TWI584785B - 肌肉痙攣評估裝置及其評估方法 - Google Patents

肌肉痙攣評估裝置及其評估方法 Download PDF

Info

Publication number
TWI584785B
TWI584785B TW103125562A TW103125562A TWI584785B TW I584785 B TWI584785 B TW I584785B TW 103125562 A TW103125562 A TW 103125562A TW 103125562 A TW103125562 A TW 103125562A TW I584785 B TWI584785 B TW I584785B
Authority
TW
Taiwan
Prior art keywords
signal
unit
jitter
limb
sensing
Prior art date
Application number
TW103125562A
Other languages
English (en)
Other versions
TW201603780A (zh
Inventor
林裕晴
王振興
許煜亮
Original Assignee
國立成功大學
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 國立成功大學 filed Critical 國立成功大學
Priority to TW103125562A priority Critical patent/TWI584785B/zh
Publication of TW201603780A publication Critical patent/TW201603780A/zh
Application granted granted Critical
Publication of TWI584785B publication Critical patent/TWI584785B/zh

Links

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

肌肉痙攣評估裝置及其評估方法
本發明係關於一種評估裝置及其評估方法，特別關於一種肌肉痙攣評估裝置及其評估方法。
根據世界衛生組織(World Health Organization,WHO)的統計資料顯示，自1990年以來，腦中風(stroke)已是全球的第三大死因，每年約有550萬人死亡。根據美國心臟學會在2005年所發表的報告指出美國每年約有70萬人罹患腦中風，其中更包含20萬人為復發病患。而在台灣方面，根據行政院衛生福利部全民健康保險統計顯示腦中風(腦血管疾病)位居2012年全國十大死因中的第三名；此外，根據台灣腦中風登錄系統統計，腦中風的盛行率約為千分之三，台灣每年約有6萬8千人罹患中風，每小時約有7.8人罹患腦中風，且每年約有1千2百人死於腦中風。
腦中風所造成的腦部中樞神經受損除了可能導致記憶減退外，更會造成運動控制上的障礙，常見的運動障礙包括被動關節活動範圍變小(decreased range of motion)、肌肉痙攣(spasticity)、單側肢體肌肉無力(weakness)、肌肉收縮失調(incoordination)、高張性反射(hyperactive stretch reflexes)及不正常協同動作(abnormal synergies)等。其中，腦中風患者在中風後數天或是數週內，發生肌肉痙攣的盛行率高達30%，而主要出現的部位包含手肘(79%)、手腕(66%)以及膝蓋(66%)。痙攣為上運動神經元(upper motor neuron)受損後，因肌力牽張反射(tonic stretch reflex)過度興奮並伴隨著過度的肌腱抽搐所造成的運動障礙，而肌肉牽張反射的強度與伸張速度具有速度相依的情況發生。罹患痙攣的患者除了會造成疼痛、關節僵硬與變形、肌腱收縮以及肌肉無力之外，由於長期患部的活動 受限及無法使用患部執行動作將會導致肌肉萎縮，而產生正常負重能力下降、肌結數量減少、骨骼肌質量下降及骨礦化能力降低等問題，進而造成結締組織與脂肪的累積。如此一來，痙攣所造成的運動障礙將造成患者在執行一般日常生活功能性動作(如：喝水、穿衣服與盥洗)時的活動受限，進而造成生活品質下降；在台灣每年約有1萬7千人會因為腦中風而導致日常生活失能。
目前臨床上的痙攣測量工具，較為常用的徒手檢查技術，優點是方便易用且不需特殊設備，如最常被使用的修正版阿敘俄斯量表(Modified Ashworth Scale,MAS)及修正版塔迪厄氏量表(Modified Tardieu Scale,MTS)。修正版阿敘俄斯量表(MAS)共分為6級，依序由0~5級，級數愈高即代表患肢呈現愈僵直的狀況，且沒有關節的活動度可言；但其缺點包含：(1)、只量測病人被動牽拉的阻力(resistance to passive movement)來代表痙攣症的嚴重程度，可能受到醫療人員拉動速度及主觀判斷不同而影響評估結果；(2)、其測量為序位尺度(ordinal scale)而非基數尺度(cardinal scale)，序位尺度只是描述各等級間的次序性，各等級之間不一定有倍數或距離的關係，不適合進行痙攣程度的量化評估；(3)、無法評估痙攣症對病人主動參與實際日常生活功能的影響程度。
另外，修正版塔迪厄氏量表(MTS)用不同速度下測得的快速被動牽張反射(passive stretch reflex)和緩慢速度牽拉關節的最終阻力點來略估痙攣症的嚴重程度。此量表主要用來測量動態角度(R1)、靜態角度(R2)及他們之間的關係；R1是快速牽拉關節第一次遇到的阻力點，代表被動牽張反射(passive stretch reflex)的角度；R2是以緩慢速度牽拉關節的最終阻力點；最後，MTS則是以R1與R2的差值來評估患者的痙攣嚴重程度，差值愈小代表痙攣嚴重程度愈低。但其缺點有：(1)、施測方式是醫療人員徒手檢查並目測記錄角度，但徒手作動態角度R1及靜態角度R2檢查時，可能會因為醫療人員拉牽關節的速度及力量的不同而有所差異，且目測記錄角度可能不準確；(2)、無法全面性的評估痙攣症對病人日常生活的影響。
因此，如何提供一種肌肉痙攣評估裝置及其評估方法，可提 供客觀性的肌肉痙攣量化評估數據，以期有效地輔助醫生在臨床診斷上評估分析病患的痙攣症狀況，進而提供病患更有效的治療方式，已成為重要課題之一。
有鑑於上述課題，本發明之目的為提供一種客觀性的肌肉痙攣量化評估數據，以期有效地輔助醫生在臨床診斷上評估分析病患的痙攣症狀況，進而提供病患更有效的治療方式之肌肉痙攣評估裝置及其評估方法。
為達上述目的，依據本發明之一種肌肉痙攣評估裝置，用以評估一受測者之患肢的肌肉痙攣程度，並包括一感測運算模組、一痙攣分析模組以及一痙攣程度評估模組。感測運算模組包含一動作感測單元及一動作運算單元，動作感測單元感測受測者之患肢移動而產生一感測訊號，動作運算單元接收感測訊號，並依據感測訊號產生一患肢移動訊號。痙攣分析模組包含一抖動運算單元，抖動運算單元接收患肢移動訊號，並依據患肢移動訊號進行患肢的抖動分析，以產生複數抖動參數。痙攣程度評估模組包含一痙攣程度量化分析單元，痙攣程度量化分析單元接收該些抖動參數，並依據該些抖動參數進行痙攣程度分析，以產生一痙攣程度分析結果。
為達上述目的，依據本發明之一種肌肉痙攣評估方法，與一肌肉痙攣評估裝置配合，並用以評估一受測者之患肢的肌肉痙攣程度，肌肉痙攣評估裝置包括一感測運算模組、一痙攣分析模組及一痙攣程度評估模組，感測運算模組包含一動作感測單元及一動作運算單元，痙攣分析模組包含一抖動運算單元，痙攣程度評估模組包含一痙攣程度量化分析單元，評估方法包括以下步驟：由動作感測單元感測受測者之患肢移動而產生一感測訊號；由動作運算單元接收感測訊號，並依據感測訊號產生一患肢移動訊號；由抖動運算單元接收患肢移動訊號，並依據患肢移動訊號進行患肢的抖動分析，以產生複數抖動參數；以及由痙攣程度量化分析單元接收該些抖動參數，並依據該些抖動參數進行痙攣程度分析，以產生一痙攣程度分析結果。
承上所述，因本發明之肌肉痙攣評估裝置及其評估方法中，係藉由感測運算模組之動作感測單元感測受測者之患肢移動而產生感測訊號，再藉由動作運算單元依據感測訊號產生患肢移動訊號。另外，再藉由痙攣分析模組之抖動運算單元依據患肢移動訊號進行患肢的抖動分析，以產生複數抖動參數。最後，藉由痙攣程度評估模組之痙攣程度量化分析單元依據該些抖動參數進行痙攣程度分析，以產生痙攣程度分析結果。藉此，與習知相較，本發明之肌肉痙攣評估裝置及其評估方法可提供客觀性的肌肉痙攣量化評估數據，以期有效地輔助醫生在臨床診斷上評估分析病患的痙攣症狀況，進而提供病患有效的治療方式。
在一實施例中，痙攣分析模組更可包含動作相似度運算單元及關節活動度運算單元，動作相似度運算單元可比對患肢移動訊號與健肢移動訊號，以找出患肢移動訊號與健肢移動訊號之間的相似度參數，而關節活動度運算單元可依據配戴於患肢關節兩側之動作感測單元所產生之患肢移動訊號中之角度訊號而產生關節活動度，另外，痙攣程度評估模組之痙攣程度量化分析單元更可依據相似度參數、該些抖動參數及關節活動度的至少其中之一產生另一痙攣程度分析結果。藉此，可更準確及客觀地提供受測者患肢的痙攣程度分析，以期更有效地輔助醫生在臨床診斷上評估分析病患的痙攣症狀況，進而提供病患更有效的治療方式。
1、1a‧‧‧肌肉痙攣評估裝置
11‧‧‧感測運算模組
111、111a、111b‧‧‧動作感測單元
112‧‧‧動作運算單元
1121‧‧‧移動角度運算元件
1122‧‧‧移動軌跡運算元件
12、12a‧‧‧痙攣分析模組
121‧‧‧抖動運算單元
122‧‧‧動作相似度運算單元
123‧‧‧關節活動度運算單元
13、13a‧‧‧痙攣程度評估模組
131、131a‧‧‧痙攣程度量化分析單元
d1、d2、d3、d25‧‧‧歐基里德距離
e1、e2、e3、xa、xf、xr、xu、ya、yf、yr、yu、za、zf、zr、zu‧‧‧軸向
MAC‧‧‧擺盪最大加速度值
MV‧‧‧擺盪最大速度
RA‧‧‧穩定加速度
RT‧‧‧穩定時間
S01~S04、P01~P06‧‧‧步驟
S1‧‧‧感測訊號
S2‧‧‧患肢移動訊號
S3‧‧‧抖動參數
S4‧‧‧健肢移動訊號
S5‧‧‧相似度參數
S6‧‧‧關節活動度
TFR‧‧‧第一次翻轉時間
圖1A為本發明較佳實施例之一種肌肉痙攣評估裝置的功能方塊示意圖。
圖1B為圖1A的肌肉痙攣評估裝置中，將感測運算模組之慣性感測器穿戴於一受測者患肢的上臂、前臂及手背的示意圖。
圖1C為抖動訊號分析參數示意圖。
圖2為本發明另一較佳實施例之肌肉痙攣評估裝置的功能方塊示意圖。
圖3A及圖3B分別為健康者與受測者的患肢移動訊號示意圖。
圖4為肘關節座標系的示意圖。
圖5A為本發明較佳實施例之一種肌肉痙攣評估方法的流程示意圖。
圖5B為本發明較佳實施例之另一種肌肉痙攣評估方法的流程示意圖。
以下將參照相關圖式，說明依本發明較佳實施例之肌肉痙攣評估裝置及其評估方法，其中相同的元件將以相同的參照符號加以說明。
本發明的肌肉痙攣評估裝置是利用穿戴式慣性感測載具來評估一受測者患肢的肌肉痙攣程度，因此具有客觀的量化指標、低成本、小體積、高穿戴便利性、高精準度及運動空間不受限等特性。另外，所獲得的客觀性肌肉痙攣量化評估數據，可以有效地輔助醫生在臨床診斷上評估分析病患的痙攣症狀況，進而提供病患更有效的治療方式。
請參照圖1A、圖1B所示，其中，圖1A為本發明較佳實施例之一種肌肉痙攣評估裝置1的功能方塊示意圖，而圖1B為圖1A的肌肉痙攣評估裝置1中，將感測運算模組11之慣性感測器穿戴於一受測者患肢的上臂、前臂及手背的示意圖。
如圖1A所示，本實施例之肌肉痙攣評估裝置1包括一感測運算模組11、一痙攣分析模組12以及一痙攣程度評估模組13。
感測運算模組11包含一動作感測單元111及一動作運算單元112。動作感測單元111可感測受測者之患肢移動而產生一感測訊號S1，而動作運算單元112可接收感測訊號S1，並依據感測訊號S1產生一患肢移動訊號S2。
本實施例中，動作感測單元111是以穿戴的方式設置於受測者的上臂、前臂及手背上，藉此量測受測者例如舉杯喝水的動作，以評估患肢的肌肉痙攣程度。因此，量測到的數據不會因醫師或治療師擺設位置的不同，或量測經驗的不同，或量測時間的不同而有所不同。其中，動作感測單元111例如可包含陀螺儀、加速度計、磁力計或電子羅盤，或上述儀器的組合，而上述儀器可為單軸或多軸(例如三軸)。於此，如圖1A所示，動作感測單元111係以包含陀螺儀、加速度計及磁力計的組合為例，藉此提高患肢移動時量測到之感測訊號S1的準確度。不過，在其他的實施例中，動作感測單元111也可只具有一個慣性感測器，例如加速度計。其 中，加速度計主要是用來量測患肢移動時的加速度值；當患肢移動時，加速度計所量測到的加速度訊號包含移動所產生的運動加速度訊號及重力加速度。另外，陀螺儀主要用來量測患肢移動時的相對旋轉角速度。而磁力計是藉由地球磁場來得知患肢移動時的絕對方位角。陀螺儀量測的角速度必須經過一次積分方能獲得角度訊號；但磁力計不需經過任何積分即可獲得角度資訊。
因此，透過慣性感測器的感測，使得感測訊號S1可包含患肢移動時，位置變化所產生的角速度、加速度、磁場強度或地磁方位，或其組合，而且可包含複數(例如三個)軸向的角速度、加速度、磁場強度或地磁方位，或其組合。要說明的是，感測運算模組11更可包括一濾波單元(圖未顯示)，濾波單元可濾除動作感測單元111中的慣性元件(例如上述之陀螺儀、加速度計、磁力計或電子羅盤，或其組合)本身的雜訊，或可濾除量測時動作的影響及其他外界環境所造成之影響而導致感測訊號S1的誤差。
另外，動作運算單元112包含一移動角度運算元件1121及一移動軌跡運算元件1122。
移動角度運算元件1121係依據角速度、加速度、磁場強度或地磁方位，或其組合得到一姿態角。如圖1B所示，其中，(xu，yu，zu)、(xf，yf，zf)及(xa，ya，za)分別為動作感測單元111之體座標系統(body coordinate)，(xr，yr，zr)為參考座標系統(reference coordinate，即大地座標系統)，而姿態角主要的功能在於獲得動作感測單元111之體座標系統(b)與參考座標系統(r)之間的相對角度或轉動關係。
姿態角可包含一滾轉角Φ(roll angle)、一俯仰角θ(pitch angle)及一偏航角ψ(yaw angle)。滾轉角Φ係沿著軸向xu、xf、xa轉動之角度，其可由陀螺儀量測到於軸向xu、xf、xa的角速度變化後，經由一次積分而得到；或者滾轉角Φ也可為沿著軸向xu、xf、xa轉動之角度，其可由加速度計三軸向所量測之地球重力分量的變化而得到。另外，俯仰角θ係沿著軸向yu、yf、ya轉動之角度，其可由陀螺儀量測到於軸向yu、yf、ya的角速度變化後，經由一次積分而得到；或者俯仰角θ也可為沿著軸向 yu、yf、ya轉動之角度，其可由加速度計三軸向所量測地球重力分量的變化而得到。此外，偏航角ψ係沿著軸向zu、zf、za轉動之角度，其可由陀螺儀量測到於軸向zu、zf、za的角速度變化後，經由一次積分而得到；或者偏航角ψ也可為沿著軸向zu、zf、za轉動之角度，其可由磁力計所量測之磁場強度或電子羅盤所量測之地磁方位的變化而獲得。再者，滾轉角Φ、俯仰角θ及偏航角ψ也可由動作感測單元111量測患肢移動時之角速度變化、加速度變化、磁場強度變化或地磁方位變化、或其組合而獲得，於此，並不加以限制。
另外，移動軌跡運算元件1122可依據姿態角產生一座標轉換資訊，並依據座標轉換資訊將感測訊號S1由動作感測單元111的體座標系統(b)轉換至參考座標系統(r)，進而得到一速度訊號與一軌跡訊號。於此，加速度計可產生加速度訊號，而移動軌跡運算元件1122則利用其姿態角及座標轉換資訊(或稱座標轉換矩陣)轉換，並減去重力加速度後得到參考座標系中的運動加速度，再將運動加速度值分別經過一次及二次積分，即可得知於三維空間運動的速度訊號及軌跡訊號。其中，移動軌跡運算元件1122是利用一座標轉換矩陣將動作感測單元111所產生之加速度訊號由動作感測單元111的體座標系統(b)轉換至參考座標系統(r)。其中，座標轉換矩陣如下式所示： 並利用公式：a r = a b 將加速度訊號(a代表加速度)從動作感測單元111的體座標系(b)轉換至參考座標系(r)上。其中，a b =[a bx ,a by ,a bz ] T 為體座標系統中的加速度，而a r =[a rx ,a ry ,a rz ] T 為參考座標系統中加速度。由於加速度計所量測的加速度值包含了患肢移動所產生的運動加速度及重力影響的重力加速度，因此必須將重力加速度移除(即減去重力加速度)，以去除因重力影響所造成的加速度變化，進而得到真實的運動加速度。
重力去除後之運動加速度再經由一次及兩次積分後可分別得到速度訊號及位置(或軌跡訊號)，如以下公式所示：
其中，t代表終止時間點，t-1代表起始時間點，△t為取樣週期，a為重力補償後加速度值，v為一次積分後的速度，而p為兩次積分後得到的軌跡。
因此，患肢移動訊號S2可包含一加速度訊號、一角速度訊號、一磁場強度訊號、一地磁方位訊號、一角度訊號、一速度訊號或一軌跡訊號，或其組合。此外，感測運算模組11更可包含一儲存單元及一訊號傳輸單元(圖未顯示)，儲存單元可儲存患肢移動訊號S2，而訊號傳輸單元可傳送患肢移動訊號S2至痙攣分析模組12。
痙攣分析模組12包含一抖動運算單元121，抖動運算單元121可接收患肢移動訊號S2，並依據患肢移動訊號S2進行患肢的抖動分析，以產生複數抖動參數S3。其中。抖動運算單元121藉由控制領域中鐘擺運動(pendulum motion)的訊號分析理論進行患肢的抖動分析，以量化患肢移動時所產生的抖動，進而得到該些抖動參數S3。
請配合參照圖1C所示，其中，圖1C為抖動訊號分析參數示意圖。於此，係例如以某一軸向的加速度訊號為例。
抖動分析相關量化參數可包含：(1)、擺盪最大加速度值或角速度值(maximal acceleration or maximal angular velocity,MAC or MAV)，即受測者使用患肢進行舉杯喝水動作過程中所產生的最大加速度值或角速度值，如圖1C之最大加速度值MAC；(2)、第一次翻轉時間(time to first reversal,TFR)，即執行舉杯動作開始到第一次加速度或角速度最大值產生的時間長度，如圖1C之TFR；(3)、震盪軌跡曲線下的面積(area of oscillations,AOO)，即所有震盪軌跡曲線下的面積總和(積分)：
其中，s(t)為舉杯動作的加速度或角速度訊號，AOO則為舉杯動作時的速度或角度變化量，如圖1C的所有剖面線區域的面積和；(4)、擺盪最大速度或角度(maximal velocity or maximal angle,MV or MA)，即加速度或角速度訊號之AOO中最大的面積，如圖1C之擺盪最大速度MV所示；(5)、穩定時間(rest time,RT)，即執行舉杯動作開始到當加速度或角速度訊號已達到最大加速度或角速度值的2%-5%時(此時我們稱訊號已達到穩定狀態)的時間長度，如圖1C的RT所示；(6)、穩定加速度值或角速度值(rest acceleration or rest angular velocity,RA or RAV)，即最大加速度或角速度與穩態加速度或角速度之間差值，如圖1C的穩定加速度RA所示；(7)、擺盪次數(swing number,SN)，即執行舉杯動作時的加速度或角速度訊號中，通過零點的次數。於此，擺盪次數SN等於9；以及(8)、擺盪頻率(frequency)：藉由快速傅立葉轉換(fast Fourier transform,FFT)進行加速度及角速度訊號的頻域分析，獲得其主頻參數(即抖動訊號所產生的主要頻率)。
因此，抖動運算單元121可依據患肢移動訊號S2進行患肢的抖動分析，而該些抖動參數S3可選自擺盪最大加速度或角速度值、第一次翻轉時間、震盪軌跡曲線下面積、擺盪最大速度或角度、穩定時間、穩定加速度或角速度值、擺盪次數及擺盪頻率的至少其中之一，或其組合，並不限定。另外，痙攣分析模組12可包含一訊號傳輸單元(圖未顯示)，訊號傳輸單元可傳送該些抖動參數S3至痙攣程度評估模組13，以供痙攣程度評估模組13進行痙攣程度的分析。
痙攣程度評估模組13包含一痙攣程度量化分析單元131，痙攣程度量化分析單元131可接收該些抖動參數S3，並依據該些抖動參數S3進行痙攣程度分析，以產生一痙攣程度分析結果。痙攣程度量化分析單元131可例如應用映射模型(mapping model)(包含迴歸模型、類神經網路、模糊系統、或非線性數學式，但不限於此)進行肌肉痙攣程度量化等級或分數(例如修正版阿敘額斯量表(MAS)，亦不限於此)之間的映射對應關係，以進行肌肉痙攣程度量化等級或分數之估測。於此，係利用迴歸模型(regression model)並配合該些抖動參數S3進行受測者之肌肉痙攣程度量化等級或分數估測，並獲得屬於肌肉痙攣程度量化等級或分數估測的迴歸模型，進而得到痙攣程度分析結果。
再說明的是，除了動作感測單元111之外，上述提到的所有 模組(感測運算模組11、痙攣分析模組12、痙攣程度評估模組13)、單元(動作運算單元112、抖動運算單元121、痙攣程度量化分析單元131)及元件(移動角度運算元件1121、移動軌跡運算元件1122)可以軟體程式方式來實現其功能，或者，也可應用硬體或韌體的方式來實現上述提到的所有模組、單元及元件的功能，本發明並不限制。
請參照圖2所示，其為本發明另一較佳實施例之肌肉痙攣評估裝置1a的功能方塊示意圖。在圖2中，肌肉痙攣評估裝置1a亦包含感測運算模組11與抖動運算單元121，感測運算模組11與抖動運算單元121已於肌肉痙攣評估裝置1中詳述，不再多作說明。
肌肉痙攣評估裝置1a與圖1A的肌肉痙攣評估裝置1主要的不同在於，肌肉痙攣評估裝置1a的痙攣分析模組12a更包含一動作相似度運算單元122及一儲存單元(圖未顯示)，儲存單元可儲存至少一健肢移動訊號S4，而動作相似度運算單元122可比對患肢移動訊號S2與健肢移動訊號S4，以找出患肢移動訊號S2與健肢移動訊號S4之間的一相似度參數S5。其中，動作相似度運算單元122可依據一動態時間扭曲(dynamic time warping,DTW)演算法及/或一歐基里德距離(Euclidean distance)得到相似度參數S5。健肢移動訊號S4是由健康者所產生，而患肢移動訊號S2是由受測者(例如病患)所產生。動作相似度運算單元122主要是比對健康者與受測者使用同一側肢體進行相同移動(例如同樣利用右手臂舉杯喝水)所產生的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號，藉此得到健康者與受測者(即正常人與病患之間)的動作相似度關係。
請分別參照圖3A及圖3B所示，其分別為健康者與受測者的患肢移動訊號示意圖。其中，圖3A及圖3B可代表加速度訊號、角速度訊號、磁場強度訊號、地磁方位訊號、角度訊號、速度訊號或軌跡訊號等任一訊號。不過，圖3A及圖3B所顯示的訊號波形只是為了說明動作相似度運算單元122的原理，並非真正的訊號(上半部的訊號與下半部的訊號是相同的)。另外，上半部的訊號可例如代表健康者的患肢移動訊號S2，而下半部的訊號則可代表受測者(患者)的患肢移動訊號S2，或者相反。
當健康者與受測者(正常人與患者之間)執行同樣的喝水動作的時間長度相等時，如圖3A所示，則可以比對這二個訊號的每個時間點的歐基里德距離(圖3A中顯示25個time step)，並由起始時間點累加每一個時間點的歐基里德距離(d1、d2、d3…d25)至終止的時間點，以得到總和的歐基里德距離(分數)。得到的分數愈低，則代表二個訊號愈相似，表示受測者的手臂的肌肉痙攣程度與健康者接近(痙攣程度較低)。舉例而言，健康者執行喝水動作的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號為N=[n1,n2,…,nq]，而受測者執行喝水動作的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號為M=[m1,m2,…,mq]，則每一個時間點的歐基里德距離(d1、d2、d3…d25)為兩個訊號的差值，即 再將所有時間點的歐基里德距離(d1、d2、d3…d25)相加，就可得到歐基里德距離(d1、d2、d3…d25)的總和，得到的總和(分數)愈低，則代表二個訊號愈相似，表示受測者的手臂的肌肉痙攣程度較低。
若當健康者與受測者執行喝水動作的時間長度不相等時，則可以利用動態時間扭曲法來計算兩訊號之間的相似度。動態時間扭曲法是一種針對兩時間序列訊號間的相似度量測之時間校準演算法，其是藉由計算兩時間序列訊號之間的歐基里德距離及總和來加以評估兩訊號間的相似度，歐基里德距離總和越小(分數愈小)則代表相似度愈高。其中，動態時間扭曲演算法可包括樣板挑選及相似度分數計算兩個部分，主要是針對痙攣患者執行患肢移動時所產生的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號來進行動作相似度比對，藉此達到量化的目的。以喝水為例，首先，先得到患肢移動(喝水動作)的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號；接著，再將健康者執行喝水動作的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號設定為樣板訊號；最後，與受測者患肢執行喝水動作的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號透過動態時間扭曲演算法進行動作相似度的比對，以獲得一相似度分數，藉此量化受測者 的患肢痙攣程度，分數愈低代表健康者與受測者執行喝水動作時的動作相似度愈高。
請參照圖3B所示，以摘要說明演算法程序：首先為樣板挑選：舉例而言，健康者執行喝水動作的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號設定為DTW的樣板訊號N=[n1,n2,…,nq]，而受測者的患肢執行喝水動作的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號則設定為DTW的測試訊號M=[m1,m2,…,mq](p≠q)。
接著為相似度分數計算：動態時間扭曲是由二個訊號起始時間點累加其歐基里德距離至終止時間點，進而得到相似度分數。其相似度分數計算如下： D i,j =d(m i ,n j )+min{D i,j-1,D i-1,j ,D i-1,j-1}其中，歐基里德距離(d1、d2、d3…d25)為：
接著，藉由訊號時序扭曲比對方程式計算出訊號之間的相似程度分數，藉此達成動作比對之目的。因此，DTW(M,N)=Dp,q。其中，DTW(M,N)為二訊號之間的相似分數，分數愈低則代表二訊號愈相似。透過DTW可比對健康者與受測者執行喝水動作所產生的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號，就可得到兩動作訊號間的相似度分數，並藉此量化痙攣的等級，分數愈小則代表患者痙攣狀況愈不嚴重。
另外，請再參照圖2所示，本實施例的痙攣分析模組12a更包含一關節活動度運算單元123，關節活動度運算單元123可依據配戴於患肢關節兩側之動作感測單元111所產生之患肢移動訊號S2中之一角度訊號而產生一關節活動度S6。
舉例而言，仍以舉杯喝水為例，如圖4所示，其為肘關節座標系的示意圖。由於肘關節屬於屈戌關節，故只具有1個自由度(Degree of Freedom,DOF)。因此，在關節活動度運算單元123中，係利用關節座標系 (joint coordinate system)來定義肘關節直角座標系，藉此精準地獲得肘關節活動度。首先，利用位於上臂的動作感測單元(標示為111a)定義上臂感測器座標系(upper-arm sensor coordinate system,u)及位於前臂的動作感測單元(標示為111b)定義前臂感測器座標系(fore-arm sensor coordinate system,f)；接著，上臂感測器座標系的z u 軸及前臂感測座標系的y f 軸皆可藉由其個別的體座標系(b)相對於參考座標系(r)的旋轉矩陣來加以獲得，如以下公式所示：z u =R u [0,0,1] T y f =R f [0,1,0] T
其中，Ru及Rf分別為上臂與前臂之感測器座標系與參考座標系之間的旋轉矩陣。由z u 、y f 分別代表軸向e 1、e 2，而肘關節座標系便是由e 1與e 2來定義其中兩軸，第三軸向e 3則是利用e 1及e 2的外積來定義；如此一來，便可定義出肘關節座標系(e 1,e 2,e 3)。在臨床量測上，肘關節活動度的量測主要是利用繞著e 1軸的旋轉角度大小來代表伸直與屈曲之角度大小。因此，定義出肘關節座標系後，可透過上臂體座標系與肘關節座標系的相對姿態關係，建立出一座標轉換矩陣。
座標轉換矩陣如下所示：
之後，經由以下公式便可計算出繞著e 1軸的旋轉角度(φ)，藉此獲得肘關節活動角度。
另外，請再參照圖2所示，本實施例之痙攣程度評估模組13a之痙攣程度量化分析單元131a可依據相似度參數S5、該些抖動參數S3及關節活動度S6的至少其中之一產生另一痙攣程度分析結果。換言之，痙攣程度量化分析單元131a可分析相似度參數S5、該些抖動參數S3及關節活動度S6的其中一個，或其組合來得到痙攣程度分析結果。於此，痙攣程 度量化分析單元131a一樣可例如應用映射模型(包含迴歸模型、類神經網路、模糊系統、或非線性數學式，但不限於此)進行肌肉痙攣程度量化等級或分數之間的映射對應關係，以進行肌肉痙攣程度量化等級或分數之估測。其中，係利用迴歸模型並配合相似度參數S5、該些抖動參數S3及或關節活動度S6等參數(較佳者是S3、S5、S6的所有參數都採用，得到的痙攣程度量化的準確度將越高)進行受測者之肌肉痙攣程度量化等級或分數估測，並獲得屬於肌肉痙攣程度量化等級或分數估測的迴歸模型，進而得到痙攣程度分析結果。
另外，本實施例之痙攣程度評估模組13a更可包含一儲存單元及一顯示單元(圖未顯示)，儲存單元可儲存相似度參數S5、該些抖動參數S3、關節活動度S6及痙攣程度分析結果，而顯示單元可顯示相似度參數S5、該些抖動參數S3、關節活動度S6及痙攣程度分析結果。
再說明的是，除了動作感測單元111之外，上述提到的所有模組(感測運算模組11、痙攣分析模組12a及痙攣程度評估模組13a)、單元及元件可以軟體程式方式來實現其功能，或者，也可應用硬體或韌體的方式來實現上述提到的所有模組、單元及元件的功能，本發明並不限制。
此外，肌肉痙攣評估裝置1a的其它技術特徵可參照上述肌肉痙攣評估裝置1的相同元件，不再贅述。
另外，請參照圖5A並配合圖1A所示，其中，圖5A為本發明較佳實施例之一種肌肉痙攣評估方法的流程示意圖。
肌肉痙攣評估方法與上述的肌肉痙攣評估裝置1配合應用，並可評估受測者之患肢的肌肉痙攣程度。其中，肌肉痙攣評估裝置1的元件組成及功能已於上述中詳述，不再多作說明。
肌肉痙攣評估方法包括以下步驟：首先，步驟S01為：由動作感測單元111感測受測者之患肢移動而產生一感測訊號S1。其中，動作感測單元111例如可包含陀螺儀、加速度計、磁力計或電子羅盤，或上述儀器的組合，而上述儀器可為單軸或多軸(例如三軸)。於此，係以動作感測單元111包含三軸的陀螺儀、加速度計及磁力計的組合為例，藉此可提高患肢移動時量測的準確度。感測 訊號S1可包含受測者之患肢移動時所產生之角速度、加速度、磁場強度、或地磁方位或其組合，並不限定。
接著，進行步驟S02：由動作運算單元112接收感測訊號S1，並依據感測訊號S1產生一患肢移動訊號S2。於步驟S02中，係藉由動作運算單元112之移動角度運算元件1121依據角速度、加速度、磁場強度或地磁方位，或其組合得到一姿態角。其中，姿態角主要的功能在於獲得動作感測單元111之體座標系統(b)與參考座標系統(r)之間的相對角度或轉動關係。另外，更藉由動作運算單元112之移動軌跡運算元件1122依據姿態角產生座標轉換資訊，以將感測訊號S1由動作感測單元111的體座標系統(b)轉換至參考座標系統(r)，進而得到一速度訊號與一軌跡訊號。因此，患肢移動訊號S2可包含一加速度訊號、一角速度訊號、一磁場強度訊號、一地磁方位訊號、一角度訊號、一速度訊號或一軌跡訊號，或其組合。
然後，進行步驟S03：由抖動運算單元121接收患肢移動訊號S2，並依據患肢移動訊號S2進行患肢的抖動分析，以產生複數抖動參數S3。其中，抖動運算單元121係藉由控制領域中鐘擺運動的訊號分析理論進行患肢的抖動分析，以量化患肢移動時所產生的抖動，進而得到該些抖動參數S3。該些抖動參數S3可選自擺盪最大加速度或角速度值、第一次翻轉時間、震盪軌跡曲線下面積、擺盪最大速度或角度、穩定時間、穩定加速度或角速度值、擺盪次數及擺盪頻率的至少其中之一。
最後，再執行步驟S04：由痙攣程度量化分析單元131接收該些抖動參數S3，並依據該些抖動參數S3進行痙攣程度分析，以產生一痙攣程度分析結果。痙攣程度量化分析單元131可例如應用映射模型進行肌肉痙攣程度量化等級或分數之間的映射對應關係，以進行肌肉痙攣程度量化等級或分數之估測。於此，係利用迴歸模型並配合該些抖動參數S3進行受測者之肌肉痙攣程度量化等級或分數估測，並獲得屬於肌肉痙攣程度量化等級或分數估測的迴歸模型，進而得到痙攣程度分析結果。
另外，請參照圖5B並配合圖2所示，其中，圖5B為本發明較佳實施例之另一種肌肉痙攣評估方法的流程示意圖。
肌肉痙攣評估方法與上述的肌肉痙攣評估裝置1a配合應用，肌肉痙攣評估裝置1a的元件組成及功能已於上述中詳述，不再多作說明。
肌肉痙攣評估方法包括步驟P01~步驟P06。其中，步驟P01~P03與上述的步驟S01~S03相同，不再贅述。
步驟P04為：由動作相似度運算單元122比對患肢移動訊號S2與健肢移動訊號S4，以找出患肢移動訊號S2與健肢移動訊號S4之間的一相似度參數S5。於此，儲存單元可儲存至少一健肢移動訊號S4，而動作相似度運算單元122可比對患肢移動訊號S2與健肢移動訊號S4，以找出患肢移動訊號S2與健肢移動訊號S4之間的相似度參數S5。其中，健康者可產生健肢移動訊號S4，而受測者產生患肢移動訊號S2。另外，動作相似度運算單元122可依據一動態時間扭曲演算法及/或一歐基里德距離得到相似度參數S5。動作相似度運算單元122主要是藉由比對健康者與受測者使用同一肢體進行相同移動(例如同樣為右臂舉杯喝水)所產生的加速度、角速度、磁場強度、地磁方位、角度、速度及或軌跡等訊號，而得到健康者與受測者(即正常人與病患之間)的動作相似度關係。
接著，步驟P05為：由關節活動度運算單元123依據配戴於患肢關節兩側之動作感測單元111所產生之患肢移動訊號S2中之一角度訊號而產生一關節活動度S6。在關節活動度運算單元123中，係利用關節座標系來定義肘關節直角座標系，藉此精準地獲得肘關節活動度。
最後，步驟P06為：由痙攣程度量化分析單元131a依據該相似度參數S5、該些抖動參數S3及關節活動度S6的至少其中之一產生另一痙攣程度分析結果。於此，痙攣程度量化分析單元131a係利用迴歸模型並配合相似度參數S5、該些抖動參數S3及或關節活動度S6等參數(較佳者是S3、S5、S6的所有參數都採用)進行受測者之肌肉痙攣程度量化等級或分數估測，並獲得屬於肌肉痙攣程度量化等級或分數估測的迴歸模型，進而得到痙攣程度分析結果。
此外，本實施例的肌肉痙攣評估方法的其他技術特徵已於上述中詳述，不再贅述。
綜上所述，因本發明之肌肉痙攣評估裝置及其評估方法中，係藉由感測運算模組之動作感測單元感測受測者之患肢移動而產生感測訊號，再藉由動作運算單元依據感測訊號產生患肢移動訊號。另外，再藉由痙攣分析模組之抖動運算單元依據患肢移動訊號進行患肢的抖動分析，以產生複數抖動參數。最後，藉由痙攣程度評估模組之痙攣程度量化分析單元依據該些抖動參數進行痙攣程度分析，以產生痙攣程度分析結果。藉此，與習知相較，本發明之肌肉痙攣評估裝置及其評估方法可提供客觀性的肌肉痙攣量化評估數據，以期有效地輔助醫生在臨床診斷上評估分析病患的痙攣症狀況，進而提供病患有效的治療方式。
在一實施例中，痙攣分析模組更可包含動作相似度運算單元及關節活動度運算單元，動作相似度運算單元可比對患肢移動訊號與健肢移動訊號，以找出患肢移動訊號與健肢移動訊號之間的相似度參數，而關節活動度運算單元可依據配戴於患肢關節兩側之動作感測單元所產生之患肢移動訊號中之角度訊號而產生關節活動度，另外，痙攣程度評估模組之痙攣程度量化分析單元更可依據相似度參數、該些抖動參數及關節活動度的至少其中之一產生另一痙攣程度分析結果。藉此，可更準確及客觀地提供受測者患肢的痙攣程度分析，以期更有效地輔助醫生在臨床診斷上評估分析病患的痙攣症狀況，進而提供病患更有效的治療方式。
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。
1‧‧‧肌肉痙攣評估裝置
11‧‧‧感測運算模組
111‧‧‧動作感測單元
112‧‧‧動作運算單元
1121‧‧‧移動角度運算元件
1122‧‧‧移動軌跡運算元件
12‧‧‧痙攣分析模組
121‧‧‧抖動運算單元
13‧‧‧痙攣程度評估模組
131‧‧‧痙攣程度量化分析單元
S1‧‧‧感測訊號
S2‧‧‧患肢移動訊號
S3‧‧‧抖動參數

Claims (16)

  1. 一種肌肉痙攣評估裝置，用以評估一受測者之患肢的肌肉痙攣程度，並包括：一感測運算模組，包含一動作感測單元及一動作運算單元，該動作感測單元感測該受測者之患肢移動而產生一感測訊號，該感測訊號包含該受測者之患肢移動時所產生之角速度、加速度、磁場強度或地磁方位，或其組合，該動作運算單元接收該感測訊號，並依據該感測訊號產生一姿態角，且依據該姿態角將該感測訊號由該動作感測單元的體座標系統轉換至參考座標系統而得到一患肢移動訊號；一痙攣分析模組，包含一抖動運算單元，該抖動運算單元接收該患肢移動訊號，並依據該患肢移動訊號進行患肢的抖動分析，以產生複數抖動參數，其中該些抖動參數選自擺盪最大加速度或角速度值、第一次翻轉時間、震盪軌跡曲線下面積、擺盪最大速度或角度、穩定時間、穩定加速度或角速度值、擺盪次數及擺盪頻率的至少其中之一；以及一痙攣程度評估模組，包含一痙攣程度量化分析單元，該痙攣程度量化分析單元接收該些抖動參數，並依據該些抖動參數進行痙攣程度分析，以產生一痙攣程度分析結果。
  2. 如申請專利範圍第1項所述之肌肉痙攣評估裝置，其中該動作感測單元包含一加速度計、一陀螺儀、一磁力計或一電子羅盤，或其組合。
  3. 如申請專利範圍第1項所述之肌肉痙攣評估裝置，其中該動作運算單元包含一移動角度運算元件，該移動角度運算元件依據該角速度、該加速度、該磁場強度或該地磁方位，或其組合得到該姿態角。
  4. 如申請專利範圍第1項所述之肌肉痙攣評估裝置，其中該動作運算單元更包含一移動軌跡運算元件，該移動軌跡運算元件依據該姿態角產生一座標轉換資訊，並依據該座標轉換資訊將該感測訊號由該動作感測單元的體座標系統轉換至參考座標系統，進而得到一速度訊號與一軌跡訊號。
  5. 如申請專利範圍第1項所述之肌肉痙攣評估裝置，其中該患肢移動訊號包含一加速度訊號、一角速度訊號、一磁場強度訊號、一地磁方位訊號、 一角度訊號、一速度訊號或一軌跡訊號，或其組合。
  6. 如申請專利範圍第1項所述之肌肉痙攣評估裝置，其中該抖動運算單元藉由控制領域中鐘擺運動的訊號分析理論進行患肢的抖動分析，以量化患肢移動時所產生的抖動，進而得到該些抖動參數。
  7. 如申請專利範圍第1項所述之肌肉痙攣評估裝置，其中該痙攣分析模組更包含一動作相似度運算單元及一儲存單元，該儲存單元儲存至少一健肢移動訊號，該動作相似度運算單元比對該患肢移動訊號與該健肢移動訊號，以找出該患肢移動訊號與該健肢移動訊號之間的一相似度參數。
  8. 如申請專利範圍第7項所述之肌肉痙攣評估裝置，其中該動作相似度運算單元依據一動態時間扭曲演算法及/或一歐基里德距離得到該相似度參數。
  9. 如申請專利範圍第1項所述之肌肉痙攣評估裝置，其中該痙攣分析模組更包含一關節活動度運算單元，該關節活動度運算單元依據配戴於患肢關節兩側之該動作感測單元所產生之該患肢移動訊號中之一角度訊號而產生一關節活動度。
  10. 如申請專利範圍第9項所述之肌肉痙攣評估裝置，其中該痙攣程度量化分析單元依據該相似度參數、該些抖動參數及該關節活動度的至少其中之一產生另一痙攣程度分析結果。
  11. 一種肌肉痙攣評估方法，與一肌肉痙攣評估裝置配合，並用以評估一受測者之患肢的肌肉痙攣程度，該肌肉痙攣評估裝置包括一感測運算模組、一痙攣分析模組及一痙攣程度評估模組，該感測運算模組包含一動作感測單元及一動作運算單元，該痙攣分析模組包含一抖動運算單元，該痙攣程度評估模組包含一痙攣程度量化分析單元，該評估方法包括以下步驟：由該動作感測單元感測該受測者之患肢移動而產生一感測訊號，其中該感測訊號包含該受測者之患肢移動時所產生之角速度、加速度、磁場強度或地磁方位，或其組合；由該動作運算單元接收該感測訊號，並依據該感測訊號產生一姿態角，且依據該姿態角將該感測訊號由該動作感測單元的體座標系統 轉換至參考座標系統而得到一患肢移動訊號；由該抖動運算單元接收該患肢移動訊號，並依據該患肢移動訊號進行患肢的抖動分析，以產生複數抖動參數，其中該些抖動參數選自擺盪最大加速度或角速度值、第一次翻轉時間、震盪軌跡曲線下面積、擺盪最大速度或角度、穩定時間、穩定加速度或角速度值、擺盪次數及擺盪頻率的至少其中之一；以及由該痙攣程度量化分析單元接收該些抖動參數，並依據該些抖動參數進行痙攣程度分析，以產生一痙攣程度分析結果。
  12. 如申請專利範圍第11項所述之肌肉痙攣評估方法，其中於產生該患肢移動訊號的步驟中，係藉由該動作運算單元之一移動角度運算元件依據該角速度、該加速度、該磁場強度或該地磁方位，或其組合得到該姿態角。
  13. 如申請專利範圍第11項所述之肌肉痙攣評估方法，其中於產生該患肢移動訊號的步驟中，係藉由該動作運算單元之一移動軌跡運算元件依據該姿態角產生一座標轉換資訊，以將該感測訊號由該動作感測單元的體座標系統轉換至參考座標系統，進而得到一速度訊號與一軌跡訊號。
  14. 如申請專利範圍第11項所述之肌肉痙攣評估方法，其中該痙攣分析模組更包含一動作相似度運算單元及一儲存單元，該儲存單元儲存至少一健肢移動訊號，該肌肉痙攣評估方法更包括一步驟：由該動作相似度運算單元比對該患肢移動訊號與該健肢移動訊號，以找出該患肢移動訊號與該健肢移動訊號之間的一相似度參數。
  15. 如申請專利範圍第14項所述之肌肉痙攣評估方法，其中該痙攣分析模組更包含一關節活動度運算單元，該肌肉痙攣評估方法更包括一步驟：由該關節活動度運算單元依據配戴於患肢關節兩側之該動作感測單元所產生之該患肢移動訊號中之一角度訊號而產生一關節活動度。
  16. 如申請專利範圍第15項所述之肌肉痙攣評估方法，更包括一步驟：由該痙攣程度量化分析單元依據該相似度參數、該些抖動參數及該關節活動度的至少其中之一產生另一痙攣程度分析結果。
TW103125562A 2014-07-25 2014-07-25 肌肉痙攣評估裝置及其評估方法 TWI584785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW103125562A TWI584785B (zh) 2014-07-25 2014-07-25 肌肉痙攣評估裝置及其評估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW103125562A TWI584785B (zh) 2014-07-25 2014-07-25 肌肉痙攣評估裝置及其評估方法

Publications (2)

Publication Number Publication Date
TW201603780A TW201603780A (zh) 2016-02-01
TWI584785B true TWI584785B (zh) 2017-06-01

Family

ID=55809421

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103125562A TWI584785B (zh) 2014-07-25 2014-07-25 肌肉痙攣評估裝置及其評估方法

Country Status (1)

Country Link
TW (1) TWI584785B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI694810B (zh) * 2019-09-11 2020-06-01 長庚大學 下肢肌痙攣評估治療系統

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108256403B (zh) * 2016-12-29 2022-03-25 晶翔微系统股份有限公司 将肢体运动特性数据化的装置及方法
CN110301919B (zh) * 2018-12-07 2024-02-23 南京医科大学 一种使用磁定位技术的抽筋检测报警方法及其装置
TWI780878B (zh) * 2021-08-26 2022-10-11 晶翔機電股份有限公司 運動姿態的校正方法及裝置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW476643B (en) * 1999-03-10 2002-02-21 Ming-Yih Lee Exercise control glove for diagnostic evaluation and rehabilitation of palm and system device thereof
TW200803793A (en) * 2006-05-15 2008-01-16 Qinetiq Ltd Vibration dosimeter and method of monitoring vibration dosage
TW201225920A (en) * 2010-12-17 2012-07-01 Ind Tech Res Inst Mechanomyographic signal input device, human-machine operating system and identification method thereof
TW201311214A (zh) * 2011-09-14 2013-03-16 Ming-Da Lin 視覺化ｉｍｕ步態偵測裝置及其分析方法
TW201411507A (zh) * 2012-09-12 2014-03-16 Ind Tech Res Inst 動作比對方法與動作比對系統

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW476643B (en) * 1999-03-10 2002-02-21 Ming-Yih Lee Exercise control glove for diagnostic evaluation and rehabilitation of palm and system device thereof
TW200803793A (en) * 2006-05-15 2008-01-16 Qinetiq Ltd Vibration dosimeter and method of monitoring vibration dosage
TW201225920A (en) * 2010-12-17 2012-07-01 Ind Tech Res Inst Mechanomyographic signal input device, human-machine operating system and identification method thereof
TW201311214A (zh) * 2011-09-14 2013-03-16 Ming-Da Lin 視覺化ｉｍｕ步態偵測裝置及其分析方法
TW201411507A (zh) * 2012-09-12 2014-03-16 Ind Tech Res Inst 動作比對方法與動作比對系統

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI694810B (zh) * 2019-09-11 2020-06-01 長庚大學 下肢肌痙攣評估治療系統

Also Published As

Publication number Publication date
TW201603780A (zh) 2016-02-01

Similar Documents

Publication Publication Date Title
JP6858309B2 (ja) 関節応力をセンサーデータから判定する方法
Slade et al. An open-source and wearable system for measuring 3D human motion in real-time
Iosa et al. Wearable inertial sensors for human movement analysis
Olivares et al. Wagyromag: Wireless sensor network for monitoring and processing human body movement in healthcare applications
Wong et al. Clinical applications of sensors for human posture and movement analysis: a review
Shin et al. Within-day reliability of shoulder range of motion measurement with a smartphone
Martínez-Ramírez et al. Frailty assessment based on wavelet analysis during quiet standing balance test
Martinez-Ramirez et al. Wavelet analysis based on time–frequency information discriminate chronic ankle instability
TWI584785B (zh) 肌肉痙攣評估裝置及其評估方法
Saggio et al. Technology-based complex motor tasks assessment: A 6-DOF inertial-based system versus a gold-standard optoelectronic-based one
Panagiota et al. Assessment of human gait speed and energy expenditure using a single triaxial accelerometer
Blenkinsop et al. Evaluating feedback time delay during perturbed and unperturbed balance in handstand
Lin et al. Assessment of shoulder range of motion using a wearable inertial sensor network
JP2016171993A (ja) 重症度評価支援システム及びプログラム
JP6958739B2 (ja) 関節障害リスク評価装置、システム、方法およびプログラム
Chen et al. Enabling longitudinal assessment of ankle-foot orthosis efficacy for children with cerebral palsy
JPWO2019008689A1 (ja) 情報処理装置、情報処理システム、および情報処理方法
US20200281509A1 (en) Diagnosis and treatment using mapping and motion analysis
US10966652B1 (en) Method and system for quantifying movement disorder systems
Nwanna Validation of an Accelerometry based method of human gait analysis
Geiger et al. A method for characterizing essential tremor from the shoulder to the wrist
Martínez-Solís et al. A portable system with sample rate of 250 Hz for characterization of knee and hip angles in the sagittal plane during gait
Monaco et al. Biomechanical load evaluation by means of wearable devices in industrial environments: An inertial motion capture system and sEMG based protocol
TWI580404B (zh) 肌肉張力感測方法及系統
Raya et al. Characterizing head motor disorders to create novel interfaces for people with cerebral palsy: Creating an alternative communication channel by head motion

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees