CN105263411B - 跌倒检测***及方法 - Google Patents

跌倒检测***及方法 Download PDF

Info

Publication number
CN105263411B
CN105263411B CN201480031762.6A CN201480031762A CN105263411B CN 105263411 B CN105263411 B CN 105263411B CN 201480031762 A CN201480031762 A CN 201480031762A CN 105263411 B CN105263411 B CN 105263411B
Authority
CN
China
Prior art keywords
user
processing unit
movement
data
fall
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.)
Expired - Fee Related
Application number
CN201480031762.6A
Other languages
English (en)
Other versions
CN105263411A (zh
Inventor
J·安妮佳恩
H·巴尔杜斯
W·R·T·坦卡特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lifeline Systems
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN105263411A publication Critical patent/CN105263411A/zh
Application granted granted Critical
Publication of CN105263411B publication Critical patent/CN105263411B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • 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
    • 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
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
    • A61B2017/00017—Electrical control of surgical instruments
    • A61B2017/00207—Electrical control of surgical instruments with hand gesture control or hand gesture recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Computing Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

提供了一种跌倒检测***，所述跌倒检测***包括用户设备，所述用户设备包括用于测量用户的移动的一个或多个传感器；并且所述***还包括处理单元，所述处理单元被配置为以第一模式和另一模式操作，在所述第一模式中，所述处理单元处理测得的移动以确定所述用户是否已经跌倒，在所述另一模式中，所述处理单元处理在用户指定的时间段期间获得的测得的移动以确定所述用户跌倒的风险。

Description

跌倒检测***及方法
技术领域
本发明涉及一种用于检测用户的跌倒的跌倒检测***，并且尤其涉及一种还使得用户能够在非临床环境中快速且容易地估计他们的跌倒风险的跌倒检测***。
背景技术
跌倒是对老年人而言最大的健康风险之一。年龄在65岁以上的老年人中的约三分之一每年至少跌倒一次。
这些跌倒中的许多是能够通过对跌倒风险的早期识别以及对有效且针对性的跌倒预防程序的应用而避免的。尤其地，包括平衡训练、肌肉增强以及行走规划的基于家庭的跌倒预防锻炼计划已经显示在减少跌倒的发生上是有效的。
因此，对用户进行跌倒风险评估以识别处于高跌倒风险的那些人，并且为用户量身定制针对跌倒预防计划而选择的锻炼，以使它们在减少跌倒风险上的益处最大化。
在一些情况下，跌倒风险评估能够通过用户填写调查问卷以提供对他们的跌倒风险的主观估计来进行。例如，用户能够在网站www.learnnottofall.com上填写“评述您的风险”调查问卷。对调查问卷的答案能够被用于提供反馈，反馈的形式为用于使跌倒风险最小化的建议和推荐的锻炼。
在其他情况下，护理者或健康护理专业人员能够通过进行对体能的客观评估来提供对跌倒风险的好得多的估计，该客观评估能够基于例如行走(包括对用户的步态的评估)、力量、平衡(包括静止站立)和反应时间。一种具体的评估涉及“坐立”(STS)转变，其能够被用作力量和平衡性的度量并且因此用作对跌倒风险的度量。在该评估中，测量用户在从坐姿站起时施加的力量。其他的评估包括计时起立行走(TUG)测试，在该测试中用户从椅子上站起，行走一定距离并返回椅子。用户在这么做时所花时间是对其跌倒风险的度量。更为详尽的评估包括生理曲线评估(PPA)，在生理曲线评估中评价多种特性的集合。
然而，为了客观地确定跌倒风险，要求人们定期到通常昂贵的专用硬件和临床医师所处的诊所去。这种评估跌倒风险的方式成本较高。进行并遵守预约的需要导致用户的低监测/观察率。在许多情况下，人们仅仅在已经发生跌倒之后第一次到诊所去，并且有可能的是，跌倒预防计划的更早应用可能已经预防了该跌倒的发生。
因此，合乎期望的是能够在用户在他们的家庭环境中的同时，获得对用户的跌倒风险的客观测量，无需来自护理提供者或健康护理专业人员的辅助或是对他们的拜访。然而，个人并不想要购买需要被安装在家里的庞大且昂贵的专用硬件，例如相机***、跑步机或测力板。此外，应当避免个人必须设置复杂的测试环境的需要。
提供收集日常行为的长期移动数据并从该长期移动数据计算跌倒风险的设备是本领域已知的。例如US 2012/0119904描述了对计步器的使用，计步器监测患者在一天期间所走的步数。然而，该信息是在自由生活条件下收集的，并且该信息因其在很大程度上取决于环境挑战(例如台阶)和个体的移动意愿而在确定跌倒风险上的有用性是有限的。此外，不能够准确地捕获关于使得个体能够对未预见的事件(例如绊倒)做出充分反应以防止跌倒的体能的信息。另一问题在于，需要收集大量数据，这意味着由于设备必须长时间地收集并存储和/或处理数据而需要大的电池。
因此，存在着对于这样一种***和方法的需要，所述***和方法在确保用户佩戴或携带的设备保持大体上无干扰并且不会导致用户必须携带或佩戴额外的硬件的同时，使得用户(和/或远程的临床医师)能够快速且容易地估计用户在家中或其他非临床环境中的跌倒风险。
发明内容
许多处于跌倒风险中的个人携带或佩戴跌倒检测设备，该跌倒检测监测他们的移动并确定跌倒在何时已经发生。当检测到跌倒时，该设备能够触发警报和/或联系呼叫中心(在一些情况中经由在用户家中的基本单元)以请求对用户的帮助。
根据本发明，用于确定用户的跌倒风险的功能和跌倒检测功能被并入到单个跌倒检测***中。这是有利的，因为能够使用利用在跌倒检测设备中常见的传感器获得的测量结果来确定对跌倒风险的估计，减少了用户携带额外的硬件的需要。
为了获得对跌倒风险的度量，用户必须在佩戴或携带用户设备的同时执行某些移动或锻炼。该设备(或与该用户设备相关联的基本单元中的处理单元)根据由在用户设备中的(一个或多个)传感器获得的对用户的移动的测量结果来分析这些移动或锻炼的性能，并且因此确定跌倒风险。
尽管可以有可能通过分析移动测量结果来自动检测这些移动和锻炼，但是在这种情况下必须连续收集并处理移动测量结果。此外，即使在检测到移动或锻炼时，也不能够确定用户的意图，该意图在确定实际跌倒风险时可能是重要的。例如，在执行用于确定跌倒风险的不受监督的锻炼或移动时，用户可能被要求尽可能快地或尽可能久地执行该锻炼或移动，即以便测试用户在执行这些锻炼时的体能。然而，那些移动或锻炼也可以发生在用户的日常活动期间，但是用户将不试图例如尽可能快地或尽可能久地执行它们。在这种情况下，基于对在日常活动期间的那些移动或锻炼的分析对跌倒风险的估计可能导致对用户的跌倒风险的不准确的估计。
为了解决这些问题，该***被配置为接收来自用户的指定一时间段的指示，在该时间段中他们已经或将要执行与估计跌倒风险相关的锻炼或移动。这避免了***要连续分析移动测量结果以识别用户已经在何时执行了指定的移动或锻炼的需要，因此减少了力量消耗，并且还提供了对用户要执行用于估计他们的跌倒风险的移动或锻炼的意图的指示。
因此，根据本发明的第一方面，提供一种跌倒检测***，所述跌倒检测***包括用户设备，所述用户设备包括用于测量用户的移动的一个或多个传感器；并且所述***还包括处理单元，所述处理单元被配置为以第一模式和另一模式操作，在所述第一模式中，所述处理单元处理测得的移动以确定所述用户是否已经跌倒，在所述另一模式中，所述处理单元处理在用户指定的时间段期间获得的测得的移动以确定所述用户跌倒的风险。
在优选的实施例中，所述处理单元被配置为检测来自所述用户的第一输入，所述第一输出指定所述时间段的开始，在所述时间段期间所述用户将执行被用于评估跌倒风险的一种或多种锻炼和/或移动。
优选地，在检测到来自所述用户的所述第一输入时，所述处理单元被配置为以数据收集模式操作，在所述数据收集模式中测得的移动被存储在存储器模块中以用于当所述处理单元以所述另一模式操作时由所述处理单元使用。
在一些实施例中，在检测到来自所述用户的指定所述时间段的所述开始的所述第一输入时，所述处理单元还被配置为启动计时器。在这种情况下，所述处理单元优选地被配置为当所述计时器到达预定值时，重新开始以所述第一模式操作。
在备选的实施例中，所述处理单元被配置为在检测到来自所述用户的指定所述时间段的结束的第二输入时，重新开始以所述第一模式操作。
在一些实施例中，所述处理单元被配置为在检测到来自所述用户的第三输入时，以所述另一模式操作。
在一些实施例中，所述***还包括受所述处理单元控制的显示器，所述处理单元被配置为经由所述显示器向所述用户提供针对一种或多种锻炼和/或移动的指令，所述一种或多种锻炼和/或移动用于由所述用户在所述处理单元以所述数据收集模式操作的同时执行。
在一些实施例中，所述处理单元被配置为基于针对所述用户的先前确定的跌倒风险来调整针对所述一种或多种锻炼和/或移动的所述指令。
优选地，所述处理单元被配置为在以所述数据收集模式操作的同时，继续处理所测量的移动以确定所述用户是否已跌倒。
优选地，所述处理单元被配置为如果在所述处理单元以所述数据收集模式操作的同时确定所述用户已跌倒，则切换到以所述第一模式操作。
在一些实施例中，所述***还包括以下中的任何：(i)被连接到所述处理设备的按钮或按键，其用于由所述用户按下以提供(一个或多个)输入；(ii)被连接到所述处理设备的显示器，所述处理设备经由所述显示器呈现包括用于由所述用户选择以提供(一个或多个)输入的选项的图形用户界面。
然而，在优选的实施例中，所述用户通过利用所述用户设备执行预定义的手势或移动来提供输入，并且其中，所述处理单元被配置为处理测得的移动以检测所述用户是否已经利用所述用户设备执行了预定义的手势或移动。
在一些实施例中，所述预定义的手势或移动包括以下中的任何：摇晃所述用户设备、翻转所述用户设备、以圆周运动或以8字形运动移动所述用户设备。
优选地，所述处理单元被配置为使得当以所述另一模式操作时，所述处理单元处理在所述用户指定的时间段期间获得的测得的移动以识别所述用户是否已经执行了被用于评估跌倒风险的一种或多种移动和/或锻炼，并且如果识别出移动或锻炼，则所述处理单元评价所述用户多好地执行了所述移动或锻炼以确定所述用户跌倒的风险。
在一些实施例中，所述处理单元被配置为基于所确定的所述用户跌倒的风险来向所述用户提供信息或反馈。
优选地，所述处理单元被配置为在以所述另一模式操作的同时继续处理测得的移动以确定所述用户是否已经跌倒。
优选地，所述处理单元被配置为如果确定在所述处理单元以所述另一模式操作的同时所述用户已跌倒，则切换到以所述第一模式操作。
优选地，所述一个或多个传感器包括加速度计、气压传感器、陀螺仪和磁力计中的一个或多个。
在一些实施例中，所述用户设备还包括所述处理单元。在其他实施例中，所述处理单元处在与所述用户设备分开的单元中。
根据本发明的第二方面，提供一种操作跌倒检测***的方法，所述方法包括测量用户的移动；以第一模式操作所述***，在所述第一模式中，处理测得的移动以确定所述用户是否已经跌倒；并且以另一模式操作所述***，在所述另一模式中，处理在用户指定的时间段期间获得的测得的移动以确定所述用户跌倒的风险。
在优选的实施例中，所述方法包括检测来自所述用户的指定所述时间段的开始的第一输入的步骤，在所述时间段期间所述用户将执行被用于评估跌倒风险的一种或多种锻炼和/或移动。
优选地，在检测到来自所述用户的所述第一输入时，所述方法还包括以数据收集模式操作所述***的步骤，在所述数据收集模式中，测得的移动被存储在存储器模块中以用于在所述***以所述另一模式操作时处理。
在一些实施例中，在检测到来自所述用户的指定所述时间段的开始的所述第一输入时，所述方法包括启动计时器的步骤。在该情况中，所述方法还包括当所述计时器到达预定值时，重新开始以所述第一模式操作所述***的步骤。
在备选的实施例中，所述方法包括检测来自所述用户的指定所述时间段的结束；并且在检测到所述第二输入时重新开始以所述第一模式操作所述***的步骤。
在一些实施例中，以所述另一模式操作所述***的所述步骤是在检测到来自所述用户的第三输入之后被执行的。
在一些实施例中，所述方法还包括向所述用户显示针对一种或多种锻炼和/或移动的指令的步骤，所述一种或多种锻炼和/或移动用于由所述用户在所述***以所述数据收集模式操作的同时执行。
在一些实施例中，所述显示的步骤包括基于针对所述用户的先前确定的跌倒风险来调整针对所述一个多个锻炼和/或移动的所述指令。
优选地，所述***在以所述数据收集模式操作的同时，继续处理测得的移动以确定所述用户是否已经跌倒。
优选地，所述方法还包括如果确定在所述***以所述数据收集模式操作的同时所述用户已经跌倒，则将所述***切换到以所述第一模式操作的步骤。
在一些实施例中，所述方法包括：(i)所述用户按下按钮或按键以提供(一个或多个)输入；或者(ii)所述用户在图形用户界面上选择选项以提供(一个或多个)输入。
然而，在优选的实施例中，所述方法还包括所述用户通过利用所述***或所述***的一部分执行预定义的手势或移动来提供输入并且处理测得的移动以检测所述用户是否已经利用所述***中的用户设备执行了预定义的手势或移动的步骤。
在一些实施例中，所述预定义的手势或移动包括以下中的任何：摇晃所述用户设备、翻转所述用户设备、以圆周运动或以8字形运动移动所述用户设备。
优选地，以所述另一模式操作所述***的所述步骤包括处理在所述用户指定的时间段期间获得的测得的移动以识别所述用户是否已执行了被用于评估跌倒风险的一种或多种移动和/或锻炼，并且如果识别出移动或锻炼，则评价所述用户多好地执行了所述移动或锻炼以确定所述用户跌倒的风险。
在一些实施例中，所述方法还包括基于所确定的所述用户跌倒的风险来向所述用户提供信息或反馈。
优选地，所述方法还包括在以所述另一模式操作的同时继续处理测得的移动以确定所述用户是否已跌倒。
优选地，所述方法还包括如果确定在所述***以所述另一模式操作的同时所述用户已跌倒，则将所述***切换到以所述第一模式操作的步骤。
根据本发明的第三方面，提供一种计算机程序产品，其具有被实现在其中的计算机可读代码，所述计算机可读代码被配置为使得在由适当的计算机或处理单元运行时，所述计算机或处理单元执行上述方法中的任何。
附图说明
现在将仅仅通过举例的方式参考附图来描述本发明的示范性实施例，在附图中：
图1是根据本发明的实施例的跌倒检测***的框图；
图2是图示根据本发明的实施例的方法的流程图；
图3是指示当用户执行行走测试的三种变型时获得的移动测量结果的一组图；
图4是指示当用户执行坐立转变测试的三种变型时获得的移动测量结果的一组图；
图5是指示当用户执行站立测试的三种变型时获得的移动测量结果的一组图；
图6是图示根据本发明的示范性实施例的对***的操作的流程图；以及
图7是图示根据本发明的另一示范性实施例的对***的操作的流程图。
具体实施方式
在图1中示出根据本发明的实施例的跌倒检测***2。在本发明的该实施例中，跌倒检测***2包括被设计为由用户佩戴或携带的用户设备4。
用户设备4优选地为佩戴在用户的颈部周围的绳或链上的坠饰的形式，但是将认识到用户设备4不限于该形式因素，并且用户设备4能够代替地被设计为被佩戴在用户的腕部或踝部、在他们的胸或背上或者被携带在他们的口袋中。
在该示范性实施例中，用户设备4包括两个移动传感器、加速度计6和气压传感器8，它们被连接到处理单元10。处理单元10从移动传感器6、8接收测量结果并处理测量结果以确定跌倒检测***2的用户是否已经遭受跌倒。处理单元10也控制对用户设备4的操作。
将认识到加速度计6测量由用户设备4经历的加速度，并且处理单元10能够分析加速度以识别冲击力、确定用户设备4的速度、取向的变化和/或位置或高度的变化。在某些实施例中，处理单元10也能够处理来自加速度计6的信号以检测用户利用用户设备4的预定手势(即移动)的执行(例如摇晃用户设备4，以振荡运动、圆周运动、8字形运动移动它)。来自气压传感器的信号能够被处理单元10分析以确定用户设备4的高度和/或高度的变化。
将认识到，尽管在该实施例中示出了两个移动传感器，但是根据备选的实施例的跌倒检测***可以包括仅仅一个移动传感器(例如仅有加速度计6而省略压力传感器8)。在另外的实施例中，用户设备4能够除了或代替压力传感器8包括陀螺仪和/或(一个或多个)磁场传感器。
用户设备4还包括收发器电路12，其允许用户设备4在检测到跌倒时向远程呼叫中心或急救服务发送警报信号。
用户设备4还包括存储器模块14，其被连接到处理单元10并且其能够存储来自移动传感器6、8的测量数据和/或用于由处理单元10使用的计算机可读代码。
将认识到，存储器模块14可以仅仅存储最近的测量数据或者来自预定义的时间段(例如由用户指示的作为在其期间他们执行作为跌倒风险评估的一部分的锻炼和/或移动的时间段)的测量数据。
用户设备4还包括用户接口16，其向用户提供信息和/或允许用户与用户设备4交互或控制用户设备4。用户接口16能够包括：用户输入部件，例如按钮、按键、开关、轨迹球、触摸屏或麦克风；和/或用户反馈部件，例如(用于向用户提供触觉反馈的)扬声器、灯、LED、显示器或振动设备。在一些实施例中，用户接口16至少包括用于由用户按下以紧急求助的专用按钮(该按钮有时被称作个人帮助按钮)。
用户设备4还包括电源18，例如向用户设备4的部件供电的电池。
在图1中示出的实施例的备选实施例中，跌倒检测***2能够还包括能够位于用户的家中并且其与用户设备4无线通信的基本单元。基本单元也可以充当用户设备4的充电站。基本单元可以包括用于经由公共交换电话网和/或移动通信网络实现用户与远程呼叫中心(例如急救服务)之间的通信的电路，和/或可以包括到因特网的连接。在该***2的一些实施方式中，根据本发明的处理和操作能够由用户设备4中的处理单元10执行，其中，基本单元仅仅被提供用于促进与远程呼叫中心/急救服务/因特网的通信。在备选的实施方式中，用户设备4能够将由移动传感器6、8获得的测量结果通信到基本单元，并且基本单元中的处理单元能够使用测量结果来执行根据本发明的处理和操作。该后一实施例具有能够显著降低用户设备4的功耗的优点。
在另外的实施例中，跌倒检测***2的用户设备4能够被配置为被连接到属于用户的另一电子设备，例如计算机、膝上型电脑、平板电脑或智能手机，以使得用户能够经由电子设备控制用户设备，和/或以使得电子设备能够辅助用户执行跌倒风险评估(例如通过为用户显示信息以辅助用户完成所要求的移动或锻炼)。在这些实施例中，对控制用户设备4的另一电子设备的使用能够代替对要被包括在用户设备4中的用户接口16的需要(除了可能的单个个人帮助按钮以外)。在这些实施例中，其他的电子设备而不是用户设备4也能够被用于根据本发明处理移动测量结果以降低用户设备4的功耗。
在其中用户设备4连接到基本单元和/或用户拥有的另一电子设备的实施例中，能够使用诸如Wi-Fi、蓝牙、近场通信(NFC)等的任何已知的无线技术进行该连接。
在一些实施例中，远程的临床医师或其他健康护理提供者能够经由用户设备4与用户交互。例如，临床医师或健康护理提供者能够经由用户设备4中的收发器电路12联系用户，并建议用户他们应当执行跌倒风险评估。在这种情况下，临床医师或健康护理提供者能够向用户提供口头指令，以辅助他们完成所要求的移动和/或锻炼。
图2图示根据本发明操作跌倒检测***2的方法。在第一个步骤，步骤101中，以跌倒检测模式操作跌倒检测***2，在跌倒检测模式中(优选地实时地或接近实时地)处理对用户的移动的测量结果以确定用户是否已经跌倒。在该模式(在本文中也被称作“第一”或“正常”操作模式)中，跌倒检测***2用作典型的跌倒检测器。
在一些实施方式中，用户设备4中的处理单元10通过从移动传感器测量结果提取针对与跌倒相关联的特征或各种特征的值来确定用户是否已经遭受跌倒。例如，使用加速度计6和气压传感器8来测量由用户设备4经历的加速度和气压变化，并且由处理单元10分析这些测量结果来确定用户是否已经遭受跌倒。
跌倒能够宽泛地以例如约为0.5至1.5米(该范围可能取决于要佩戴用户设备4的身体的部分以及用户的身高而不同)的海拔变化、以重大冲击力达到顶点、继之以在其中用户移动不太多的时间段为特征。因此，常规地，为了确定是否已经发生跌倒，处理单元10能够处理传感器测量结果以提取针对包括以下中的一个或多个的特征的值：海拔的变化(其能够根据来自气压传感器8的测量结果导出，但是例如在不存在气压传感器8时也能够或者备选地根据来自加速度计6的测量结果导出)、约在海拔变化发生时的最大活动水平(即冲击力)(通常根据来自加速度计6的测量结果导出)以及在冲击之后在其中用户相对不活跃的时间段(同样通常根据来自加速度计6的测量结果导出)。将认识到，其他特征能够进一步改进检测算法。例如，对跌倒后取向变化的检测能够改进信号是由跌倒引起的可能性。
在测量结果中识别出以上特征的子集或全部的情况下，能够识别出用户的跌倒。换言之，在测量结果中检测到所要求的高度变化、冲击力和不活跃时间段的情况下，可以识别出跌倒。
本文中将不进一步详细描述由处理单元10在以跌倒检测模式操作时执行的分析，但是本领域技术人员将意识到能够被应用以根据加速度计和/或气压传感器测量结果确定用户是否已经遭受跌倒的各种算法和技术。
在用户设备4以跌倒检测模式操作的同时，用户设备4可以接收来自用户的指示一时间段的输入，在该时间段期间用户正要或已经执行了出于估计他们的跌倒风险的目的的移动和/或锻炼(步骤103)。
由用户提供的输入优选地被用于指示该时间段在何时开始。在一些实施例中，用户的另外的输入能够被处理单元10理解为指示该时间段的结束。备选地，该时间段能够具有由计时器测量的预定长度，在这种情况下，用户可以仅仅被要求提供指示该时间段的开始的输入。对计时器的使用确保了用户设备4不存储数据不必要长的时间段。
在该时间段期间，并且更具体地，当正在该时间段期间测量用户的移动时，跌倒检测***2以在本文中被称作跌倒风险评估数据收集模式或“第二模式”操作。这是设备4在接收到来自用户的指示他们将执行出于评估跌倒风险的目的的某些移动和/或锻炼的输入后操作的模式。在该模式中，用户设备4将由移动传感器6、8获得的测量结果存储在存储器模块14中以供随后分析以确定跌倒风险。
在一些实施例中，用户设备4中的用户接口16能够向用户呈现信息，以辅助他们在进入跌倒风险评估数据收集模式时执行跌倒风险评估。尤其地，用户接口16能够呈现指示用户应当执行的(一个或多个)具体移动和/或(一种或多种)锻炼的信息，和/或向用户提供关于如何执行移动或锻炼的指令。
在用户设备4以数据收集模式操作并存储在用户指定的时间段期间收集的移动测量数据的同时，用户设备4优选地实时地或接近实时地处理用户的移动的测量结果，以便确定用户是否已经跌倒(如同用户设备4以跌倒检测模式操作一样)。如果跌倒检测***2在数据收集模式的同时检测到跌倒，则以正常方式触发警报(即，如同***2正以跌倒检测模式操作)。在其他的较不优选的实施例中，用户设备4可以不在以跌倒风险评估数据收集模式操作的同时处理对用户的测量结果以确定用户是否已经跌倒。
提供对时间段的指示的用户输入可以通过例如用户按下用户设备上的按钮或按键、利用用户设备4执行预定手势、选择图形用户界面内的选项或者经由另外的电子设备(例如计算机、膝上型电脑、平板电脑或智能手机)提供指示而被提供到用户设备4。
尽管上文指出，由用户提供的输入优选地指示该时间段何时开始，但是在另一备选方案中，用户能够在时间段(在其期间他们已经执行了移动和/或锻炼)的结束时提供输入。在该备选方案中，需要用户设备4暂时地将移动测量数据存储在存储器模块14中至少该预定时间段的持续时间，使得该测量结果在后续从用户接收到输入时可用。
在该时间段的结束已经过去之后(并且更具体地在已经测量了用户的移动该时间段之后)，***2返回以跌倒检测模式操作。
随后，以跌倒风险评估数据分析模式(也被称作“第三”或“另一”模式)操作***2，在跌倒风险评估数据分析模式中，处理在用户指定的时间段期间测得的移动以确定或估计用户的跌倒风险(步骤105)。
在一些实施例中，***2能够在已经收集移动测量结果预定时间段之后，自动切换到以数据分析模式操作(在这种情况下跌倒风险评估数据收集模式和跌倒风险评估数据分析模式能够被认为是单个操作模式)。在其他实施例中，***2能够在接收到来自用户的输入时被切换到以数据分析模式操作。在另外的实施例中，***2能够在已经收集移动测量结果多个单独的时间段之后自动地或手动地被切换到以数据分析模式操作。
在其中用户将***2切换到跌倒风险评估数据分析模式中的实施例中，能够以与被用于指示在其期间用户执移动和/或锻炼的时间段相似的方式提供来自用户的输入。即，所述输入能包括，例如用户按下用户设备4上的一个(或者另一)按钮或按键、利用用户设备4执行所述的或另一预定手势、选择在图形用户界面内的选项或者经由另一电子设备(例如计算机、膝上型电脑、平板电脑或智能手机)上的输入提供指示。
对于跌倒风险评估数据收集模式，在***2以跌倒风险评估数据分析模式操作的同时，***2可以继续测量用户的移动并实时地或接近实时地处理测量结果以检测用户是否跌倒。如果跌倒检测***2在数据收集模式的同时检测到跌倒，则以正常方式(即如同***正以跌倒检测模式操作)触发警报。
在跌倒风险评估数据分析模式中，由处理单元10处理自上一次***2以数据分析模式操作收集的移动测量结果(其可以涉及一个用户指定的时间段或多个用户指定的时间段)以识别用户应当执行以评估他们的跌倒风险的某种(一种或多种)移动和/或(一种或多种)锻炼。针对在测量结果中识别出的任何(一种或多种)移动和/或锻炼，处理单元10评估用户对所识别的(一种或多种)移动和/或(一种或多种)锻炼的执行。
存在许多用户能够执行作为跌倒风险评估的一部分的不同的(一种或多种)移动和/或(一种或多种)锻炼。每种移动或锻炼能够测试用户的行走能力、他们的平衡、力量或反应时间，或者这些的任何组合。适当的(一种或多种)移动和/或(一种或多种)锻炼的范例包括用户以各种方式(例如两脚一起、接近一前一后、一前一后、单腿等等)静止站立、行走、坐立转变(即从坐姿站起)、计时起立行走测试(即计时用户站起、行走一定距离并且然后返回到椅子上的坐立位置花了多长时间)以及涉及计时用户对来自用户设备4的视觉和/或听觉刺激做出反应花了多长时间的反应测试、从低水平面(例如地板)拾起物体或者转动特定预定角度(例如360度)。如下文指示的，这些移动或锻炼中的每种都能够由用户以不同的难度级别执行以提供对用户的跌倒风险的更好指示。这些移动和锻炼通常也被包括作为跌倒预防锻炼程序的一部分以帮助用户在一段时间内降低他们的跌倒风险。
这些(一种或多种)移动和/或(一种或多种)锻炼在评估跌倒风险中的使用是本领域已知的，因为是用于在对用户的移动的测量结果中识别它们以及用于分析用户已经多好地执行了它们的技术，因此本文中不提供用于处理移动测量结果的详细技术。
图3示出针对执行了行走锻炼的三种变型的用户获得的移动测量结果。图3中的每个图标绘出三维加速度测量结果对时间的归一化值，并且示出在各个峰上的圆是由处理单元10识别的用户的足跟着地(即在用户行走时，由用户的足跟着地引起的加速度)。图3(a)示出当用户正常行走时(针对该用户)测量的加速度的归一化值，图3(b)示出当用户被请求比正常慢地行走时测量的加速度的归一化值，并且图3(c)示出当用户被请求更慢地行走并且更不“规律地”(例如在他们行走时改变步速和步长)行走时测量的加速度的归一化值。被迫减慢的行走的步速比图3(a)中的正常行走产生更不规律的加速度样式(如图3(b)中所示)，图3(c)中示出了当用户以不规律的步速/步长缓慢行走时更显著的不规律加速度样式。处于不同的跌倒风险水平的用户有可能示出在他们执行行走测试时的加速度测量结果中的他们的行走的稳定性的类似退化，并且预计处于较高跌倒风险的用户与处于较低跌倒风险的用户相比较在每个测试中示出更不稳定的行走样式。因此，在实践中，通过分析用户如何执行每次行走锻炼(或者通过单独地分析每次锻炼，或者参考“模型”或用户的其他行走锻炼)，能够估计用户的跌倒风险。尤其地，一般地，较慢的行走速度和/或较不稳定/较不规律的行走样式指示较高的跌倒风险。
图4示出针对执行了坐立(STS)转变锻炼的三种变型的用户获得的移动测量结果。图4中的每个图标绘出三维加速度测量结果对时间的归一化值，并且示出在信号的各个部分上的圆是由处理单元10识别的与STS转变相关联的移动。图4(a)示出当用户正常从椅子上站起时(针对该用户)测量的加速度的归一化值，图4(b)示出当用户被请求比正常慢地站起时测量的加速度的归一化值，并且图4(c)示出当用户被请求甚至更慢地从椅子上站起时测量的加速度的归一化值。预计处于较高跌倒风险的用户与处于较低跌倒风险的用户相比较在每个测试中示出较低的总功率输出。通过分析用户如何执行每次STS转变锻炼(或者通过单独地分析每次锻炼，或者通过参考模型用户或其他锻炼)，例如包括估计用户在执行锻炼时使用的功率，能够估计用户的跌倒风险。尤其地，一般地，用于站起的较长的持续时间，和/或用于在站起时较少功率的施加指示较高的跌倒风险。
图5示出针对执行了站立锻炼的三种变型的用户获得的移动测量结果。图5中的每个图标绘出三维加速度测量结果对时间的归一化值。图5(a)示出示出当用户正常静止站立时(针对该用户)测量的加速度的归一化值(尽管备选地，该图能够示出在低通滤波之后测量的加速度，其中，低通分量任选地被归一化)，图5(b)示出当用户单腿站立时测量的加速度的归一化值，并且图5(c)示出当用户闭眼单腿站立时测量的加速度的归一化值。单腿站立比图5(a)所示的正常站立产生更不规律的加速度样式(如图5(b)中所示)，表示用户必须不断调整他们的身体姿势以保持他们的平衡的事实，同时图5(c)中示出当用户闭眼单腿站立时更不规律的加速度样式。处于不同跌倒风险水平的用户有可能在他们执行不同的站立测试时示出他们保持平衡和稳定的能力的类似的退化，并且预计处于较高跌倒风险的用户与处于较低跌倒风险的用户相比较在每个测试中显示更不稳定的样式。因此，在实践中，通过分析用户如何执行每次站立锻炼(或者通过单独地分析每次锻炼，或者通过参考模型用户或其他锻炼)，能够估计用户的跌倒风险。尤其地，一般地，用户在执行测试时(如由非零的加速度所指示的)较高的摇摆量指示较高的跌倒风险。
一旦已经根据由用户执行的一种类型的移动或锻炼或根据多种类型的移动或锻炼计算出针对用户的跌倒风险，跌倒检测***2就能够基于所计算的跌倒风险来向用户或远程的临床医师提供信息或反馈。该信息或反馈能够经由用户设备4的用户接口16或经由诸如基本单元或相关联的电子设备(如果***2中存在的话)的其他装置被提供给用户。
信息可以包括例如对跌倒风险的指示(例如高、中、低)、用户与用户的移动或锻炼的先前迭代相比较如何(例如改善、相同/相似、恶化)、用户的性能与(例如在跌倒预防锻炼程序中指定的)目标性能相比较如何。
在计算出针对用户的跌倒风险之后，用户设备4返回到以正常跌倒检测模式操作，直到接收到来自用户的下一输入，该下一输入指示他们正要执行用于跌倒风险评估的移动或锻炼。
如上文指出的，用户将指示他们正要(或已经)执行移动和/或锻炼以便评价他们的跌倒风险的输入提供到用户设备4，使得用户设备4能够进入跌倒风险评估数据收集模式。在一些实施例中，用户还向用户设备4提供输入以控制设备4进入分析模式并根据收集到的数据来计算跌倒风险。
这个/这些输入能够通过用户按下用户设备4上的按钮或按键或者通过按下基本单元或其他电子设备(如果它们形成***2的一部分的话)上的按钮或按键来提供。然而，在其中用户设备4包括单个按钮以允许用户紧急求助的实施例中，为该按钮装备双重功能(即求助和指示跌倒风险评估的开始)可能会使用户困惑。
因此，在优选的实施例中，用户通过利用用户设备4执行预定手势向用户设备4提供输入。例如，用户输入能够包括摇晃用户设备4、以圆周运动或8字形运动移动它、翻转设备4或执行任何其他简单的预定义运动。手势能够由处理单元10在来自加速度计6的测量结果中检测到。在用户要向用户设备4提供另一输入(例如要指示跌倒风险评估数据收集模式的结束和/或要启动跌倒风险评估数据分析模式)时，被用于提供该指示的手势可以与被用于启动跌倒风险评估数据收集模式的相同，或者其可以为不同的手势。
在其中用户设备4(或者任选地基本单元或另一电子设备(如果它们是***的一部分的话))向用户提供指令以辅助他们执行跌倒风险评估需要的移动或锻炼的实施例中，能够基于用户的那些测试的先前性能来调整移动或锻炼。尤其地，如果用户先前良好地执行了锻炼(即测试结果指示低跌倒风险)，则能够调整指令/锻炼使得用户下一次执行该锻炼的较难版本。类似地，如果用户先前较差地执行了锻炼(即测试结果指示高跌倒风险)，则能够调整指令/锻炼使得用户下一次执行该锻炼的较容易版本。例如，在站立测试的情况中，增加难度能够意味着指令用户相比前一次测试以双脚更靠近站立或者以一脚在另一脚前方站立。
图6中示出图示根据本发明的实施例的对用户设备4的操作的流程图。在该实施例中，以第一预定义手势的形式的用户输入被用于指示跌倒风险评估数据收集模式的开始和结束，并且以第二预定义手势的形式的用户输入被用于启动跌倒风险评估数据分析模式。此外，在该实施例中，处理单元10连续分析来自移动传感器的测量结果以确定用户是否已经跌倒。如果检测到跌倒(或者个人帮助按钮被按下)，则触发警报并且用户设备4请求来自呼叫中心或来自急救服务的对用户的帮助。如果在跌倒风险评估数据收集或数据分析模式期间的任何点检测到跌倒(或者个人帮助按钮被按下)，则中断数据收集或数据分析模式，并且处理单元10再次触发警报并请求对用户的帮助。
在第一步骤，步骤201中，用户设备4以正常操作模式操作，即其测量用户的移动并分析那些测量结果以确定用户是否已经跌倒。
在分析移动的测量结果的同时，处理单元10也分析测量结果以检测用户是否已经执行启动跌倒风险评估数据收集模式需要的第一预定义手势(步骤202)或启动跌倒风险评估数据分析模式需要的第二预定义手势(步骤205)。
如果用户执行了第一预定义手势(并且其被处理单元10检测到)，则处理单元10进入或开始数据收集模式(步骤207)。在该模式期间，能够向用户呈现指令以辅助他们执行所需要的移动或锻炼，并且用户的移动的测量结果被存储以供后续分析。在进入数据收集模式后，启动计时器(步骤209)。计时器可以例如具有2分钟的值。
假设在设备4处于数据收集模式的同时未检测到跌倒并且个人帮助按钮未被按下，则再次确定用户是否已经执行第一预定义手势以通知指定移动或锻炼的结束或预定计时器(例如2分钟)是否已经到期(步骤211)。如果都还没有发生，则数据收集模式继续并且过程回路返回到步骤211，直到这些事件中的一种发生。如果检测到第一预定义手势或计时器到期，则停止数据收集模式(步骤213)并且设备4返回到跌倒检测模式(步骤201)。
如果在步骤203，还没有执行第一预定义手势，或者在返回到跌倒检测模式(步骤201)之后还没有发生第一预定义手势的另一出现，则处理单元评估是否已经执行了第二预定义手势(步骤205)。如果不是，则设备4保持在跌倒检测模式中(步骤201)。
如果用户不执行第二预定义手势，则设备4切换成跌倒风险评估数据分析模式，在跌倒风险评估数据分析模式中，分析在先前的数据收集模式期间收集到的测量结果以确定针对用户的跌倒风险(步骤215)。在数据分析完成后，设备4返回到以跌倒检测模式操作(步骤201)。
在图7中示出根据本发明的实施例的操作用户设备4的更详细的方法。在该实施例中，跌倒检测模式包括两级处理。在第一低功率阶段中，处理单元10分析针对跌倒的单个容易检测到的特性(例如冲击力)测量的加速度(例如大于阈值的加速度)。能够针对每个新的测量数据块来执行该低功率处理。如果在任何时间检测到该特性，则处理单元10激活完整跌倒检测处理，并且处理测量结果以检测是否存在跌倒的其他特性，例如自由跌倒、高度变化、取向的变化等等。
在图7中，针对每个新的测量数据块(301)，处理单元10检查是否识别出第一预定义手势(例如打开设备4以开始或停止数据收集模式)(303)。如果未识别出第一预定义手势，则处理单元10检查是否应当触发跌倒检测算法(305)。如果不是，则处理单元10检查是否识别出第二预定义手势(例如摇晃设备以开始分析模式)(307)。如果不是，则处理单元10检查设备4是否已经处于跌倒风险评估数据收集模式(309)。如果不是，则用户设备4继续以跌倒检测模式操作(并且尤其使用对测量数据的低功率处理)，意味着在用户设备中不存储数据，没有计时器运行，并且完整的跌倒检测算法不运行并且不分析存储的数据以确定跌倒风险。将认识到，303(针对执行第一预定义手势)、305(针对触发跌倒检测)和307(针对执行第二预定义手势)中的检查能够以与图7中所示的不同的顺序来执行。也将认识到，能够同时而非顺序地执行这些检查。
如果在303，识别出第一预定义手势，则用户设备4检查设备4是否已经以跌倒风险评估数据收集模式操作(311)。如果是，则停止数据收集模式并停止使用计时器(313)。如果不是，则开启数据收集模式并启动计时器(315)。在数据收集模式期间，数据被存储并且计时器运行。
如果在305，确定需要完整的跌倒检测算法，则处理单元10处理测量结果以确定用户是否已经跌倒(317和319)。如果检测到跌倒，则能够存储与跌倒相关的测量数据以供随后分析，能够触发警报并请求来自呼叫中心或急救服务的帮助(321)。然后在323，停止数据收集模式(或者如果活动的话为数据分析模式)并停止任何计时器。然后设备4在接收到新数据时以正常跌倒检测模式操作(301)。
如果在319未检测到跌倒，或者在306未触发完整的跌倒检测处理，则处理单元10检查第二预定义手势(307)。如果在测量数据中识别出第二预定义手势，则用户设备4以数据分析模式操作(325)，在数据分析模式中，处理在上一次执行数据分析模式期间或自上一次执行数据分析模式的任何数据收集模式期间存储的全部数据以确定跌倒风险。如果在325中激活了数据分析模式，则关闭数据收集模式(如果仍活动的话)并停止任何运行的计时器(323)。
如果在307未识别出第二预定义手势，但在309确定数据收集模式移动，则在327检查计时器是否已经到期(即检查自数据收集的开始过去的时间是否已经达到阈值)。如果计时器已经到期，则停用数据收集模式(323)。如果计时器还没有到期，则存储在301接收到的数据块(329)。
然后针对下一测量数据块重复该过程(301)。下一测量数据块可以与前一测量数据块是连续的(即在数据块之间没有间隙)，与前一测量数据块是不连续的或者与前一测量数据块重叠(例如能够丢弃前一测量数据块中最早的样本或样本集，并且将新样本或样本集添加到剩余样本以形成下一测量数据块)。可以例如在前一测量数据块中几乎没有或没有检测到移动时(例如由于用户躺下或坐下)使用不连续的测量数据块，这降低了用户设备4的功耗。
尽管未在图7中示出，但是如果在任何点用户设备4上的个人帮助按钮被按下，则过程直接移动到321并触发警报并且由用户设备4请求针对用户的帮助。
因此提供了一种***和方法，所述***和方法使得用户能够使用大体上无干扰的用户佩戴或携带的设备在家中或其他非临床环境中快速且容易地获得对他们的跌倒风险的估计。
尽管已经在附图和前面的描述中详细说明和描述了本发明，但这样的说明和描述被认为是说明性或示范性的而非限制性的；本发明不限于所公开的实施例。
通过研究附图、说明书和权利要求书，本领域的技术人员在实践所主张的本发明时能够理解和实现所公开的实施例的其他变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且，词语“一”或“一个”并不排除多个。单个处理器或其他单元可以实现权利要求书中记载的若干项目的功能。在互不相同的从属权利要求中记载了特定措施并不指示不能有利地使用这些措施的组合。计算机程序可以存储/分布在与其他硬件一起提供或作为其他硬件的部分提供的诸如光学存储介质或固态介质的适当的介质上，但是计算机程序也可以以其他的形式分布，例如经由因特网或其他有线或无线的远程通信***。权利要求中的任何附图标记不得被解释为对范围的限制。

Claims (17)

1.一种被设计为由用户佩戴或携带的跌倒检测***，包括：
用户设备，其被配置为测量所述用户的移动的一个或多个传感器；并且
处理单元，其被配置为：
以第一模式操作，在所述第一模式中，所述处理单元处理测得的移动以确定所述用户是否已经跌倒；
检测来自所述用户的第一输入，所述第一输入指定具有预定长度的所述用户指定的时间段的开始，在所述用户指定的时间段期间所述用户将执行被用于评估跌倒风险的一种或多种指定锻炼和/或移动；
以数据收集模式操作，在所述数据收集模式中，仅包括在具有所述预定长度的所述用户指定的时间段期间获得的所述测得的移动中的子集被存储在存储器模块中；
以数据分析模式操作，在所述数据分析模式中，所述处理单元处理被存储在所述存储器模块中的所述测得的移动的所述子集以确定所述用户跌倒的风险。
2.如权利要求1所述的跌倒检测***，其中，所述处理单元被配置为同时以所述第一模式和所述数据收集模式操作。
3.如权利要求2所述的跌倒检测***，其中，在检测到来自所述用户的指定所述时间段的所述开始的所述第一输入时，所述处理单元还被配置为启动计时器。
4.如权利要求3所述的跌倒检测***，其中，所述处理单元被配置为当所述计时器到达预定值时，重新开始以所述第一模式操作。
5.如权利要求2-4中任一项所述的跌倒检测***，其中，所述处理单元被配置为在检测到来自所述用户的指定所述时间段的结束的第二输入时，重新开始以所述第一模式操作。
6.如权利要求2-4中任一项所述的跌倒检测***，其中，所述处理单元被配置为在检测到来自所述用户的第三输入时，以所述数据分析模式操作。
7.如权利要求2-4中任一项所述的跌倒检测***，所述***还包括受所述处理单元控制的显示器，所述处理单元被配置为经由所述显示器向所述用户提供针对一种或多种锻炼和/或移动的指令，所述一种或多种锻炼和/或移动用于所述用户在所述处理单元以所述数据收集模式操作的同时执行。
8.如权利要求7所述的跌倒检测***，其中，所述处理单元被配置为基于针对所述用户的先前确定的跌倒风险来调整针对所述一种或多种锻炼和/或移动的所述指令。
9.如权利要求2-4中任一项所述的跌倒检测***，其中，所述处理单元被配置为在以所述数据收集模式操作的同时继续处理所述测得的移动以确定所述用户是否已经跌倒。
10.如权利要求1-4中任一项所述的跌倒检测***，其中，所述用户通过利用所述用户设备执行预定义的手势或移动来提供输入，并且其中，所述处理单元被配置为处理所述测得的移动以检测所述用户是否已经利用所述用户设备执行了预定义的手势或移动。
11.如权利要求1-4中任一项所述的跌倒检测***，其中，所述处理单元被配置为使得，当以所述数据分析模式操作时，所述处理单元处理在所述用户指定的时间段期间获得的所述测得的移动以识别所述用户是否已经执行了被用于评估跌倒风险的一种或多种移动和/或锻炼，并且如果识别出移动或锻炼，则所述处理单元评价所述用户多好地执行了所述移动或锻炼以确定所述用户跌倒的风险。
12.如权利要求1-4中任一项所述的跌倒检测***，其中，所述处理单元被配置为在以所述数据分析模式操作的同时继续处理所述测得的移动以确定所述用户是否已经跌倒。
13.一种操作被设计为由用户佩戴的跌倒检测***的方法，所述方法包括：
利用一个或多个传感器来测量所述用户的移动；
以第一模式操作所述***，在所述第一模式中，处理测得的移动以确定所述用户是否已经跌倒；
检测来自所述用户的第一输入，所述第一输入指定具有预定长度的所述用户指定的时间段的开始，在所述用户指定的时间段期间所述用户将执行被用于评估跌倒风险的一种或多种指定锻炼和/或移动；
以数据收集模式操作所述***，在所述数据收集模式中，仅包括在具有所述预定长度的所述用户指定的时间段期间获得的所述测得的移动中的子集被存储在存储器模块中；并且
以数据分析模式操作所述***，在所述数据分析模式中，所述处理单元处理所存储的所述测得的移动的所述子集以确定所述用户跌倒的风险。
14.如权利要求13所述的方法，其中，所述用户执行手势以输入所述用户指定的时间段的所述开始。
15.一种操作被设计为由用户佩戴的跌倒检测***的装置，包括：
用于测量所述用户的移动的单元；
用于以第一模式操作所述***的单元，在所述第一模式中，处理测得的移动以确定所述用户是否已经跌倒；并且
用于检测来自所述用户的第一输入的单元，所述第一输入指定具有预定长度的所述用户指定的时间段的开始，在所述用户指定的时间段期间所述用户将执行被用于评估跌倒风险的一种或多种指定锻炼和/或移动；
用于以数据收集模式操作所述***的单元，在所述数据收集模式中，仅包括在具有所述预定长度的所述用户指定的时间段期间获得的所述测得的移动中的子集被存储在存储器模块中；并且
用于以数据分析模式操作所述***的单元，在所述数据分析模式中，所述处理单元处理所存储的所述测得的移动的所述子集以确定所述用户跌倒的风险。
16.如权利要求15所述的装置，其中，所述用户执行手势以输入所述用户指定的时间段的所述开始。
17.一种存储计算机程序产品的计算机可读介质，所述计算机程序产品具有被实现在其中的计算机可读代码，所述计算机可读代码被配置为使得在由适当的计算机或处理单元运行时，所述计算机或处理单元执行如权利要求13和14中的任一项所述的方法。
CN201480031762.6A 2013-06-06 2014-05-23 跌倒检测***及方法 Expired - Fee Related CN105263411B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13170775 2013-06-06
EP13170775.4 2013-06-06
PCT/EP2014/060607 WO2014195146A1 (en) 2013-06-06 2014-05-23 Fall detection system and method.

Publications (2)

Publication Number Publication Date
CN105263411A CN105263411A (zh) 2016-01-20
CN105263411B true CN105263411B (zh) 2019-11-01

Family

ID=48625774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480031762.6A Expired - Fee Related CN105263411B (zh) 2013-06-06 2014-05-23 跌倒检测***及方法

Country Status (7)

Country Link
US (1) US10524698B2 (zh)
EP (1) EP3003147B1 (zh)
JP (1) JP6448626B2 (zh)
CN (1) CN105263411B (zh)
AU (1) AU2014277079B2 (zh)
CA (1) CA2914240C (zh)
WO (1) WO2014195146A1 (zh)

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9367770B2 (en) 2011-08-30 2016-06-14 Digimarc Corporation Methods and arrangements for identifying objects
US10112040B2 (en) 2011-11-15 2018-10-30 Neurometrix, Inc. Transcutaneous electrical nerve stimulation using novel unbalanced biphasic waveform and novel electrode arrangement
US11259744B2 (en) 2011-11-15 2022-03-01 Neurometrix, Inc. Transcutaneous electrical nerve stimulator with automatic detection of leg orientation and leg motion for enhanced sleep analysis, including enhanced transcutaneous electrical nerve stimulation (TENS) using the same
US11247040B2 (en) 2011-11-15 2022-02-15 Neurometrix, Inc. Dynamic control of transcutaneous electrical nerve stimulation therapy using continuous sleep detection
CN107376115A (zh) 2011-11-15 2017-11-24 神经***检测公司 用于使用经皮电神经刺激减轻疼痛的设备和方法
US9474898B2 (en) 2013-03-29 2016-10-25 Neurometrix, Inc. Detecting cutaneous electrode peeling using electrode-skin impedance
US10940311B2 (en) 2013-03-29 2021-03-09 Neurometrix, Inc. Apparatus and method for button-free control of a wearable transcutaneous electrical nerve stimulator using interactive gestures and other means
CN105431196B (zh) 2013-04-15 2019-02-01 Gsk消费者健康有限公司 具有用户睡眠—觉醒状态的自动检测的经皮电神经刺激器
US10664795B1 (en) 2013-09-20 2020-05-26 Amazon Technologies, Inc. Weight based item tracking
US10515309B1 (en) * 2013-09-20 2019-12-24 Amazon Technologies, Inc. Weight based assistance determination
US10657411B1 (en) 2014-03-25 2020-05-19 Amazon Technologies, Inc. Item identification
US10713614B1 (en) 2014-03-25 2020-07-14 Amazon Technologies, Inc. Weight and vision based item tracking
CN104678745A (zh) * 2015-02-10 2015-06-03 柳州市金旭节能科技有限公司 一种具有跌倒检测功能的手表
US10537245B2 (en) 2015-02-17 2020-01-21 Halo Wearables, Llc Measurement correlation and information tracking for a portable device
JP6464003B2 (ja) * 2015-03-19 2019-02-06 セコム株式会社 転倒検知端末およびプログラム
US10736518B2 (en) 2015-08-31 2020-08-11 Masimo Corporation Systems and methods to monitor repositioning of a patient
US11170626B2 (en) 2015-09-17 2021-11-09 Luvozo Pbc Automated environment hazard detection
US10813572B2 (en) 2015-12-11 2020-10-27 Electronic Caregiver, Inc. Intelligent system for multi-function electronic caregiving to facilitate advanced health diagnosis, health monitoring, fall and injury prediction, health maintenance and support, and emergency response
US10692011B2 (en) * 2016-01-21 2020-06-23 Verily Life Sciences Llc Adaptive model-based system to automatically quantify fall risk
JP2020504806A (ja) * 2016-10-05 2020-02-13 マイ メディック ウォッチ プロプライエタリー リミテッドＭｙ Ｍｅｄｉｃ Ｗａｔｃｈ Ｐｔｙ Ｌｔｄ アラートシステム
EP3525673B1 (en) * 2016-10-12 2020-07-08 Koninklijke Philips N.V. Method and apparatus for determining a fall risk
EP3537955A4 (en) * 2016-11-11 2020-07-01 GSK Consumer Healthcare S.A. TENS DEVICE FOR ACTIVITY MONITORING, GANG ANALYSIS AND COMPENSATION EVALUATION
WO2018107374A1 (zh) * 2016-12-14 2018-06-21 深圳先进技术研究院 跌倒检测设备、跌倒检测方法及装置
AU2017382389A1 (en) 2016-12-23 2019-07-11 GSK Consumer Healthcare S.A. Smart electrode assembly for transcutaneous electrical nerve stimulation (TENS)
US20180332162A1 (en) * 2017-05-10 2018-11-15 CanadianMadeFive Holdings Inc. Mobile application for personal safety
US11058877B2 (en) 2017-05-30 2021-07-13 Neurometrix, Inc. Apparatus and method for the automated control of transcutaneous electrical nerve stimulation based on current and forecasted weather conditions
EP3422315B1 (en) 2017-06-28 2019-08-14 Koninklijke Philips N.V. Method and apparatus for providing feedback to a user about a fall risk
US11282363B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US11527140B2 (en) 2017-09-29 2022-12-13 Apple Inc. Detecting falls using a mobile device
US10629048B2 (en) * 2017-09-29 2020-04-21 Apple Inc. Detecting falls using a mobile device
US11282361B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US11282362B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US20190259475A1 (en) * 2018-02-20 2019-08-22 SameDay Security, Inc. Connected Kiosk for the Real-Time Assessment of Falls Risk
US11213224B2 (en) 2018-03-19 2022-01-04 Electronic Caregiver, Inc. Consumer application for mobile assessment of functional capacity and falls risk
US11908581B2 (en) 2018-04-10 2024-02-20 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
US11923058B2 (en) 2018-04-10 2024-03-05 Electronic Caregiver, Inc. Mobile system for the assessment of consumer medication compliance and provision of mobile caregiving
US11504071B2 (en) 2018-04-10 2022-11-22 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
US11488724B2 (en) 2018-06-18 2022-11-01 Electronic Caregiver, Inc. Systems and methods for a virtual, intelligent and customizable personal medical assistant
US20210125728A1 (en) 2018-06-29 2021-04-29 Koninklijke Philips N.V. System and method that optimizes physical activity recommendations based on risks of falls
US11571142B2 (en) * 2018-07-18 2023-02-07 American International Group, Inc. Fall detection and identification by using data from human condition safety tags
US11883661B2 (en) 2018-12-07 2024-01-30 Neurometrix, Inc. Intelligent determination of therapeutic stimulation intensity for transcutaneous electrical nerve stimulation
US11791050B2 (en) 2019-02-05 2023-10-17 Electronic Caregiver, Inc. 3D environment risks identification utilizing reinforced learning
US11980791B2 (en) * 2019-06-12 2024-05-14 Nippon Telegraph And Telephone Corporation Living body guidance apparatus, living body guidance method and living body guidance program
US11881097B2 (en) 2019-08-02 2024-01-23 Samsung Electronics Co., Ltd Method and device for detecting fall accident by using sensor in low power state
TWI781378B (zh) * 2020-03-02 2022-10-21 瀚誼世界科技股份有限公司 跌倒偵測方法、單氣壓計裝置與系統
TWI739336B (zh) * 2020-03-09 2021-09-11 瀚誼世界科技股份有限公司 氣壓偵測裝置、方法與雙氣壓計跌倒偵測系統
US12009083B2 (en) 2020-11-16 2024-06-11 Electronic Caregiver, Inc. Remote physical therapy and assessment of patients

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5976083A (en) * 1997-07-30 1999-11-02 Living Systems, Inc. Portable aerobic fitness monitor for walking and running

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI114246B (fi) * 2003-06-25 2004-09-15 Ist Oy Laite kaatumisen ilmaisua varten
JP2007095040A (ja) * 2005-08-31 2007-04-12 Matsushita Electric Ind Co Ltd データ処理装置、プログラム、記録媒体、コンテンツ再生装置
US7683252B2 (en) * 2005-11-23 2010-03-23 Microsoft Corporation Algorithm for providing music to influence a user's exercise performance
CN101536053A (zh) * 2006-11-14 2009-09-16 皇家飞利浦电子股份有限公司 预防跌倒的***以及采用这样的***预防跌倒的方法
BRPI0913494A2 (pt) * 2008-09-12 2016-07-26 Koninkl Philips Electronics Nv sistema de detecção de queda e método de operação de um sistema de detecção de queda
US8749391B2 (en) 2008-10-16 2014-06-10 Koninklijke Philips N.V. Fall detection system
US8788977B2 (en) * 2008-11-20 2014-07-22 Amazon Technologies, Inc. Movement recognition as input mechanism
WO2010126878A1 (en) 2009-04-27 2010-11-04 Mayo Foundation For Medical Education And Research Fall detection
US20120095722A1 (en) * 2009-07-10 2012-04-19 Koninklijke Philips Electronics N.V. Fall prevention
US20120119904A1 (en) 2010-10-19 2012-05-17 Orthocare Innovations Llc Fall risk assessment device and method
US8675920B2 (en) * 2011-04-04 2014-03-18 Alarm.Com Incorporated Fall detection and reporting technology
EP2702575A1 (en) * 2011-04-29 2014-03-05 Koninklijke Philips Electronics N.V. An apparatus for use in a fall detector or fall detection system, and a method of operating the same
US9933452B2 (en) * 2011-06-28 2018-04-03 Koninklijke Philips N.V. Sit-to-stand transfer detection
WO2013054257A1 (en) * 2011-10-09 2013-04-18 The Medical Research, Infrastructure and Health Services Fund of the Tel Aviv Medical Center Virtual reality for movement disorder diagnosis and/or treatment

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5976083A (en) * 1997-07-30 1999-11-02 Living Systems, Inc. Portable aerobic fitness monitor for walking and running

Also Published As

Publication number Publication date
AU2014277079A1 (en) 2016-01-28
EP3003147B1 (en) 2021-03-03
US10524698B2 (en) 2020-01-07
JP6448626B2 (ja) 2019-01-09
WO2014195146A1 (en) 2014-12-11
CN105263411A (zh) 2016-01-20
AU2014277079B2 (en) 2018-12-13
CA2914240C (en) 2023-04-04
EP3003147A1 (en) 2016-04-13
CA2914240A1 (en) 2014-12-11
US20160113551A1 (en) 2016-04-28
JP2016525383A (ja) 2016-08-25

Similar Documents

Publication Publication Date Title
CN105263411B (zh) 跌倒检测***及方法
US10512406B2 (en) Systems and methods for determining an intensity level of an exercise using photoplethysmogram (PPG)
CN105849671B (zh) 由运动移动属性计算步伐和能量消耗
CN104146712B (zh) 穿戴式足底压力检测设备及足底压力检测和姿态预测方法
EP2965239B1 (en) Computing user's physiological state related to physical exercises
KR20160063126A (ko) 운동 정보 제공 방법과 이를 지원하는 전자 장치
KR102173335B1 (ko) 모션 인식 기반의 신체능력 분석 방법 및 그 장치
KR102070351B1 (ko) 다수의 디바이스들로부터의 데이터를 이용한 에너지 소비량 계산
KR101974831B1 (ko) 낙상위험 평가방법 및 이를 위한 사용자 단말기
KR20170101996A (ko) 다수의 디바이스들로부터의 데이터를 이용한 에너지 소비량 계산
WO2019010161A1 (en) SYSTEMS, DEVICES AND METHODS FOR ACQUIRING, VALIDATING AND ANALYZING ATHLETIC MOVEMENT DATA
KR20100052951A (ko) 일체형 헬스케어 장치
Hong et al. An activity recognition system for ambient assisted living environments
KR20150071729A (ko) 3축 가속도 센서를 이용한 실시간 운동측정장치 및 방법
US20240057895A1 (en) Musculoskeletal strain
Chen et al. An accurate crowdsourcing-based adaptive fall detection approach using smart devices
Del Rosario Convergence of smartphone technology and algorithms that estimate physical activity for cardiac rehabilitation
CN104517026B (zh) 用于物理接触启动显示和导航的方法、***和设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210922

Address after: Massachusetts USA

Patentee after: Lifeline systems

Address before: Eindhoven, Netherlands

Patentee before: KONINKLIJKE PHILIPS N.V.

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191101

CF01 Termination of patent right due to non-payment of annual fee