,處理單元12係透過儲存於儲存單元13之一分類運算程式對步態進行分類。
如圖8所示,當推蹬期加上擺動期的時間和(Tp+Tw)小
於或等於觸地期的時間Th時,則此步態週期為下樓狀態。若推蹬期加上擺動期的時間和(Tp+Tw)大於觸地期的時間Th,且推蹬期的時間Tp大於觸地期的時間Th時,則此步態週期為上樓狀態。此外,若推蹬期加上擺動期的時間和(Tp+Tw)大於觸地期的時間Th,且推蹬期的時間Tp小於或等於觸地期的時間Th時,則此步態週期為平地行走狀態。藉由將受試者的步態中之每一步態週期進行狀態分類,可得到此受試者之步態的分類。藉此,可讓醫師、復健師或保健師,或受試者本身了解,於一段時間的走路形態中,是否對身體造成太大的負擔。舉例而言,若一膝蓋功能不佳的受試者,由上述的分類中發現,其步態週期中,上、下樓的比例偏高時,則醫師、復健師或保健師可對該受試者提出醫療及健康上的建議,例如請受試者減少上、下樓的比例,或者需多吃適當的食物,以避免膝蓋更大傷害。
另外,請參照圖9所示,其為本發明較佳實施例之一種步態分析方法的另一流程示意圖。
於此,除了上述步驟S01至步驟S04之外,本發明之步態分析方法更可包括步驟S05:由處理單元12依據站立期、推蹬期、擺動期及觸地期計算步態之一步數、一步速、一步長及一步距。其中,由於受試者的步態中,每一步態週期之站立期、推蹬期、擺動期及觸地期的時間及其比例都已得到,就可據此計算此受試者之步態的步數、步速、步長及步距。其中,步數即為步態中,步態週期的數量(或者站立期,或推蹬期,或擺動期,或觸地期的數量)。換言之,向量振幅訊號SVM之步態週期數量即為步數,步數乘以步長(Steplength)即可得到步距。另外,本發明係利用回歸(regression)分析,並由以下的方程式得到步速(Stepvelocity)及步長(Steplength):Steplength=70.9-36.1Stepfrequency+52.0Stepvelocity
Stepvelocity=0.64+0.26VarianceSVMxyz +0.59Average Y
其中,VarianceSVMxyz為向量振幅訊號SVM之變異數,AverageY為向量振幅訊號SVM之第二方向分量,而Stepfrequency為受試者走
路時的步頻。於此,上述之步速(Stepvelocity)及步長(Steplength)之方程式只是舉例,並不可用以限制本發明。
綜上所述,因本發明之步態分析方法及步態分析系統中,係由感測單元感測步態並輸出感測訊號,並由處理單元依據感測訊號得到向量振幅訊號及振幅累積訊號。另外,再依據向量振幅訊號、振幅累積訊號辨識站立期、推蹬期、擺動期及觸地期,其中推蹬期、擺動期及觸地期係依據動態閥值來決定。此外,再依據站立期、推蹬期、擺動期及觸地期步態進行分類。藉此,可將受試者的步態進行分析及辨識,進而根據分析及辨識的結果供醫師提供給受試者有關醫療及健康方面的建議。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
S01~S04‧‧‧步驟
Claims (20)
- 一種步態分析方法,由一步態分析系統實施,該步態分析系統包括一感測單元、一處理單元以及一儲存單元,該處理單元分別與該感測單元及該儲存單元電性連接,該儲存單元儲存複數運算程式,該步態分析方法包括:由該感測單元感測一步態並輸出一感測訊號,其中一步態週期包含一站立期、一推蹬期、一擺動期及一觸地期;由該處理單元依據該感測訊號得到一向量振幅訊號及一振幅累積訊號;依據該向量振幅訊號、該振幅累積訊號辨識該站立期、該推蹬期、該擺動期及該觸地期,其中該推蹬期、該擺動期及該觸地期係依據一動態閥值來決定;以及依據該站立期、該推蹬期、該擺動期及該觸地期對該步態進行分類。
- 如申請專利範圍第1項所述之步態分析方法,其中於得到該向量振幅訊號及該振幅累積訊號的步驟中,該處理單元透過一向量振幅運算程式的運算而得到該向量振幅訊號,並透過一振幅累積運算程式的運算而得到該振幅累積訊號。
- 如申請專利範圍第2項所述之步態分析方法,其中該向量振幅運算程式依據該感測訊號之一第一方向分量、一第二方向分量及一第三方向分量進行運算,該振幅累積運算程式依據該向量振幅訊號及該第二方向分量進行運算。
- 如申請專利範圍第1項所述之步態分析方法,其中於辨識該站立期、該推蹬期、該擺動期及該觸地期的步驟中,該處理單元係透過一標準差運算程式對該振幅累積訊號進行運算,該標準差運算程式包含由該振幅累積訊號中計算一標準差,並依據該振幅累積訊號、該標準差及一時間閥值於該振幅累積訊號中辨識出該站立期。
- 如申請專利範圍第4項所述之步態分析方法,其中該站立期之一持續時間大於該時間閥值。
- 如申請專利範圍第4項所述之步態分析方法,其中該動態閥值的初始值依據該站立期而得到。
- 如申請專利範圍第6項所述之步態分析方法,其中該處理單元透過一動態閥值運算程式的運算而得到該動態閥值,該動態閥值運算程式依據不同時間點之該向量振幅訊號來決定該動態閥值。
- 如申請專利範圍第7項所述之步態分析方法,其中該向量振幅訊號及該動態閥值分別具有相同之一第一時間點及一第二時間點,當該第二時間點之該向量振幅訊號的訊號值大於或等於該第一時間點之該動態閥值時,該第二時間點之該動態閥值不改變。
- 如申請專利範圍第8項所述之步態分析方法,其中當該第二時間點之該向量振幅訊號的訊號值小於該第一時間點之該動態閥值時,該第二時間點之該動態閥值係改變。
- 如申請專利範圍第1項所述之步態分析方法,其中於對該步態進行分類的步驟中,該處理單元係透過一時間運算程式的運算而得到該觸地期、該站立期、該推蹬期及該擺動期所佔的比例。
- 如申請專利範圍第10項所述之步態分析方法,其中當該推蹬期加上該擺動期的時間和小於或等於該觸地期的時間時,該步態為下樓,當該推蹬期的時間大於該觸地期的時間時,該步態為上樓。
- 如申請專利範圍第1項所述之步態分析方法,更包括:由該處理單元依據該站立期、該推蹬期、該擺動期及該觸地期計算該步態之一步數、一步速、一步長及一步距。
- 一種步態分析系統,包括:一感測單元,感測一步態並輸出一感測訊號,其中一步態週期包含一站立期、一推蹬期、一擺動期及一觸地期;以及一儲存單元,儲存複數運算程式;以及一處理單元,分別與該感測單元及該儲存單元電性連接,該處理單元依據該感測訊號得到一向量振幅訊號及一振幅累積訊號,並依據該向量振幅訊號、該振幅累積訊號辨識該站立期、該推蹬期、該擺動期及該觸地期,以對該步態進行分類,其中,該推蹬期、該擺動期及該觸地期係依據一動態閥值來決定。
- 如申請專利範圍第13項所述之步態分析系統,其中該處理單元透過一 向量振幅運算程式的運算而得到該向量振幅訊號,並透過一振幅累積運算程式的運算而得到該振幅累積訊號。
- 如申請專利範圍第14項所述之步態分析系統,其中該向量振幅運算程式依據該感測訊號之一第一方向分量、一第二方向分量及一第三方向分量進行運算,該振幅累積運算程式依據該向量振幅訊號及該第二方向分量進行運算。
- 如申請專利範圍第13項所述之步態分析系統,其中該處理單元係透過一標準差運算程式對該振幅累積訊號進行運算,該標準差運算程式包含由該振幅累積訊號中計算一標準差,並依據該振幅累積訊號、該標準差及一時間閥值於該振幅累積訊號中辨識出該站立期。
- 如申請專利範圍第16項所述之步態分析系統,其中站立期之一持續時間大於該時間閥值。
- 如申請專利範圍第13項所述之步態分析系統,其中該處理單元透過一動態閥值運算程式的運算而得到該動態閥值,該動態閥值運算程式依據不同時間點之該向量振幅訊號來決定該動態閥值。
- 如申請專利範圍第18項所述之步態分析系統,其中該向量振幅訊號及該動態閥值分別具有相同之一第一時間點及一第二時間點,當該第二時間點之該向量振幅訊號的訊號值小於該第一時間點之該動態閥值時,該第二時間點之該動態閥值改變。
- 如申請專利範圍第13項所述之步態分析系統,其中該處理單元透過一時間運算程式的運算而得到該站立期、該推蹬期、該擺動期及該觸地期所佔的比例,並依據該站立期、該推蹬期、該擺動期及該觸地期計算該步態之一步數、一步速、一步長及一步距。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261668676P | 2012-07-06 | 2012-07-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201403535A true TW201403535A (zh) | 2014-01-16 |
TWI498846B TWI498846B (zh) | 2015-09-01 |
Family
ID=49914578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102123324A TWI498846B (zh) | 2012-07-06 | 2013-06-28 | 步態分析方法及步態分析系統 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20140018705A1 (zh) |
CN (1) | CN103519819B (zh) |
TW (1) | TWI498846B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9700241B2 (en) * | 2012-12-04 | 2017-07-11 | Under Armour, Inc. | Gait analysis system and method |
KR101585561B1 (ko) * | 2014-08-21 | 2016-01-15 | 인하대학교산학협력단 | 다중 보행단계 인식을 위한 표면근전도 신호기반 부스트 분류 시스템 |
CN104323780B (zh) * | 2014-10-30 | 2016-07-06 | 上海交通大学 | 基于支持向量机的行人步态分类系统及方法 |
US10588574B2 (en) * | 2015-07-14 | 2020-03-17 | Smart Solutions Technologies, S.L. | System and methods for adaptive noise quantification in dynamic biosignal analysis |
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 |
WO2017052615A1 (en) * | 2015-09-25 | 2017-03-30 | Intel Corporation | Receiving feedback based on pressure sensor data and movement data |
TW201714582A (zh) * | 2015-10-16 | 2017-05-01 | 長庚大學 | 下肢動作感測與復健訓練系統 |
KR102134421B1 (ko) | 2015-10-22 | 2020-07-15 | 삼성전자주식회사 | 신호 처리 및 복원 방법, 및 상기 방법을 수행하는 장치들 |
CN105232053B (zh) * | 2015-11-06 | 2018-09-11 | 武汉理工大学 | 一种人体踝关节跖屈相位检测系统及方法 |
TWI615129B (zh) * | 2016-02-19 | 2018-02-21 | 財團法人資訊工業策進會 | 步態分析系統及方法 |
CN106650195A (zh) * | 2016-05-26 | 2017-05-10 | 张余 | 一种辅助筛查半月板损伤的步态分析方法 |
CN106166071B (zh) * | 2016-07-04 | 2018-11-30 | 中国科学院计算技术研究所 | 一种步态参数的采集方法及设备 |
JP6771162B2 (ja) * | 2016-10-07 | 2020-10-21 | パナソニックIpマネジメント株式会社 | 認知機能評価装置、認知機能評価方法及びプログラム |
CN106908021B (zh) * | 2017-01-19 | 2019-04-12 | 浙江大学 | 一种用于可穿戴式设备的人体步长测量方法及其测量设备 |
CN108653976B (zh) * | 2018-05-17 | 2021-04-20 | 褚涛 | 一种助跑方法及助跑电动装置系统 |
CN109009138B (zh) * | 2018-05-31 | 2023-06-09 | 清华大学 | 步态识别方法和识别装置 |
CN109528212B (zh) * | 2018-12-29 | 2023-09-19 | 大连乾函科技有限公司 | 一种异常步态识别设备及方法 |
CN112494034B (zh) * | 2020-11-30 | 2023-01-17 | 重庆优乃特医疗器械有限责任公司 | 基于3d体态检测分析的数据处理分析系统及方法 |
CN113208583B (zh) * | 2021-04-12 | 2022-05-27 | 华南理工大学 | 外骨骼辅助下的步态识别方法、介质和设备 |
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 |
WO2024081950A1 (en) * | 2022-10-14 | 2024-04-18 | The United States Government As Represented By The Department Of Veterans Affairs | Methods, systems, and apparatuses, for initiating or terminating multi-joint assistance for leg movement |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662470B2 (en) * | 1989-08-30 | 2003-12-16 | Anatomic Research, Inc. | Shoes sole structures |
WO1996039060A1 (en) * | 1995-06-05 | 1996-12-12 | Frampton Erroll Ellis, Iii | Shoe sole structures |
US6018705A (en) * | 1997-10-02 | 2000-01-25 | Personal Electronic Devices, Inc. | Measuring foot contact time and foot loft time of a person in locomotion |
CA2605239A1 (en) * | 2005-05-02 | 2006-11-09 | University Of Virginia Patent Foundation | Systems, devices, and methods for interpreting movement |
TWM294951U (en) * | 2006-01-26 | 2006-08-01 | Tonic Fitness Technology Inc | Step configuration analyzing device of treadmill |
US20080108913A1 (en) * | 2006-11-06 | 2008-05-08 | Colorado Seminary, Which Owns And Operates The University Of Denver | Smart apparatus for gait monitoring and fall prevention |
US20080146968A1 (en) * | 2006-12-14 | 2008-06-19 | Masuo Hanawaka | Gait analysis system |
TWI356357B (en) * | 2007-12-24 | 2012-01-11 | Univ Nat Chiao Tung | A method for estimating a body pose |
US10548512B2 (en) * | 2009-06-24 | 2020-02-04 | The Medical Research, Infrastructure and Health Services Fund of the Tel Aviv Medical Center | Automated near-fall detector |
TW201114408A (en) * | 2009-09-07 | 2011-05-01 | Chang-Ming Yang | Wireless gait analysis system by using fabric sensor |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的系统和方法 |
TWI417083B (zh) * | 2010-06-25 | 2013-12-01 | China University Science And Technology | Gait analysis system |
US8628485B2 (en) * | 2010-08-06 | 2014-01-14 | Covenant Ministries Of Benevolence Inc. | Gait analysis system and methods |
CN102100185B (zh) * | 2010-12-22 | 2012-12-05 | 银川奥特软件有限公司 | 奶牛发情监控系统 |
CN102670207B (zh) * | 2012-05-15 | 2013-09-04 | 北京大学 | 一种基于足底压力的步态分析方法 |
CN102824177B (zh) * | 2012-07-25 | 2014-11-26 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
-
2013
- 2013-06-28 TW TW102123324A patent/TWI498846B/zh not_active IP Right Cessation
- 2013-07-05 US US13/935,898 patent/US20140018705A1/en not_active Abandoned
- 2013-07-05 CN CN201310282004.9A patent/CN103519819B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
TWI498846B (zh) | 2015-09-01 |
CN103519819A (zh) | 2014-01-22 |
US20140018705A1 (en) | 2014-01-16 |
CN103519819B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI498846B (zh) | 步態分析方法及步態分析系統 | |
Celik et al. | Gait analysis in neurological populations: Progression in the use of wearables | |
Jarchi et al. | A review on accelerometry-based gait analysis and emerging clinical applications | |
Chen et al. | Toward pervasive gait analysis with wearable sensors: A systematic review | |
Gouwanda et al. | A robust real-time gait event detection using wireless gyroscope and its application on normal and altered gaits | |
Liu et al. | Wearable devices for gait analysis in intelligent healthcare | |
Mariani et al. | Quantitative estimation of foot-flat and stance phase of gait using foot-worn inertial sensors | |
Allseits et al. | The development and concurrent validity of a real-time algorithm for temporal gait analysis using inertial measurement units | |
Lopez-Meyer et al. | Automatic detection of temporal gait parameters in poststroke individuals | |
Greene et al. | An adaptive gyroscope-based algorithm for temporal gait analysis | |
Gujarathi et al. | Gait analysis using imu sensor | |
Rueterbories et al. | Gait event detection for use in FES rehabilitation by radial and tangential foot accelerations | |
JP6190466B2 (ja) | 生体信号測定器及び接触状態推定方法 | |
Fulk et al. | Identifying activity levels and steps of people with stroke using a novel shoe-based sensor | |
Gouwanda et al. | A low cost alternative to monitor human gait temporal parameters–wearable wireless gyroscope | |
Lockhart et al. | Wavelet based automated postural event detection and activity classification with single IMU (TEMPO) | |
Oh et al. | Validity of the Microsoft Kinect™ in assessing spatiotemporal and lower extremity kinematics during stair ascent and descent in healthy young individuals | |
Erdem et al. | Gait analysis using smartwatches | |
Allseits et al. | A practical step length algorithm using lower limb angular velocities | |
WO2006119186A2 (en) | Systems, devices, and methods for interpreting movement | |
Howcroft et al. | Prospective elderly fall prediction by older-adult fall-risk modeling with feature selection | |
Zhang et al. | State of the art in gait analysis using wearable sensors for healthcare applications | |
US20190320944A1 (en) | Biomechanical activity monitoring | |
Ryu et al. | sEMG-signal and IMU sensor-based gait sub-phase detection and prediction using a user-adaptive classifier | |
Das et al. | Recent trends and practices toward assessment and rehabilitation of neurodegenerative disorders: Insights from human gait |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |