TW201443834A - 平衡監測與跌倒預警方法及裝置 - Google Patents

平衡監測與跌倒預警方法及裝置 Download PDF

Info

Publication number
TW201443834A
TW201443834A TW102115872A TW102115872A TW201443834A TW 201443834 A TW201443834 A TW 201443834A TW 102115872 A TW102115872 A TW 102115872A TW 102115872 A TW102115872 A TW 102115872A TW 201443834 A TW201443834 A TW 201443834A
Authority
TW
Taiwan
Prior art keywords
signal
cop
balance monitoring
correlation coefficient
threshold
Prior art date
Application number
TW102115872A
Other languages
English (en)
Other versions
TWI562100B (en
Inventor
Hsin-Hung Pan
Tung-Wu Lu
Hsuan-Lun Lu
Original Assignee
Ind Tech Res Inst
Univ Nat Taiwan
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ind Tech Res Inst, Univ Nat Taiwan filed Critical Ind Tech Res Inst
Priority to TW102115872A priority Critical patent/TWI562100B/zh
Priority to US14/010,189 priority patent/US20140330171A1/en
Publication of TW201443834A publication Critical patent/TW201443834A/zh
Application granted granted Critical
Publication of TWI562100B publication Critical patent/TWI562100B/zh

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
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—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
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
    • 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
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • 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
    • A61B5/103—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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Dentistry (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Geometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一種平衡監測與跌倒預警方法及裝置。平衡監測與跌倒預警方法包括以下步驟。擷取一人體之數筆感測訊號。依據此些感測訊號，產生一質量中心(center of mass,COM)訊號以及一壓力中心(center of pressure,COP)訊號。依據COM訊號與COP訊號之一側向速度，計算一相關性係數。依據一資料庫中所儲存之至少一回歸模型，取得一閥值。判斷相關性係數是否低於閥值。若相關性係數低於閥值，則發出一警告。

Description

平衡監測與跌倒預警方法及裝置
本發明是有關於一種預警方法及裝置，且特別是有關於一種平衡監測與跌倒預警方法及裝置。
隨著高齡化社會來臨，老人跌倒問題逐漸受到重視。就現階段而言，台灣65歲以上老人一年跌倒的發生率約為30%，老年人87%的骨折來自跌倒，其中85歲以上跌倒者致死率更高達40%。另外，跌倒亦是老人需至急診就醫的主因之一，更在老年人口死因排名第二。因此，跌倒問題所帶來的衝擊不僅是增加醫療支出，更提高了社會照顧成本。
一般而言，跌倒乃人體失去平衡所致。然而，目前偵測人體靜態平衡的技術仍侷限於醫院或實驗室中的專業級設備，若要隨身攜帶使用，或是擴及其他非患者(如運動者)，其並非適用。
因此，如何提供一種可攜式之平衡監測與跌倒預警之裝置，乃業界所致力的課題之一。
本發明係有關於一種平衡監測與跌倒預警方法及裝置。
根據本發明之一方面，提出一種平衡監測與跌倒預警方法。平衡監測與跌倒預警方法包括以下步驟。擷取一人體之數筆感測訊號。依據此些感測訊號，產生一質量中心(center of mass,COM)訊號以及一壓力中心(center of pressure)訊號。依據COM訊號與COP訊號之一側向(mediolateral)速度，計算一相關性係數。依據一資料庫中所儲存之至少一回歸模型，取得一閥值。判斷相關性係數是否低於閥值。若相關性係數低於該閥值，則發出一警告。
根據本發明之另一方面，提出一種平衡監測與跌倒預警裝置。平衡監測與跌倒預警裝置包括一感測模組、一運算處理模組、一資料庫以及一輸出模組。感測模組用以擷取一人體之數筆感測訊號。資料庫用以儲存至少一回歸模型。運算處理模組包括一計算單元以及一判斷單元。計算單元用以依據此些感測訊號，產生一質量中心(center of mass,COM)訊號以及一壓力中心(center of pressure)訊號，並依據COM訊號與COP訊號之一側向(mediolateral)速度，計算一相關性係數。判斷單元用以依據回歸模型取得一閥值，並判斷相關性係數是否低於閥值。輸出模組於相關性係數低閥值時，發出一警告。
為了對本發明之上述及其他方面有更佳的瞭解，下 文特舉實施例，並配合所附圖式，作詳細說明如下：
100‧‧‧平衡監測與跌倒預警裝置
102‧‧‧感測模組
104‧‧‧資料庫
106‧‧‧運算處理模組
108‧‧‧輸出模組
110‧‧‧計算單元
112‧‧‧判斷單元
114‧‧‧動作判斷模組
202‧‧‧慣性感測單元
204‧‧‧足壓感測單元
302,502,602‧‧‧曲線
402‧‧‧虛線連桿
404‧‧‧端點
504,506,508,510,702,704‧‧‧直線
S‧‧‧感測訊號
CC‧‧‧相關性係數
T‧‧‧閥值
P‧‧‧動作型態
Aout‧‧‧警告
Si‧‧‧慣性感測訊號
Sp‧‧‧足底壓力訊號
A,B‧‧‧位置
TTO‧‧‧落地瞬間
THS‧‧‧離地瞬間
S902,S904,S906,S908,S910‧‧‧步驟
第1圖繪示平衡監測與跌倒預警裝置之示意圖。
第2圖繪示感測模組之細部方塊圖。
第3圖繪示垂直加速度與時間之關係圖。
第4圖繪示以倒單擺模型模擬人體上樓梯時單腳站立周期之示意圖。
第5圖繪示垂直加速度與時間之關係圖。
第6圖繪示對應於上樓梯動作之相關性係數與靜態COP面積之關係圖。
第7A圖繪示對應於正常行走動作，相關性係數與靜態COP面積之自然對數之關係圖。
第7B圖繪示對應於上樓梯動作，相關性係數與靜態COP面積之自然對數之關係圖。
第8圖繪示回歸模型之閥值之示意圖。
第9圖平衡監測與跌倒預警方法流程圖
請參照第1圖，第1圖繪示平衡監測與跌倒預警裝置100之示意圖。如第1圖所示，平衡監測與跌倒預警裝置100包括一感測模組102、一資料庫104、一運算處理模組106及一輸出模組108。感測模組102例如包括陀螺儀、加速度計以及壓 力感測器。資料庫104例如為硬碟、記憶卡或其它具備資料儲存能力之裝置。運算處理模組106例如為中央處理器，或是其它具有電子運算能力之裝置。輸出模組108例如為警報器或其它可發出警告之裝置，亦或其它具備訊號發送能力之電路，可傳送警告訊號至醫院、監控中心或相關照護人員。
感測模組102用以擷取人體之多筆感測訊號S。資料庫104用以儲存至少一回歸模型。運算處理模組106包括計算單元110及判斷單元112。計算單元110用以依據此些感測訊號S產生一質量中心(center of mass,COM)訊號以及一壓力中心(center of pressure,COP)訊號，並依據此COM訊號與COP訊號之側向(mediolateral)速度，計算相關性係數CC。判斷單元112用以依據資料庫104中所儲存的回歸模型取得一閥值T，並判斷相關性係數CC是否低於該閥值T。倘若判斷相關性係數CC低於閥值T，則運算處理模組106驅動輸出模組108發出一警告Aout。警告Aout可透過聲音、光或任何足以產生警示作用的方式呈現，又，警告Aout可例如以推播訊息等方式，發送至相關人員，如家人與醫療人員。警告Aout亦可作為一驅動訊號，以驅動可維持人體平衡之裝置。此外，本發明並不限定當相關性係數CC低於閥值T時才驅動輸出模組108發出警告Aout，凡是藉由比較相關性係數CC與閥值T來決定是否發出警告Aout，皆不脫離本發明之範疇。
於一實施例中，平衡監測與跌倒預警裝置100更包 括一動作判斷模組114。如第1圖所示，動作判斷模組114依據感測訊號S辨識一動作型態P。動作型態P例如包括站立、踏下、行走、上樓梯、下樓梯、坐到站以及站到坐等姿態，用以代表所測得之人體當前動作。接著，運算處理模組106依據此動作型態P，自資料庫104中選擇對應動作型態P之回歸模型進行運算。於設計上，對應不同動作型態P之各回歸模型可分別具有相應之閥值T。
第2圖繪示第1圖之感測模組102之細部方塊圖。如第2圖所示，感測模組102包括慣性感測單元202以及足壓感測單元204。慣性感測單元202用以擷取慣性感測訊號Si。舉例來說，慣性感測單元202可包括陀螺儀以及加速度計，以分別量測人體動作時之角速度以及加速度等慣性感測資訊。於一實施例中，慣性感測單元202可設置於靠近該人體的質量中心位置，例如人體的腰部。
足壓感測單元204用以擷取多筆足底壓力訊號Sp。舉例來說，足壓感測單元204可包括多個壓力感測器，此些壓力感測器例如設置於一鞋墊上。如此一來，當使用者穿戴此鞋墊，此些壓力感測器係可自使用者之足底感測出多筆壓力資訊，並進而轉換成多筆足底壓力訊號Sp。於一實施例中，此些壓力感測器之數量至少為3個。
上述之慣性感測訊號Si以及多筆足底壓力訊號Sp可視為包含於感測訊號S，其可提供動作辨識模組114作後續處 理，以辨識人體之動作型態P；亦其可供運算處理模組106依據一倒單擺模型產生人體之COM訊號與COP訊號，並計算出相關性係數CC。
舉例來說，動作辨識模組114可對慣性感測訊號Sp進行小波轉換以辨識出動作型態P。所謂小波轉換，其主要在於將訊號經由一系列比率函式(scaling function)與小波函式(wavelet function)，分解為近似訊號(approximated signal)與細部訊號(detail signal)。其中，比率函式可表示為，而小波函式可表示為。
如此，藉由將慣性感測訊號Si之垂直加速度a(t)作小波轉換並進行特徵值辨識，可分類出多種不同的動作型態P。
以第3圖作說明，其繪示垂直加速度a(t)與時間之關係圖。由第3圖可看出，垂直加速度a(t)可藉由小波轉換與特徵值辨識(曲線302)分類成站立、走路、下樓梯、上樓梯、坐下等訊號周期。
當辨識完動作型態P，運算處理模組106即可透過慣性感測訊號Si之垂直加速度a(t)進行單腳站立周期之辨識，以供後續依據倒單擺模型計算人體之COM訊號與COP訊號，並產生COM訊號與COP訊號之側向速度之相關性係數CC。
請參考第4圖，其繪示以倒單擺模型模擬人體上樓梯時單腳站立周期之示意圖。如第4圖所示，虛線連桿402表示人體之倒單擺模型，其中，當虛線連桿402之端點404由位置A 擺盪至位置B，其所歷經的時間可對應至人體上樓梯時之單腳站立週期。
於一實施例中，運算處理模組106辨識單腳站立周期之演算法如下：首先，將慣性感測訊號Si之垂直加速度a(t)進行後差分處理(Backward differential)可得一函式f(t)。接著將函式f(t)整理為如下之步階函數a’(t)：
接著，將步階函數a’(t)再進行一次後差分運算並整理為如下之另一步階函數a”(t)：
接著，求解步階函數a”(t)值為零之時間點且垂直加速度a(t)值大於1之時間點，並將其定義為落地瞬間(THS)；以及求解步階函數a”(t)值為零之時間點且垂直加速度訊號a(t)值小於1之時間點，並將其定義為離地瞬間(TTO)。最後，離地瞬間(TTO)至落地瞬間(THS)之訊號時間即為單腳站立週期。
請參考第5圖，其繪示慣性感測訊號Si之垂直加速度a(t)與時間之關係圖。如第5圖所示，曲線502表示隨時間變化之垂直加速度a(t)；直線504,506所對應之時間點表示落地瞬間(TTO)；而直線508,510所對應之時間點表示離地瞬間(THS)。依 此，從直線508之對應時間(THS)至直線506之對應時間(TTO)，即為單腳站立週期。
當單腳站立週期被決定後，即可將其代入倒單擺模型以進行人體COM與足底COP之相對位置校正處理，進而得出對應之COM訊號與COP訊號。其演算法如下：
其中，表示所有單腳站立週期之足底壓力訊號SP(上式中以表示)開始到結束之方向向量，ρ x 及ρ x 分別表示方向向量之x方向分量以及y方向分量；接著，將方向向量之Z分量(例如為垂直地面之分量)設為0，可得一平行於地面之單位向量，其中，bx及by分別表示單位向量之x方向分量以及y方向分量；接著，將此單位向量之各分量透過排列，可設計成一旋轉矩陣R，其描述人體行進間之局部座標系統與廣域座標系統的轉換關係。最後，將單腳站立週期之足底壓力訊號SP微分並乘上旋轉矩陣R，可得一相對於行進間座標系統之COP訊號(上式中以表示)；而將單腳站立週期之垂直加速度a(t)積分，並乘 上旋轉矩陣R可得一相對於行進間座標系統之COM訊號(上式中以表示)。
於取得人體之COM訊號與COP訊號後，對其進行微分可得到COM訊號與COP訊號之速度。而此速度可進一步被分解為人體運動方向速度與側向速度。舉例來說，人體運動方向速度可表示人的行進方向速度，而側向速度可表示相對於人行進方向的左右方向速度。
申請人於研究時發現，COM訊號與COP訊號之側向速度之相關性係數CC與人體之平衡狀態有顯著的相關性。也就是說，當人之動作越不平衡，COM訊號與COP訊號之側向速度之相關性係數CC亦跟著降低。這表示在較不平衡的步態下，會造成COM訊號與COP訊號之間運動狀態有較大的差異性。依此，相關性係數CC係可作為一判斷人體平衡狀態之指標。
第6圖繪示對應於上樓梯動作之相關性係數CC與靜態COP面積(圖中標示為ACOP)之一例之關係圖。需說明的是，靜態COP面積係表示人於靜態站立下所測得之COP點於一段時間內之運動軌跡所示之等效橢圓面積，用以確立人之靜態平衡能力。換句話說，當人於靜態站立下所測得之靜態COP面積值越大，則通常表示該員之靜態平衡能力越差(處於相對不平衡之狀態)。於第6圖中，離散分佈之各點表示相關性係數CC對靜態COP面積之分佈數據。曲線602為靜態COP面積與相關性係數CC之分佈進行擬合所產生之一回歸模型，其係呈遞減之指數函 式CC=-0.07ln(ACOP)+0.998，回歸分析的決定係數(R2)為0.83。由曲線602可看出，在越不平衡的狀態下(靜態COP面積越大)，COM訊號與COP訊號之側向速度之相關性係數CC值越低。
於一實施例中，藉由事先取得大量受試者之相關性係數CC與靜態COP面積之關係，可建立出資料庫104中的一或多個回歸模型。舉例來說，受試者可先於步態實驗室進行步態平衡實驗，此時受試者身上將黏貼多顆(如39個)反光球並靜態站立於測力板上，以量測靜態COP面積。接著，再令受試者以正常行走速度踩過測力板，藉此量測COM訊號與COP訊號之側方向速度之相關性係數CC。如此一來，當多位受試者執行完上述量測，即能取得多點相關性係數CC對靜態COP面積之分佈數據。接著，再對此分佈數據作回歸運算，便能建立出對應於受測者族群於正常行走動作下之回歸模型。除上述之實施例，本發明亦可採用類似的方法來建立對於其它動作型態P之回歸模型，然由於原理相同，故不再贅述。此外，回歸模型亦可對應於二種或兩種以上之動作型態P，只要將不同動作型態P下的分佈數據一起作回歸運算即可。
又，於一實施例中，回歸模型可表示為相關性係數CC與靜態COP面積之自然對數之關係，以得到線性的預測模型。以第7A、7B圖為例，其分別繪示在正常行走以及上下樓梯之動作下，相關性係數CC與靜態COP面積之自然對數(圖中標示為ln(ACOP))之關係圖。於第7A圖中，直線702係代表函式為 CC=0.0785*ln(ACOP)+0.9979之回歸模型，其回歸分析的決定係數(R2)為0.7148。於第7B圖中，直線704係代表函式為CC=0.1363ln(ACOP)+1.457之回歸模型，其回歸分析的決定係數(R2)為0.8558。顯示即便在不同動作下，各分佈數據係呈現高度的線性相關。
線性之回歸模型亦可依據不同的受試者族群來分類。舉例來說，回歸模型可滿足下列之關係式：ln(ACOP)=1.65-6.06*ln(CC)+0.5*G1+0.88*G2+0.9*G3
其中，係數G1,G2,G3的值例如為下表所示：
如此一來，不同年齡族群的受試者係各自對應一線性回歸模型。透過此線性回歸模型，可利用動態產生之相關性係數CC來計算相對應之平衡狀態(靜態COP面積)。
於建立回歸模型之後，判斷單元112可依據回歸模型來取得閥值T，並判斷相關性係數CC是否低於該閥值T。由於在一般情況下，人會處於跌倒/即將跌倒的平衡狀態係屬少數，因此，可設計閥值T為：有5%(或更少數)的分佈數據落於相關性係數CC小於閥值T的區域內。如此一來，當判斷單元112判斷相 關性係數CC小於閥值T時，則可視此時配戴者係處於跌倒/即將跌倒的不安全狀態。
請參考第8圖，其繪示回歸模型之閥值T之示意圖。由第8圖可看出，閥值T係被設定為0.45，而在此回歸模型下，大部份的分佈數據係落於相關性係數CC大於閥值T的區域內，僅有少部分的分佈數據落於相關性係數CC小於閥值T的區域。需說明的是，本發明並不以閥值T等於0.45為限，閥值T可因應不同需求或配戴者族群而調整成不同值。
於一實施例中，閥值T可依據人的靜態平衡來設計。也就是說，藉由設計多種不同的靜態平衡測試情境，並分辨人於此些測試情境下之靜態COP面積之自然對數(ln(ACOP))差異，進而決定閥值T。舉例來說，可將靜態平衡測試情境設計為開眼站立(A)、閉眼站立(B)原地轉五圈後站立(C)與原地轉十圈後站立(D)等四種。接著，測量正常年輕人於此些測試情境下所對應之靜態COP面積之自然對數，以作為決定閥值T之參考。測量結果例如為下表：
此時，若取靜態COP面積之自然對數為6.5，即表 示其站立平衡能力係介於閉眼站立(B)與原地轉5圈後站立(C)之間。於一實施例中，閥值T可設計為6.5(mm2)。此時，判斷單元112判斷配戴者之靜態COP面積之自然對數是否高於該閥值T，若是，則運算處理模組106驅動輸出模組108發出警告Aout。
於一實施例中，平衡監測與跌倒預警裝置100具備個人化動態更新資料庫104之能力。也就是說，配戴者可經由站立之動作，讓運算處理模組106計算當下所對應之靜態COP面積，並結合所測得之相關性係數CC以修正原本儲存於資料庫104中的回歸模型。如此一來，更新後之回歸模型將更符合配戴者之實際平衡狀態。
本發明更提出一種平衡監測與跌倒預警方法，此方法應用於平衡監測與跌倒預警裝置100。如第9圖所示，其繪示乃本實施例之平衡監測與跌倒預警方法流程圖。此方法包括步驟S902,S904,S906,S908以及S910。首先，於步驟S902，係擷取一人體之多筆感測訊號S。接著，於步驟S904，係依據該些感測訊號S，產生一COM訊號以及一COP訊號。之後，於步驟S906，係依據該COM訊號與該COP訊號之一側向(mediolateral)速度，計算一相關性係數CC。之後，於步驟S908，係依據一資料庫104中所儲存之至少一回歸模型，取得一閥值T。之後，於步驟S910，係判斷該相關性係數CC是否低於該閥值。若該相關性係數CC低該閥值T，則發出一警告Aout。若否，則回到步驟S902。
綜上所述，雖然本發明已以諸項實施例揭露如上， 然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍所界定者為準。
S902,S904,S906,S908,S910‧‧‧步驟

Claims (22)

  1. 一種平衡監測與跌倒預警方法，包括：擷取一人體之複數筆感測訊號；依據該些感測訊號，產生一質量中心(center of mass,COM)訊號以及一壓力中心(center of pressure,COP)訊號；依據該COM訊號與該COP訊號之一側向(mediolateral)速度，計算一相關性係數；依據一資料庫中所儲存之至少一回歸模型，取得一閥值；判斷該相關性係數是否低於該閥值；以及若該相關性係數低該閥值，則發出一警告。
  2. 如申請專利範圍第1項所述之平衡監測與跌倒預警方法，其中該些感測訊號包括一慣性感測訊號以及複數筆足底壓力訊號。
  3. 如申請專利範圍第2項所述之平衡監測與跌倒預警方法，更包括：依據該慣性感測訊號辨識一動作型態；其中取得該閥值之步驟中，係依據該動作型態，自該資料庫中，選擇對應該動作狀態之該回歸模型。
  4. 如申請專利範圍第3項所述之平衡監測與跌倒預警方法，其中辨識該動作型態之步驟包括：對該慣性感測訊號進行小波轉換以辨識該動作型態。
  5. 如申請專利範圍第4項所述之平衡監測與跌倒預警方 法，其中該動作型態包括站立、踏下、行走、上樓梯、下樓梯、坐到站、站到坐以及跑步等。
  6. 如申請專利範圍第2項所述之平衡監測與跌倒預警方法，其中產生該COM訊號及該COP訊號之步驟係透過一倒單擺模型進行計算。
  7. 如申請專利範圍第6項所述之平衡監測與跌倒預警方法，更包括：依據該慣性感測訊號之垂直加速度變化以決定該倒單擺模型之一單腳站立週期。
  8. 如申請專利範圍第1項所述之平衡監測與跌倒預警方法，其中該至少一回歸模型係表示該相關性係數與一COP面積之對應關係，該COP面積表示該人體在靜態站立動作下所對應之一COP點於一段時間內之移動軌跡所示之等效面積。
  9. 如申請專利範圍第8項所述之平衡監測與跌倒預警方法，更包括：於一靜態動作下，依據該些感測訊號計算該相關性係數以及該COP面積，並根據該相關性係數以及該COP面積來修正該至少一回歸模型。
  10. 一種平衡監測與跌倒預警裝置，包括：一感測模組，用以擷取一人體之複數筆感測訊號；一資料庫，用以儲存至少一回歸模型；以及一運算處理模組，包括： 一計算單元，用以依據該些感測訊號，產生一質量中心(center of mass,COM)訊號以及一壓力中心(center of pressure,COP)訊號，並依據該COM訊號與該COP訊號之一側向(mediolateral)速度，計算一相關性係數；及一判斷單元，用以依據該至少一回歸模型取得一閥值，並判斷該相關性係數是否低於該閥值；以及一輸出模組，若該相關性係數低該閥值，則該輸出模組發出一警告。
  11. 如申請專利範圍第10項所述之平衡監測與跌倒預警裝置，其中該感測模組包括：一慣性感測單元，用以擷取一慣性感測訊號；以及一足壓感測單元，用以擷取複數筆足底壓力訊號。
  12. 如申請專利範圍第11項所述之平衡監測與跌倒預警裝置，其中該慣性感測單元包括一陀螺儀以及一加速度計。
  13. 如申請專利範圍第11項所述之平衡監測與跌倒預警裝置，其中該慣性感測單元係設置於靠近該人體之一質量中心處。
  14. 如申請專利範圍第11項所述之平衡監測與跌倒預警裝置，其中該足壓感測單元包括複數個壓力感測器，該些壓力感測器設置於一鞋墊上。
  15. 如申請專利範圍第14項所述之平衡監測與跌倒預警裝置，其中該些壓力感測器之數量至少為3個。
  16. 如申請專利範圍第11項所述之平衡監測與跌倒預警裝 置，更包括：一動作辨識模組，用以依據該慣性感測訊號辨識一動作型態，該運算處理模組依據該動作型態，自該資料庫中選擇對應該動作型態之該回歸模型。
  17. 如申請專利範圍第16項所述之平衡監測與跌倒預警裝置，其中該動作判斷模組對該慣性感測訊號進行小波轉換以辨識該動作型態。
  18. 如申請專利範圍第17項所述之平衡監測與跌倒預警裝置，其中該動作型態包括站立、踏下、行走、上樓梯、下樓梯、坐到站、站到坐以及跑步等。
  19. 如申請專利範圍第11項所述之平衡監測與跌倒預警裝置，其中該運算處理模組係依據一倒單擺模型產生該COM訊號及該COP訊號。
  20. 如申請專利範圍第19項所述之平衡監測與跌倒預警裝置，其中該運算處理模組依據該慣性感測訊號之垂直加速度變化以決定該倒單擺模型之一單腳站立週期。
  21. 如申請專利範圍第10項所述之平衡監測與跌倒預警裝置，其中該至少一回歸模型係表示該相關性係數與一COP面積之對應關係，該COP面積表示該人體在靜態站立動作下所對應之一COP點於一段時間內之移動軌跡所示之等效面積。
  22. 如申請專利範圍第21項所述之平衡監測與跌倒預警裝置，其中該運算處理模組係於一靜態動作下，依據該些感測訊號 計算該相關性係數以及該COP面積，並根據該相關性係數以及該COP面積來修正儲存於該資料庫之該至少一回歸模型。
TW102115872A 2013-05-03 2013-05-03 Device and method for monitoring postural and movement balance for fall prevention TWI562100B (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW102115872A TWI562100B (en) 2013-05-03 2013-05-03 Device and method for monitoring postural and movement balance for fall prevention
US14/010,189 US20140330171A1 (en) 2013-05-03 2013-08-26 Method and device for monitoring postural and movement balance for fall prevention

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102115872A TWI562100B (en) 2013-05-03 2013-05-03 Device and method for monitoring postural and movement balance for fall prevention

Publications (2)

Publication Number Publication Date
TW201443834A true TW201443834A (zh) 2014-11-16
TWI562100B TWI562100B (en) 2016-12-11

Family

ID=51841803

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102115872A TWI562100B (en) 2013-05-03 2013-05-03 Device and method for monitoring postural and movement balance for fall prevention

Country Status (2)

Country Link
US (1) US20140330171A1 (zh)
TW (1) TWI562100B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI577340B (zh) * 2015-08-04 2017-04-11 國立成功大學 平衡分析評估裝置及其分析評估方法
TWI629012B (zh) * 2016-02-24 2018-07-11 國立清華大學 智慧鞋墊
TWI683278B (zh) * 2018-06-28 2020-01-21 拓連科技股份有限公司 特定事件發生之確認管理系統及利用偵測裝置之事件確認方法，及相關電腦程式產品
US11145181B1 (en) 2020-05-26 2021-10-12 National Tsing Hua University Method and wearable electronic device for imbalance warning

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9974344B2 (en) * 2013-10-25 2018-05-22 GraceFall, Inc. Injury mitigation system and method using adaptive fall and collision detection
US10052062B2 (en) * 2015-02-12 2018-08-21 Hrl Laboratories, Llc System and method for assistive gait intervention and fall prevention
WO2016180728A1 (en) * 2015-05-11 2016-11-17 Koninklijke Philips N.V. Apparatus and method for determining a sedentary state of a subject
CN104856845B (zh) * 2015-06-05 2017-07-04 京东方科技集团股份有限公司 一种适用于盲人的智能鞋
US10307084B2 (en) 2015-06-30 2019-06-04 Zibrio Inc. Identifying fall risk using machine learning algorithms
KR101974831B1 (ko) * 2016-12-12 2019-05-03 한국과학기술원 낙상위험 평가방법 및 이를 위한 사용자 단말기
TWI629455B (zh) * 2017-05-08 2018-07-11 崑山科技大學 運用相對高度之危險偵測系統與危險監測模組
KR20190118526A (ko) 2018-04-10 2019-10-18 안기철 발란스 보정 장치, 신체중심 측정 장치, 발란스 보정 시스템, 및 발란스 보정 방법
CN108771543B (zh) * 2018-04-16 2020-11-03 齐鲁工业大学 一种基于大数据的真实环境下老人跌倒检测方法及系统
CN109330604B (zh) * 2018-08-28 2020-06-09 浙江大学 一种人体站立晃动信号分解方法及装置
EP3714785B1 (en) * 2019-03-26 2022-02-09 Tata Consultancy Services Limited Wearable apparatus and a method for calculating drift-free plantar pressure parameters for gait monitoring
TWI749343B (zh) * 2019-07-23 2021-12-11 緯創資通股份有限公司 穿戴式裝置以及操作方法
TWI725624B (zh) * 2019-11-15 2021-04-21 國立雲林科技大學 智慧警示型足壓感測系統及其運作方法
CN112568542A (zh) * 2020-11-09 2021-03-30 宋雅伟 智能健康老年鞋
CN113096801B (zh) * 2021-03-22 2024-05-10 朱志斌 一种基于重力线监测的人体跌倒风险评估系统和方法
CN113221451A (zh) * 2021-04-28 2021-08-06 苏州衡品医疗科技有限公司 跌倒预测方法、系统、电子设备及存储介质
CN113208597B (zh) * 2021-06-04 2022-12-27 郑州大学 基于自学习技术的脑卒中患者康复调理系统和方法
CN115601840B (zh) * 2022-11-07 2023-03-28 四川大学 一种考虑视觉和足底压力多模感知的行为障碍检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7666151B2 (en) * 2002-11-20 2010-02-23 Hoana Medical, Inc. Devices and methods for passive patient monitoring
US7292150B2 (en) * 2004-04-22 2007-11-06 Mark Shaw Patient monitoring system
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
BRPI0913517B1 (pt) * 2008-09-04 2019-08-20 Koninklijke Philips N.V. Sistemas para a prevenção de queda para um usuário, método para prevenção de queda para um usuário, e meio legível por computador não transitório
WO2010096691A2 (en) * 2009-02-20 2010-08-26 The Regents Of The University Of Colorado, A Body Corporate Footwear-based body weight monitor and postural allocation, physical activity classification, and energy expenditure calculator
US8956293B2 (en) * 2009-05-20 2015-02-17 Sotera Wireless, Inc. Graphical ‘mapping system’ for continuously monitoring a patient's vital signs, motion, and location
WO2011026257A1 (zh) * 2009-09-03 2011-03-10 Yang Changming 利用织品感测器的步态分析系统及方法
EP2422698A1 (en) * 2010-08-26 2012-02-29 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Method and system for determining the walking or running speed of a person
US20120253233A1 (en) * 2011-03-31 2012-10-04 Greene Barry Algorithm for quantitative standing balance assessment
CN202650194U (zh) * 2012-04-27 2013-01-02 南通晨邦胶粘制品有限公司 高压警告装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI577340B (zh) * 2015-08-04 2017-04-11 國立成功大學 平衡分析評估裝置及其分析評估方法
TWI629012B (zh) * 2016-02-24 2018-07-11 國立清華大學 智慧鞋墊
TWI683278B (zh) * 2018-06-28 2020-01-21 拓連科技股份有限公司 特定事件發生之確認管理系統及利用偵測裝置之事件確認方法，及相關電腦程式產品
US11145181B1 (en) 2020-05-26 2021-10-12 National Tsing Hua University Method and wearable electronic device for imbalance warning

Also Published As

Publication number Publication date
TWI562100B (en) 2016-12-11
US20140330171A1 (en) 2014-11-06

Similar Documents

Publication Publication Date Title
TW201443834A (zh) 平衡監測與跌倒預警方法及裝置
Antwi-Afari et al. Construction activity recognition and ergonomic risk assessment using a wearable insole pressure system
KR101463684B1 (ko) 비정상 보행 여부를 측정하는 방법
RU2535615C2 (ru) Определение затрат энергии пользователя
JP5740285B2 (ja) 歩行分析装置及び歩行分析プログラム
JP6881451B2 (ja) 歩行状態判定装置、歩行状態判定システム、歩行状態判定方法及びプログラム
US9659150B2 (en) Method for assessing cognitive function and predicting cognitive decline through quantitative assessment of the TUG test
JP6134872B1 (ja) 対象の周期的な運動のサイクル数を計数するデバイス、方法及びシステム
KR20190108016A (ko) 3축 동작측정기를 이용한 노쇠 예측 방법, 3축 동작측정기를 이용한 노쇠 예측 시스템 및 웨어러블 노쇠 예측 장치
US20210052230A1 (en) Apparatus for Measuring Degree of Frailty on Basis of Athletic Ability Parameters
CN107871116A (zh) 用于确定人的姿势平衡的方法和系统
US20160058373A1 (en) Running Energy Efficiency
US10542933B2 (en) Exercise test evaluation system, exercise test evaluation apparatus, exercise test evaluation method, and non-transitory computer readable recording medium
JP2006101973A (ja) 健康管理用装置
TW201940122A (zh) 認知機能評價裝置、認知機能評價系統、認知機能評價方法、及程式記錄媒體
Duncan et al. Accuracy of a novel multi-sensor board for measuring physical activity and energy expenditure
WO2022256716A2 (en) Walking steadiness and fall risk assessment
JP2020120807A (ja) 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム
KR101553236B1 (ko) 3축 가속도 센서를 이용한 실시간 운동측정장치 및 방법
KR20210081683A (ko) Bbs 행동 평가 방법과 시스템 및 전자 장치
Trkov et al. Classifying hazardous movements and loads during manual materials handling using accelerometers and instrumented insoles
Cai et al. mhealth technologies toward active health information collection and tracking in daily life: A dynamic gait monitoring example
CN207070264U (zh) 一种心率耳机
JP6552875B2 (ja) 移動運動解析装置、方法及びプログラム
KR20210052689A (ko) 트레드밀 이용시의 낙상 예측 방법 및 장치