CN108968918A - 早期帕金森的可穿戴辅助筛查设备 - Google Patents
早期帕金森的可穿戴辅助筛查设备 Download PDFInfo
- Publication number
- CN108968918A CN108968918A CN201810683383.5A CN201810683383A CN108968918A CN 108968918 A CN108968918 A CN 108968918A CN 201810683383 A CN201810683383 A CN 201810683383A CN 108968918 A CN108968918 A CN 108968918A
- Authority
- CN
- China
- Prior art keywords
- sample
- phase
- current
- early stage
- data
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- 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
- A61B5/7225—Details of analogue processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Neurology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Neurosurgery (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Developmental Disabilities (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种早期帕金森的可穿戴辅助筛查设备，属于数据处理技术领域，本发明获取三轴加速度及三轴角速度，对三轴加速度及三轴角速度通过时相分割模型分割步态时相，获得时相特征，从三轴加速度及三轴角速度中提取时域数据，并将所述时域数据转化为频率特征，对所述当前时相特征和当前频率特征进行主成分分析处理，获得主要步态特征，根据所述主要步态特征通过初步筛查模型进行早期帕金森筛查，避免步态特征单一、且获取特征步骤较简单，筛查效率高，准确性好，解决了早期帕金森筛查的困难。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种早期帕金森的可穿戴辅助筛查设备。
背景技术
帕金森病(Parkinson’s Disease，PD)是目前仅次于阿尔兹海默症的第二大神经退行性疾病，全球有超过一千万名帕金森患者，而这个数据到2050年可能再翻一番。近年来，美国、欧盟等都对脑部疾病的研究做出了重大战略部署，如欧盟地平线2020项目，项目任务包括移动设备监测与评估帕金森患者症状及商业化应用探索等，我国也在“十三五”规划建议中指出，在健康领域实现“前沿医疗技术突破”。目前对于PD的诊断大都在病情明显后通过医生主观观察评估，中国医患资源失衡，加之一些方法局限于环境和侵入式的缺点不能在日常生活中普及，使得PD早期诊断十分困难。目前筛查帕金森病症的主要方法是通过对患者足底压力建模分析，对健康人群和帕金森病症患者的步态差异分类，达到筛查患者的目的。
2014年，龙岩学院的曾玮等人提取步态足底压力特征进行神经网络建模、辨识，构建动态估计器，根据特征数据与动态估计器的误差进行分类，辅助筛查帕金森病患者的异常步态；2015年，中国科学院的许胜强等人提取三维力数据和足底压力数据，用GA遗传算法筛选出最佳的步态参数，对患者共和正常人的行走能力进行评估。
而基于步态足底压力的特征分析，提取步态足底压力特征的分析方法，此类方法获取的步态特征单一、且获取特征步骤较繁琐。
发明内容
为解决上述的全部或部分的技术问题，本发明提供了一种早期帕金森的可穿戴辅助筛查设备。
本发明提供的一种早期帕金森的可穿戴辅助筛查设备，其特征在于，所述早期帕金森的可穿戴辅助筛查设备包括：数据感知模块和主控器；
所述数据感知模块，用于采集用户完成预设动作时的当前三轴加速度及当前三轴角速度；
所述主控器，用于对所述当前三轴加速度及当前三轴角速度进行零相位滤波；
所述主控器，还用于对滤波后的所述当前三轴加速度及当前三轴角速度通过时相分割模型分割步态时相，获得当前时相特征；
所述主控器，还用于从滤波后的所述当前三轴加速度及当前三轴角速度中提取当前时域数据，并将所述当前时域数据转化为当前频率特征；
所述主控器，还用于对所述当前时相特征和当前频率特征进行主成分分析处理，获得主要步态特征；
所述主控器，还用于根据所述主要步态特征通过初步筛查模型进行早期帕金森筛查。
优选地，所述数据感知模块，还用于采集测试者完成预设动作时的样本三轴加速度及样本三轴角速度；
所述主控器，还用于获取对所述样本三轴加速度及样本三轴角速度进行零相位滤波；
所述主控器，还用于将所述样本三轴加速度、样本三轴角速度及其延迟项作为字典Ω的候选项，用随机森林在字典Ω中进行候选项选取，通过选取的候选项训练以RBF为核函数的SVM，得到所述时相分割模型，对滤波后的所述样本三轴加速度及样本三轴角速度通过所述时相分割模型分割步态时相，获得样本时相特征；
所述主控器，还用于从滤波后的所述样本三轴加速度及样本三轴角速度中提取样本时域数据，并将所述样本时域数据转化为样本频率特征；
所述主控器，还用于根据所述样本时相特征和样本频率特征训练以MCC作为筛查特征函数的SVM，得到所述初步筛查模型。
优选地，所述字典Ω表征为
Ω＝{ax(t-d),ay(t-d),az(t-d),ωx(t-d),ωy(t-d),ωz(t-d)}，
其中，ax代表样本x轴加速度，ay代表样本y轴加速度，az代表样本z轴加速度，ωx代表样本x轴角速度，ωy代表样本y轴角速度，ωz代表样本z轴角速度，d代表延迟时间，t代表随机时刻。
优选地，所述MCC表征为
其中，TP是真阳性的数量，TN是真阴性数量，FP是假阳性的数量，FN是假阴性的数量。
优选地，所述当前时相特征及样本时相特征分别包括支撑相和摆动相。
优选地，所述当前时域数据及样本时域数据分别包括步态周期、步长、步幅、步速和步态对称性中的至少一项。
优选地，所述早期帕金森的可穿戴辅助筛查设备还包括：数据存储器；
所述数据存储器，用于对早期帕金森的筛查结果进行存储。
优选地，所述早期帕金森的可穿戴辅助筛查设备还包括：数据传输器；
所述数据传输器，用于将所述数据存储器中的筛查结果上传至云端。
优选地，所述数据传输器，还用于获取当前网络连接状态，根据所述当前网络连接状态及预设传输模式将所述数据存储器中的筛查结果上传至云端。
优选地，所述主控器移植有RT-Thread实时操作系统。
本发明获取三轴加速度及三轴角速度，对三轴加速度及三轴角速度通过时相分割模型分割步态时相，获得时相特征，从三轴加速度及三轴角速度中提取时域数据，并将所述时域数据转化为频率特征，对所述当前时相特征和当前频率特征进行主成分分析处理，获得主要步态特征，根据所述主要步态特征通过初步筛查模型进行早期帕金森筛查，避免步态特征单一、且获取特征步骤较简单，筛查效率高，准确性好，解决了早期帕金森筛查的困难。
附图说明
图1是本发明一种实施方式的早期帕金森的可穿戴辅助筛查设备的结构框图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1是本发明一种实施方式的早期帕金森的可穿戴辅助筛查设备的结构框图；参照图1，所述早期帕金森的可穿戴辅助筛查设备包括：数据感知模块100和主控器200；
所述数据感知模块100，用于采集用户完成预设动作时的当前三轴加速度及当前三轴角速度；
需要说明的是，为便于进行数据采集，本实施例中，所述数据感知模块100可通过自粘扣分别戴在上肢肱骨处、左右腿胫骨处以及第五腰椎(L5)处，其中x轴沿身体方向向上，y轴沿人体前进方向，z轴垂直人体方向向外。佩戴好后，打开所述早期帕金森的可穿戴辅助筛查设备的电源开关，完成系统初始化后按下开始采集按键，此时记录感知当前三轴加速度、当前三轴角速度和采集开始时间。
可理解的是，所述预设动作可为从座位起立，行走3m后转弯返回再坐下，然后再次起立行走直到遇到障碍物(例如椅子)，绕过后返回坐下，然后按下停止按键，一次数据记录完成，当然，还可采用其他动作，本实施例对此不加以限制。
在具体实现中，所述数据感知模块100可采用高精度MPU6050芯片，加速度计和陀螺仪的量程可设为±4g、±500°/s，采用IIC数据总线以100Hz的频率读取感知数据。
所述主控器200，用于对所述当前三轴加速度及当前三轴角速度进行零相位滤波；
需要说明的是，所述主控器可采用STM32F4芯片，移植有RT-Thread实时操作系统。
所述主控器200，还用于对滤波后的所述当前三轴加速度及当前三轴角速度通过时相分割模型分割步态时相，获得当前时相特征；
在具体实现中，所述当前时相特征包括支撑相和摆动相。
所述主控器200，还用于从滤波后的所述当前三轴加速度及当前三轴角速度中提取当前时域数据，并将所述当前时域数据转化为当前频率特征；
可理解的是，所述当前时域数据包括步态周期、步长、步幅、步速和步态对称性中的至少一项，所述当前时域数据可通过快速傅里叶变换FFT转化为当前频率特征。
所述主控器200，还用于对所述当前时相特征和当前频率特征进行主成分分析处理，获得主要步态特征；
所述主控器200，还用于根据所述主要步态特征通过初步筛查模型进行早期帕金森筛查。
为便于对筛查结果进行保存，本实施例中，所述早期帕金森的可穿戴辅助筛查设备还包括：数据存储器300；
所述数据存储器300，用于对早期帕金森的筛查结果进行存储。
在具体实现中，所述数据传输器300可采用8G的Micro-SD卡实现。
为便于对筛查结果进行数据传输，本实施例中，所述早期帕金森的可穿戴辅助筛查设备还包括：数据传输器400；
所述数据传输器400，用于将所述数据存储器300中的筛查结果上传至云端。
为便于进行供电，本实施例中，可根据功率需求，选择3.7v、300mAh的锂电池及其充电芯片，并利用RT9313-33高性能稳压芯片实现3.7v到3.3v稳压供电，同时加上5个104电容对电源滤波后为数据感知模块100、主控器200、数据存储器300及数据传输器400供电。
在具体实现中，所述数据传输器400可采用ESP8266WiFi实现。
为便于进行数据，本实施例中，所述数据传输器400，还用于获取当前网络连接状态，根据所述当前网络连接状态及预设传输模式将所述数据存储器300中的筛查结果上传至云端，可以实现数据云端上传、在线更新，有利于远程实时监控病人状态以及专家诊断，对于医患资源不均问题的解决是一个新思路。
在具体实现中，所述预设传输模式可采用交替模式，即在无网络条件下直接存储在Micro-SD卡中，之后统一上传数据；在有网络条件下直接将数据上传至云端(例如：Yeelink物联网平台)，实现云端存储和实时远程监控。
在上传云端后，远程医生可直接查库数据库原始数据并结合所述筛查结果进行最后诊断，然后将诊断报告通过手机APP等移动终端直接返还给患者，完成整个过程。
需要说明的是，为了便于组成上述各部件，本实施例中，可设置一个电路板，各部件设置于所述电路板上，结合数据采集、处理、传输、存储、控制需求设计装置原理图以及PCB图，各元器件选择0603规格，完成PCB电路板制作以及系统各模块焊接调试，其中电路板可为长40.08mm，宽36.08mm，高1.6mm。
根据电路板尺寸、扎绑方式以及系统控制需求，从佩戴方便以及质量轻盈的角度，设计3D打印装置外壳，外壳上留出指示灯口、按键口、SD卡插拔口、调试口、充电口、电源开关口、绑带入口、固定PCB螺丝扣，长宽高可分别为：45mm、40mm、18mm。
本实施例采用内嵌RT-Thread操作系统的嵌入式微控制芯片STM32F4实现步态数据采集、处理，特征提取，分类筛查，将部分数据处理和机器学习算法移植到嵌入式微控制芯片中，因此可以不经过PC端在移动端实现步态识别，也就是早期帕金森的初步筛查可以通过佩戴设备做要求动作完成，方法简单，可操作性强，可用范围广泛。
本实施例获取三轴加速度及三轴角速度，对三轴加速度及三轴角速度通过时相分割模型分割步态时相，获得时相特征，从三轴加速度及三轴角速度中提取时域数据，并将所述时域数据转化为频率特征，对所述当前时相特征和当前频率特征进行主成分分析处理，获得主要步态特征，根据所述主要步态特征通过初步筛查模型进行早期帕金森筛查，避免步态特征单一、且获取特征步骤较简单，筛查效率高，准确性好，解决了早期帕金森筛查的困难。
为便于建立所述时相分割模型和初步筛查模型，本实施例中，所述数据感知模块100，还用于采集测试者完成预设动作时的样本三轴加速度及样本三轴角速度；
所述主控器200，还用于获取对所述样本三轴加速度及样本三轴角速度进行零相位滤波；
所述主控器200，还用于将所述样本三轴加速度、样本三轴角速度及其延迟项作为字典Ω的候选项，用随机森林在字典Ω中进行候选项选取，通过选取的候选项训练以RBF为核函数的SVM，得到所述时相分割模型，对滤波后的所述样本三轴加速度及样本三轴角速度通过所述时相分割模型分割步态时相，获得样本时相特征；
在具体实现中，所述样本时相特征包括支撑相和摆动相。
可理解的是，所述字典Ω表征为
Ω＝{ax(t-d),ay(t-d),az(t-d),ωx(t-d),ωy(t-d),ωz(t-d)}，
其中，ax代表样本x轴加速度，ay代表样本y轴加速度，az代表样本z轴加速度，ωx代表样本x轴角速度，ωy代表样本y轴角速度，ωz代表样本z轴角速度，d代表延迟时间，t代表随机时刻。
所述主控器200，还用于从滤波后的所述样本三轴加速度及样本三轴角速度中提取样本时域数据，并将所述样本时域数据转化为样本频率特征；
可理解的是，所述样本时域数据包括步态周期、步长、步幅、步速和步态对称性中的至少一项，所述样本时域数据可通过快速傅里叶变换FFT转化为样本频率特征。
所述主控器200，还用于根据所述样本时相特征和样本频率特征训练以马修相关系数(Matthew’s correlation coefficient，MCC)作为筛查特征函数的SVM，得到所述初步筛查模型。
在具体实现中，所述MCC表征为
其中，TP是真阳性的数量，TN是真阴性数量，FP是假阳性的数量，FN是假阴性的数量。
通过附图和具体实施方式的描述,从系统组成、结构、系数计算原理、上位机显示界面、使用流程等几个方面详细说明了本发明的技术方案。上述方式只是本发明优选的实施方式,对于本领域内的普通技术人员而言,在本发明公开的基础上,很容易想到将其进行修改或者等同替换,应用于各种医疗仪器系统,而不仅限于本发明具体实施方式所描述的系统结构,因此前面描述的方式只是优选的,而并不具有限制性的意义。
以上所述仅为本发明的几种具体实施例,以上实施例仅用于对本发明的技术方案和构思做说明而非限制本发明的权利要求范围。凡本技术领域中技术人员在本专利的构思基础上结合现有技术,通过逻辑分析、推理或有限实验可以得到的其他技术方案,也应该被认为落在本发明的权利要求保护范围之内。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种早期帕金森的可穿戴辅助筛查设备，其特征在于，所述早期帕金森的可穿戴辅助筛查设备包括：数据感知模块和主控器；
所述数据感知模块，用于采集用户完成预设动作时的当前三轴加速度及当前三轴角速度；
所述主控器，用于对所述当前三轴加速度及当前三轴角速度进行零相位滤波；
所述主控器，还用于对滤波后的所述当前三轴加速度及当前三轴角速度通过时相分割模型分割步态时相，获得当前时相特征；
所述主控器，还用于从滤波后的所述当前三轴加速度及当前三轴角速度中提取当前时域数据，并将所述当前时域数据转化为当前频率特征；
所述主控器，还用于对所述当前时相特征和当前频率特征进行主成分分析处理，获得主要步态特征；
所述主控器，还用于根据所述主要步态特征通过初步筛查模型进行早期帕金森筛查。
2.如权利要求1所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述数据感知模块，还用于采集测试者完成预设动作时的样本三轴加速度及样本三轴角速度；
所述主控器，还用于获取对所述样本三轴加速度及样本三轴角速度进行零相位滤波；
所述主控器，还用于将所述样本三轴加速度、样本三轴角速度及其延迟项作为字典Ω的候选项，用随机森林在字典Ω中进行候选项选取，通过选取的候选项训练以RBF为核函数的SVM，得到所述时相分割模型，对滤波后的所述样本三轴加速度及样本三轴角速度通过所述时相分割模型分割步态时相，获得样本时相特征；
所述主控器，还用于从滤波后的所述样本三轴加速度及样本三轴角速度中提取样本时域数据，并将所述样本时域数据转化为样本频率特征；
所述主控器，还用于根据所述样本时相特征和样本频率特征训练以MCC作为筛查特征函数的SVM，得到所述初步筛查模型。
3.如权利要求2所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述字典Ω表征为
Ω＝{ax(t-d),ay(t-d),az(t-d),ωx(t-d),ωy(t-d),ωz(t-d)}，
其中，ax代表样本x轴加速度，ay代表样本y轴加速度，az代表样本z轴加速度，ωx代表样本x轴角速度，ωy代表样本y轴角速度，ωz代表样本z轴角速度，d代表延迟时间，t代表随机时刻。
4.如权利要求2所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述MCC表征为
其中，TP是真阳性的数量，TN是真阴性数量，FP是假阳性的数量，FN是假阴性的数量。
5.如权利要求1所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述当前时相特征及样本时相特征分别包括支撑相和摆动相。
6.如权利要求1所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述当前时域数据及样本时域数据分别包括步态周期、步长、步幅、步速和步态对称性中的至少一项。
7.如权利要求1～6中任一项所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述早期帕金森的可穿戴辅助筛查设备还包括：数据存储器；
所述数据存储器，用于对早期帕金森的筛查结果进行存储。
8.如权利要求7所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述早期帕金森的可穿戴辅助筛查设备还包括：数据传输器；
所述数据传输器，用于将所述数据存储器中的筛查结果上传至云端。
9.如权利要求8所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述数据传输器，还用于获取当前网络连接状态，根据所述当前网络连接状态及预设传输模式将所述数据存储器中的筛查结果上传至云端。
10.如权利要求1～6中任一项所述的早期帕金森的可穿戴辅助筛查设备，其特征在于，所述主控器移植有RT-Thread实时操作系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810683383.5A CN108968918A (zh) | 2018-06-28 | 2018-06-28 | 早期帕金森的可穿戴辅助筛查设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810683383.5A CN108968918A (zh) | 2018-06-28 | 2018-06-28 | 早期帕金森的可穿戴辅助筛查设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108968918A true CN108968918A (zh) | 2018-12-11 |
Family
ID=64538712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810683383.5A Pending CN108968918A (zh) | 2018-06-28 | 2018-06-28 | 早期帕金森的可穿戴辅助筛查设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108968918A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111528842A (zh) * | 2020-05-26 | 2020-08-14 | 复嶂环洲生物科技(上海)有限公司 | 基于生理和行为指标的帕金森病症状定量化评估方法 |
| CN111544005A (zh) * | 2020-05-15 | 2020-08-18 | 中国科学院自动化研究所 | 基于支持向量机的帕金森病人运动障碍量化及识别方法 |
| CN111544006A (zh) * | 2020-05-15 | 2020-08-18 | 中国科学院自动化研究所 | 帕金森病人运动障碍量化及识别的可穿戴设备 |
| CN111700620A (zh) * | 2020-06-24 | 2020-09-25 | 中国科学院深圳先进技术研究院 | 一种步态异常早期识别与风险预警方法和装置 |
| WO2021258333A1 (zh) * | 2020-06-24 | 2021-12-30 | 中国科学院深圳先进技术研究院 | 一种步态异常早期识别与风险预警方法和装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8246554B2 (en) * | 2007-11-14 | 2012-08-21 | Hitachi Consumer Electronics Co., Ltd. | Living body inspection system, living body inspection apparatus, and living body inspection method |
| CN104127187A (zh) * | 2014-08-05 | 2014-11-05 | 戴厚德 | 用于帕金森病人主要症状定量检测的可穿戴系统及方法 |
| CN104268577A (zh) * | 2014-06-27 | 2015-01-07 | 大连理工大学 | 一种基于惯性传感器的人体行为识别方法 |
| CN104323780A (zh) * | 2014-10-30 | 2015-02-04 | 上海交通大学 | 基于支持向量机的行人步态分类系统及方法 |
| CN104398263A (zh) * | 2014-12-25 | 2015-03-11 | 中国科学院合肥物质科学研究院 | 一种基于近似熵和互近似熵的帕金森患者震颤症状量化评测方法 |
| CN104434129A (zh) * | 2014-12-25 | 2015-03-25 | 中国科学院合肥物质科学研究院 | 一种帕金森及相关锥体外系疾病运动障碍症状量化评测装置及方法 |
| CN106228200A (zh) * | 2016-10-17 | 2016-12-14 | 中北大学 | 一种不依赖于动作信息采集设备的动作识别方法 |
| CN106237604A (zh) * | 2016-08-31 | 2016-12-21 | 歌尔股份有限公司 | 可穿戴设备及利用其监测运动状态的方法 |
| CN106419929A (zh) * | 2016-11-05 | 2017-02-22 | 上海大学 | 帕金森病患者姿态平衡稳定性的定量检测装置 |
| CN106971059A (zh) * | 2017-03-01 | 2017-07-21 | 福州云开智能科技有限公司 | 一种基于神经网络自适应健康监测的可穿戴设备 |
| CN107016233A (zh) * | 2017-03-14 | 2017-08-04 | 中国科学院计算技术研究所 | 运动行为和认知能力的关联分析方法及系统 |
| CN107330249A (zh) * | 2017-06-09 | 2017-11-07 | 常州大学 | 一种基于kinect骨骼数据的帕金森病症计算机辅助判别方法 |
| WO2018028221A1 (zh) * | 2016-08-06 | 2018-02-15 | 深圳市前海安测信息技术有限公司 | 用于辅助帕金森病患者康复的可穿戴设备 |
-
2018
- 2018-06-28 CN CN201810683383.5A patent/CN108968918A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8246554B2 (en) * | 2007-11-14 | 2012-08-21 | Hitachi Consumer Electronics Co., Ltd. | Living body inspection system, living body inspection apparatus, and living body inspection method |
| CN104268577A (zh) * | 2014-06-27 | 2015-01-07 | 大连理工大学 | 一种基于惯性传感器的人体行为识别方法 |
| CN104127187A (zh) * | 2014-08-05 | 2014-11-05 | 戴厚德 | 用于帕金森病人主要症状定量检测的可穿戴系统及方法 |
| CN104323780A (zh) * | 2014-10-30 | 2015-02-04 | 上海交通大学 | 基于支持向量机的行人步态分类系统及方法 |
| CN104398263A (zh) * | 2014-12-25 | 2015-03-11 | 中国科学院合肥物质科学研究院 | 一种基于近似熵和互近似熵的帕金森患者震颤症状量化评测方法 |
| CN104434129A (zh) * | 2014-12-25 | 2015-03-25 | 中国科学院合肥物质科学研究院 | 一种帕金森及相关锥体外系疾病运动障碍症状量化评测装置及方法 |
| WO2018028221A1 (zh) * | 2016-08-06 | 2018-02-15 | 深圳市前海安测信息技术有限公司 | 用于辅助帕金森病患者康复的可穿戴设备 |
| CN106237604A (zh) * | 2016-08-31 | 2016-12-21 | 歌尔股份有限公司 | 可穿戴设备及利用其监测运动状态的方法 |
| CN106228200A (zh) * | 2016-10-17 | 2016-12-14 | 中北大学 | 一种不依赖于动作信息采集设备的动作识别方法 |
| CN106419929A (zh) * | 2016-11-05 | 2017-02-22 | 上海大学 | 帕金森病患者姿态平衡稳定性的定量检测装置 |
| CN106971059A (zh) * | 2017-03-01 | 2017-07-21 | 福州云开智能科技有限公司 | 一种基于神经网络自适应健康监测的可穿戴设备 |
| CN107016233A (zh) * | 2017-03-14 | 2017-08-04 | 中国科学院计算技术研究所 | 运动行为和认知能力的关联分析方法及系统 |
| CN107330249A (zh) * | 2017-06-09 | 2017-11-07 | 常州大学 | 一种基于kinect骨骼数据的帕金森病症计算机辅助判别方法 |
Non-Patent Citations (9)
| Title |
|---|
| ARASH SALARIAN ET AL.: "Gait assessment in Parkinson"s disease: Toward an ambulatory system for long-term monitoring", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》 * |
| FERHAT ATTAL ET AL.: "Automatic Recognition of Gait Phases Using a Multiple-Regression Hidden Markov Model", 《IEEE/ASME TRANSACTIONS ON MECHATRONICS》 * |
| SAMUEL REINFELDER ET AL.: "Timed Up-and-Go phase segmentation in Parkinson"s disease patients using unobtrusive inertial sensors", 《2015 37TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY (EMBC)》 * |
| 刘遥: "基于惯性传感器的帕金森病上肢运动障碍量化评估方法研究", 《中国博士学位论文全文数据库（医药卫生科技辑）》 * |
| 吴哲君等: "基于SVM的行人步态实时分类方法", 《电子测量技术》 * |
| 汪少初等: "基于惯性传感的人员行进动作识别方法", 《电子测量与仪器学报》 * |
| 温俊丽等: "基于惯性传感器的帕金森患者行走能力评估系统", 《中国医疗器械杂志》 * |
| 王金甲等: "基于深度卷积神经网络的帕金森步态识别", 《中国生物医学工程学报》 * |
| 赵湛等: "基于可穿戴设备的日常压力状态评估研究", 《电子与信息学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111544005A (zh) * | 2020-05-15 | 2020-08-18 | 中国科学院自动化研究所 | 基于支持向量机的帕金森病人运动障碍量化及识别方法 |
| CN111544006A (zh) * | 2020-05-15 | 2020-08-18 | 中国科学院自动化研究所 | 帕金森病人运动障碍量化及识别的可穿戴设备 |
| CN111544005B (zh) * | 2020-05-15 | 2022-03-08 | 中国科学院自动化研究所 | 基于支持向量机的帕金森病人运动障碍量化及识别方法 |
| CN111528842A (zh) * | 2020-05-26 | 2020-08-14 | 复嶂环洲生物科技(上海)有限公司 | 基于生理和行为指标的帕金森病症状定量化评估方法 |
| CN111700620A (zh) * | 2020-06-24 | 2020-09-25 | 中国科学院深圳先进技术研究院 | 一种步态异常早期识别与风险预警方法和装置 |
| WO2021258333A1 (zh) * | 2020-06-24 | 2021-12-30 | 中国科学院深圳先进技术研究院 | 一种步态异常早期识别与风险预警方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108968918A (zh) | 早期帕金森的可穿戴辅助筛查设备 | |
| Godfrey | Wearables for independent living in older adults: Gait and falls | |
| Majumder et al. | A simple, low-cost and efficient gait analyzer for wearable healthcare applications | |
| CN104361321B (zh) | 一种判断老年人摔倒行为及身体平衡能力的方法 | |
| CN106022213A (zh) | 一种基于三维骨骼信息的人体动作识别方法 | |
| CN109069066A (zh) | 可穿戴和连接的步态分析系统 | |
| CN106971059A (zh) | 一种基于神经网络自适应健康监测的可穿戴设备 | |
| CN106419869A (zh) | 一种基于压电传感器的实时睡眠分期检测方法及其装置 | |
| JP7531168B2 (ja) | 児童の顔認識に基づく児童の座位姿勢検出の方法及びシステム | |
| CN103584919A (zh) | 多模态生物信号同步检测系统及方法 | |
| WO2022141894A1 (zh) | 融合表情和肢体运动的三维特征情绪分析方法 | |
| CN103860154B (zh) | 基于磁感应的非接触可穿戴式心肺活动监测装置 | |
| Wei et al. | Using sensors and deep learning to enable on-demand balance evaluation for effective physical therapy | |
| CN108958482A (zh) | 一种基于卷积神经网络的相似性动作识别装置及方法 | |
| WO2021184818A1 (zh) | 一种基于粒子滤波的人体逐拍心率测量装置及方法 | |
| CN105997094A (zh) | 一种姿态识别装置及方法 | |
| CN115553779A (zh) | 一种情绪识别方法、装置、电子设备及存储介质 | |
| Geng et al. | [Retracted] Lower Limb Joint Nursing and Rehabilitation System Based on Intelligent Medical Treatment | |
| KR20140132864A (ko) | 스트레스 변화에 따른 신체 및 심리 변화의 동영상 이용 간이 측정 방법 및 이를 이용한 힐링서비스 | |
| RU2715438C1 (ru) | Устройство обработки и способ определения передвижения субъекта | |
| Lattanzi et al. | Standing balance assessment by measurement of body center of gravity using smartphones | |
| Celik et al. | Gait on the edge: A proposed wearable for continuous real-time monitoring beyond the laboratory | |
| CN114358043A (zh) | 动作识别评估方法、动作识别评估装置以及存储介质 | |
| CN110232976A (zh) | 一种基于腰肩表面肌电测量的行为识别方法 | |
| Qin et al. | Real-time monitoring system of exercise status based on internet of health things using safety architecture model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |