CN110755084B - 基于主被动、分阶段动作的运动功能评估方法及设备 - Google Patents
基于主被动、分阶段动作的运动功能评估方法及设备 Download PDFInfo
- Publication number
- CN110755084B CN110755084B CN201911036617.8A CN201911036617A CN110755084B CN 110755084 B CN110755084 B CN 110755084B CN 201911036617 A CN201911036617 A CN 201911036617A CN 110755084 B CN110755084 B CN 110755084B
- Authority
- CN
- China
- Prior art keywords
- limb
- motion
- movement
- passive
- active
- 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.)
- Active
Links
Images
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
-
- 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
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or training
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于主被动、分阶段动作的运动功能评估方法和相应的设备,所述方法包括:采集目标对象的肢体运动信号;对所述肢体运动信号进行处理,提取所述肢体运动信号中的主动动作数据和被动动作信号数据,获得主动动作和被动动作在整个运动行程中不同阶段的完成度,根据所述完成度对肢体的运动功能进行评估。本发明采用分阶段对数据处理的方式,提取的特征临床意义较高,便于临床分析,在数据处理上分为主动动作及被动动作的分别处理,可以多角度对比患者动作反馈的动作信息,使评估结果更准确。
Description
技术领域
本发明涉及人体运动感知技术领域,具体涉及基于主被动、分阶段动作的运动功能评估方法及设备。
背景技术
运动功能评估是医生为脑卒中偏瘫患者制定康复训练计划的依据,其还可以作为各种治疗方案疗效的评估手段,在运动康复、神经科学领域至关重要。传统的运动康复评估主要是基于量表,由专业治疗师进行。量表式评估方法发展较早,经临床验证其可行性,但是其存在三个缺点:
一、评估结果受治疗师的主观影响较大。不同治疗师凭经验评估,依据的标准不同,不同治疗师针对同一病人可能给出不同的评估结果。
二、评估精度。量表式评估方法根据患者相应动作的不同表现给出相应的评分,评分梯度小,评估结果不能反映病人的真实情况;此外,患者的某些细微运动治疗师可能难以用视觉捕捉,造成评估结果不全面。
三、现有的量表式评估方法由治疗师指导患者执行一系列动作,一名病人至少需要配一名治疗师,评估效率低;同时一套评估流程耗时耗力。以Fugl-Meyer为例,上肢评估过程至少需要30分钟。
为了更好的管理和控制康复过程,各种物联传感技术和光学技术被用于康复评估领域。基于微型惯性传感器提出了自动化运动康复评估模型,模型依托运动过程中捕获的运动学参数进行特征提取,以健康人特征训练模型,进而对提取的患者特征进行评分。然而,现有的运动评估方法往往是基于对于固定运动模式中某个运动模式进行评估,并不能很好地反映患者的康复情况。
发明内容
(一)要解决的技术问题
本发明旨在解决现有的评估受治疗师主观或经验的影响、量表式评估评分梯度小影响评估精度以及患者的微小动作不便发现观察使运动康复评估不准确等问题。
(二)技术方案
为解决上述技术问题,本发明提出基于主被动、分阶段动作的运动功能评估方法及设备,包括如下步骤:
采集目标对象的肢体运动信号;
对所述肢体运动信号进行处理,以对肢体的运动功能进行评估;
对肢体运动信号进行处理,以对肢体的运动功能进行评估的步骤进一步包括:
提取所述肢体运动信号中的主动动作数据和被动动作数据,获得主动动作和被动动作在整个运动行程中不同阶段的完成度,根据所述完成度对肢体的运动功能进行评估。
根据本发明的优选实施方式,根据所述完成度对肢体的运动功能进行评估包括:
将所述主动动作和被动动作在整个运动行程中不同阶段的完成度与预定的运动评估标准进行对比获得对肢体的运动功能的评分。
根据本发明的优选实施方式,所述肢体运动信号是多个预定肢体动作的运动信号,所述对肢体的运动功能的评分是所述多个预定肢体动作的综合评分。
根据本发明的优选实施方式,所述预定的运动评估标准就基于Fugl-Meyer的运动评估标准。
根据本发明的优选实施方式,所述完成度由肢体某一关节的活动度相对于平均值的比值确定。
根据本发明的优选实施方式,所述完成度根据所述比值的大小分为多个级别。
根据本发明的优选实施方式,所述整个运动行程中不同阶段是指对所述肢体运动的时间进行归一化后的时段来确定的。
根据本发明的优选实施方式,所述时段包括下面时段的至少一种:整个阶段、开始阶段、中间阶段、最后阶段。
根据本发明的优选实施方式,在采集目标对象肢体运动信号之后还包括滤波、分割和归一化操作以进行预处理。
本发明还提出一种电子设备,其包括:处理器;以及,存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行所述的方法。
(三)有益效果
1)本发明采用分阶段对数据处理的方式,提取的特征临床意义较高,便于临床分析。
2)本发明数据提取分为主动提取及被动提取,可以多角度对比患者动作反馈的动作信息,使数据更准确。
附图说明
图1是本发明数字化运动功能评估方法流程示意图;
图2是本发明数字化运动功能评估方法的提取运动信号数据的流程示意图;
图3是本发明数字化运动功能评估方法的具体评估得分流程示意图。
图4是根据本发明的一种电子设备的示例性实施例的结构框图。
具体实施方式
为了更加精确、定量的对患者的肢体康复情况进行评估,本发明提出基于主被动、分阶段动作的运动功能评估方法及设备。
图1是本发明数字化运动功能评估方法的流程图。如图1所示,本发明方法包括:
S1、采集目标对象的肢体运动信号。
在具体实施时,目标对象在肢体相应部位穿戴运动捕获设备,通过数据采集针对目标对象的肢体运动信号进行采集。例如,当本发明用于上肢康复评估时,可以使目标对象(患者)保持坐位并执行系列动作(预定动作),动作之间无先后顺序,每个动作执行3次,采集记录动作执行过程中的相应信号。
运动信号采集可使用附着于肢体的微型运动传感器单元,实时测量肢体的三维方位角度、角速度,关节的位移、速度和加速度;运动传感器单元包括三维加速度计、三维陀螺仪和三维磁力计等。由于本发明在后续的步骤中使用了主动动作和被动动作的分别处理,而躯干代偿现象对于病人的身体协调能力评估非常重要,因此本发明与现有评估方法不同的是,在动作过程中,本发明允许病人借助躯干代偿实现某些动作,以评估肩上提、肩后缩项目。
S2、对所述肢体运动信号进行处理,以对肢体的运动功能进行评估。
对所述肢体运动信号进行处理的步骤之前可包括对信号的预处理步骤,例如包括对信号进行滤波、分割、归一化操作等,以减小噪声信号的干扰。在预处理之后,再对信号进行评估所需的数据处理。
图2是对肢体的运动功能进行评估的步骤流程图。如图2所示,步骤S2包括:
S21、提取所述肢体运动信号中的主动动作数据和被动动作数据。
实际测量过程中不区分主被动,被动是指患者在执行某些动作时出现异常动作模式,比如对于肩前屈动作,在执行时出现肩外展,那么肩前屈为主动动作,肩外展为被动动作。这两个动作在测量时都会得到,作为评估指标。
S22、获得主动动作和被动动作在整个运动行程中不同阶段的完成度。
整个运动行程是指肢体在完成某一动作时的运动行程,为了更加精确地评估目标对象对于动作的完成情况,本发明提出分别将主动动作和被动动作在整个运动行程按照时间或行程空间而分成不同的阶段。在具体实施中,不同阶段可以通过对所述肢体运动的时间进行归一化后的时段来确定。但是,对于一系列动作来说,并非对于所有动作都必须划分成不同的阶段,而是可以根据动作的具体情况进行不同的处理。例如,所述时段包括下面时段的至少一种:整个阶段、开始阶段、中间阶段、最后阶段。
所述完成度是指目标对象对于某一动作完成的情况的定量参数,在一种具体实施方式中,其由肢体某一关节的活动度相对于平均值的比值确定。所述完成度可根据所述比值的大小分为多个级别。
S23、根据所述完成度对肢体的运动功能进行评估。
由此,本发明的根据所述完成度对肢体的运动功能进行评估可以实现将所述主动动作和被动动作在整个运动行程中不同阶段的完成度与预定的运动评估标准进行对比获得对肢体的运动功能的评分。并且,对于所述肢体运动信号是多个预定肢体动作的运动信号,所述对肢体的运动功能的评分是所述多个预定肢体动作的综合评分。
实施例
在一个具体实施例中,本发明基于Fugl-Meyer量表的评分标准并进行相应的改进。对于特定的评估动作,本发明进行分阶段处理,并规定“开始时”指前动作的前1/3阶段(T1),“接近规定位置”指动作的最后1/3阶段(T3);对于不分阶段处理动作,用(T)指整个动作过程。
此外,在Fugl-Meyer量表中,评分标准中涉及到“基本完成”、“顺利完成”等定性描述词汇。为了进行定量的评估,该实施例对评估动作分为主动动作和被动动作。例如,假设正常人或患者健侧在执行某一动作时肢体某一关节的活动度均值为m,在此定义两个判定指标:D和C。D表示按照设计动作执行时,与之相关的关节运动,为主要观测量,我们称之为主动动作,D1、D2、D3依次表示主动动作活动度越来越大;C表示当执行某一动作时,由于运动损伤引起的代偿或牵连运动,此运动是正常运动过程中应该避免的,我们称之为被动动作,C1、C2、C3依次表示被动动作活动度越来越大。主动动作越大(越接近均值)越好,被动动作越小(越接近均值)越好。
因此,我们可以由此定义完成度。例如,根据3σ准则,“基本完成”、“顺利完成”、“不能完成”可用数字描述如下:
动作类型 | 顺利完成 | 部分完成 | 不能完成 |
主动动作 | 0.84m-1.16m | 0.16m-0.84m | 0m-0.16m |
被动动作 | 0m-0.16m | 0.16m-1.84m | 1.84m-2m |
根据所述完成度对肢体的运动功能进行评估构建扩增特征矩阵,在测试过程中,治疗师根据患者的动作完成度手动评分主要将Fugl-Meyer量表的评分标准数字化,使之能够用传感器测得的数据进行有效评估,原始数据和评估结果都将被存储。
数据采集后,可对采集的数据进行预处理分析。针对不同的信号特征,进行滤波、分段、归一化、对齐操作。数据分段主要从多次测量的动作中提取有效信号,减小数据维度。归一化主要取消各测量之间的单位差异,例如对于动作的时长进行归一化以便于后续进行分阶段。
接着,针对预处理的数据进行特征提取,主要包括运动学特征的提到,根据提取的特征构建扩增特征矩阵。运动学特征主要包括各关节运动角度、角速度、角加速度、运动平滑度、轨迹偏移量等。
在评估时,采用非负特征矩阵分解法分解扩增特征矩阵,根据本发明的主被动及分阶段处理得到各评估动作的分值。此外,可基于各动作的总分对评估分值进行归一化处理。
下表是一个评估数字化描述的示例:
具体评估某项得分时依照决策树执行。以肩关节外展90度,肘伸直,前臂旋前评估项(13)为例,其决策树为图3所示。
各缩写如下表说明。
图3的决策树中的判断方法如下:在整个运动阶段(T),若肩关节外展异常,或者肘屈曲现象明显,或者前臂不能旋前旋后,则记0分;若肩关节外展和肘屈曲正常,但前臂旋前旋后存在异常,记为1分,若肩关节、肘关节、前臂旋前选后均正常,则记为2分。
在本实施例中,所述肢体运动信号是多个预定肢体动作的运动信号,所述对肢体的运动功能的评分是所述多个预定肢体动作的综合评分。
根据Fugl-Meyer量表,上肢功能评估部分共33项,计66分。本发明该实施例根据所用运动捕获单元的测量范围及适用范围,去除了手部评估项目7项,反射检验3项,共设计了12个动作,共计46分。各动作标准按照Fugl-Meyer量表要求。
在本实施例中,所述完成度由肢体某一关节的活动度相对于平均值的比值确定,所述完成度可根据所述比值的大小分为多个级别,评估结果为各项评估得分的综总和。根据Fugl-Meyer量表中上肢部分所占分数以及运动评分与临床意义之间的关系,所得分数做一个映射,使之与Fugl-Meyer量表得分相对应,如下表所示。
运动评分 | 上肢对应分数 | 分级 | 临床意义 |
<50分(50%) | <23 | I | 严重运动障碍 |
50-84分(35%) | 23-38 | II | 明显运动障碍 |
85-95分(11%) | 39-43 | III | 中度运动障碍 |
96-99分(4%) | 44-45 | IV | 轻度运动障碍 |
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
对于本发明的上述基于主被动、分阶段动作的运动功能评估方法,可以在不同的设备中实现。图4是根据本发明的一种电子设备的示例性实施例的结构框图。下面参照图4来描述根据本发明的一个实施例的电子设备400。图4显示的电子设备400仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400的组件可以包括但不限于:至少一个处理单元410、至少一个存储单元420、连接不同***组件(包括存储单元420和处理单元410)的总线430、数据采集单元440等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元410执行,使得所述处理单元410执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元410可以执行如图1和图2所示的步骤。数据采集单元440则用于采集目标对象的肢体运动信号。其可以是各种惯性传感器。
所述存储单元420可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202,还可以进一步包括只读存储单元(ROM)4203。
所述存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204,这样的程序模块4205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线430可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备400也可以与一个或多个外部设备500(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备400交互的设备通信,和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且,电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器460可以通过总线430与电子设备400的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备400使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于主被动、分阶段动作的运动功能评估方法,所述方法包括:
采集目标对象的肢体运动信号;
对所述肢体运动信号进行处理,以对肢体的运动功能进行评估;
其特征在于:
对所述肢体运动信号进行处理,以对肢体的运动功能进行评估的步骤进一步包括:
提取所述肢体运动信号中的主动动作数据和被动动作数据,获得主动动作和被动动作在整个运动行程中不同阶段的完成度;
根据所述完成度对肢体的运动功能进行评估;
所述被动动作表示在执行某些动作时出现异常动作模式;
其中,根据所述完成度对肢体的运动功能进行评估包括:
分别将主动动作和被动动作在整个运动行程按照时间或行程空间而分成不同的阶段,通过对所述肢体的运动的时间进行归一化后的时段来确定,并将所述主动动作和被动动作在整个运动行程中不同的阶段的完成度与预定的运动评估标准进行对比获得对肢体的运动功能的评分;
其中,完成度是指目标对象对于某一动作完成的情况的定量参数,由肢体某一关节的活动度相对于平均值的比值确定。
2.如权利要求1所述的方法,其特征在于:所述整个运动行程是指肢体在完成某一动作时的运动行程。
3.如权利要求2所述的方法,其特征在于:所述肢体运动信号是多个预定肢体动作的运动信号,所述对肢体的运动功能的评分是所述多个预定肢体动作的综合评分。
4.如权利要求3所述的方法,其特征在于:所述预定的运动评估标准是基于Fugl-Meyer的运动评估标准。
5.如权利要求1至4中的任一项所述的方法,其特征在于:
所述完成度根据所述比值的大小分为多个级别。
6.如权利要求5所述的方法,其特征在于:所述时段包括下面时段的至少一种:整个阶段、开始阶段、中间阶段、最后阶段。
7.如权利要求1至4中任一项所述的方法,其特征在于,在采集目标对象肢体运动信号之后还包括滤波、分割和归一化操作以进行预处理。
8.一种基于主被动、分阶段动作的运动功能评估设备,其中,该设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911036617.8A CN110755084B (zh) | 2019-10-29 | 2019-10-29 | 基于主被动、分阶段动作的运动功能评估方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911036617.8A CN110755084B (zh) | 2019-10-29 | 2019-10-29 | 基于主被动、分阶段动作的运动功能评估方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110755084A CN110755084A (zh) | 2020-02-07 |
CN110755084B true CN110755084B (zh) | 2023-06-23 |
Family
ID=69334291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911036617.8A Active CN110755084B (zh) | 2019-10-29 | 2019-10-29 | 基于主被动、分阶段动作的运动功能评估方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110755084B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112885465A (zh) * | 2021-02-23 | 2021-06-01 | 中山大学附属第一医院 | 运动数据分析方法、装置、***和计算机可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005185557A (ja) * | 2003-12-25 | 2005-07-14 | Yunimekku:Kk | 運動能力評価システム |
CN102567638A (zh) * | 2011-12-29 | 2012-07-11 | 无锡微感科技有限公司 | 一种基于微型传感器的交互式上肢康复*** |
CN103417218A (zh) * | 2013-08-27 | 2013-12-04 | 中山大学附属第一医院 | 一种上肢运动的参数采集评估***及方法 |
WO2015073368A1 (en) * | 2013-11-12 | 2015-05-21 | Highland Instruments, Inc. | Analysis suite |
WO2017025979A1 (en) * | 2015-08-10 | 2017-02-16 | Kumar Singh Anshuman | System and method for identifying posture details and evaluating athletes' performance |
WO2017123725A1 (en) * | 2016-01-12 | 2017-07-20 | Yale University | System and method for diagnosis and notification regarding the onset of a stroke |
JP2018068516A (ja) * | 2016-10-26 | 2018-05-10 | 国立大学法人名古屋大学 | 運動動作評価システム |
CN109157233A (zh) * | 2018-10-25 | 2019-01-08 | 成都恩漫科技有限公司 | 一种关节功能测试训练*** |
JP2019084130A (ja) * | 2017-11-08 | 2019-06-06 | 国立大学法人電気通信大学 | 歩行動作評価装置、歩行動作評価方法及びプログラム |
CN110179470A (zh) * | 2019-04-16 | 2019-08-30 | 常州市钱璟康复股份有限公司 | 脑卒中患者运动功能及疲劳状态综合评估方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050234309A1 (en) * | 2004-01-07 | 2005-10-20 | David Klapper | Method and apparatus for classification of movement states in Parkinson's disease |
US20060122472A1 (en) * | 2004-09-28 | 2006-06-08 | Pullman Seth L | System and method for clinically assessing motor function |
US7827000B2 (en) * | 2006-03-03 | 2010-11-02 | Garmin Switzerland Gmbh | Method and apparatus for estimating a motion parameter |
WO2009104190A2 (en) * | 2008-02-21 | 2009-08-27 | Motorika Limited | A system and a method for scoring functional abilities of a patient |
US8273036B2 (en) * | 2008-12-24 | 2012-09-25 | The Hong Kong Polytechnic University | Wearable portable device for increasing user awareness of a paretic limb and recording the user awareness |
US20140188009A1 (en) * | 2012-07-06 | 2014-07-03 | University Of Southern California | Customizable activity training and rehabilitation system |
JP6448015B2 (ja) * | 2014-04-23 | 2019-01-09 | 株式会社タニタ | 運動機能測定装置、方法、及びプログラム |
CH711445A1 (de) * | 2015-08-24 | 2017-02-28 | yband therapy GmbH | Vorrichtung und Verfahren zur Erfassung und Auswertung von Bewegungen eines Benutzers. |
EP3394825B1 (en) * | 2015-12-18 | 2024-05-22 | Cognoa, Inc. | Platform and system for digital personalized medicine |
US10463279B2 (en) * | 2016-02-19 | 2019-11-05 | Trustees Of Dartmouth College | Movement monitoring systems and methods |
CN105853140B (zh) * | 2016-03-24 | 2018-04-17 | 西安交通大学 | 基于视觉运动诱发的脑控下肢主被动协同康复训练*** |
US20170367644A1 (en) * | 2016-06-27 | 2017-12-28 | Claris Healthcare Inc. | Apparatus and Method for Monitoring Rehabilitation from Joint Surgery |
CN107422852A (zh) * | 2017-06-27 | 2017-12-01 | 掣京机器人科技(上海)有限公司 | 手功能康复训练评估方法和*** |
CN108172297A (zh) * | 2018-01-29 | 2018-06-15 | 广东工业大学 | 一种上肢康复训练机器人康复训练功能的评估方法 |
CN108877888B (zh) * | 2018-07-03 | 2021-04-09 | 杭州易脑复苏科技有限公司 | 一种运动功能评估方法及装置 |
CN109243572B (zh) * | 2018-11-08 | 2021-09-21 | 中科数字健康科学研究院(南京)有限公司 | 一种精准运动评估和康复训练*** |
CN110020630B (zh) * | 2019-04-11 | 2020-12-18 | 成都乐动信息技术有限公司 | 评估动作完成度的方法、装置、存储介质及电子设备 |
-
2019
- 2019-10-29 CN CN201911036617.8A patent/CN110755084B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005185557A (ja) * | 2003-12-25 | 2005-07-14 | Yunimekku:Kk | 運動能力評価システム |
CN102567638A (zh) * | 2011-12-29 | 2012-07-11 | 无锡微感科技有限公司 | 一种基于微型传感器的交互式上肢康复*** |
CN103417218A (zh) * | 2013-08-27 | 2013-12-04 | 中山大学附属第一医院 | 一种上肢运动的参数采集评估***及方法 |
WO2015073368A1 (en) * | 2013-11-12 | 2015-05-21 | Highland Instruments, Inc. | Analysis suite |
WO2017025979A1 (en) * | 2015-08-10 | 2017-02-16 | Kumar Singh Anshuman | System and method for identifying posture details and evaluating athletes' performance |
WO2017123725A1 (en) * | 2016-01-12 | 2017-07-20 | Yale University | System and method for diagnosis and notification regarding the onset of a stroke |
JP2018068516A (ja) * | 2016-10-26 | 2018-05-10 | 国立大学法人名古屋大学 | 運動動作評価システム |
JP2019084130A (ja) * | 2017-11-08 | 2019-06-06 | 国立大学法人電気通信大学 | 歩行動作評価装置、歩行動作評価方法及びプログラム |
CN109157233A (zh) * | 2018-10-25 | 2019-01-08 | 成都恩漫科技有限公司 | 一种关节功能测试训练*** |
CN110179470A (zh) * | 2019-04-16 | 2019-08-30 | 常州市钱璟康复股份有限公司 | 脑卒中患者运动功能及疲劳状态综合评估方法 |
Non-Patent Citations (2)
Title |
---|
倪克锋 ; 罗方 ; 潘苏琴 ; 逢锦熙 ; .中文版运动功能状态量表用于评定脑卒中上肢运动功能的信度研究.中国康复医学杂志.2017,(08),第82-86页. * |
潘国新 ; 陶春静 ; .人体肩关节运动功能康复评估研究.北京生物医学工程.2016,(01),第62-67页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110755084A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110755085B (zh) | 基于关节活动度与运动协调性的运动功能评估方法及设备 | |
US11324439B2 (en) | Methods and apparatus for machine learning to analyze musculo-skeletal rehabilitation from images | |
US11957478B2 (en) | Methods and apparatus for machine learning to analyze musculo-skeletal rehabilitation from images | |
CN113974612B (zh) | 一种卒中患者上肢运动功能自动化评估方法与*** | |
CN114973401A (zh) | 基于动作检测与多模态学习的标准化引体向上评估方法 | |
WO2021217906A1 (zh) | 基于步态特征的体态检测方法、装置、设备及存储介质 | |
CN113171080A (zh) | 一种基于可穿戴传感信息融合的能量代谢评估方法和*** | |
CN107256390B (zh) | 基于手各个部位在三维空间位置变化的手功能评价装置及方法 | |
Zhen et al. | Hybrid Deep‐Learning Framework Based on Gaussian Fusion of Multiple Spatiotemporal Networks for Walking Gait Phase Recognition | |
CN110755084B (zh) | 基于主被动、分阶段动作的运动功能评估方法及设备 | |
Chen et al. | Lungheart-AtME: Adventitious cardiopulmonary sounds classification using MMoE with STFT and MFCCs spectrograms | |
CN116999057A (zh) | 基于穿戴式传感器的偏瘫步态识别及偏瘫步态评估方法 | |
CN112674760A (zh) | 一种基于可穿戴传感器的帕金森病上肢运动检测方法 | |
CN116543455A (zh) | 建立帕金森症步态受损评估模型、使用方法、设备及介质 | |
JP5458428B2 (ja) | 運動機能評価装置、およびプログラム | |
Tang et al. | An artificial neural network algorithm for the evaluation of postoperative rehabilitation of patients | |
Phienphanich et al. | Automatic stroke screening on mobile application: Features of gyroscope and accelerometer for arm factor in FAST | |
CN115067934A (zh) | 一种基于机器智能的手部运动功能分析*** | |
CN115130851A (zh) | 一种临床护理控制方法和*** | |
Zeng et al. | Classification of gait patterns using kinematic and kinetic features, gait dynamics and neural networks in patients with unilateral anterior cruciate ligament deficiency | |
Yee et al. | Data-driven model for upper limb spasticity detection | |
Kozan et al. | Diagnosis of general phenotypic characteristics of a person in the context of ICPO-Interpol requirements | |
CN117745902B (zh) | 一种用于康复演示的数字人生成方法及装置 | |
Di Giammarco et al. | Explainable Deep Learning Methodologies for Biomedical Images Classification | |
CN115299934B (zh) | 确定测试动作的方法、装置、设备及介质 |
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 |