WO2001056470A1 - Procede d'analyse d'irregularites de locomotion humaine - Google Patents

Procede d'analyse d'irregularites de locomotion humaine Download PDF

Info

Publication number
WO2001056470A1
WO2001056470A1 PCT/FR2001/000340 FR0100340W WO0156470A1 WO 2001056470 A1 WO2001056470 A1 WO 2001056470A1 FR 0100340 W FR0100340 W FR 0100340W WO 0156470 A1 WO0156470 A1 WO 0156470A1
Authority
WO
WIPO (PCT)
Prior art keywords
analysis method
irregularities
acceleration
spectral energy
time
Prior art date
Application number
PCT/FR2001/000340
Other languages
English (en)
Inventor
Eric Barrey
Bernard Auvinet
Original Assignee
Institut National De La Recherche Agronomique (Inra)
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 Institut National De La Recherche Agronomique (Inra) filed Critical Institut National De La Recherche Agronomique (Inra)
Priority to EP01907706A priority Critical patent/EP1261279B1/fr
Priority to AU35609/01A priority patent/AU3560901A/en
Priority to US10/181,952 priority patent/US6895341B2/en
Priority to DE60130325T priority patent/DE60130325T2/de
Priority to CA002399182A priority patent/CA2399182C/fr
Priority to DK01907706T priority patent/DK1261279T3/da
Publication of WO2001056470A1 publication Critical patent/WO2001056470A1/fr

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
    • A61B5/061—Determining position of a probe within the body employing means separate from the probe, e.g. sensing internal probe position employing impedance electrodes on the surface of the body
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • 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

Definitions

  • the present invention relates to a method for analyzing irregularities in human locomotion.
  • the invention applies in particular to the analysis of human gait in medical and paramedical practice, in particular to study the deterioration of gait and to make fall predictions in order to put in place prevention measures, for example in seniors.
  • the invention also applies to claudication measures following trauma or medical or surgical treatment. Another area of application is that of walking or sports running.
  • Baropodometric soles can provide useful data to a clinician, but are not a force measurement instrument.
  • Force platforms provide reliable and precise information, but the equipment is bulky and expensive. In addition, their dimensions allow only one press, which gives truncated information and does not allow an analysis of gait variability.
  • Accelerometers consisting of sensors sensitive to instantaneous speed variations do not have the above drawbacks and allow precise and reliable results to be obtained.
  • We will refer in particular to the article by Bernard AUVI NET, Denis CHALEI L and Eric BARREY, "Analysis of human walking in hospital practice by an accelerometric method", REV. RUM. 1 999, 66 (7-9), pp. 447-457 (French edition) and pp. 389-397 (English edition).
  • Measuring accelerations has the advantage of providing sensitive and detailed information on the forces generating movements and can be simple to implement.
  • the conditioning and processing of data is economical compared to the use of images.
  • acceleration measurements make it possible to find all the kinetic and kinematic characteristics of a movement.
  • frequency analyzes as performed by fast Fourier transformations
  • Frequency analysis is also ill-suited to temporal irregularities in the locomotor cycle, which are not stationary but have chaotic properties (unpredictable in the short and long terms).
  • the present invention relates to a method for analyzing irregularities in human locomotion based on acceleration measurements, which makes it possible to detect abnormal and irregular locomotor cycles over time.
  • the method of the invention does not require a priori mathematical properties of the signals studied, such as those necessary for Fourier transformations (stationarity, periodicity).
  • the method of the invention can allow a quick and simple analysis of the results obtained.
  • the invention also relates to an analysis method which can give additional quantitative information on the lack of dynamic regularity of walking or running cycles.
  • the invention applies to a method for analyzing irregularities in human locomotion, in which acceleration measurements are obtained during at least one controlled movement at a stabilized pace of a human being, by means of at least one accelerometer measuring as a function of time at least one acceleration in at least one direction, by detecting and analyzing possible irregularities in locomotion from reference measurements.
  • the measured accelerations are subjected to at least one wavelet transformation and the wavelet transform obtained is used to detect and / or analyze the irregularities.
  • stabilized gait is meant a repetitive, approximately periodic movement (such as walking or running), as opposed to a transient movement.
  • the transformation into wavelets makes it possible to spot anomalies over time for such a stabilized gait. Even a single isolated false step is detectable among normal steps. This process is thus able to detect very brief irregularities, unlike the known methods based on Fourier transformations.
  • a spectrum of the wavelet transform in three dimensions respectively of time, frequency and spectral energy module of the wavelet transform to detect and analyze the irregularities.
  • the spectral energy module of the wavelet transform is then advantageously represented by colored contours or by a color gradient.
  • a linear scale for time and a logarithmic scale for frequency are advantageously used.
  • Direct pellet visualization offers great simplicity of reading and allows direct identification of irregularities by graphic reading.
  • the transformation into wavelets is continuous, this transformation advantageously being a transformation into Morlet wavelets.
  • the parameter a is a scale parameter (modification of the stretching of the wavelets)
  • the parameter b is a translation parameter (translation in time of the wavelets).
  • the transformation used is a discrete wavelet transformation, such as a Daubechie wavelet transformation, preferably of order 5. These latter wavelets have the property of being asymmetrical and of having a moment zero order.
  • the wavelet transform having a spectral energy as a function of time, a low frequency band is defined in which the spectral energy is mainly concentrated for normal locomotion and it is detected and / or analyzed said irregularities using spectral energy outside this band.
  • the frequency band is preferably between 1 Hz and 4 Hz.
  • the irregularities are identified and / or analyzed by identifying and / or studying peaks of spectral energy outside the band.
  • a degree of locomotion irregularities is advantageously calculated by relating the marginal spectral energy outside the band to the total spectral energy.
  • the localized values of spectral energy which exceed the band are measured, for example in the case of very impaired walking with patterns of high frequency and of very varied shape and energy.
  • the analyzes by transformation into wavelets are advantageously associated with other methods giving additional information in the process of analysis of irregularities of human locomotion. Such information is combined with the results obtained by means of wavelet transformations, to specify the mode of use of the wavelets, to interpret the results obtained by these wavelets and / or to complete the results extracted from the analyzes by wavelets.
  • the analysis methods according to any one of the accelerations are at least two in number and to detect and / or analyze the irregularities, at least one vectogram is used (known as " frontal butterfly ”) representing the intensity of one of the accelerations measured as a function of the intensity of another of the accelerations measured.
  • frontal butterfly representing the intensity of one of the accelerations measured as a function of the intensity of another of the accelerations measured.
  • the accelerations used are preferably a vertical acceleration and a lateral acceleration of the subject.
  • the acceleration studied is a vertical acceleration.
  • At least one Lyapunov coefficient of the representation in phase space preferably the maximum Lyapunov coefficient. It is thus possible to quantify dynamic irregularities in locomotion, such a coefficient measuring the speed of divergence of the orbits of the acceleration signals in the phase space.
  • the maximum Lyapunov coefficient calculated on a cranio-caudal accelerometric signal measured at the level of the center of gravity of a subject, globally quantifies a lack of dynamic regularity in walking cycles. It allows to detect temporal and dynamic coordination fluctuations in relation to a risk of falling. This global measure of regularity of gait is of clinical interest for predicting the risk of falling in an elderly subject. Walking can thus be considered pathological when the Lyapunov coefficient used is greater than a critical value.
  • a coordination disorder occurs if the maximum Lyapunov coefficient is greater than 0.4.
  • the device used for accelerometers and acceleration measurements is preferably in accordance with what is exposed in the article by AUVI NET et al. cited above.
  • the analysis method advantageously accepts the following characteristics, considered separately or according to all their technically possible combinations:
  • accelerations are measured using an accelerometric sensor comprising two accelerometers arranged along perpendicular axes; • the accelerometers are incorporated in a semi-elastic belt fixed to the size of the subject, in such a way that they apply in the middle lumbar region, facing the intervertebral space L3-L4;
  • the accelerometers are placed close to the subject's center of gravity (the latter being located in humans in a standing position at rest in front of the second sacral vertebra);
  • controlled movements at a stabilized pace consist of a free walk at the subject's comfort speed over a distance between 25 and 50 m and preferably equal to 40 m, advantageously back and forth.
  • the following characteristics are advantageously used, separately or in combination:
  • the accelerations are also measured according to a third accelerometer, the three accelerometers being arranged along perpendicular axes corresponding respectively to the cranio-caudal, lateral and longitudinal (antero-posterior) axes of the subject;
  • the accelerations measured are cranio-caudal and longitudinal accelerations (sagittal plane of the subject);
  • a sensor comprising the accelerometers, a recorder and an event marking device, provided for marking events on recorded acceleration signals and / or synchronizing the recordings.
  • acceleration with other measuring devices video or cinematographic camera, force platform, timing cell, EMG device, etc.
  • This device is advantageously interposed between the sensor and the recorder, and advantageously integrated in a recording unit of the recorder.
  • the event marking device preferably has activation inputs constituted by manual electrical contacts, optoelectronic (cell sensitive to a flash of light) and / or electronic. It preferably has outings consisting of:
  • a transmitter of a square wave advantageously having a maximum value (saturation) with a duration between 10 and 50 ms and preferably 10 ms for a signal acquisition frequency at 100 Hz, advantageously transmitted on the channels of the acceleration signal in order to mark this signal on a measurement point;
  • LEDs red light-emitting diodes
  • a TTL output advantageously providing a square signal of 5 V for a duration between 10 and 50 ms and preferably equal to 1 0 ms.
  • the use of such an event marking device is particularly advantageous for marking moments of passage (start and finish of a walk test or a race) on acceleration records. We can thus obtain a spatial or kinematic location (synchronized video film) of the recorded movement in order to calculate distances representative of a sports movement.
  • the invention also relates to the applications of the method:
  • the method of the invention can be advantageously applied to the detection of the particularities of the stride of the athlete during a running period, such as the flight time, the support time, the symmetry of the half strides from right and left, propulsion and braking forces from right and left and the fluidity index of the race.
  • the method according to the invention can also be applied to measure and quantify the biomechanical stresses linked to a condition of the musculoskeletal system, in particular as a function of the speed of the race.
  • the characteristic of the particularities of the stride of the athlete in a race according to the method of the invention is useful in particular with a view to improving the efficiency and the performances of the sportsman.
  • the characterization of the acceleration parameters in accordance with the method of the invention is useful in particular for the purposes of evaluating the tolerance of a condition of the musculoskeletal system as a function of work loads.
  • Figure 1 represents a subject provided with an acceleration sensor, for the implementation of the analysis method according to the invention
  • Figure 2 shows a measuring device, usable to implement the analysis method of the invention and corresponding to that of Figure 1;
  • Figure 3 shows an enlargement of a portion of the measuring device of Figure 2, without the sensor;
  • Figure 4 shows in front view and in section the sensor of the measuring device of Figure 2;
  • Figure 5 shows in top view and in section the sensor of the measuring device of Figures 2 and 4;
  • Figure 6 shows vertical and lateral acceleration curves as a function of time, synchronized with images of a subject, for a normal stride
  • Figure 7 shows vertical and lateral acceleration curves as a function of time synchronized with images of a subject, for a pathological stride
  • Figure 8 represents curves of evolution in time of the vertical and lateral accelerations for a normal walk of a subject
  • Figure 9 shows a three-dimensional spectral image of a Morlet wavelet transform obtained from the vertical acceleration of Figure 8, in accordance with the analysis method according to the invention
  • Figure 10 shows an enlargement of the spectral image of Figure 9;
  • Figure 1 1 represents a curve giving the evolution as a function of time of the vertical acceleration for a pathological walk of an elderly subject falling;
  • Figure 12 shows a three-dimensional spectral image of a Morlet wavelet transform obtained from the vertical acceleration of Figure 1 1;
  • FIG. 13 is a so-called "frontal butterfly" vectogram giving the vertical acceleration as a function of the lateral acceleration, corresponding to the normal gait associated with Figures 8 to 10;
  • FIG. 14 represents a diagram of the vertical acceleration phases giving the first derivative of the acceleration with respect to time as a function of the time series of this acceleration, for normal walking corresponding to FIGS. 8 to 10;
  • FIG. 15 represents a diagram of the phases of vertical acceleration giving the first derivative of the acceleration with respect to time as a function of the time series of this acceleration, for a pathological course corresponding to FIGS. 1 1 and 12.
  • FIG. 16 shows a three-dimensional spectral image of a Morlet wavelet transform obtained according to the method of the invention in a race period of an athlete whose stride is very fluid
  • Figure 17 shows a three-dimensional spectral image of a Morlet wavelet transform obtained according to the method of the invention in a race period of a sportsman having a strong asymmetry of propulsion and braking.
  • the upper graph r illustrates the vertical, longitudinal and lateral acceleration curves as a function of the time expressed in seconds; the middle graph illustrates the spectral image of the wavelet transform of vertical movements as a function of time; the lower graph illustrates the spectral image of the wavelet transform of the longitudinal movements as a function of time expressed in seconds.
  • Figure 18 shows vertical, antero-posterior and lateral acceleration curves as a function of time synchronized with images of a subject, for a normal stride.
  • a measuring device 10 ( Figures 1 and 2) comprises a sensor 16 sensitive to movements, connected to an ambulatory recorder 20 in the form of a box.
  • the sensor 16 is an accelerometric sensor comprising (FIGS. 4 and 5) accelerometers 201, 202 and 203 arranged perpendicularly, so as to detect accelerations respectively in the directions 21, 22 and 23 perpendicular.
  • the three accelerometers 201, 202 and 203 are oriented respectively in a first cranio-caudal direction hereinafter vertical, in a second latero-lateral direction 22 and in a third antero-posterior direction 23 ( hereinafter "longitudinal”) of a subject 1.
  • These 201-203 accelerometers are sensitive to continuous and dynamic components and are suitable for measuring movements of low frequencies. Their natural frequency is for example 1200 Hz, the measurement range being between + 10 g and the sensitivity being 5 mV / g at 100 Hz. They form a cubic assembly 205, in which their orthogonality is provided by means of squares 240. This assembly 205 is molded in a coating 200 of parallelepipedic polymer and of small size.
  • the coating 200 is insulating, rigid, protective and waterproof. It has for example a height h (direction 21), a width I (direction 22) and a depth p (direction 23) being respectively 40, 18 and 22 mm.
  • Each of the accelerometers 201, 202 and 203 is provided with five connection terminals comprising:
  • a ground terminal (terminals 21 0 and 220 respectively of the accelerometers 201 and 202),
  • a negative supply terminal connected to the ground terminal (terminals 21 1 and 221 respectively of the accelerometers 201 and 202),
  • a positive supply terminal (terminals 212 and 222 respectively of the accelerometers 201 and 202),
  • a negative signal terminal (terminals 21 3 and 223 respectively of the accelerometers 201 and 202), and
  • a positive signal terminal terminal 214 and 224 respectively of the accelerometers 201 and 202).
  • the terminals and accelerometers 201 to 203 are based respectively on ceramic bases 206 to 208.
  • the ground terminals and the negative supply terminals of the three accelerometers 201 to 203 are interconnected.
  • the sensor 16 also includes a wire 251 with twelve braided mass conductors (metal braid avoiding interference), containing wires coming from the supply and signal terminals of the three accelerometers 201 to 203.
  • This wire 251, leading to the recorder 20, is partially surrounded by a semi-rigid heat-shrinkable sheath 250 penetrating into the coating 200.
  • This sheath 250 makes it possible to avoid breakage of the wire.
  • It is further bordered on the outside of the coating 200 by a frustoconical part 252 forming a single piece with the coating 200, which avoids twisting and risks of breakage of the wire.
  • the frusto-conical part 252 has a long length L, for example equal to 25 mm.
  • the wire 251 is provided with a clip 253 intended to come into abutment against the sheath 250 in the event of the wire 251 sliding in the sheath 250, so as to avoid tearing off the welds.
  • the sensor 16 is incorporated in a semi-elastic belt 1 1 fixed to the waist of the subject 1, so that this sensor 16 is applied in the middle lumbar region, facing the intervertebral space L3-L4. This positioning of the sensor 16 allows good stability of the accelerometers near the center of gravity of subject 1, this center of gravity being located in front of the second sacral vertebra for a human being in a standing position at rest.
  • the sensor 16 is arranged in a space 17 formed by a loose part 12 of the belt 1 1 and by a reinforcement 13 in leather pressed against the belt 1 1, by means of shims 14 and 15 made of high density foam fabric, arranged on the side and other part 12 ( Figures 2 and 3).
  • the wedges 14 and 15 make it possible to position the coating 200 of the sensor 16 exactly in the vertebral groove of the subject 1.
  • the recorder 20 has for example an acquisition frequency of 100 Hz and an autonomy allowing continuous recording for 30 minutes. It is fitted with a low-pass filter with a cut-off frequency of 50 Hz to avoid aliasing phenomena. It admits three synchronized perpendicular tracks.
  • the acceleration measurements are digitized and coded, for example on 12 bits.
  • the recorder 20 comprises means for connection to a processing unit, for example to a PC type computer via a serial communication port using transfer software.
  • the measuring device 10 also includes an event marking device 25, electrically interposed between the sensor 16 and the recorder 20 and built into the recorder 20 housing ( Figure 2).
  • the function of this device 25 is to mark events on recorded signals and / or to synchronize acceleration records with other measuring devices. It is provided with a cell sensitive to a flash of light and is designed to saturate the accelerometric signal, for example for 0.01 second for acquisition at 100 Hz at the moment when a flash is triggered.
  • subject 1 is made to walk in a straight line, for example over a distance of 30 m outward and 30 m back.
  • timing cells 30 m apart at the ends of the path followed by the subject, so as to be able to measure the speeds and synchronize measurements.
  • These timing cells each form an infrared barrier comprising a transmitter and a receiver. They are respectively connected to flashes, which are triggered when the infrared barrier is crossed by the subject 1 are the subject of detections by the event marking device 25.
  • curve 40 giving the vertical acceleration (axis 32, in g) and a curve 50 giving the lateral acceleration (axis 33, in g) as a function of time (axis 31, in seconds ).
  • curves 40 and 50 different stages of walking and we can relate them to synchronized images (taken by a video camera) of the subject 60 in motion. We thus see respectively on curves 40 and 50:
  • zones 42 and 52 corresponding to a bipodal support (image 62), Zones 43 and 53 corresponding to a right leg lift 90b and a bending of the right knee (image 63),
  • Zones 44 and 54 corresponding to a vertical unipodal support of the left leg 90a (image 64), and
  • curves 70 and 80 respectively representing the vertical and lateral accelerations as a function of time, we identify respectively on the curves 70 and 80:
  • zones 71 and 81 corresponding to a straight leg pose 90b (image 91), • zones 72 and 82 corresponding to a bipodal support
  • zones 73 and 83 corresponding to a left leg lift 90a and a flexion of the left knee (image 93), • zones 74 and 84 corresponding to a vertical unipodal support on the right leg 90b (image 94), and
  • the vertical acceleration for normal walking and for pathological walking is subjected to a continuous wavelet transformation, for example of the Morlet type.
  • a continuous wavelet transformation for example of the Morlet type.
  • the function ⁇ (at + £>) being the wavelet function used, for example of Morlet
  • the parameters a and b of the wavelet function being respectively the stretching (or scale) and translation parameters plump
  • a spectral image 120 ( Figures 7 and 8) is constructed for normal walking in three dimensions, corresponding respectively to time, frequency and spectral energy.
  • This image 120 is represented in a time-frequency plane (or time-scale) with a linear scale for time (axis 3, in seconds) and a semi-logarithmic scale for frequency (axis 37, in Hz).
  • the plump energy module (g 2 ) is represented by colored contours.
  • the energy density on the enlargement 130 and on the spectral image 150 is expressed in acceleration (g 2 ).
  • a low frequency band is defined having lower 121 and upper 122 terminals, associated respectively with values of 1
  • the point value of the energy module is measured on the spectral image.
  • the information thus obtained is preferably completed by other analysis techniques.
  • results obtained by transformation into wavelets are also supplemented by means of a vectogram (“frontal butterfly”), such as that 160 (FIG. 11) obtained for normal walking in the example (FIGS. 6 to 8), giving the vertical acceleration (axis 32, in g) as a function of the lateral acceleration (axis 33, in g).
  • frontal butterfly 160 On the frontal butterfly 160, cyclical trajectories 161 -163 are observed, which tend to be all the more superimposed on the others as the walking is normal. In pathological cases, these cyclical trajectories move away from each other in an identifiable and analyzable way.
  • the irregular walk of a falling subject manifests itself in a chaotic regime, highlighted qualitatively by a more marked divergence in the cyclical trajectories 181 -183.
  • the speed of divergence of the cyclic trajectories (or orbits) of the signal is quantified by means of at least one Lyapunov coefficient.
  • Such a coefficient evaluates the sensitivity of a system to deviate from a stationary and periodic regime from a particular point at time to where we know the characteristics of the system (initial conditions).
  • the average Lyapunov coefficient ⁇ m of N-1 Lyapunov coefficients obtained with a sampling interval equal to 1, is conventionally given by a form ule of the type:
  • n being the number of the current point
  • • l n representing the distance between the indexed point n belonging to an orbit and a nearest neighboring point belonging to a neighboring orbit in the phase space.
  • the maximum Lyapunov coefficient calculated on the vertical accelerometric signal is between 0 and 1, this coefficient being d 'the greater the pathology increases.
  • the walk is very irregular. This coefficient quantifies the lack of dynamic regularity in walking cycles and detects temporal and dynamic fluctuations in coordination, in relation to a risk of falling.
  • a sports walk is analyzed by advantageously using the vertical and anteroposterior accelerations of the spine (sagital plane of the subject, directions 21 and 23).
  • this detects technical faults of a sports walking athlete, such as a knee flexion at the time of the pose and / or a simultaneous rupture of contact with the ground of the two feet of the athlete.
  • Figures 16 and 17 illustrate the three-dimensional spectral image of a wavelet transform obtained respectively from an athlete with a fluid stride (Figure 16) and from an athlete with an irregular stride (Figure 17).
  • Figure 17 one observes on the longitudinal acceleration plot (curve ⁇ fre pro> from the top) and the corresponding wavelet spectrum (bottom), a frequency peak raised to 0.2-0.4 sec corresponding a sudden deceleration of braking when putting the left foot.
  • a frequency peak raised to 0.2-0.4 sec corresponding a sudden deceleration of braking when putting the left foot.
  • putting the right foot does not show brutal braking but a more marked propulsion than on the left.
  • These stride analyzes visualize and characterize the stride asymmetries and thereby determine the biomechanical characteristics of an athlete's stride.
  • a comparison of the stride characteristics of the same athlete analyzed at two given times spaced in time makes it possible to identify the presence of stride anomalies characterized by changes in its biomechanical characteristics. Analyzes of the stride of the athlete in question according to the method of the invention also make it possible to quantify, and therefore to control, the tolerance functional disorder of the athlete's musculoskeletal system.
  • FIG. 18 shows the curves of vertical, anteroposterior and lateral acceleration as a function of time synchronized with the images of the subject .

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Psychiatry (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Prostheses (AREA)

Abstract

L'invention concerne un procédé d'analyse d'irrégularités de locomotion humaine. Dans ce procédé, on utilise des mesures d'accélération obtenues pendant un ou plusieurs déplacements contrôlés à allure stabilisée d'un être humain, au moyen d'accéléromètres mesurant en fonction du temps des accélérations selon au moins une direction. On détecte et on analyse d'éventuelles irrégularités de locomotion à partir de mesures de référence. On soumet ces accélérations mesurées à au moins une transformation en ondelettes et on se sert de la transformée en ondelettes obtenue pour détecter et/ou analyser les irrégularités.

Description

Procédé d'analyse d 'irrégularités de locomotion humai ne
La présente invention se rapporte à un procédé d'analyse d'irrégularités de locomotion humaine.
L'invention s'applique notamment à l'analyse de la marche humaine dans la pratique médicale et paramédicale, en particulier pour étudier la dégradation de la marche et effectuer des prédictions de chute pou r mettre en place des mesures de prévention , par exemple chez des personnes âgées. L'invention s'applique également à des mesures de claudication faisant suite à des traumatismes ou des traitements médicaux ou chirurgicaux. Un autre domaine d'application est celui de la marche ou de la course sportive.
Deux familles de techniques complémentaires ont été développées pour étudier les mouvements du corps humain et leur mécanique et ont ainsi permis d'accroître considérablement les connaissances sur la physiologie de la locomotion humaine:
• des méthodes cinématiques, qui mesurent des déplacements des parties du corps et des angles articulaires, au moyen d'images cinématographiques ou vidéo et
• des méthodes dynamiques, qui mesurent des forces ou des accélérations agissant sur des parties du corps.
Les méthodes cinématiques sont descriptives et apportent de nombreux détails sur les mouvements de chaque segment corporel, mais sont lourdes à mettre en oeuvre. Les méthodes dynamiques sont plus explicatives, car elles donnent des informations sur les actions mécaniques à l'origine du mouvement. Elles apportent ainsi une information plus synthétique qui reste néanmoins très fine.
Plusieurs instruments de mesure connus, mis en oeuvre dans les méthodes dynamiques (aussi appelées cinétiques) sont des semelles baropodométriques, des plates-formes de force et des accéléromètres . Les semelles baropodométriques peuvent apporter des données utiles à un clinicien, mais ne constituent pas un instrument de mesure des forces. Les plates-formes de force donnent quant à elles des informations fiables et précises, mais le matériel est encombrant et coûteux. De plus, leurs dimensions n'autorisent qu'un seul appui, ce qui donne une information tronquée et ne permet pas une analyse de variabilité de la marche.
Les accéléromètres, constitués de capteurs sensibles aux variations instantanées de vitesse n'ont pas les inconvénients ci-dessus et permettent d'obtenir des résultats précis et fiables. On se reportera en particulier à l'article de Bernard AUVI NET, Denis CHALEI L et Eric BARREY, « Analyse de la marche humaine dans la pratique hospitalière par une méthode accélérométrique » , REV. RHUM . 1 999 , 66 (7-9) , pp. 447-457 (édition française) et pp. 389-397 (édition anglaise).
Mesurer les accélérations présente l'avantage de fournir des informations sensibles et détaillées su r les forces engendrant des mouvements et peut être simple à mettre en oeuvre. De plus, le conditionnement et le traitement de données est économique par rapport à l'utilisation d'images. Par ailleurs, des mesures d'accélération permettent de retrouver toutes les caractéristiques cinétiques et cinématiques d'un mouvement.
Le traitement des résultats obtenus, pour détecter et analyser d'éventuelles irrégularités de locomotion , repose généralement sur des transformations de Fourier. L'article d'AUVINET et al. mentionné ci-dessus propose également des calculs fondés sur la fonction d'autocorrélation de signaux (étude de la symétrie et de la régularité des foulées), complétée par une transformation z de Fischer pour parvenir à des distributions gaussiennes.
Un inconvénient des analyses fréquentielles (telles qu'effectuées par des transformations de Fourier rapides) est qu'elles nécessitent un nombre minimal de points pour avoir une information suffisamment précise en fréquence et en énergie. De plus, elles n'autorisent pas une localisation dans le temps d'un événement particulier provoq uant un changement fréquentiel rapide du signal d'accélération . Il n'est donc pas possible de détecter un faux pas isolé parmi d'autres pas normaux. L'analyse fréquentielle est également mal adaptée à des irrégu larités temporelles du cycle locomoteur, qui ne sont pas stationnaires mais ont des propriétés chaotiques (imprédictibles à courts et longs termes).
En ce qui concerne les méthodes de calcu l fondées sur des fonctions d'autocorrélation, elles permettent une très bonne détection d'asymétries dynamiques périod iq ues mais sont peu performantes pour détecter des irrégularités qui ne sont ni stationnaires, ni périodiques. Elles ne permettent pas non plus d'identifier un événement isolé comme une faute de marche sportive ou un faux pas.
Par ailleurs, plusieurs techniques spécifiques ont été développées pour étudier des mouvements complexes dans la locomotion équine, reposant également sur des mesures d'accélérations. Cependant, les mouvement étudiés consistent en des sauts de chevaux de sport ou des transitions d'allure de chevaux de dressage (passage d u trop au galop ou inversement), donc en des mouvements transitoires. Ces techniques ne s'appliquent donc pas à des mouvements à allure stabilisée, tels que la marche ou la course humaine.
La présente invention concerne un procédé d'analyse d'irrégularités de locomotion humaine reposant sur des mesures d'accélération , qui permet de détecter des cycles locomoteurs anormaux et irréguliers dans le temps.
Le procédé de l'invention ne requiert pas de propriétés mathématiques a priori des signaux étudiés, telles que celles nécessitées pour des transformations de Fourier (stationarité, périodicité).
De plus, le procédé de l'invention peut autoriser une analyse rapide et simple des résultats obtenus. L'invention a également pour objet un procédé d'analyse pouvant donner des informations complémentaires quantitatives sur le manque de régularité dynam ique de cycles de marche ou de course.
A cet effet, l'invention s'applique à un procédé d'analyse d'irrégularités de locomotion humaine, dans lequel on utilise des mesures d'accélération obtenues pendant au moins un déplacement contrôlé à allure stabilisée d'un être humain , au moyen d'au moins un accéléromètre mesu rant en fonction du temps au moins une accélération selon au moins une direction, en détectant et en analysant d'éventuelles irrégularités de locomotion à partir de mesures de référence.
Selon l'invention, on soumet les accélérations mesurées à au moins une transformation en ondelettes et on se sert de la transformée en ondelettes obtenue pour détecter et/ou analyser les irrégularités.
Par « allure stabilisée », on entend un mouvement répétitif, approximativement périodique (tel que la marche ou la course), par opposition à un mouvement transitoire.
De manière surprenante, la transformation en ondelettes permet de repérer des anomalies au cours du temps pour une telle allure stabilisée. Même un seul faux pas isolé est détectable parmi des pas normaux. Ce procédé est ainsi apte à détecter des irrégularités très brèves, contrairement aux méthodes connues reposant sur des transformations de Fourier.
Préférentiellement, on visualise un spectre de la transformée en ondelettes en trois dimensions respectivement de temps, de fréquence et de module d'énergie spectrale de la transformée en ondelettes pour détecter et analyser les irrégularités. On représente alors avantageusement le module d'énerg ie spectrale de la transformée en ondelettes par des contours colorés ou par un gradient de couleurs. De plus, on utilise avantageusement une échelle linéaire pour le temps et logarithmique pour la fréquence.
La visualisation directe de rondelette offre une grande simplicité de lecture et permet d'identifier directement des irrégularités par lecture graphique.
Préférentiellement, la transformation en ondelettes est continue, cette transformation étant avantageusement une transformation en ondelettes de Morlet. Ces ondelettes, symétriques, sont bien adaptées à des analyses de basses fréquences, telles que les accélérations corporelles à proximité du centre de gravité. Elles sont données par la formule mathématique (fonction ψ de la variable x): ψ (x) = k.exp (-x2/2) . cos (ω0x), où k est une constante de normalisation et ω0 est la pulsation de rondelette considérée, préférentiellement comprise entre 5 et 6 inclus. On décompose une fonction d'accélération Ace dépendant du temps t sur une famille d'ondelettes de ce type par la formule f+OO
C(a, b) = Acc(t). ψ (at + b)dt,
J— 00 où :
- les coefficients C donnent les projections de la fonction Ace sur les ondelettes,
- le paramètre a est un paramètre d'échelle (modification de l'étirement des ondelettes) et
- le paramètre b est un paramètre de translation (translation dans le temps des ondelettes). Dans une variante de mise en oeuvre, la transformation utilisée est une transformation en ondelettes discrète, telle qu'une transformation en ondelettes de Daubechie, préférentiellement d'ordre 5. Ces dernières ondelettes ont la propriété d'être asymétriques et d'avoir un moment d'ordre zéro. Dans une forme de mise en oeuvre préférée, la transformée en ondelettes ayant une énergie spectrale en fonction du temps, on définit une bande de basse fréquence dans laquelle est principalement concentrée l'énergie spectrale pour une locomotion normale et on détecte et/ou on analyse lesdites irrégularités en utilisant l'énergie spectrale en dehors de cette bande. La bande de fréquence est préférentiellement comprise entre 1 Hz et 4 Hz.
L' utilisation de cette bande rend notamment possible deux types d'analyse qui peuvent être complémentaires:
• l'identification de zones de concentrations d'énergie spectrale hors bande, et
• la quantification d'énerg ie spectrale en dehors de cette bande. Ainsi, avantageusement, on identifie et/ou on analyse les irrégularités en repérant et/ou en étudiant des pics d'énergie spectrale en dehors de la bande.
Ainsi, on peut observer pour une marche pathologique des pics de haute fréquence ayant une densité énergétique significative dépassant la limite supérieure de la bande de fréquence (par exemple 4 Hz), ces pics étant plus ou moins périodiques et réguliers dans le temps et en fréquence. Des irrégularités graphiques de la forme de ces pics sont révélatrices d'altérations de la dynamique et de la régularité de la marche.
De plus, on calcule avantageusement un degré d'irrégularités de locomotion en rapportant l'énergie spectrale marginale en dehors de la bande, à l'énergie spectrale totale. Ainsi, pour une marche pathologique, on peut considérer que l'énergie marginale au-dessus de 4 Hz est supérieure à 6%.
Dans un autre type avantageux d'analyse reposant sur la bande de basse fréquence, on mesure les valeurs localisées d'énergie spectrale qui dépassent la bande, par exemple dans le cas d'une marche très altérée avec des motifs de haute fréquence et de forme et d'énergie très variées.
Les analyses par transformation en ondelettes sont avantageusement associées à d'autres méthodes donnant des informations complémentaires dans le procédé d'analyse d'irrégularités de locomotion humaine. De telles informations sont combinées avec les résultats obtenus au moyen des transformations en ondelettes, pour spécifier le mode d'utilisation des ondelettes, interpréter les résultats obtenus par ces ondelettes et/ou compléter les résultats extraits des analyses par ondelettes .
Ainsi, dans une forme avantageuse de mise en oeuvre , les procédés d'analyse selon l'une quelconque des accélérations sont au moins au nombre de deux et pour détecter et/ou analyser les irrégularités, on utilise aussi au moins un vectogramme (dit « papillon frontal ») représentant l'intensité d'une des accélérations mesu rées en fonction de l'intensité d'une autre des accélérations mesurées . On peut ainsi identifier visuellement des dérives chaotiques par rapport à un régime stationnaire et périodique.
Les accélérations utilisées sont préférentiellement une accélération verticale et une accélération latérale du sujet.
Dans un mode de mise en oeuvre préféré, pour détecter et/ou analyser les irrégularités, on utilise aussi au moins une représentation dans un espace des phases , donnant l'intensité d'au moins une des accélérations en fonction de l'intensité de la dérivée temporelle de cette accélération ou en fonction de cette accélération décalée dans le temps d'un délai prédéterminé. On peut ainsi identifier visuellement l'éioignement d'un régime stationnaire et périodique vers un régime chaotique. Avantageusement, l'accélération étudiée est une accélération verticale.
Dans cette mise en oeuvre préférée, on calcule avantageusement au moins un coefficient de Lyapunov de la représentation dans l'espace des phases , préférentiellement le coefficient de Lyapunov maximal. On peut ainsi quantifier des irrégularités dynamiques de la locomotion, un tel coefficient mesurant la vitesse de divergence des orbites des signaux d'accélération dans l'espace des phases .
Ainsi, le coefficient de Lyapunov maximal , calculé sur un signal accélérométrique cranio-caudal mesu ré au niveau du centre de gravité d'un sujet, quantifie globalement un manque de régularité dynamique des cycles de marche. I l permet de détecter des fluctuations temporelles et dynamiques de coordination en relation avec un risque de chute. Cette mesure globale de régularité de la marche a un intérêt clinique pour une prédiction d u risque de chute d'un sujet âgé. La marche peut ainsi être considérée comme pathologique lorsque le coefficient de Lyapunov utilisé est supérieur à une valeur critique.
Ainsi, avantageusement, on considère que se produit un désordre de coordination si le coefficient de Lyapunov maximal est supérieur à 0,4. Le dispositif utilisé pour les accéléromètres et les mesures d'accélération est préférentiellement conforme à ce qui est exposé dans l'article d'AUVI NET et al. cité plus haut. En particulier, le procédé d'analyse admet avantageusement les caractéristiques suivantes, considérées séparément ou selon toutes leurs combinaisons techniquement possibles:
• les accélérations sont mesurées au moyen d'un capteur accélérométrique comprenant deux accéléromètres disposés selon des axes perpendiculaires; • les accéléromètres sont incorporés dans une ceinture semi-élastique fixée à la taille du sujet, de telle manière qu'ils s'appliquent en région lombaire médiane, en regard de l'espace intervertébral L3-L4;
• les accéléromètres sont disposés à proximité du centre de gravité du sujet (ce dernier se localisant chez l'homme en position debout au repos en avant de la deuxième vertèbre sacrée);
• les accélérations sont mesurées selon des axes cranio-caudaux et latéraux du sujet, ci-après désignés respectivement par axes verticaux et latéraux;
• les mesures d'accélération sont enregistrées au moyen d'un enregistreur portatif;
• on complète les résultats obtenus au moyen de la transformation en ondelettes, par l'obtention de la fréquence des foulées, de la symétrie et de la régularité des pas, les variables symétrie et régularité étant avantageusement soumises à une transformation z de Fischer;
• les déplacements contrôlés à allure stabilisé consistent en une marche libre à la vitesse de confort du sujet sur une distance comprise entre 25 et 50 m et préférentiellement égale à 40 m, avantageusement aller et retour. De plus, on met avantageusement en oeuvre les caractéristiques suivantes, séparément ou en combinaison:
• les accélérations sont aussi mesurées selon un troisième accéléromètre, les trois accéléromètres étant disposés selon des axes perpendiculaires correspondant respectivement aux axes cranio- caudal, latéral et longitudinal (antéro-postérieur) du sujet;
• pour l'analyse de mouvements sportifs, les accélérations mesurées sont des accélérations cranio-caudales et longitudinales(plan sagittal du sujet);
• pour l'analyse de mouvements sportifs, les mesures sont pratiquées au cours de tests d'effort sur piste ou sur tapis roulant; • on met également en oeuvre une analyse fréquentielle de Fou rier complémentaire dans le procédé d'analyse, en calculant:
• l'énergie totale d u spectre (celle-ci d iminue pour une marche pathologique),
• l'énergie relative de la fréquence fondamentale, qui correspond à la fréquence du pas (celle-ci diminue et se d istribue vers des harmoniques de plus hautes fréq uences pour une marche pathologique) et/ou
• la pente du spectre, calculée par une équation de régression linéaire sur une représentation semi-logarithmique de l'énergie spectrale au carré en fonction de la fréquence (cette pente est d'autant plus négative que la marche est altérée dans sa régularité temporelle et dynamique).
De plus, on a avantageusement recours à la fois à un capteur comprenant les accéléromètres, à un enregistreur et à un appareil de marquage d'événements, prévu pour marquer des événements su r des signaux d'accélération enregistrés et/ou synchron iser les enregistrements d'accélération avec d'autres appareils de mesure (caméra vidéo ou cinématographique, plate-forme de force, cellule de chronométrage, appareil EMG , etc.). Cet appareil est avantageusement interposé entre le capteur et l'enregistreur, et avantageusement intégré dans un boîtier d'enregistrement de l'enregistreur.
L'appareil de marquage d'événements a préférentiellement des entrées d'activation constituée par des contacts électriques manuels, optoélectroniques (cellule sensible à un flash de lumière) et/ou électroniques. Il a préférentiellement des sorties constituées:
• d'un émetteur d'une onde carrée, ayant avantageusement une valeur maximale (saturation) d'une durée comprise entre 10 et 50 ms et préférentiellement de 10 ms pour une fréquence d'acquisition du signal à 100 Hz, avantageusement émise sur les voies du signal d'accélération afin de marquer ce signal sur un point de mesure;
• d'une série de diodes luminescentes (LED) rouges, s'allumant pour donner un signal lumineux visible sur une seule image par une caméra vidéo, avantageusement pendant une durée comprise entre 10 et 50 ms et préférentiellement égale à 1 0 ms; et/ou
• d'une sortie TTL fournissant avantageusement un signal carré de 5 V pendant une durée comprise entre 10 et 50 ms et préférentiellement égale à 1 0 ms. L'utilisation d'un tel appareil de marquage d'événements est particulièrement intéressante pour marquer des instants de passage (départ et arrivée d'un test de marche ou d'une course) sur des enregistrement d'accélération . On peut ainsi obtenir un repérage spatial ou cinématique (film vidéo synchronisé) du mouvement enregistré afin de calculer des distances représentatives d'un mouvement sportif.
L'invention concerne aussi les applications du procédé:
• au domaine médical, en particulier pour la détection précoce de désordres neuro-moteurs de sujets âgés (il est alors spécialement intéressant d'utiliser le coefficient de Lyaponov maximal) et
• au domaine sportif, en particulier pour la détection de fautes techniques de marcheurs ou de coureurs sportifs. Ainsi, le procédé de l'invention peut être avantageusement appliqué à la détection des particularités de la foulée de l'athlète pendant une période de cou rse, tel que le temps d'envol, le temps d'appui, la symétrie des demi- foulées d roites et gauches, les forces de propu lsion et de freinage droites et gauches et l'indice de fluidité de la course. Le procédé selon l'invention peut aussi être appliqué pour mesurer et quantifier les contraintes biomécaniques liées à une affection de l'appareil locomoteur, notamment en fonction de la vitesse de la course. La caractéristique des particularités de la foulée de l'athlète en course selon le procédé de l'invention est utile notamment en vue d'améliorer l'efficacité et les performances du sportif.
La caractérisation des paramètres d'accélération conformément au procédé de l'invention est utile notamment aux fins d'évaluer la tolérance d'une affection de l'appareil locomoteur en fonction des charges de travail.
La présente invention sera illustrée et mieux comprise à l'aide de modes de mise en oeuvre particuliers, aucunement limitatifs, en référence aux figures annexées, su r lesquelles:
La Figure 1 représente un sujet muni d'un capteur d'accélération, en vue de la mise en oeuvre du procédé d'analyse selon l'invention;
La Figure 2 montre un dispositif de mesure, utilisable pour mettre en oeuvre le procédé d'analyse de l'invention et correspondant à celui de la Figure 1 ;
La Figure 3 montre un agrandissement d'une portion du dispositif de mesure de la Figure 2, sans le capteur;
La Figure 4 représente en vue de face et en coupe le capteur du dispositif de mesure de la Figure 2;
La Figure 5 représente en vue de dessus et en coupe le capteur du dispositif de mesure des Figures 2 et 4;
La Figure 6 montre des courbes d'accélérations verticale et latérale en fonction du temps, synchronisées avec des images d'un sujet, pour une foulée de marche normale;
La Figure 7 montre des courbes d'accélérations verticale et latérale en fonction du temps synchronisées avec des images d'un sujet, pour une foulée de marche pathologique; La Figure 8 représente des courbes d'évolution dans le temps des accélérations verticale et latérale pour une marche normale d'un sujet;
La Figure 9 montre une image spectrale en trois dimensions d'une transformée en ondelettes de Morlet obtenue à partir de l'accélération verticale de la Figure 8, conformément au procédé d'analyse selon l'invention;
La Figure 10 montre un agrandissement de l'image spectrale de la Figure 9; La Figure 1 1 représente une courbe donnant l'évolution en fonction du temps de l'accélération verticale pour une marche pathologique d'un sujet âgé chuteur;
La Figure 12 représente une image spectrale en trois dimensions d'une transformée en ondelettes de Morlet obtenue à partir de l'accélération verticale de la Figure 1 1 ;
La Figure 13 est un vectogramme dit « papillon frontal » donnant l'accélération verticale en fonction de l'accélération latérale, correspondant à la marche normale associée aux Figures 8 à 10; La Figure 14 représente un diagramme des phases d'accélération verticale donnant la dérivée première de l'accélération par rapport au temps en fonction de la série temporelle de cette accélération, pour une marche normale correspondant aux Figures 8 à 10; et La Figure 15 représente un diagramme des phases d'accélération verticale donnant la dérivée première de l'accélération par rapport au temps en fonction de la série temporelle de cette accélération, pour une marche pathologique correspondant aux Figures 1 1 et 12. La figure 16 montre une image spectrale en trois dimensions d'une transformée en ondelettes de Morlet obtenue conformément au procédé de l'invention dans une période de course d'un sportif dont la foulée est très fluide
La figure 17 montre une image spectrale en trois dimensions d'une transformée en ondelettes de Morlet obtenue conformément au procédé de l'invention dans une période de course d'un sportif ayant une forte asymétrie de propulsion et de freinage.
Sur les figures 16 et 17 , le graphe supérieu r illustre les courbes d'accélération verticale , longitudinale et latérale en fonction du temps exprimé en secondes; le graphe du m ilieu illustre l'image spectrale de la transformée en ondelettes des mouvements verticaux en fonction du temps; le graphe inférieur illustre l'image spectrale de la transformée en ondelettes des mouvements longitudinaux en fonction d u temps exprimé en secondes.
La figure 18 montre des courbes d'accélération verticale, antéro-postérieure et latérale en fonction d u temps synchronisées avec des images d'un sujet, pour une foulée de course normale.
Un dispositif 1 0 de mesure (Figures 1 et 2) comprend un capteur 16 sensible à des mouvements, connectés à un enregistreur 20 ambulatoire se présentant sous forme de boîtier. Le capteur 16 est un capteur accélérométrique comprenant (figures 4 et 5) des accéléromètres 201 , 202 et 203 disposés perpendiculairement, de manière à détecter des accélérations respectivement dans les directions 21 , 22 et 23 perpendiculaires. A titre d'illustration, les trois accéléromètres 201 , 202 et 203 s'orientent respectivement selon une première direction 21 cranio-caudale ci-après verticale, selon une deuxième direction 22 latéro-latérale et selon une troisième direction 23 antéro-postérieu re (ci-après « longitudinale ») d'un sujet 1 . Ces accéléromètres 201 -203 sont sensibles à des composantes continues et dynamiques et sont adaptés pour mesurer des mouvements de basses fréquences. Leur fréquence propre est par exemple de 1200 Hz, la gamme de mesure se situant entre + 10 g et la sensibilité étant de 5 mV/g à 100 Hz. Ils forment un assemblage 205 cubique, dans lequel leur orthogonalité est assurée au moyen d'éq uerres 240. Cet assemblage 205 est moulé dans un enrobage 200 polymère parallélépipèd ique et de petite taille. L'enrobage 200 est isolant, rigide, protecteur et étanche. Il a par exemple une hauteur h (direction 21 ), une largeur I (direction 22) et une profondeur p (direction 23) valant respectivement 40 , 18 et 22 mm .
Chacun des accéléromètres 201 , 202 et 203 est muni de cinq bornes de connexion comprenant:
• une borne de masse (bornes 21 0 et 220 respectivement des accéléromètres 201 et 202) ,
• une borne d'alimentation négative connectée à la borne de masse (bornes 21 1 et 221 respectivement des accéléromètres 201 et 202),
• une borne d'alimentation positive (bornes 212 et 222 respectivement des accéléromètres 201 et 202),
• une borne de signal négatif (bornes 21 3 et 223 respectivement des accéléromètres 201 et 202), et
• une borne de signal positif (bornes 214 et 224 respectivement des accéléromètres 201 et 202). Les bornes et les accéléromètres 201 à 203 reposent respectivement sur des socles en céramique 206 à 208.
Les bornes de masse et les bornes d'alimentation négative des trois accéléromètres 201 à 203 sont reliées entre elles. Le capteur 16 comprend aussi un fil 251 à douze conducteurs à masse tressée (tresse métallique évitant des parasites), contenant des fils en provenance des bornes d'alimentation et de signal des trois accéléromètres 201 à 203. Ce fil 251 , conduisant à l'enregistreur 20, est partiellement entouré d'une gaine 250 semi-rigide thermorétractable pénétrant dans l'enrobage 200. Cette gaine 250 permet d'éviter les cassures du fil. Elle est de plus bordée à l'extérieu r de l'enrobage 200 par une partie tronconique 252 formant une seule pièce avec l'enrobage 200, qui évite des torsions et des risques de cassure du fil. La partie tronconique 252 a une long ueur L, par exemple égale à 25 mm .
De plus, le fil 251 est muni d'une agrafe 253 prévue pour venir en butée contre la gaine 250 en cas de coulissement du fil 251 dans la gaine 250, de manière à éviter d'arracher les soudures.
Le capteur 16 est incorporé dans une ceinture 1 1 semi- élastique fixée à la taille du sujet 1 , de telle manière que ce capteur 16 s'applique en région lombaire médiane , en regard de l'espace intervertébral L3-L4. Ce positionnement du capteur 16 autorise une bonne stabilité des accéléromètres à proximité du centre de gravité du sujet 1 , ce centre de gravité se localisant en avant de la deuxième vertèbre sacrée pour un être humain en position debout au repos. Le capteur 16 est disposé dans un espace 17 formé par une partie lâche 12 de la ceinture 1 1 et par un renfort 13 en cuir plaqué contre la ceinture 1 1 , au moyen de cales 14 et 15 en tissu mousse haute densité, disposées de part et d'autre de la partie 12 (Figures 2 et 3). Les cales 14 et 15 permettent de positionner l'enrobage 200 du capteur 16 exactement dans la gouttière vertébrale du sujet 1 .
L'enregistreur 20 a par exemple une fréquence d'acquisition de 100 Hz et une autonomie permettant un enregistrement continu pendant 30 minutes. I l est m uni d'un filtre passe-bas de fréquence de coupure de 50 Hz pour éviter des phénomènes de repliement. Il admet trois voies perpendiculaires synchronisées. Les mesures d'accélération sont numérisées et codées, par exemple sur 12 bits.
L'enregistreur 20 comprend des moyens de connexion à une unité de traitement, par exemple à un ordinateur de type PC par l'intermédiaire d'un port de communication série à l'aide d'un logiciel de transfert.
Le dispositif de mesure 10 comprend également un appareil de marquage d'événements 25, intercalé électriquement entre le capteur 16 et l'enregistreur 20 et intégré au boîtier de l'enregistreu r 20 (Figure 2) . Cet appareil 25 a pour fonction de marquer des événements sur des sig naux enregistrés et/ou de synchroniser des enregistrements d'accélération avec d'autres appareils de mesure. I l est pourvu d' une cellule sensible à un flash de lumière et est prévu pour saturer le signal accélérométrique, par exemple pendant 0,01 seconde pour une acquisition à 100 Hz au moment où un flash se déclenche.
En fonctionnement, on fait marcher le sujet 1 en ligne droite, par exemple sur une distance de 30 m aller et 30 m retour. On dispose avantageusement de cellules de chronométrage distantes de 30 m aux extrémités du trajet suivi par le sujet, de manière à pouvoir mesurer les vitesses et synchroniser des mesures. Ces cellules de chronométrage forment chacune une barrière infrarouge comprenant un émetteur et un récepteur. Elles sont respectivement reliées à des flashs, qui sont déclenchés lorsque la barrière infrarouge est traversée par le sujet 1 font l'objet de détections par l'appareil de marquage d'événements 25. On obtient ainsi pour un sujet 60 ayant une foulée de marche normale (Figure 6) et un sujet 90 ayant une foulée de marche pathologique (Figure 7), les accélérations verticale et latérale en fonction du temps.
Ainsi, pour la marche normale, on représente une courbe 40 donnant l'accélération verticale (axe 32, en g) et une courbe 50 donnant l'accélération latérale (axe 33, en g) en fonction du temps (axe 31 , en secondes). On identifie sur ces courbes 40 et 50 différentes étapes de la marche et on peut les mettre en relation avec des images synchronisées (prises par une caméra vidéo) d u sujet 60 en marche. On repère ainsi respectivement sur les courbes 40 et 50:
• des zones 41 et 51 correspondant à un poser de jambe gauche 90a (image 61 ),
• des zones 42 et 52 correspondant à un appui bipodal (image 62), • des zones 43 et 53 correspondant à u n lever de jambe droite 90b et à une flexion d u genou droit (image 63),
• des zones 44 et 54 correspondant à un appui unipodal vertical de la jambe gauche 90a (image 64), et
• des zones 45 et 55 correspondant à une poussée unipodale de la jambe gauche 90a (image 65).
De manière similaire, les courbes 70 et 80 (Figure 7) représentant respectivement les accélérations verticale et latérale en fonction du temps, on identifie respectivement sur les courbes 70 et 80:
• des zones 71 et 81 correspondant à un poser de jambe droite 90b (image 91 ), • des zones 72 et 82 correspondant à un appui bipodal
(image 92),
• des zones 73 et 83 correspondant à un lever de jambe gauche 90a et à une flexion du genou gauche (image 93), • des zones 74 et 84 correspondant à un appui unipodal vertical su r la jambe droite 90b (image 94), et
• des zones 75 et 85 correspondant à une poussée unipodale sur la jambe d roite 90b (image 95) . Le procédé d'analyse d'irrégularités de locomotion humaine, fondé sur de tels résultats va maintenant être détaillé. On s'intéresse ainsi à des courbes 100 et 1 1 0 ( Figure 6) donnant respectivement les accélérations verticale et latérale (en g, unique axe 34 avec translation de - 1 g pour l'accélération latérale) en fonction du temps (en secondes, axes 31 et 35 respectivement pour les accélérations verticale et latérale et axe 36 de référence). On identifie ainsi des cycles 101 -105 sur la courbe 100 d'accélération verticale et des cycles 1 1 1 -1 15 sur la courbe 1 1 0 (Figure 6) d'accélération latérale, synchronisés et correspondant respectivement à des mouvements des pas gauches et droits.
De façon similaire, on obtient par exemple u ne courbe 140 (Figure 9) donnant l'accélération verticale (axe 32) en fonction du temps (axe 31 ) pour une marche pathologique, cette courbe 140 admettant également des cycles 141 -145.
On soumet l'accélération verticale pour la marche normale et pour la marche pathologique à une transformation en ondelettes continue, par exemple du type Morlet. Une telle transformation est généralement exprimée sous la forme:
C(a, b) = f+∞ Acc(t).ψ (at+o)dt,
•>- 00
avec:
• la variable t désignant le temps,
• Ace (t) étant le signal d'accélération vertical,
• la fonction ψ(at+£>) étant la fonction d'ondelette utilisée, par exemple de Morlet, • les paramètres a et b de la fonction d'ondelettes étant respectivement les paramètres d'étirement (ou d'échelle) et de translation de rondelette,
• les coefficients C (a, b) étant les coefficients de la transformée en ondelettes continue. A partir des coefficients C (a, b), on construit pour la marche normale une image spectrale 120 (Figures 7 et 8) en trois dimensions, correspondant respectivement au temps, à la fréquence et à l'énergie spectrale. Cette image 120 est représentée dans un plan temps-fréquence (ou temps- échelle) avec une échelle linéaire pour le temps (axe 3 , en secondes) et une échelle semi-logarithmique pour la fréquence (axe 37, en Hz). Le module d'énergie (g2) de rondelette est représenté par des contours colorés .
De façon similaire, on obtient pour la marche pathologique correspondant à la Figure 9, une image spectrale 150 de la transformée en ondelettes de Morlet de l'accélération verticale (Figure 10) .
La densité d'énergie sur l'agrand issement 130 et sur l'image spectrale 150 est exprimée en accélération (g2). On définit su r les images spectrales 120 et 150 une bande de basse fréquence ayant des bornes inférieure 121 et supérieure 122, associées respectivement à des valeurs de 1
Hz et de 4 Hz. Dans le cas d'une marche normale, la densité d'énergie du spectre est principalement concentrée dans cette bande. On définit plus précisément une zone normale
123 comprise dans la bande de fréquences et une zone pathologique 124 au-dessus de cette bande.
On observe en effet que pour la marche normale du sujet 60 (Figure 7 et agrandissement 130 de la Figure 8), l'énergie spectrale est essentiellement concentrée dans la zone 123, des pics 125-128 peu élevés et périodiques apparaissant dans la zone pathologique 124 et correspondant aux cycles de marche du sujet 60.
En revanche, sur l'image spectrale 150 associée à la marche pathologique du sujet 90, on observe:
• une baisse de l'énergie spectrale totale,
• des pics 155-158 de hautes fréquences ayant une densité énergétique significative dépassant la limite 122 des 4 Hz, • ces pics 155-158 ayant des altérations de périodicité et de régularité dans le temps et en fréquence. On peut interpréter les pics 1 55-158 en énonçant que plus leur forme est graphiquement irrégulière, plus la dynamique et la régularité de la marche sont altérées. En plus de ces informations graphiques, on calcule des informations quantitatives, comme exposées ci-après. En particulier, on détermine sur les images spectrales 120 et 150, la quantité totale d'énergie spectrale, ainsi que l'énergie spectrale marginale sur l'axe 37 de fréquence, correspondant à une énergie supérieure à la limite 122 des 4 Hz. Les données accumulées sur des cas de référence montrent que pour une marge pathologique, cette énergie marginale est supérieure à 6%.
On obtient ainsi pour la marche normale de l'exemple (Figures 7 et 8) une énergie totale de 22,97 g2 et une énergie marginale représentant 5,3% et pour la marche pathologique
(Figure 10) , une énergie totale de 2,50 g2 et une énergie marginale représentant 1 5,4%.
Dans le cas d'une marche très altérée avec des motifs de haute fréquence de forme et d'énergie très variées, on mesure la valeur ponctuelle du module d'énergie sur l'image spectrale.
On complète préférentiellement les informations ainsi obtenues par d'autres techniques d'analyse. En particulier, il est intéressant d'approfondir les informations obtenues par une analyse fréquentielle et un calcul de la symétrie et de la régularité au moyen de la fonction d'autocorrélation, de la manière indiquée dans l'article d'AUVINET et al. cité plus haut. On obtient ainsi pour la marche normale ci-dessus (Figures 6 à 8):
• une fréquence de foulées de 1 ,00 foulée par seconde,
• une symétrie des foulées de 95,01 %, avec une transformée z de Fischer de 183,25, et
• une régularité des foulées de 186,27 (sur 200), avec une transformée z de Fischer de 337,56.
Pour la marche pathologique de l'exemple (Figures 9 et 10), on obtient:
• une fréquence de foulées de 0,88 foulée par seconde (fréquence trop lente), • une symétrie des foulées de 95,57%, avec une transformation z de Fischer de 189,35, et
• une régularité des foulées de 160,93 (sur 200), avec une transformée z de Fischer de 222,41 (régularité anormale). On couple ces résultats avec ceux obtenus par les transformations en ondelette. En particulier, on met en relation les pics 125-128 ou 155-158 avec la fréquence des foulées, et leur alternance droite/gauche avec la symétrie, et leur similitude avec la régularité des foulées.
Avantageusement, on complète également ces résultats obtenus par transformation en ondelettes au moyen d'un vectogramme (« papillon frontal »), tel que celui 160 (Figure 1 1 ) obtenu pour la marche normale de l'exemple (Figures 6 à 8), donnant l'accélération verticale (axe 32, en g) en fonction de l'accélération latérale (axe 33, en g). On observe sur le papillon frontal 160 des trajectoires cycliques 161 -163, qui tendent à être d'autant plus superposées les u nes sur les autres que la marche est normale. Dans des cas pathologiques, ces trajectoires cycliques s'éloignent les unes des autres d'une manière identifiable et analysable.
On complète aussi l'analyse par un diagramme des phases, donnant par exemple pour l'accélération verticale de la marche normale (Figure 12) et de la marche pathologique (Figure 13) données en exemple ci-dessus, la dérivée de l'accélération (g. s"1 , axe 38) en fonction de l'accélération (en g, axe 32). On obtient ainsi des diagrammes 170 et 180 correspondant respectivement aux marches normale et pathologique et ayant respectivement des trajectoires cycliques 171 -173 et 181 -183.
La marche irrégulière d' un sujet chuteur, par exemple, se manifeste par un régime chaotique, mis en évidence qualitativement par une divergence plus marquée des trajectoires cycliques 181 -183. On quantifie la vitesse de divergence des trajectoires cycliques (ou orbites) du signal au moyen d'au moins un coefficient de Lyapunov. Un tel coefficient évalue la sensibilité d'un système à s'écarter d'un régime stationnaire et périodique à partir d'un point particulier au temps to où l'on connaît les caractéristiques du système ( conditions initiales). Le coefficient de Lyapunov moyen λm de N-1 coefficients de Lyapunov obtenus avec u n intervalle d'échantillonnage égal à 1 , est classiquement donnée par une form ule du type:
λm = N - I - ∑ ( i } avec: n=l ^
• N étant le nombre de points pris en compte,
• n étant le numéro du point courant, et • ln représentant la distance entre le point indexé n appartenant à une orbite et un point voisin le plus proche appartenant à une orbite voisine dans l'espace des phases.
Une méthode pratique de calcul algorithmique de ce coefficient est par exemple exposée dans l'article de WOLF et al. , « Determining Lyapunov exponents from a time séries » , de la revue Physica, 16D, 1985, pp. 285-317.
A titre d'exemple, pour une dimension d'espace des phases égale à 3 et un intervalle d'échantillonnage égal à 3 points, le coefficient de Lyapunov maximal calculé sur le signal accélérométrique vertical est compris entre 0 et 1 , ce coefficient étant d'autant plus grand que la pathologie augmente. Ainsi, pour une valeur supérieure à 0 ,4 la marche est très irrégulière. Ce coefficient quantifie le manque de régularité dynamique des cycles de marche et détecte les fluctuations temporelles et dynamiques de coordination , en relation avec un risque de chute.
On combine l'ensemble des résultats obtenus par ces différentes méthodes, centrées sur l'analyse par ondelette, pour identifier les irrégularités de locomotion et les quantifier. Les exemples mentionnés , reposant sur les mesures des accélérations verticale et latérale pour une marche, sont particulièrement adaptés à l'identification de claudication ou de dégradation des capacités de personnes âgées, afin de dépister précocement des risques de chute et de mettre en place des mesures de prévention.
Dans d'autres formes de mises en oeuvre, on s'intéresse à d'autres allures que la marche et/ou on utilise d'autres accélérations. Ainsi, par exemple, on analyse une marche sportive en utilisant avantageusement les accélérations verticale et antéro-postérieures d u rachis (plan sagital du sujet, directions 21 et 23). Préférentiellement, on détecte ainsi des fautes techniques d'un athlète de marche sportive, telles qu'une flexion de genou au moment du poser et/ou une rupture simultanée de contact avec le sol des deux pieds de l'athlète.
Dans une autre forme de mise en oeuvre, on analyse une course sportive. Les figures 16 et 17 illustrent l'image spectrale en trois dimensions d'une transformée en ondelettes obtenue respectivement chez un sportif ayant une foulée fluide (figure 16) et chez un sportif ayant une foulée irrégulière (figure 17). Sur la figure 17, on observe sur le tracé d'accélération longitudinal (courbe <fre pro> du haut) et le spectre d'ondelettes correspondant (en bas) , un pic de fréquence élevée à 0,2-0,4 sec correspondant à une brusque décélération de freinage au moment du poser du pied gauche. Au temps 0,6-0,8 le poser du pied droit ne présente pas de freinage brutal mais une propulsion plus marquée qu'à gauche. Ces analyses de la foulée permettent de visualiser et caractériser les asymétries de la foulée et de déterminer ainsi les caractéristiques biomécaniques de la foulée d'un athlète. Une comparaison des caractéristiques de la foulée d u même athlète analysée à deux moments donnés espacés dans le temps permet d'identifier la présence d'anomalies de la foulée caractérisées par des changements dans ses caractéristiques biomécaniques. Les analyses de la foulée de l'athlète en cause selon le procédé de l'invention permettent aussi de quantifier, et donc de contrôler, la tolérance fonctionnelle d'une affection de l'appareil locomoteur du sportif.
Dans cette autre forme de mise en oeuvre du procédé de l'invention à l'analyse d'une course sportive, la figure 18 montre les courbes d'accélération verticale, antéro- postérieure et latérale en fonction du temps synchronisées avec les images du sujet.
Sur ces courbes, on peut identifier :
- le moment (300) de prise d'appui de la jambe gauche (G);
- le moment (301 ) de milieu d'appui de la jambe gauche (G);
- le moment (302) de poussée de la jambe gauche (G) ; et - le moment (303) de fin d'appui de la jambe gauche
(G).

Claims

REVEN DI CATIONS
1 . Procédé d'analyse d'irrégularités de locomotion humaine dans lequel on utilise des mesures d'accélération obtenues pendant au moins un déplacement contrôlé à allure stabilisée d'un être humain (1 , 60, 90) au moyen d 'au moins un accéléromètre mesu rant en fonction du temps au moins une accélération selon au moins une direction (21 -23), en détectant et en analysant d'éventuelles irrégularités de locomotion à partir de mesures de référence, caractérisé en ce qu'on soumet lesdites accélérations mesurées à au moins une transformation en ondelettes et on se sert de la transformée en ondelettes obtenue pou r détecter et/ou analyser lesdites irrégularités, et en ce qu'on visualise un spectre de ladite transformée en ondelettes en trois dimensions respectivement de temps, de fréquence et de module d'énergie spectrale de la transformée en ondelettes pour détecter et analyser lesdites irrégularités.
2. Procédé d'analyse selon la revendication 1 , caractérisé en ce qu'on représente le module d'énergie spectrale de la transformée en ondelettes par des contours colorés ou par un gradient de couleurs.
3. Procédé d'analyse selon la revend ication 2 caractérisé en ce qu'on utilise une échelle linéaire pour le temps et logarithmique pour la fréquence.
4. Procédé d'analyse selon l'une quelconque des revendications précédentes, caractérisé en ce que ladite transformation en ondelettes est continue.
5. Procédé d'analyse selon la revendication 4, caractérisé en ce que ladite transformation est une transformation en ondelettes de Morlet.
6. Procédé d'analyse selon l'une quelconque des revendications précédentes, caractérisé en ce que la transformée en ondelettes ayant une énergie spectrale distribuée dans le temps, on définit une bande de basse fréquence dans laquelle est principalement concentrée l'énerg ie spectrale pour une locomotion normale et on détecte et/ou on analyse lesdites irrégularités en utilisant l'énergie spectrale en dehors de ladite bande.
7. Procédé d'analyse selon la revend ication 6 , caractérisé en ce que ladite bande est comprise entre 1 Hz et
4 Hz.
8. Procédé d'analyse selon l'une des revend ications 6 ou 7, caractérisé en ce qu'on identifie et/ou on analyse lesdites irrégularités en repérant et/ou en étudiant des pics (124-128, 155-158) d'énergie spectrale qui dépassent ladite bande.
9. Procédé d'analyse selon l'une quelconque des revendications 6 à 8 , caractérisé en ce qu'on calcule un degré d'irrégularité de locomotion en rapportant l'énergie spectrale marginale en dehors de ladite bande à l'énergie spectrale totale.
10. Procédé d'analyse selon l'une quelconque des revendications précédentes, caractérisé en ce q ue lesdites accélérations sont au moins au nombre de deux et en ce que pour détecter et/ou analyser lesdites irrégularités, on utilise aussi au moins un papillon frontal (160) représentant l'intensité d'une des accélérations mesurées en fonction de l'intensité d'une autre des accélérations mesurées.
1 1 . Procédé d'analyse selon l'une quelconque des revendications précédentes, caractérisé en ce que pour détecter et/ou analyser lesdites irrégularités, on utilise aussi au moins une représentation (170, 180) dans un espace des phases, donnant l'intensité d'au moins une desdites accélérations en fonction de l'intensité de la dérivée temporelle de ladite accélération ou en fonction de ladite accélération décalée dans le temps d'un délai (d) prédéterminé.
12. Procédé d'analyse selon la revendication 1 1 , caractérisé en ce qu'on calcule au moins un coefficient de Lyapunov de ladite représentation (170, 180) dans l'espace des phases, préférentiellement le coefficient de Lyapunov maximal .
1 3. Procédé d'analyse selon la revendication 12, caractérisé en ce qu'on considère que se produit un désordre de coordination si le coefficient de Lyapunov maximal est supérieur à 0,4.
14. Application du procédé d'analyse selon l'une quelconque des revendications précédentes au domaine médical, en particulier pour la détection précoce de désordres neuro-moteurs de sujets âgés.
15. Application du procédé d'analyse selon l'une quelconque des revendications 1 à 13 au domaine sportif, en particulier pour la détection de fautes techniques de marcheurs ou de coureurs sportifs.
16. Application du procédé d'analyse selon l'une quelconque des revendications 1 à 13 pour la détection des particularités de foulée de l'athlète pendant une période de course.
17. Application du procédé d'analyse selon l'une quelconque des revendications 1 à 13, pour mesurer et quantifier les contraintes biomécaniques liées à une affection de l'appareil locomoteur.
PCT/FR2001/000340 2000-02-04 2001-02-05 Procede d'analyse d'irregularites de locomotion humaine WO2001056470A1 (fr)

Priority Applications (6)

Application Number Priority Date Filing Date Title
EP01907706A EP1261279B1 (fr) 2000-02-04 2001-02-05 Procede d'analyse d'irregularites de locomotion humaine
AU35609/01A AU3560901A (en) 2000-02-04 2001-02-05 Method for analysing irregularities in human locomotion
US10/181,952 US6895341B2 (en) 2000-02-04 2001-02-05 Method for analyzing irregularities in human locomotion
DE60130325T DE60130325T2 (de) 2000-02-04 2001-02-05 Analyseverfahren von unregelmässigkeiten in menschlicher fortbewegung
CA002399182A CA2399182C (fr) 2000-02-04 2001-02-05 Procede d'analyse d'irregularites de locomotion humaine
DK01907706T DK1261279T3 (da) 2000-02-04 2001-02-05 Fremgangsmåde til analyse af uregelmæssigheder af menneskelig bevægelse

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR00/01461 2000-02-04
FR0001461A FR2804596B1 (fr) 2000-02-04 2000-02-04 Procede d'analyse d'irregularites de locomotion humaine

Publications (1)

Publication Number Publication Date
WO2001056470A1 true WO2001056470A1 (fr) 2001-08-09

Family

ID=8846692

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2001/000340 WO2001056470A1 (fr) 2000-02-04 2001-02-05 Procede d'analyse d'irregularites de locomotion humaine

Country Status (11)

Country Link
US (1) US6895341B2 (fr)
EP (1) EP1261279B1 (fr)
AT (1) ATE372089T1 (fr)
AU (1) AU3560901A (fr)
CA (1) CA2399182C (fr)
DE (1) DE60130325T2 (fr)
DK (1) DK1261279T3 (fr)
ES (1) ES2292560T3 (fr)
FR (1) FR2804596B1 (fr)
PT (1) PT1261279E (fr)
WO (1) WO2001056470A1 (fr)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100418476C (zh) * 2003-04-10 2008-09-17 松下电器产业株式会社 身体运动解析装置和身体运动解析系统及其解析方法
US7503900B2 (en) * 2003-07-03 2009-03-17 Honda Motor Co., Ltd. Kinematic quantification of gait asymmetry based on bilateral cyclograms
WO2011157608A1 (fr) * 2010-06-16 2011-12-22 Myotest Sa Dispositif portable intégré et procédé mettant en œuvre un accéléromètre pour détecter des asymétries d'un mouvement d'un utilisateur
CN107343789A (zh) * 2017-05-17 2017-11-14 浙江利尔达物联网技术有限公司 一种基于三轴加速度传感器的脚步运动识别方法

Families Citing this family (118)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1195139A1 (fr) * 2000-10-05 2002-04-10 Ecole Polytechnique Féderale de Lausanne (EPFL) Système et procédé de surveillance de mouvement corporel
DE10164534A1 (de) * 2001-12-31 2003-07-10 Dirk Parchmann Einrichtung und Verfahren zur Bestimmung von Kenngrößen der Bewegung eines Körpers
WO2004034231A2 (fr) * 2002-10-11 2004-04-22 Flint Hills Scientific, L.L.C. Procede, programme informatique et systeme pour la decomposition, le filtrage et l'analyse automatise de signaux d'origine arbitraire ou a echelle de temps arbitraire, sur leur echelle de temps intrinseque
WO2005006956A2 (fr) * 2003-07-09 2005-01-27 Medical Technologies Unlimited, Inc. Profileur neuromusculaire complet
US8396565B2 (en) 2003-09-15 2013-03-12 Medtronic, Inc. Automatic therapy adjustments
FI119718B (fi) * 2003-12-22 2009-02-27 Suunto Oy Menetelmä liikuntasuorituksen mittaamiseksi
US7792583B2 (en) 2004-03-16 2010-09-07 Medtronic, Inc. Collecting posture information to evaluate therapy
US7366572B2 (en) * 2004-03-16 2008-04-29 Medtronic, Inc. Controlling therapy based on sleep quality
US8308661B2 (en) * 2004-03-16 2012-11-13 Medtronic, Inc. Collecting activity and sleep quality information via a medical device
US7395113B2 (en) 2004-03-16 2008-07-01 Medtronic, Inc. Collecting activity information to evaluate therapy
US20050209512A1 (en) * 2004-03-16 2005-09-22 Heruth Kenneth T Detecting sleep
US7805196B2 (en) 2004-03-16 2010-09-28 Medtronic, Inc. Collecting activity information to evaluate therapy
WO2005089646A1 (fr) * 2004-03-16 2005-09-29 Medtronic, Inc. Analyse de sensibilite pour la selection d'ensembles de parametres
US7881798B2 (en) 2004-03-16 2011-02-01 Medtronic Inc. Controlling therapy based on sleep quality
US7330760B2 (en) * 2004-03-16 2008-02-12 Medtronic, Inc. Collecting posture information to evaluate therapy
US8725244B2 (en) 2004-03-16 2014-05-13 Medtronic, Inc. Determination of sleep quality for neurological disorders
US20070276439A1 (en) * 2004-03-16 2007-11-29 Medtronic, Inc. Collecting sleep quality information via a medical device
US8055348B2 (en) 2004-03-16 2011-11-08 Medtronic, Inc. Detecting sleep to evaluate therapy
US7717848B2 (en) * 2004-03-16 2010-05-18 Medtronic, Inc. Collecting sleep quality information via a medical device
US7491181B2 (en) 2004-03-16 2009-02-17 Medtronic, Inc. Collecting activity and sleep quality information via a medical device
US8135473B2 (en) 2004-04-14 2012-03-13 Medtronic, Inc. Collecting posture and activity information to evaluate therapy
US7313440B2 (en) * 2004-04-14 2007-12-25 Medtronic, Inc. Collecting posture and activity information to evaluate therapy
NZ551559A (en) * 2004-05-24 2008-10-31 Equusys Inc Animal instrumentation
JP2008504025A (ja) * 2004-06-21 2008-02-14 イクエストロン エルエルシー 動物の健康及び性能を評価するための方法及び装置
US7535368B2 (en) * 2004-09-10 2009-05-19 General Electric Company System and method for measuring and reporting changes in walking speed
CA2486949A1 (fr) 2004-12-09 2006-06-09 Christian Cloutier Systeme et methode pour la detection des chutes et du suivi des niveaux d'activite a distance chez des personnes en perte d'autonomie
CA2605239A1 (fr) * 2005-05-02 2006-11-09 University Of Virginia Patent Foundation Systemes, dispositifs et methodes d'interpretation des mouvements
US8021299B2 (en) * 2005-06-01 2011-09-20 Medtronic, Inc. Correlating a non-polysomnographic physiological parameter set with sleep states
US9179862B2 (en) * 2005-07-19 2015-11-10 Board Of Regents Of The University Of Nebraska Method and system for assessing locomotive bio-rhythms
KR100703451B1 (ko) * 2005-09-16 2007-04-03 삼성전자주식회사 개인 항법 기기에서 걸음 검출 장치 및 방법
US7733224B2 (en) 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
US20070129769A1 (en) 2005-12-02 2007-06-07 Medtronic, Inc. Wearable ambulatory data recorder
US7957809B2 (en) 2005-12-02 2011-06-07 Medtronic, Inc. Closed-loop therapy adjustment
JP5236505B2 (ja) * 2006-03-08 2013-07-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 四肢の機能的使用をモニタリングする方法およびシステム
WO2007112092A2 (fr) 2006-03-24 2007-10-04 Medtronic, Inc. Collecte d'informations de démarche destinée à l'évaluation et au contrôle d'une thérapie
US7841967B1 (en) 2006-04-26 2010-11-30 Dp Technologies, Inc. Method and apparatus for providing fitness coaching using a mobile device
JP4819887B2 (ja) * 2006-05-29 2011-11-24 シャープ株式会社 疲労推定装置及びそれを搭載した電子機器
US8902154B1 (en) 2006-07-11 2014-12-02 Dp Technologies, Inc. Method and apparatus for utilizing motion user interface
EP2043519B1 (fr) * 2006-07-21 2016-05-25 The Curators Of The University Of Missouri Système d'évaluation de paralysie
US7653508B1 (en) 2006-12-22 2010-01-26 Dp Technologies, Inc. Human activity monitoring device
US8620353B1 (en) 2007-01-26 2013-12-31 Dp Technologies, Inc. Automatic sharing and publication of multimedia from a mobile device
US8949070B1 (en) 2007-02-08 2015-02-03 Dp Technologies, Inc. Human activity monitoring device with activity identification
US7753861B1 (en) * 2007-04-04 2010-07-13 Dp Technologies, Inc. Chest strap having human activity monitoring device
BRPI0705152A2 (pt) * 2007-07-09 2009-03-03 Univ Minas Gerais mediÇço do temperamento animal
US8555282B1 (en) 2007-07-27 2013-10-08 Dp Technologies, Inc. Optimizing preemptive operating system with motion sensing
GB2452538A (en) * 2007-09-07 2009-03-11 Royal Veterinary College Identifying sub-optimal performance in a race animal
US8206325B1 (en) * 2007-10-12 2012-06-26 Biosensics, L.L.C. Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection
IL188033A0 (en) * 2007-12-10 2008-12-29 Hadasit Med Res Service Method and system for detection of pre-fainting conditions
TWI356357B (en) * 2007-12-24 2012-01-11 Univ Nat Chiao Tung A method for estimating a body pose
DE502008002604D1 (de) * 2008-02-21 2011-03-31 Brainlab Ag Lageberechnung von Körperteilen unter Berücksichtigung der anatomischen Symmetrie
US8285344B2 (en) 2008-05-21 2012-10-09 DP Technlogies, Inc. Method and apparatus for adjusting audio for a user environment
US8996332B2 (en) 2008-06-24 2015-03-31 Dp Technologies, Inc. Program setting adjustments based on activity identification
US8688225B2 (en) 2008-07-11 2014-04-01 Medtronic, Inc. Posture state detection using selectable system control parameters
US8708934B2 (en) 2008-07-11 2014-04-29 Medtronic, Inc. Reorientation of patient posture states for posture-responsive therapy
US8583252B2 (en) 2008-07-11 2013-11-12 Medtronic, Inc. Patient interaction with posture-responsive therapy
US8504150B2 (en) 2008-07-11 2013-08-06 Medtronic, Inc. Associating therapy adjustments with posture states using a stability timer
US9050471B2 (en) 2008-07-11 2015-06-09 Medtronic, Inc. Posture state display on medical device user interface
US8515549B2 (en) 2008-07-11 2013-08-20 Medtronic, Inc. Associating therapy adjustments with intended patient posture states
US8231556B2 (en) 2008-07-11 2012-07-31 Medtronic, Inc. Obtaining baseline patient information
US9440084B2 (en) 2008-07-11 2016-09-13 Medtronic, Inc. Programming posture responsive therapy
US8751011B2 (en) 2008-07-11 2014-06-10 Medtronic, Inc. Defining therapy parameter values for posture states
US8187182B2 (en) 2008-08-29 2012-05-29 Dp Technologies, Inc. Sensor fusion for activity identification
US9392966B2 (en) * 2008-09-04 2016-07-19 Koninklijke Philips N.V. Fall prevention system
US8280517B2 (en) 2008-09-19 2012-10-02 Medtronic, Inc. Automatic validation techniques for validating operation of medical devices
US8872646B2 (en) 2008-10-08 2014-10-28 Dp Technologies, Inc. Method and system for waking up a device due to motion
AT507941B1 (de) * 2009-03-02 2011-06-15 Spantec Gmbh Verfahren zur detektion einer aussergewöhnlichen situation
US8366642B2 (en) * 2009-03-02 2013-02-05 The Iams Company Management program for the benefit of a companion animal
US8382687B2 (en) * 2009-03-02 2013-02-26 The Iams Company Method for determining the biological age of a companion animal
DE102009002547A1 (de) * 2009-04-21 2010-10-28 Robert Bosch Gmbh Von einem Patienten zu tragende Vorrichtung zur Kontrolle von Bewegungen des Patienten
US9327070B2 (en) 2009-04-30 2016-05-03 Medtronic, Inc. Medical device therapy based on posture and timing
US8231555B2 (en) 2009-04-30 2012-07-31 Medtronic, Inc. Therapy system including multiple posture sensors
US8175720B2 (en) 2009-04-30 2012-05-08 Medtronic, Inc. Posture-responsive therapy control based on patient input
JP2010263953A (ja) * 2009-05-12 2010-11-25 Oki Electric Ind Co Ltd 運動分析装置、プログラム及び方法、並びに、運動分析システム
US11589754B2 (en) * 2009-05-20 2023-02-28 Sotera Wireless, Inc. Blood pressure-monitoring system with alarm/alert system that accounts for patient motion
US9529437B2 (en) 2009-05-26 2016-12-27 Dp Technologies, Inc. Method and apparatus for a motion state aware device
US9585589B2 (en) * 2009-12-31 2017-03-07 Cerner Innovation, Inc. Computerized systems and methods for stability-theoretic prediction and prevention of sudden cardiac death
US8579834B2 (en) 2010-01-08 2013-11-12 Medtronic, Inc. Display of detected patient posture state
US9068844B2 (en) * 2010-01-08 2015-06-30 Dp Technologies, Inc. Method and apparatus for an integrated personal navigation system
US9357949B2 (en) 2010-01-08 2016-06-07 Medtronic, Inc. User interface that displays medical therapy and posture data
US9149210B2 (en) 2010-01-08 2015-10-06 Medtronic, Inc. Automated calibration of posture state classification for a medical device
US9956418B2 (en) 2010-01-08 2018-05-01 Medtronic, Inc. Graphical manipulation of posture zones for posture-responsive therapy
US8979665B1 (en) 2010-03-22 2015-03-17 Bijan Najafi Providing motion feedback based on user center of mass
US9566441B2 (en) 2010-04-30 2017-02-14 Medtronic, Inc. Detecting posture sensor signal shift or drift in medical devices
WO2011163367A1 (fr) * 2010-06-22 2011-12-29 Mcgregor Stephen J Procédé de surveillance de mouvement de corps humain
US20150342513A1 (en) * 2010-07-01 2015-12-03 Industrial Technology Research Institute System and Method for Analyzing Biomechanics
US8753275B2 (en) 2011-01-13 2014-06-17 BioSensics LLC Intelligent device to monitor and remind patients with footwear, walking aids, braces, or orthotics
US9069380B2 (en) 2011-06-10 2015-06-30 Aliphcom Media device, application, and content management using sensory input
US8793522B2 (en) * 2011-06-11 2014-07-29 Aliphcom Power management in a data-capable strapband
US9374659B1 (en) 2011-09-13 2016-06-21 Dp Technologies, Inc. Method and apparatus to utilize location data to enhance safety
US20130085861A1 (en) * 2011-09-30 2013-04-04 Scott Dunlap Persistent location tracking on mobile devices and location profiling
US9282897B2 (en) 2012-02-13 2016-03-15 MedHab, LLC Belt-mounted movement sensor system
US9907959B2 (en) 2012-04-12 2018-03-06 Medtronic, Inc. Velocity detection for posture-responsive therapy
US9737719B2 (en) 2012-04-26 2017-08-22 Medtronic, Inc. Adjustment of therapy based on acceleration
US10201310B2 (en) 2012-09-11 2019-02-12 L.I.F.E. Corporation S.A. Calibration packaging apparatuses for physiological monitoring garments
US9817440B2 (en) 2012-09-11 2017-11-14 L.I.F.E. Corporation S.A. Garments having stretchable and conductive ink
US8945328B2 (en) 2012-09-11 2015-02-03 L.I.F.E. Corporation S.A. Methods of making garments having stretchable and conductive ink
US10159440B2 (en) 2014-03-10 2018-12-25 L.I.F.E. Corporation S.A. Physiological monitoring garments
US10462898B2 (en) 2012-09-11 2019-10-29 L.I.F.E. Corporation S.A. Physiological monitoring garments
US11246213B2 (en) 2012-09-11 2022-02-08 L.I.F.E. Corporation S.A. Physiological monitoring garments
US9311789B1 (en) 2013-04-09 2016-04-12 BioSensics LLC Systems and methods for sensorimotor rehabilitation
US20150032033A1 (en) * 2013-07-23 2015-01-29 Mayo Foundation For Medical Education And Research Apparatus and method for identifying movement in a patient
ES2699674T3 (es) 2014-01-06 2019-02-12 Sistemas y métodos para determinar automáticamente el ajuste de una prenda
US9951738B2 (en) * 2014-03-11 2018-04-24 Voyomotive, Llc Method of signaling an engine stop or start request
US11562417B2 (en) 2014-12-22 2023-01-24 Adidas Ag Retail store motion sensor systems and methods
CN108024721B (zh) * 2015-07-20 2021-10-26 立芙公司 用于具有传感器和电子设备的服装的柔性织物带式连接器
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
JP6630593B2 (ja) * 2016-02-29 2020-01-15 オムロンヘルスケア株式会社 生体情報測定装置、個人識別装置、個人識別方法、及び、個人識別プログラム
US10319209B2 (en) 2016-06-03 2019-06-11 John Carlton-Foss Method and system for motion analysis and fall prevention
KR20190025965A (ko) 2016-07-01 2019-03-12 엘.아이.에프.이. 코포레이션 에스.에이. 복수의 센서들을 갖는 의복들에 의한 바이오메트릭 식별
JP6834553B2 (ja) * 2017-02-09 2021-02-24 セイコーエプソン株式会社 運動解析システム、運動解析装置、運動解析プログラム及び運動解析方法
CN106991290B (zh) * 2017-04-12 2020-03-31 中国科学技术大学 步态能力评估方法及装置
US11253173B1 (en) * 2017-05-30 2022-02-22 Verily Life Sciences Llc Digital characterization of movement to detect and monitor disorders
US11596795B2 (en) 2017-07-31 2023-03-07 Medtronic, Inc. Therapeutic electrical stimulation therapy for patient gait freeze
CN110045751B (zh) * 2019-05-14 2022-10-04 哈尔滨工程大学 基于si控制的有缆水下机器人海底定点着陆运动控制方法
US11397193B2 (en) 2020-06-12 2022-07-26 Koneksa Health Inc. Movement analysis method and apparatus
US11307050B2 (en) 2020-06-12 2022-04-19 Koneksa Health Inc. Measuring method and device
EP4216817A1 (fr) * 2020-09-25 2023-08-02 Walkbeat AB Système et procédé d'analyse de la santé et des performance en termes d'allure d'un équidé
WO2023027688A1 (fr) 2021-08-23 2023-03-02 Ross Bogey Dispositif d'entraînement à la marche

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6707454B1 (en) * 1999-07-01 2004-03-16 Lucent Technologies Inc. Systems and methods for visualizing multi-dimensional data in spreadsheets and other data structures
US6747650B2 (en) * 2002-04-22 2004-06-08 Battelle Memorial Institute Animation techniques to visualize data

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BIOSIGNAL INTERPRETATION II, KANAGAWA, JAPAN, SEPT. 1996, vol. 36, no. 4-5, Methods of Information in Medicine, Dec. 1997, F.K. Schattauer Verlagsgesellschaft, Germany, pages 356 - 359, ISSN: 0026-1270 *
DATABASE INSPEC [online] INSTITUTE OF ELECTRICAL ENGINEERS, STEVENAGE, GB; TAMURA T ET AL: "Classification of acceleration waveforms during walking by wavelet transform", XP000864115, Database accession no. 5826646 *
SEKINE M. ET AL: "classification of acceleration waveform in a continuous walking record", PROCEEDINGS OF THE 20TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY, vol. 20, no. 3, 29 October 1998 (1998-10-29) - 1 November 1998 (1998-11-01), Piscataway, US, pages 1523 - 1526, XP000864114 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100418476C (zh) * 2003-04-10 2008-09-17 松下电器产业株式会社 身体运动解析装置和身体运动解析系统及其解析方法
US7503900B2 (en) * 2003-07-03 2009-03-17 Honda Motor Co., Ltd. Kinematic quantification of gait asymmetry based on bilateral cyclograms
WO2011157608A1 (fr) * 2010-06-16 2011-12-22 Myotest Sa Dispositif portable intégré et procédé mettant en œuvre un accéléromètre pour détecter des asymétries d'un mouvement d'un utilisateur
US10881905B2 (en) 2010-06-16 2021-01-05 Myotest Sa Integrated portable device and method implementing an accelerometer for detecting asymmetries in a movement of a user
US11833391B2 (en) 2010-06-16 2023-12-05 Myotest Sa Integrated portable device and method implementing an accelerometer for analyzing biomechanical parameters of a stride
CN107343789A (zh) * 2017-05-17 2017-11-14 浙江利尔达物联网技术有限公司 一种基于三轴加速度传感器的脚步运动识别方法
CN107343789B (zh) * 2017-05-17 2020-04-14 浙江利尔达物芯科技有限公司 一种基于三轴加速度传感器的脚步运动识别方法

Also Published As

Publication number Publication date
ATE372089T1 (de) 2007-09-15
FR2804596A1 (fr) 2001-08-10
CA2399182A1 (fr) 2001-08-09
CA2399182C (fr) 2009-06-23
PT1261279E (pt) 2007-12-06
ES2292560T3 (es) 2008-03-16
DE60130325T2 (de) 2008-05-29
EP1261279B1 (fr) 2007-09-05
US20030139692A1 (en) 2003-07-24
AU3560901A (en) 2001-08-14
EP1261279A1 (fr) 2002-12-04
DK1261279T3 (da) 2008-01-02
US6895341B2 (en) 2005-05-17
DE60130325D1 (de) 2007-10-18
FR2804596B1 (fr) 2002-10-04

Similar Documents

Publication Publication Date Title
CA2399182C (fr) Procede d&#39;analyse d&#39;irregularites de locomotion humaine
Moore et al. Autonomous identification of freezing of gait in Parkinson's disease from lower-body segmental accelerometry
EP4013303A1 (fr) Procede et systeme pour l&#39;analyse de l&#39;activite biomecanique et l&#39;exposition a un facteur de risque biomecanique sur un sujet humain dans un contexte d&#39;activite physique
FR2887425A1 (fr) Systeme d&#39;analyse electrophysiologique
FR2847361A1 (fr) Dispositif d&#39;analyse d&#39;un signal, notamment d&#39;un signal physiologique tel qu&#39;un signal ecg
Pham et al. Wearable healthcare systems: A single channel accelerometer based anomaly detector for studies of gait freezing in Parkinson's disease
Djurić-Jovičić et al. Quantitative and qualitative gait assessments in Parkinson’s disease patients
KR20190136324A (ko) 스마트 인솔의 압력 센서를 이용한 보행 패턴 분류를 위한 장치 및 방법
FR2952519A1 (fr) Procede et dispositif pour l&#39;analyse de la tendance d&#39;une peau a etre plus ou moins seche.
EP4031005B1 (fr) Système de détermination d&#39;une émotion d&#39;un utilisateur
Becq et al. Collection and exploratory analysis of attitude sensor data in an epilepsy monitoring unit
Yuwono et al. Unsupervised segmentation of heel-strike IMU data using rapid cluster estimation of wavelet features
Provot et al. Intra and inter test repeatability of accelerometric indicators measured while running
EP4027874A1 (fr) Procédé de détermination du taux respiratoire
Balista et al. Compact time-independent pattern representation of entire human gait cycle for tracking of gait irregularities
EP3651640A1 (fr) Electrode de surface pour l&#39;acquisition d&#39;une activite cardiaque d&#39;un animal a pelage, support d&#39;electrode, sangle, procedes associes
Fohrmann et al. Estimating whole-body mechanical power in running by means of simulated inertial sensor signals
EP3636142B1 (fr) Procédé et dispositif d&#39;analyse de la marche d&#39;un individu
EP4196008A1 (fr) Procede et systeme de detection de la somnolence d&#39;un individu
Kopni̠ak et al. Differentiating horse walk and trot on the basis of inertial motion capture
FR3113370A1 (fr) Procede et systeme de detection de la somnolence d’un individu
FR2803738A1 (fr) Procede d&#39;analyse du signal statokinesimetrique issu d&#39;une plate-forme de force
FR2658713A1 (fr) Procede d&#39;analyse du relief cutane, notamment dans le cas d&#39;anomalies ou de variations de celui-ci.
Killer et al. Automatic Classification of Cross-Country Skating Gears using the Attractor-Method
WO2023285360A1 (fr) Dispositif de détermination d&#39;une réponse cérébrale à un stimulus sensoriel

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BY BZ CA CH CN CR CU CZ DE DK DM DZ EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT TZ UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
WWE Wipo information: entry into national phase

Ref document number: 2001907706

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2399182

Country of ref document: CA

WWE Wipo information: entry into national phase

Ref document number: 10181952

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 2001907706

Country of ref document: EP

REG Reference to national code

Ref country code: DE

Ref legal event code: 8642

NENP Non-entry into the national phase

Ref country code: JP

WWG Wipo information: grant in national office

Ref document number: 2001907706

Country of ref document: EP