CN107221128B - 一种便携式人体跌倒风险的评价和预警***及其方法 - Google Patents
一种便携式人体跌倒风险的评价和预警***及其方法 Download PDFInfo
- Publication number
- CN107221128B CN107221128B CN201710358247.4A CN201710358247A CN107221128B CN 107221128 B CN107221128 B CN 107221128B CN 201710358247 A CN201710358247 A CN 201710358247A CN 107221128 B CN107221128 B CN 107221128B
- Authority
- CN
- China
- Prior art keywords
- fall risk
- early warning
- human body
- risk index
- acceleration
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 230000001133 acceleration Effects 0.000 claims abstract description 57
- 241000345998 Calamus manan Species 0.000 claims abstract description 26
- 235000012950 rattan cane Nutrition 0.000 claims abstract description 26
- 230000007704 transition Effects 0.000 claims abstract description 19
- 238000009792 diffusion process Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000007476 Maximum Likelihood Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000011002 quantification Methods 0.000 abstract description 3
- 238000013459 approach Methods 0.000 abstract description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
Classifications
-
- 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
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Emergency Management (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Multimedia (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种便携式人体跌倒风险的评价和预警***及其方法。本发明首先通过利用加速度传感器测量和采集加速度信号,按照伊藤方程模型估计出漂移项参数和扩散项参数;将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布;最后,将状态转移概率密度分布的特征作为个体的当前跌倒风险指标,输出匹配的跌倒风险等级。本发明首次将可用于处理非线性随机信号的方法运用到了人体身上,这种方法分析得到的数据更能体现出人体运动的本质规律,预测得到的跌倒风险指数更准确;由于这套***简约方便,便于为大众日常锻炼提供客观量化的依据;本发明的方法具有良好的鲁棒性以及运算速度,能够快速全面准确的评价出跌倒的风险指标。
Description
技术领域
本发明涉及医疗预警设备,具体涉及一种便携式人体跌倒风险的评价和预警***及其评价和预警方法。
背景技术
跌倒(Fall)被定义为一个人无意地、突发地、非自主地从一个平坦的或其他固定的,安全的位置摔到地板、地面或一个更低的位置,包括晕厥或癫痫发作引发的状况。跌倒在社区老年人中十分常见,在医院和专业护理机构的发生率也相当普遍。
跌倒对医疗机构和医务工作者而言是一个较大的医疗负担。
每年有30~40%社区老年人至少跌倒一次,而专业护理机构的老年人跌倒比例是前者的三倍。
据估计,2~12%的住院病人在住院期间至少跌倒过一次;跌倒是医院最常见的意外事件。超过84%的住院患者都会发生与跌倒相关的不良事件。
跌倒可引起明显的不适和疼痛,从而延缓身体痊愈。此外,跌倒与病人的活动受限、发病率增加、僵化和死亡密切相关。
患者在医疗保健机构发生的跌倒不仅会导致自身住院时间和工作人员工作量的增加,同时,由于医院管理机构需要处理跌倒患者/家属的投诉,调解与患者之间的诉讼,甚至需要法医勘验,因此直接导致医疗机构成本的增加。
虽然我们无法预测跌倒的风险,但可以通过一系列预防措施减少跌倒发生跌倒预防的第一步是研究跌倒风险评估模型以确定高风险的跌倒患者,这是国际共识。
美国老年协会(the American Geriatrics Society)和英国老年协会(theBritish Geriatrics Society)提倡要针对社区老年人跌倒、步态异常和/或平衡受损进行相关的多因素跌倒风险评估。
发明内容
为了解决无法客观量化人体在运动过程中人体跌倒风险的问题,并且无法对跌倒风险较高的人群进行跌倒风险预警,本发明提出了一种便携式人体跌倒风险的评价和预警***及其评价和预警方法,弥补目前没有办法提前预警跌倒风险的空白。
本发明的一个目的在于提出一种便携式人体跌倒风险的评价和预警***。
本发明的便携式人体跌倒风险的评价和预警***包括:加速度传感器、人体姿态信号采集单元、信号预处理单元、跌倒风险指标分析单元、跌倒预警输出单元和预警单元;其中,加速度传感器佩戴或携带在人体上;加速度传感器连接至人体姿态信号采集单元;人体姿态信号采集单元、信号预处理单元、跌倒风险指标分析单元、跌倒预警输出单元和预警单元依次连接;加速度传感器测量人体在运动过程中的加速度;人体姿态信号采集单元实时记录,并形成加速度信号的时间序列;信号预处理单元将加速度信号进行相空间重构并完成去噪处理,得到去噪后的时间序列,按照伊藤方程模型通过极大似然方法估计出漂移项参数和扩散项参数;跌倒风险指标分析单元将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布,将状态转移概率密度分布的特征作为个体的当前跌倒风险指标,并将该个体的人体跌倒风险指标存入数据库;跌倒预警输出单元将个体的实时跌倒风险指标与数据库不同人群的跌倒风险指标进行比对,输出匹配的跌倒风险等级;如果当前的跌倒风险等级达到预先设定的预警等级时,立即通过预警单元进行语音、视觉或者振动的方式报警。
加速度传感器单独佩戴或携带在人体上,或者是内置在由人体随身佩戴或携带的便携式设备,如手环、手机或手表中,或者与此便携式设备配套的设备中。加速度信号的采样频率为100Hz~300Hz。
预警单元内置在由人体随身佩戴或携带的便携式设备中。
本发明的另一个目的在于提供一种便携式人体跌倒风险的评价和预警***的预警方法。
本发明的便携式人体跌倒风险的评价和预警***的预警方法,包括以下步骤:
1)建立跌倒风险指标的数据库:
a)来自多个不同跌倒风险等级的人群的个体作为样本,按照跌倒风险的不同,从低到高划分为多个跌倒风险等级;
b)样品佩戴或携带的加速度传感器测量一个样本在运动过程中的加速度;
c)人体姿态信号采集单元实时记录,并形成加速度信号的时间序列;
d)信号预处理单元将加速度信号进行相空间重构并完成去噪处理,得到去噪后的时间序列,按照伊藤方程模型通过极大似然方法估计出漂移项参数和扩散项参数;
e)跌倒风险指标分析单元将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布,将状态转移概率密度分布的特征作为样本的跌倒风险指标pt;
f)重复步骤b)~e),直至完成所有样本的跌倒风险指标;
g)统计位于不同跌倒风险等级的样本的跌倒风险指标所在的区间,并将此区间作为相应跌倒风险等级的跌倒风险指标区间,建立跌倒风险指标的数据库,存在跌倒预警输出单元;
h)根据跌倒风险等级由低到高,设定预警等级;
2)佩戴或携带在人体上的加速度传感器测量人体在运动过程中的加速度;
3)人体姿态信号采集单元实时记录,并形成加速度信号的时间序列St;
4)信号预处理单元将加速度信号进行相空间重构并完成去噪处理,得到去噪后的时间序列Xt,按照伊藤方程模型通过极大似然方法估计出漂移项参数和扩散项参数;
5)跌倒风险指标分析单元将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布,将状态转移概率密度分布的特征作为个体的当前跌倒风险指标pt;
6)跌倒预警输出单元将个体的实时跌倒风险指标与数据库的跌倒风险指标区间进行比对,输出相匹配的跌倒风险等级;并将该个体的人体跌倒风险指标存入数据库;
7)如果当前的跌倒风险等级达到预先设定的预警等级时,立即通过预警单元进行语音、视觉或者振动的方式报警。
其中,在步骤1)中,样本的数量为500人以上;跌倒风险等级为4~10级。
在步骤4)中,具体包括以下步骤:
i.采用塔肯斯定理(Takens’Theorem)相空间重建方法,其中通过关联维数和互信息方法确定嵌入维数m和延迟时间τ;
ii.采用局部流形投影方法或基于相空间辛几何的主成分分析完成相空间去噪;
iii.对相空间去噪后的信号进行经验模式分解去除波动趋势,得到去噪后的时间序列Xt;
iv.基于Xt和伊藤方程,利用极大似然估计方法估计得到伊藤方程的两个参数:漂移项μt和扩散项参数σt。
在步骤5)中,具体包括以下步骤:
i.将估计得到的伊藤方程模型作为人体跌倒风险的预测模型;
ii.利用首次穿越方法求解得到的状态转移概率密度分布,选择分布曲线的最大值与对应的时间的比值特征作为个体当前跌倒风险指标pt;其中,个体的当前跌倒风险指标Pt是由个体行走的当前时刻的前20秒至180秒内的加速度信号确定。
本发明的优点:
本发明首先加速度传感器的加速度信号,按照伊藤方程模型估计出漂移项参数和扩散项参数;将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布;最后,将状态转移概率密度分布的特征作为个体的当前跌倒风险指标,输出匹配的跌倒风险等级,如果当前的跌倒风险等级达到预先设定的预警等级时,立即通过语音、视觉或者振动的方式报警。本发明首先是从便携式设备入手,例如简易加速度传感器、手机和手环等配备,通过记录人体运动行为的加速度序列,对人体跌倒风险进行评价、预测和预警。
本发明主要是运用了非线性随机动力学里面的首次穿越的分析方法对加速度信号进行处理,首次将可用于处理非线性随机信号的方法运用到了人体身上,这种方法分析得到的数据更能体现出人体本质的运动规律,预测得到的跌倒风险指数更准确;由于这套***简约方便,便于为大众日常锻炼提供客观量化的依据;本发明的方法具有良好的鲁棒性以及运算速度,能够快速全面准确的评价出跌倒的风险指标。
附图说明
图1为本发明的便携式人体跌倒风险的评价和预警***的结构框图;
图2为本发明的便携式人体跌倒风险的评价和预警***的预警方法的流程图。
具体实施方式
下面结合附图,通过具体实施例,进一步阐述本发明。
如图1所示,本实施例的便携式人体跌倒风险的评价和预警***包括:加速度传感器、人体姿态信号采集单元、信号预处理单元、跌倒风险指标分析单元、跌倒预警输出单元和预警单元;其中,加速度传感器佩戴或携带在人体上;加速度传感器连接至人体姿态信号采集单元;人体姿态信号采集单元、信号预处理单元、跌倒风险指标分析单元、跌倒预警输出单元和预警单元依次连接。
本实施例的便携式人体跌倒风险的评价和预警***的预警方法,包括以下步骤:
1)建立跌倒风险指标的数据库:
a)来自500不同跌倒风险等级的人群的个体作为样本,按照跌倒风险的不同,从低到高划分为4个跌倒风险等级,分别为:无跌倒风险等级、轻度跌倒风险等级、中度跌倒风险等级和高危跌倒风险等级;
b)样品佩戴加速度传感器测量一个样本在运动过程中的加速度;
c)人体姿态信号采集单元实时记录,并形成加速度信号的时间序列;
d)信号预处理单元将加速度信号进行相空间重构并完成去噪处理,得到去噪后的时间序列,按照伊藤方程模型通过极大似然方法估计出漂移项参数和扩散项参数;
e)跌倒风险指标分析单元将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布,将状态转移概率密度分布的特征作为样本的跌倒风险指标pt;
f)重复步骤b)~e),直至完成所有样本的跌倒风险指标;
g)统计位于不同跌倒风险等级的样本的跌倒风险指标所在的区间,并将此区间作为相应跌倒风险等级的跌倒风险指标区间,建立跌倒风险指标的数据库;
h)根据跌倒风险等级由低到高,将中度跌倒风险等级和高危跌倒风险等级设定为预警等级;
2)佩戴在人体上的加速度传感器(如手环或手表,包含加速度传感器的腰带,加速度传感器模块等)或者携带在身体上的手机等,测量人体在运动过程中的加速度;
3)人体姿态信号采集单元实时记录,并形成加速度信号的时间序列St;
4)信号预处理单元将加速度信号进行相空间重构并完成去噪处理,得到去噪后的时间序列Xt,按照伊藤方程模型通过极大似然方法估计出漂移项参数和扩散项参数;
5)跌倒风险指标分析单元将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布,将状态转移概率密度分布的特征作为个体的当前跌倒风险指标pt;
6)跌倒预警输出单元将个体的实时跌倒风险指标与数据库的跌倒风险指标区间进行比对,输出相匹配的跌倒风险等级;并将该个体的人体跌倒风险指标存入数据库;
7)如果当前的跌倒风险等级为中度跌倒风险等级或高危跌倒风险等级时,立即通过预警单元进行语音、视觉或者振动的方式报警。
最后需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附的权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (10)
1.一种便携式人体跌倒风险的评价和预警***,其特征在于,所述评价和预警***包括:加速度传感器、人体姿态信号采集单元、信号预处理单元、跌倒风险指标分析单元、跌倒预警输出单元和预警单元;其中,所述加速度传感器佩戴或携带在人体上;所述加速度传感器连接至人体姿态信号采集单元;所述人体姿态信号采集单元、信号预处理单元、跌倒风险指标分析单元、跌倒预警输出单元和预警单元依次连接;所述加速度传感器测量人体在运动过程中的加速度;人体姿态信号采集单元实时记录,并形成加速度信号的时间序列;信号预处理单元将加速度信号进行相空间重构并完成去噪处理,得到去噪后的时间序列,按照伊藤方程模型通过极大似然方法估计出漂移项参数和扩散项参数;跌倒风险指标分析单元将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布,将状态转移概率密度分布的特征作为个体的当前跌倒风险指标,并将该个体的人体跌倒风险指标存入数据库;跌倒预警输出单元将个体的实时跌倒风险指标与数据库不同人群的跌倒风险指标进行比对,输出匹配的跌倒风险等级;如果当前的跌倒风险等级达到预先设定的预警等级时,立即通过预警单元进行语音、视觉或者振动的方式报警。
2.如权利要求1所述的评价和预警***,其特征在于,所述加速度传感器单独佩戴或携带在人体上,或者是内置在由人体随身佩戴或携带的便携式设备。
3.如权利要求1所述的评价和预警***,其特征在于,所述加速度信号的采样频率为100Hz~300Hz。
4.如权利要求1所述的评价和预警***,其特征在于,所述预警单元内置在由人体随身佩戴或携带的便携式设备中,或者与此便携式设备配套的设备中。
5.一种便携式人体跌倒风险的评价和预警***的预警方法,其特征在于,所述预警方法包括以下步骤:
1)建立跌倒风险指标的数据库:
a)来自多个不同跌倒风险等级的人群的个体作为样本,按照跌倒风险的不同,从低到高划分为多个跌倒风险等级;
b)样品佩戴或携带的加速度传感器测量一个样本在运动过程中的加速度;
c)人体姿态信号采集单元实时记录,并形成加速度信号的时间序列;
d)信号预处理单元将加速度信号进行相空间重构并完成去噪处理,得到去噪后的时间序列,按照伊藤方程模型通过极大似然方法估计出漂移项参数和扩散项参数;
e)跌倒风险指标分析单元将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布,将状态转移概率密度分布的特征作为样本的跌倒风险指标pt;
f)重复步骤b)~e),直至完成所有样本的跌倒风险指标;
g)统计位于不同跌倒风险等级的样本的跌倒风险指标所在的区间,并将此区间作为相应跌倒风险等级的跌倒风险指标区间,建立跌倒风险指标的数据库,存在跌倒预警输出单元;
h)根据跌倒风险等级由低到高,设定预警等级;
2)佩戴或携带在人体上的加速度传感器测量人体在运动过程中的加速度;
3)人体姿态信号采集单元实时记录,并形成加速度信号的时间序列St;
4)信号预处理单元将加速度信号进行相空间重构并完成去噪处理,得到去噪后的时间序列Xt,按照伊藤方程模型通过极大似然方法估计出漂移项参数和扩散项参数;
5)跌倒风险指标分析单元将估计得到的伊藤方程模型,利用首次穿越方法,得到状态转移概率密度分布,将状态转移概率密度分布的特征作为个体的当前跌倒风险指标pt;
6)跌倒预警输出单元将个体的实时跌倒风险指标与数据库的跌倒风险指标区间进行比对,输出相匹配的跌倒风险等级;并将该个体的人体跌倒风险指标按时间序列存入数据库;
7)如果当前的跌倒风险等级达到预先设定的预警等级时,立即通过预警单元进行语音、视觉或者振动的方式报警。
6.如权利要求5所述的预警方法,其特征在于,在步骤1)中,样本的数量为500人以上。
7.如权利要求5所述的预警方法,其特征在于,在步骤4)中,具体包括以下步骤:
i.采用塔肯斯定理相空间重建方法,其中通过关联维数和互信息方法确定嵌入维数m和延迟时间τ;
ii.采用局部流形投影方法或基于相空间辛几何的主成分分析完成相空间去噪;
iii.对相空间去噪后的信号进行经验模式分解去除波动趋势,得到去噪后的时间序列Xt;
iv.基于Xt和伊藤方程,利用极大似然估计方法估计得到伊藤方程的两个参数:漂移项μt和扩散项σt。
8.如权利要求5所述的预警方法,其特征在于,在步骤5)中,具体包括以下步骤:
i.将估计得到的伊藤方程模型作为人体跌倒风险的预测模型;
ii.利用首次穿越方法求解得到的状态转移概率密度分布,选择分布曲线的最大值与对应的时间的比值特征作为个体当前跌倒风险指标pt;其中,个体的当前跌倒风险指标Pt是由个体行走的当前时刻的前20秒至180秒内的加速度信号确定。
9.如权利要求5所述的预警方法,其特征在于,所述加速度信号的采样频率为100Hz~300Hz。
10.如权利要求5所述的预警方法,其特征在于,所述预警单元内置在由人体随身佩戴或携带的便携式设备中,或者与此便携式设备配套的设备中,通过语音、视觉或者振动的方式报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710358247.4A CN107221128B (zh) | 2017-05-19 | 2017-05-19 | 一种便携式人体跌倒风险的评价和预警***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710358247.4A CN107221128B (zh) | 2017-05-19 | 2017-05-19 | 一种便携式人体跌倒风险的评价和预警***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107221128A CN107221128A (zh) | 2017-09-29 |
CN107221128B true CN107221128B (zh) | 2019-07-19 |
Family
ID=59944993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710358247.4A Expired - Fee Related CN107221128B (zh) | 2017-05-19 | 2017-05-19 | 一种便携式人体跌倒风险的评价和预警***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107221128B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678399A (zh) * | 2017-09-30 | 2018-02-09 | 江苏西格数据科技有限公司 | 刀具切割过程中的风险预警***和方法 |
CN117257283B (zh) * | 2023-11-22 | 2024-04-09 | 浙江强脑科技有限公司 | 一种摔倒保护方法、装置、智能假肢、终端及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955699B (zh) * | 2014-03-31 | 2017-12-26 | 北京邮电大学 | 一种基于监控视频的实时摔倒事件检测方法 |
CN103976739B (zh) * | 2014-05-04 | 2019-06-04 | 宁波麦思电子科技有限公司 | 穿戴式摔倒动态实时检测方法和装置 |
GB201502696D0 (en) * | 2015-02-18 | 2015-04-01 | Medpage Ltd T A Easylink Uk | Human sensing toilet occupancy detection alarm |
-
2017
- 2017-05-19 CN CN201710358247.4A patent/CN107221128B/zh not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
"步态时间序列的神经网络模拟和混沌检测";郭长虹;《电子技术与软件工程》;20131024;全文 |
Also Published As
Publication number | Publication date |
---|---|
CN107221128A (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190365332A1 (en) | Determining wellness using activity data | |
CN108472006B (zh) | 胎儿监测***和方法 | |
CN102985007B (zh) | 健康装置监视装置 | |
US20210233641A1 (en) | Anxiety detection apparatus, systems, and methods | |
CN110013261B (zh) | 情绪监测的方法、装置、电子设备及存储介质 | |
CN108601566B (zh) | 一种精神压力评测方法和装置 | |
CN104615851B (zh) | 一种睡眠监控方法及终端 | |
CN106874663A (zh) | 心脑血管疾病风险预测方法及*** | |
CN101939738A (zh) | 用于监控一个或多个器官的随着时间过去的生理参数变异性的方法和装置 | |
CN104042191A (zh) | 手表式多参数生物传感装置 | |
CN105167742B (zh) | 一种胎儿体重自适应估算方法及*** | |
US20160128638A1 (en) | System and method for detecting and quantifying deviations from physiological signals normality | |
US20180249967A1 (en) | Devices, systems, and associated methods for evaluating a potential stroke condition in a subject | |
US20220165417A1 (en) | Population-level gaussian processes for clinical time series forecasting | |
CN107221128B (zh) | 一种便携式人体跌倒风险的评价和预警***及其方法 | |
CN105769143A (zh) | 基于位置信息的个人健康信息监测方法、***及监测终端 | |
US11776690B2 (en) | Forecasting uterine activity | |
Uwaoma et al. | Proposing a decision support system for automated mobile asthma monitoring in remote areas | |
CN111904400B (zh) | 电子腕带 | |
US20210375473A1 (en) | Systems and methods for hypertension monitoring | |
Zheng et al. | Detection and analysis of tremor using a system based on smart device and NoSQL database | |
US11717217B2 (en) | Stress monitor and stress-monitoring method | |
US20200155035A1 (en) | System and method for self-learning and reference tuning activity monitor | |
JP7507984B1 (ja) | 体調検出装置、体調検出システム、体調検出方法、及び体調検出プログラム | |
CN205597905U (zh) | 基于位置信息的个人健康信息监测终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190719 |