TW201914520A - 肌少症簡易檢測方法及系統 - Google Patents
肌少症簡易檢測方法及系統 Download PDFInfo
- Publication number
- TW201914520A TW201914520A TW107102394A TW107102394A TW201914520A TW 201914520 A TW201914520 A TW 201914520A TW 107102394 A TW107102394 A TW 107102394A TW 107102394 A TW107102394 A TW 107102394A TW 201914520 A TW201914520 A TW 201914520A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- subject
- walking
- depth
- detecting
- Prior art date
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本發明揭露一種肌少症簡易檢測方法及系統,其係以影像偵測感應裝置感應器擷取受測者行走的行走影像。影像偵測感應裝置運算晶片將行走影像轉換為3D行走深度圖像。動作姿態辨識單元計行走深度圖像行走移動至預設距離的所需時間,以求出受測者的行走速度值。影像偵測感應裝置感應器擷取受測者施力握住物體的握住影像。令受測者以手部按壓操作握力感測手段而產生握力感測訊息,動作姿態辨識單元讀取握力感測訊息後產生對應的握力值。當受測者之行走速度低於預設行走速度值及握力值低於預設握力值時,則判定受測者為疑似肌少症患者,俾能實現自動化檢測肌少症之目的。
Description
本發明係有關一種肌少症簡易檢測方法及系統,尤指一種可以實現自動化檢測肌少症的簡易檢測技術。
按,隨著台灣及全世界逐漸邁入高齡社會,年紀增長所引起的疾病愈來愈受到一定程度的關注。而骨骼肌對於人體的作用,除了可以做出動作之外,更是身體儲存蛋白質的重要部位。尤其是,當身體遇到壓力或是飢餓時,身體會將骨骼肌的蛋白質轉為能量,以提供身體繼續運作的營養所需。可見,要維持年長者的正常生活機能,肌肉骨骼系統的健全是無可或缺的,因此,隨著年老引起的肌肉流失,進而造成衰弱,已然躍升為目前醫療體系的重點研究方向之一。
一般而言,針對骨骼肌質量及功能流失的疾病,即稱為肌少症(sarcopenia);肌少症確診的年長者若是活動力與體重下降,便很容易引起身體衰弱的現象。近年來,肌少症與衰弱都被視為是老年病症候群的症狀表現。而肌少症的機轉包括年齡相關因素、內分泌變化、營養、失用與不動、神經退化等多重因素,它是由疾病與年齡交互影響下的產物,有著多重原因,因而導致年長者行動力障礙、增加跌倒、失能、甚至死亡等情事發生的機率。
再者,依據目前醫療體系對於肌少症的定義可從以下三方 面來進行探討:
1.肌肉質量臨床上,一般較常使用的測定方式為雙能量X光吸收儀(Dual energy X-ray absorptionmetry,DXA)或生物電阻測量分析(Bio-impedance analysis,BIA),電腦斷層及核磁共振影像雖較準確,但考慮到成本及輻射,目前以研究用途為主。一般以四肢骨骼肌質量指數(appendicular skeletal muscle mass index)來評估身體肌肉量,算法為四肢骨骼肌肉質量除以身高的平方(appendicular skeletal muscle mass/squared height,ASM/ht2)。依據國家衛生研究院整合了台大、成大、中山、中國醫藥大學及國衛院本身的資料,最新研究的結果如下,若以ASM/ht2低於年輕族群平均兩個標準差或研究族群最低20%的分布定義肌少症肌肉量的切點,前者的切點為男性6.76kg/m2、女性5.28kg/m2,後者的切點為男性7.09kg/m2、女性5.70kg/m2。
2.肌肉強度(肌力),目前臨床上最常使用的方式是利用握力器測量手部握力(handgrip strength);另外,亦可測量膝蓋的彎曲力量(knee flextion/extension)或最大呼氣流速(peak expiratory flow)。同上述國家衛生研究院的研究,手部握力若以研究族群最低之20%值為切點。
3.行動能力,依照歐盟肌少症工作小組的建議,計算行走速度(usual gait speed)及使用簡式生理表現評估量表(short physical performance battery,SPPB),均可應用於臨床實務或研究用途;若65歲以上年長者行走速度小於每秒0.8公尺,則需進一步檢查肌少症的可能性。其它的測量方法包括六分鐘行走測試(6-min walk test)及爬階梯測試(stair climb power test)。
除此之外,2013年亞洲肌少症工作小組(the Asian Working Group for Sarcopenia,AWGS)共識會議基於EWGSOP的肌力定義,提出了一 套針對亞洲人確診肌少症的標準。肌肉量在男性的切點,不論是以DEXA或BIA測量,皆為7.0公斤/公尺2,但女性的DEXA和BIA測量切點則分別為5.4公斤/公尺2和5.7公斤/公尺2。使用體檢測量握力使用的握力器標準值,男性<26公斤和女性<18公斤,一般步行速度則為<0.8公尺/秒。
亞洲肌少症工作小組建議以握力和一般步行速度兩者擇一作為肌少症的初篩條件,當兩者之一達到構成要件情況下,才需進一步測量肌肉質量是否過低以決定是否符合肌少症診斷,若門診沒有手部壓力感測元件,可以請年長者做「計時起立行走試驗」,從椅子上站起來,走3公尺然後轉身,再走3公尺,然後坐下,如果超過20秒可能有肌少症。
一般醫療院所大多配備有相關的醫療人員及檢測設備,以用來檢測年長患者是否罹患肌少症,雖然一般大型醫院可以達到確診年長患者是否罹患肌少症之功效;惟,目前台灣地區之醫療院所醫療人員的建置普遍不足,致使醫療院所已成為嚴重剝削人力的血汗工廠,於此,已然嚴重影響到醫療院所的醫療品質,因此,如何開發出一套可以節省醫療人員配置之自動化檢測肌少症的檢測技術,實已成為相關醫療產學界所亟欲挑戰與解決的技術課題。
直到目前為止,尚未有一種結合3D擬真圖像與影像辨識技術來檢測肌少症的專利或論文被提出,而且基於相關產業的迫切需求之下,本發明人等乃經不斷的努力研發之下,終於研發出一套有別於上述習知技術的本發明。
本發明主要目的,在於提供一種肌少症簡易檢測方法及系 統,主要是結合3D擬真圖像與影像辨識技術來檢測是否罹患肌少症,因而得以實現自動化檢測肌少症之目的,以降低醫療人員配置的成本支出。達成本發明主要目的採用之技術手段,係以影像偵測感應裝置感應器擷取受測者行走的行走影像。影像偵測感應裝置運算晶片將行走影像轉換為3D行走深度圖像。動作姿態辨識單元計行走深度圖像行走移動至預設距離的所需時間,以求出受測者的行走速度值。影像偵測感應裝置感應器擷取受測者施力握住物體的握住影像。令受測者以手部按壓操作握力感測手段而產生握力感測訊息,動作姿態辨識單元讀取握力感測訊息後產生對應的握力值。當受測者之行走速度低於預設行走速度值及握力值低於預設握力值時,則判定受測者為疑似肌少症患者。
10‧‧‧影像偵測感應裝置
11‧‧‧影像偵測感應裝置感應器
12‧‧‧影像偵測感應裝置運算晶片
110‧‧‧RGB彩色攝影機
111‧‧‧3D結構光深度感應器
20‧‧‧動作姿態辨識單元
21‧‧‧影像資料庫
30‧‧‧訊號傳輸模組
40‧‧‧握力感測手段
40a‧‧‧握力器
P0‧‧‧全身深度圖像
P1‧‧‧行走深度圖像
P2‧‧‧握住深度圖像
P3‧‧‧軀幹深度圖像
P4,P6‧‧‧抬腿深度圖像
P5‧‧‧站立深度圖像
圖1係本發明具體運作的實施示意圖。
圖2係本發明以行走深度圖像檢測步行速度的實施示意圖。
圖3係本發明檢測握力的第一種動作實施示意圖。
圖4係本發明檢測握力的第二種動作實施示意圖。
圖5係本發明檢測握力的第二種動作之另一實施示意圖圖。
圖6係本發明依據軀幹深度圖像檢測搖晃角度的實施示意圖。
圖7係本發明執行抬腿高度檢測的實施示意圖。
圖8係本發明執行抬腿角度檢測的踏步實施示意圖。
圖9係本發明執行抬腿角度檢測之相對座標與角度的檢視示意圖。
圖10係本發明電路架構的功能方塊示意圖。
為讓 貴審查委員能進一步瞭解本發明整體的技術特徵與達成本發明目的之達成功效,玆以具體實施例並配合圖式加以詳細說明如后:請配合參看圖1~3及圖10所示,為達成本發明主要目的之具體實施例,係包括下列步驟:
(a)準備步驟:提供一影像偵測感應裝置10、一動作姿態辨識單元20(如電腦與動作姿態辨識軟體的組合)、一訊號傳輸模組30及一握力感測手段40等技術特徵,其中,影像偵測感應裝置10包含影像偵測感應裝置感應器11及影像偵測感應裝置運算晶片12,影像偵測感應裝置感應器11與影像偵測感應裝置運算晶片12,至於影像偵測感應裝置運算晶片12與動作姿態辨識單元20之間係以訊號傳輸模組30(如藍芽通訊模組、RS232傳輸介面或是USB傳輸介面)訊號連結。動作姿態辨識單元20與握力器40電性連接。
(b)行走速度檢測步驟:令受測者於一區域範圍(如室內空間在影像偵測感應裝置感應器11可以感應的範圍區域)內行走,以影像偵測感應裝置感應器11擷取受測者於行走時連續動態的行走影像,並輸出各行走影像的深度訊息。影像偵測感應裝置運算晶片12依據此深度訊息將各行走影像轉換為擬真連續動態的3D行走深度圖像P1,如圖2所示,動作姿態辨識單元20計算連續動態之複數行走深度圖像P1自A點行走移動至預設距離B點(約8公尺左右)的所需時間,於此,即可求出受測者的行走速度值。
(c)握力檢測步驟:令受測者以手部按壓握力感測手段40而產生握力感測訊息,此握力感測手段40可以是如圖3所示的一種可以感測受測者握力感測訊息的握力器40a,而且動作姿態辨識單元20係透過一種訊號擷取模組來讀取握力器40a所輸出的握力感測訊息後產生對應的握力值;具體的握力檢測操作,係令受測者以慣用手(如左手或右手)來按壓握力器40a數次(約5~10次為佳),經動作姿態辨識單元20解讀後可由其所連結之顯示幕來依序顯示按壓次數、最大握力、平均握力以及即時握力等握力感測訊息,最後再取平均握力值作為上述握力值。除此之外,本步驟亦可令受測者以手部握住握力感測手段40,此握力感測手段40可以是如圖4~5所示的握力器40a;或是具彈性的球體,但不以此為限;接著,以影像偵測感應裝置感應器11擷取受測者施力握住握力器40a的握住影像,並輸出握住影像的深度訊息;影像偵測感應裝置運算晶片12依據握住影像的深度訊息而將握住影像轉換為擬真的3D握住深度圖像P2;且於動作姿態辨識單元20建立一儲存有複數樣本圖像的影像資料庫21,各樣本圖像各自具有不同握力所致之握力器40變形幅度的影像特徵,每一樣本圖像定義有一種握力值;動作姿態辨識單元20可於影像資料庫21中比對出符合握住深度圖像P2特徵的樣本影像,於此,即可讀取出此樣本影像的握力值。
(d)身體尺寸輸入步驟:係可透過輸入介面(如遙控器、鍵盤或是動作姿態辨識單元20)將受測者之姓名、識別碼、身高、軀幹、四肢以及手指等設定參數依序輸入於影像偵測感應裝置運算晶片12之設定參數資料庫中,除了可以作為轉換建立握住深度圖像P2及行走深度圖像 P1的尺寸參考依據,並可方便轉換為具有多活動關節的人體骨架系統,具體構造如圖1所示。
(e)判斷步驟:當受測者之行走速度低於預設行走速度值(較佳為0.8公尺/秒)及握力值低於預設握力值(男性預設握力值介於25~27公斤,女性預設握力值介於14~19公斤)時,動作姿態辨識單元20則判定此受測者為疑似肌少症患者。
於本發明的第一種應用實施例中,請參看圖1、6所示,當判定受測者為疑似肌少症患者時,則執行身體搖晃檢測步驟,係令受測者站立,並以影像偵測感應裝置感應器11擷取包含受測者站立之連續動態的站立影像及各站立影像的深度訊息。影像偵測感應裝置運算晶片12依據站立影像的深度訊息而將各站立影像轉換處理為擬真連續動態包含頭部的3D軀幹深度圖像P3。動作姿態辨識單元20計算連續動態之複數軀幹深度圖像P3晃動軌跡,當連續動態之複數軀幹深度圖像P3晃動軌跡前後;或左右偏擺幅度高於一預設角度(約5~30度)時,動作姿態辨識單元20則判定該名受測者為肌少症的確診患者。
請配合參看圖1、6所示,於本發明的第二種應用實施例中,當判定受測者為疑似肌少症患者時,則執行身體搖晃檢測步驟,係令影像偵測感應裝置運算晶片12依據深度訊息將各行走影像轉換處理為擬真連續動態包含頭部的3D軀幹深度圖像P3。動作姿態辨識單元20辨識複數軀幹深度圖像P3晃動軌跡,當連續動態之複數軀幹深度圖像P3晃動軌跡前後;或左右偏擺幅度高於預設角度(約5~30度)時,動作姿態辨識單元20則判定此受測者為肌少症的確診患者。
請配合參看圖1、7所示,於本發明的第三種應用實施例中,當判定受測者為疑似肌少症患者時,則執行一抬腿高度檢測步驟,係令受測者做出抬腿動作,並以影像偵測感應裝置感應器11擷取包含受測者抬腿動作的抬腿影像及抬腿影像的深度訊息。影像偵測感應裝置運算晶片12依據抬腿影像的深度訊息而將抬腿影像轉換處理為擬真的3D抬腿深度圖像P4;再以動作姿態辨識單元20計算抬腿深度圖像P4的高度位置是否高於一預設高度,當判定結果為低於預設高度(如腳跟離地約20~35公分)時,則判定該名受測者為肌少症的確診患者。
請配合參看圖1、8及圖9所示,於本發明的第四種應用實施例中,當判定受測者為疑似肌少症患者時,則執行一抬腿角度檢測步驟,係令受測者做出站立與抬腿等動作;亦即原地踏步走的動作,並以影像偵測感應裝置感應器11擷取包含受測者站立與抬腿等動作的站立影像、抬腿影像以及站立影像與抬腿影像的深度訊息。影像偵測感應裝置運算晶片12依據深度訊息而將站立影像與抬腿影像依序轉換處理為擬真連續動態的3D站立深度圖像P5及抬腿深度圖像P6;動作姿態辨識單元20可由站立深度圖像P5與抬腿深度圖像P6計算出受測者的抬腿角度,再判斷抬腿角度是否高於一預設角度,當判定結果為低於預設角度時,則判定該名受測者為肌少症的確診患者。當然,亦可令受測者做出連續的原地踏步動作,然後取其抬腿角度平均值,再判斷平均抬腿角度是否高於上述預設角度,以作為肌少症確診患者的判定依據。具體而言,上述動作姿態辨識單元20係以站立深度圖像P5之髖關節為轉點,並由站立深度圖像P6之大腿相對轉點所轉動的角度作為抬腿角度θ,具體的表示則 如圖8所示;至於上述預設角度係為小於30~75度之間;但不以此為限。此外,可由影像偵測感應裝置10正面測量距離,藉以求出X,Y,Z三度空間座標,其中,Z代表深度距離,所以計算抬腿角度只需要Y,Z等值,其 關係式可以表示為,,,抬腿角度為。
具體來說,本發明在行走速度檢測步驟、握力檢測步驟及身體搖晃檢測步驟時,可以提供2~6名之受測者同時進行肌少症的追蹤檢測。除此之外,較佳的,在行走速度檢測步驟中,令受測者行走距離為8公尺,並可透過動作姿態辨識單元20之顯示幕顯示出擬真連續動態的3D行走深度圖像P1,進而計算出受測者的行走速度。其次,在抬腿角度檢測步驟中,係令受測者做出左右腳各15次;或15次以上的原地踏步走動作,並可透過動作姿態辨識單元20之顯示幕顯示出擬真連續動態的站立深度圖像P5與抬腿深度圖像P6,進而計算出受測者左右腳各15次平均的抬腿角度。
另一方面,本發明影像偵測感應裝置10可以採用微軟公司開發的Kinect技術架構;或是其他影像偵測感應裝置,但不以此為限。Kinect技術架構是由微軟公司開發而應用於Xbox 360和Xbox One主機的周邊設備,除了可以偵測手勢之外,甚至可以檢測使用者的肌肉活動與心跳。Kinect技術架構可以分析與捕捉到使用者的手部、手指運動及身體運動,無論是近距離還是遠距離都沒有問題。除此之外,燈光的變化也不會對追蹤功能產生影響,因為真正在工作的是Kinect感應器(即本案之影像偵測感應裝置感應器11),並不是需要依賴光線的相機,光碼(Light Coding)是以發射紅外線產生散斑,透過Kinect感應器紀錄深度訊息後,再交由Kinect運算晶片(即 本案之影像偵測感應裝置運算晶片12)計算出所需的深度圖像。
Kinect技術架構係透過已知的光碼(Light Coding)技術所獲得的只是基本的圖像資料,重點是要辨識影像,以將圖像轉換為所需動作指令、身體動作或是姿態的辨識結果。在Kinect技術架構中,可將偵測到的3D深度圖像,轉換到骨架追蹤系統中,如圖1所示。在此骨架追蹤系統中,最多可同時偵測到6個人,包含同時辨識2個人的動作,每個人共可以記錄20組細節,包含軀幹、四肢以及手指等都是追蹤的範圍,於此,即可達成身體操作的辨識目的。為了看懂受測者的動作,本發明可以利用機器學習技術(machine learning),以建立出龐大的圖像資料庫,進而具備智慧辨識能力,以盡可能理解受測者的肢體或軀幹動作所代表的涵義,例如辨識本發明行走深度圖像P1、握住深度圖像P2及軀幹深度圖像P3的動作涵義為何?於此,即可達成本發明身體下肢、手部及軀幹動作的辨識目的。至於影像偵測感應裝置感應器11偵測的最佳距離為1.2公尺到3.5公尺間,水平視野則是57度。
具體來說,影像偵測感應裝置感應器11是一個外型類似網路攝影機的裝置,如圖1、10所示,影像偵測感應裝置感應器11包含位於中間的RGB彩色攝影機110,以及由位於二側邊之二個紅外線發射器所組成的3D結構光深度感應器111;除此之外,Kinect技術架構還搭配了追焦技術,底座馬達會隨著對焦物體的移動而跟著轉動。另外,Kinect技術架構內建有陣列式麥克風,係由多組麥克風同時收音,比對後可以消除雜音。目前最新的影像偵測感應裝置感應器11可以追蹤6個完整骨架及每個完整骨架25個關節的展示,因而得以使追蹤的人體部位更準確且更穩定,而且 追蹤範圍也更廣。透過更高的深度擬真能力與顯著改善的雜訊層,影像偵測感應裝置感應器11可提供更好的3D虛擬能力、更好的查看較小型物件及更清晰查看所有物件的能力,並且可以提高人體追蹤穩定性。
除此之外,必須說明的是,Kinect技術架構確實已為習知的應用技術架構,並且可以提供一般使用者針對身體追蹤項目進行開發的服務項目,此外,還提供開發人員工具(例如Unity Pro)的支援,且包含驅動程式、工具、API、裝置介面與程式碼範例,以協助開發支援Kinect架構的商業部署應用程式(app)。
以上所述,僅為本發明之可行實施例,並非用以限定本發明之專利範圍,凡舉依據下列請求項所述之內容、特徵以及其精神而為之其他變化的等效實施,皆應包含於本發明之專利範圍內。本發明所具體界定於請求項之結構特徵,未見於同類物品,且具實用性與進步性,已符合發明專利要件,爰依法具文提出申請,謹請 鈞局依法核予專利,以維護本申請人合法之權益。
Claims (10)
- 一種肌少症簡易檢測方法,其包括下列步驟:(a)準備步驟:提供一影像偵測感應裝置、一握力感測手段及一動作姿態辨識單元,其中,該影像偵測感應裝置包含一影像偵測感應裝置感應器及一影像偵測感應裝置運算晶片,該影像偵測感應裝置運算晶片與該動作姿態辨識單元之間係以一訊號傳輸模組訊號連結,該握力感測手段與該動作姿態辨識單元電性連接;(b)行走速度檢測步驟:以該影像偵測感應裝置感應器擷取該受測者於行走時連續動態的行走影像,並輸出各該行走影像的深度訊息;該影像偵測感應裝置運算晶片依據該深度訊息將各該行走影像轉換為擬真連續動態的3D行走深度圖像;再以該動作姿態辨識單元計算連續動態之該複數行走深度圖像跨步移動至一最大距離的所需時間,以求出該受測者的行走速度值;(c)握力檢測步驟:令該受測者以手部按壓操作該握力感測手段而產生握力感測訊息,該動作姿態辨識單元讀取該握力感測訊息後產生對應的握力值;及(d)判斷步驟:當該受測者之該行走速度低於一預設行走速度值及該握力值低於一預設握力值時,該動作姿態辨識單元則判定該受測者為疑似肌少症患者。
- 如請求項1所述之肌少症簡易檢測方法,其更包含一身體尺寸輸入步驟,執行該身體尺寸輸入步驟時,係將該受測者之姓名、識別碼、身高、軀幹、四肢以及手指之至少二種設定參數輸入於該影像偵測感應裝 置運算晶片之一設定參數資料庫中,以作為該影像偵測感應裝置運算晶片轉換建立該握住深度圖像及行走深度圖像的尺寸參考依據。
- 如請求項1所述之肌少症簡易檢測方法,其中,當判定該受測者為疑似肌少症患者時,則執行一身體搖晃檢測步驟,係令該受測者站立,並以該影像偵測感應裝置感應器擷取包含該受測者站立之連續動態的站立影像及各該站立影像的深度訊息;該影像偵測感應裝置運算晶片依據該站立影像的該深度訊息而將各該站立影像轉換處理為擬真連續動態包含頭部的3D軀幹深度圖像;再以該動作姿態辨識單元計算連續動態之該複數軀幹深度圖像晃動軌跡,當該晃動軌跡前後或左右偏擺幅度高於一預設角度時,該動作姿態辨識單元則判定該受測者為肌少症的確診患者。
- 如請求項1所述之肌少症簡易檢測方法,其中,當判定該受測者為疑似肌少症患者時,則執行一身體搖晃檢測步驟,係令該影像偵測感應裝置運算晶片依據該深度訊息將各該行走影像轉換處理為擬真連續動態包含頭部的3D軀幹深度圖像;再以該動作姿態辨識單元辨識該複數軀幹深度圖像晃動軌跡,當該晃動軌跡前後或左右偏擺幅度高於一預設角度時,該動作姿態辨識單元則判定該受測者為肌少症的確診患者;該預設角度介於5~30度。
- 如請求項3或4所述之肌少症簡易檢測方法,其中,當判定該受測者為疑似肌少症患者時,則執行一抬腿角度檢測步驟,係令該受測者做出站立與抬腿等動作,並以該影像偵測感應裝置感應器擷取包含該受測者站立與抬腿等動作的站立影像、抬腿影像以及該站立影像與該抬腿影像的 深度訊息;該影像偵測感應裝置運算晶片依據該深度訊息而將該站立影像與該抬腿影像依序轉換處理為擬真的3D站立深度圖像及抬腿深度圖像;該動作姿態辨識單元可由該站立深度圖像與該抬腿深度圖像計算出該受測者的抬腿角度,再判斷該抬腿角度是否高於一預設角度,當判定結果為低於該預設角度時,則判定該受測者為肌少症的確診患者。
- 如請求項5所述之肌少症簡易檢測方法,其中,該動作姿態辨識單元係以該站立深度圖像之髖關節為轉點,並由該站立深度圖像之大腿相對該轉點所轉動的角度作為該抬腿角度,該預設角度係為小於30~75度。
- 如請求項1所述之肌少症簡易檢測方法,其中,該預設行走速度值介於0.7~0.9公尺/秒。
- 如請求項1所述之肌少症簡易檢測方法,其中,男性該受測者的該預設握力值介於25~27公斤,女性該受測者之該預設握力值介於14~19公斤。
- 如請求項1所述之肌少症簡易檢測方法,其中,該最大距離介於2~6公尺。
- 一種肌少症簡易檢測系統,其包括:一影像偵測感應裝置感應器,其用以擷取至少一受測者於行走時之連續動態的行走影像,並輸出各該行走影像的深度訊息;且該影像偵測感應裝置感應器擷取該受測者施力握住之一物體的握住影像,並輸出該握住影像的深度訊息;一影像偵測感應裝置運算晶片,其依據該深度訊息將各該行走影像轉換為擬真連續動態的3D行走深度圖像;並將該握住影像轉換處理為擬真 的3D握住深度圖像;及一動作姿態辨識單元,其與該影像偵測感應裝置運算晶片係以一訊號傳輸模組訊號連結,用以計算連續動態之該複數行走深度圖像跨步移動至一最大距離的所需時間,以求出該受測者的行走速度值;並於該動作姿態辨識單元建立一儲存有複數樣本圖像的影像資料庫,各該樣本圖像具有不同握力所致之該物體的變形幅度,且每一該樣本圖像定義有一握力值;該動作姿態辨識單元係於該影像資料庫中比對出符合該握住深度圖像的該樣本影像,以讀取出該樣本影像的握力值;當該受測者之該行走速度低於一預設行走速度值及該握力值低於一預設握力值時,該動作姿態辨識單元則判定該受測者為疑似肌少症患者。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
??106134605 | 2017-10-06 | ||
TW106134605 | 2017-10-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI652039B TWI652039B (zh) | 2019-03-01 |
TW201914520A true TW201914520A (zh) | 2019-04-16 |
Family
ID=66590860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107102394A TWI652039B (zh) | 2017-10-06 | 2018-01-23 | Simple detection method and system for sarcopenia |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI652039B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI778494B (zh) * | 2021-01-13 | 2022-09-21 | 財團法人工業技術研究院 | 具影像隱私性之衰弱檢測的方法及裝置 |
TWI784774B (zh) * | 2021-10-28 | 2022-11-21 | 中國醫藥大學 | 智慧型生理暨影像訊號回饋裝置及系統方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI797976B (zh) | 2022-01-26 | 2023-04-01 | 國立成功大學 | 測量肌肉量的方法 |
CN114469101B (zh) * | 2022-03-02 | 2024-01-30 | 郑州大学 | 一种肌少症筛查诊断装置及其使用方法 |
-
2018
- 2018-01-23 TW TW107102394A patent/TWI652039B/zh active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI778494B (zh) * | 2021-01-13 | 2022-09-21 | 財團法人工業技術研究院 | 具影像隱私性之衰弱檢測的方法及裝置 |
TWI784774B (zh) * | 2021-10-28 | 2022-11-21 | 中國醫藥大學 | 智慧型生理暨影像訊號回饋裝置及系統方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI652039B (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9700242B2 (en) | Motion information processing apparatus and method | |
US9761011B2 (en) | Motion information processing apparatus obtaining motion information of a subject performing a motion | |
TWI652039B (zh) | Simple detection method and system for sarcopenia | |
Metcalf et al. | Markerless motion capture and measurement of hand kinematics: validation and application to home-based upper limb rehabilitation | |
US10543147B2 (en) | Optical techniques for the measurement of chest compression depth and other parameters during CPR | |
US10170155B2 (en) | Motion information display apparatus and method | |
US9710920B2 (en) | Motion information processing device | |
US20150320343A1 (en) | Motion information processing apparatus and method | |
US20150005910A1 (en) | Motion information processing apparatus and method | |
US20130324857A1 (en) | Automated system for workspace, range of motion and functional analysis | |
US20140340479A1 (en) | System and method to capture and process body measurements | |
CN109350923A (zh) | 一种基于vr及多体位传感器的上肢康复训练系统 | |
CN111091732A (zh) | 一种基于ar技术的心肺复苏指导器及指导方法 | |
CN102270276A (zh) | 根据身体移动确定卡路里燃烧 | |
JP2018069035A (ja) | 歩行解析システム及び方法 | |
Diaz-Monterrosas et al. | A brief review on the validity and reliability of Microsoft Kinect sensors for functional assessment applications | |
JP5427679B2 (ja) | 床反力計測システム及び方法 | |
CN108885087A (zh) | 测量装置、测量方法和计算机可读记录介质 | |
Nahavandi et al. | A low cost anthropometric body scanning system using depth cameras | |
JP6465419B2 (ja) | 測定装置及び測定方法 | |
Prima et al. | Evaluation of Joint Range of Motion Measured by Vision Cameras | |
Hassani et al. | Preliminary study on the design of a low-cost movement analysis system reliability measurement of timed up and go test | |
Alothmany et al. | Accuracy of joint angles tracking using markerless motion system | |
Ono et al. | Assessment of Joint Range of Motion Measured by a Stereo Camera | |
NAN | DEVELOPMENT OF A COMPUTER PROGRAM TO ASSIST UPPER LIMB REHABILITATION USING KINECT |