CN115813372A - 基于运动学特征的卒中协调稳定性运动功能评估装置 - Google Patents
基于运动学特征的卒中协调稳定性运动功能评估装置 Download PDFInfo
- Publication number
- CN115813372A CN115813372A CN202211205943.9A CN202211205943A CN115813372A CN 115813372 A CN115813372 A CN 115813372A CN 202211205943 A CN202211205943 A CN 202211205943A CN 115813372 A CN115813372 A CN 115813372A
- Authority
- CN
- China
- Prior art keywords
- patient
- gait
- stability
- joint
- stroke
- 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
- 230000005021 gait Effects 0.000 claims abstract description 45
- 210000003141 lower extremity Anatomy 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 230000007659 motor function Effects 0.000 claims abstract description 11
- 210000004394 hip joint Anatomy 0.000 claims description 5
- 210000000629 knee joint Anatomy 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims 1
- 208000006011 Stroke Diseases 0.000 abstract description 32
- 238000013210 evaluation model Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 210000001503 joint Anatomy 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 210000002683 foot Anatomy 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 210000003414 extremity Anatomy 0.000 description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000001255 hallux Anatomy 0.000 description 2
- 238000010832 independent-sample T-test Methods 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 206010023201 Joint contracture Diseases 0.000 description 1
- 206010061296 Motor dysfunction Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 238000010220 Pearson correlation analysis Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 210000000527 greater trochanter Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开基于运动学特征的卒中协调稳定性运动功能评估装置，所述装置包括如下步骤：通过稳定裕度模型对患者步态进行计算生成患者步态稳定裕度特征；通过三维运动捕捉模块采集患者步态数据获得其下肢各关节角度数据信息；通过希尔伯特变换方法对采集患者的下肢各关节角度数据计算获得患者相应的关节相位角；通过如下公式对所述患者相应的关节相位角进行计算生成患者步态曲线CRP；按照功能性量表相关性提取患者步态稳定裕度的稳定特征与患者步态曲线CRP相匹配的协调特征建立脑卒中运动评估模型；本发明通过三维运动捕捉获得运动学参数，可以描述稳定裕度、连续相对时相法与功能性量表评分之间的关系，同时衡量患者协调稳定性与患病程度的关系，实现对脑卒中患者运动评估。
Description
技术领域：
本发明属于疾病预估技术，尤其涉及一种基于运动学特征的卒中协调稳定性遇到功能评估装置。
背景技术：
行走是日常生活中最常见的功能性运动，但对脑卒中患者是一个挑战。脑卒中患者存在运动功能障碍，70-80％的患者通常表现为偏瘫，会直接影响其日常生活活动。实现稳定的行走需要在步态的整个阶段维持身体的相对平衡，脑卒中患者由于肌力下降、关节挛缩等原因，造成姿势控制能力差，平衡稳定能力较正常人更弱，在行走时会导致走跌倒的风险增加。对脑卒中患者进行运动能力评估尤为重要，可以帮助医护人员准确找到患者下肢存在的问题，定制更加详细的康复策略。医院通常通过报告以往病史及功能性量表，如Fugl-Meyer感觉运动恢复量表、Berg平衡量表等对脑卒中患者进行运功功能评估。但这些方法往往存在分级不够精细，依赖医生的主观判断，缺乏数字上的细化。大量的研究证明步态分析在运功功能评估中具有准确性、精确性的优点，通过运动学特征可以客观评估患者的运动能力，并与疾病程度相关联，判断患者的康复情况。
行走过程中的平衡控制是通过不断调节身体的质心相对于脚所围成区域的位置来完成的，当身体质心落在支撑面内，则认为人体处于稳定状态。为了计算动态行走阶段的相对稳定性，Hof等人在2005年引入稳定裕度的定义为外推质心(XCoM)与支撑面(Base ofsupport,BoS)极限之间的距离(图1)，计算公式为：
MoS＝BoS-xCoM
通常会计算冠状面和矢状面的MOS值，当MOS的值为正时，认为外推质心处于支撑面内，反之MOS的值为负时，外推质心超出支撑面，认为处于不稳定的状态，其中xCoM同时考虑了质心的位置和速度，计算公式为：
其中，CoM为身体质量中心的空间相对位置，vCoM为身体质心的速度，通过对CoM的位移进行微分得到，g是重力加速度，1是摆的高度，在人体中定义为腿的长度(有大腿大转子位置到地面的相对高度)。
稳定裕度从身体质量中心与支撑面之间的相对位置衡量人体的平衡能力，但稳定步态需要在神经***和骨骼肌***等诸多要素的参与下相互协调推进身体的前进。当面临迈步等自身干扰时，神经***会通过激活肌肉，调节关节活动范围等实现身体质心的稳定。之前的研究中，常使用关节角度、角速度等运动学数据描述人体肢体的运动，但这些往往是单独衡量一个关节，无法对关节间的协调性能加以描述。
Barela等人在2000年提出，在运动过程中，下肢节段可以被视为一个耦合***，各节段通过相互作用有效地改变了身体的位置，协调节律运动的稳定性主要受所需平均相对相位的影响。Rosen认为动态***的行为可以通过绘制变量与其一阶导数的关系图来描述——这些图通常被称为相位图，并在分析人体运动时提供定性效用。行走作为连续动态运动，可以通过连续相对时相法计算两个原始信号相位角差，表示下肢两个关节之间的协调耦合。基于希尔伯特变换的相位计算方法，可以从非正弦信号中产生分析信号，从而消除频率伪像，使其适合于研究人体运动中肢体间和肢体内的协调，计算方法如下：
ζ(t)＝x(t)+iH(t).
根据该方法，将随时间t变化的髋关节、膝关节或踝关节的关节角度x(t)通过希尔伯特变换得到虚部H(t)。通过反正切函数计算得到关节相位角
通过从近端关节相位角中减去远端关节相位角来计算CRP：
当两个关节同时处于其周期(相位)的同一点时，平均相对相位为0°，表征同相位，这是最稳定的状态。如果两个关节同时处于其周期中的相反点，则平均相对相位为180°或反相位，但也是一种稳定状态，尽管其稳定性低于0°时的同相。
发明内容：
本发明提出了一种基于运动学特征的脑卒中患者协调稳定性的运动功能评估装置。该研究通过三维运动捕捉***，获取脑卒中患者在稳定步行阶段的运动学信息，通过连续相对时相法(Continuous relative phase,CRP)计算下肢关节间的协调性，通过稳定裕度(Margin of stability,MoS)计算人体的稳定性，将计算得到的特征通过与功能性量表评分构建运动学模型评估脑卒中患者的运动功能，实现对脑卒中患者身体协调能力与稳定能力的运动功能评估。该装置通过计算脑卒中患者在自我舒适的步态条件下，8米步行实验中的下肢协调性与稳定性参数，通过构建运动学参数与功能性量表之间的模型评估患者下肢的运动功能，有助于实现对患者下肢更精细的评估与制定更有针对性的康复治疗手段。
本发明采用如下技术方案予以实施：
基于运动学特征的卒中协调稳定性运动功能评估装置，包括如下步骤：
通过稳定裕度模型对患者步态进行计算生成患者步态稳定裕度特征；
其中：CoM为身体质量中心的空间相对位置，vCoM为身体质心的速度，，g是重力加速度，l是摆(下肢)的高度，
通过三维运动捕捉模块采集患者步态数据获得时空参数和下肢各关节角度数据信息；
通过希尔伯特变换方法对采集患者的下肢各关节角度数据计算获得患者相应的关节相位角；
通过如下公式对所述患者相应的关节相位角进行计算生成患者步态曲线CRP；
其中：
为髋关节相位角，
为膝关节相位角，通过相邻关节相位角之差，得到连续相对相位(CRP)，后续继续计算膝关节与踝关节的CRP值。
结合衡量脑卒中患者平衡能力的Berg平衡量表和衡量运动功能的Fugl-Meyer运动功能评分量表，与患者步态稳定裕度特征与患者步态曲线CRP相匹配的协同特征进行皮尔逊相关性分析并找到相关性最大的表征稳定性和协调性的两个参数，同量表评分建立评估脑卒中运动模型，分析稳定性与协调性与脑卒中患者运动平衡能力的贡献程度。
Y＝β0+β1X1+β2X2
其中：β0为常数项，β1与β2为回归系数。自变量X1为一个协调性特征，X2为一个稳定性特征。
进一步，所述步态曲线CRP是通过平均步态周期的整体CRP曲线点的标准差来计算偏差，所述步态周期定义为在行走时一侧足跟着地到该侧足跟再次着地的过程；在步行路径的中间部分放上测力台，根据测力台的足底压力数据进行步态周期划分，标定患者偏瘫侧的脚后跟触地的时间点，通过时间插值的方法统一个步态周期内参数的时间长度，得到每次步行试验的3个步态周期的运动学参数。
有益效果：
本发明通过对脑卒中患者8米步行实验中与稳定性、协调性有关的运动学参数进行计算评估，通过与功能性量表评分进行相关性分析，得到相关程度较高的用以表征患者协调性与稳定性的参数，进而通过多元线性回归构建功能评估模型。之前的研究往往只通过功能性量表评分，无法精准细化描述患者运动功能，结果取决于医生的主观判断。该发明通过三维运动捕捉获得运动学参数，准确性高，评估效果好。使用的评估稳定性与协调性的参数经过之前研究更具有说服力。得到的运动学模型可以描述稳定裕度、连续相对时相法与功能性量表评分之间的关系，同时衡量患者协调稳定性与患病程度的关系，实现对脑卒中患者运动功能的评估。
附图说明：
图1是本发明基于运动学特征的卒中协调稳定性运动功能评估装置结构示意图；
图2是本发明基于运动学特征的卒中协调稳定性运动功能评估装置的流程图；
图3是本发明涉及人体脚部特征示意图。
流程图。
具体实施方式
本发明中提出了一种基于运动学特征的卒中协调稳定性运动功能评估装置。以下结合图1对本发明专利的实施过程做进一步详细说明。
如图1～图3所示，本发明基于脑卒中患者在8米步行实验中的运动学数据，加以分析处理获得描述人体稳定性的参数稳定裕度与描述人体下肢协调性的参数连续相对相位，通过构建运动学模型，分析脑卒中患者下肢运动过程中体现的问题，判断其在稳定步态阶段的协调与稳定能力，实现对脑卒中患者的运动功能评估。大体的技术流程如图2所示。
实验步骤为：
1)8米步行实验。实验者保持静止站立，直视前方。待听到开始的指令后，以自我感觉舒适的速度，直行一段长度为8米的距离。之前的研究中指出，健康人一般通过2-3步到达稳定步态，8米的距离可以确保实验者到达稳定步态阶段，与医院常用的6分钟步行试验相似，方便之后应用于实际。试验重复进行10次采集实验者下肢运动学数据，每次试验间隔5分钟，避免患者感到疲惫。
2)数据采集
基于VICON三维运动捕捉设备，采样率100Hz，将反光标记点按照Lower limbPlug-in-gait步态模型，贴于实验者下肢对应位置，在大脚趾、大脚趾第二趾骨和小脚趾第二趾骨处额外贴上反光标记点，与脚后跟处的反光标记点共同围成人体支撑面，如图3所示。通过三维运动捕捉***，获得反光标记点位置信息。人体质量中心通过计算髂前上棘与髂后上棘上的反光标记点围成的三角形的中心三维位置得到，经过对其位置数据进行微分得到质心的速度，人体腿长定义为由大腿大转子到地面的垂直距离。
通过VICON软件中的Lower limb Plug-in-gait步态模型输出，得到下肢各关节角度信息。通过希尔伯特变换得到各个关节相位角，通过近端关节相位角中减去远端关节相位角得到CRP曲线。在每次试验期间，平均所有步态周期中的CRP曲线，并生成整体平均曲线。最后，为了计算关节间协调可变性，通过平均步态周期的整体CRP曲线点的标准差来计算偏差。
步态周期定义为在行走时一侧足跟着地到该侧足跟再次着地的过程。在步行路径的中间部分放上测力台，通过地反作用力获得足底压力数据，根据测力台的足底压力数据进行步态周期划分和足底压力中心(COP)的计算，标定患者偏瘫侧的脚后跟触地的时间点，通过重时间插值的方法统一个步态周期内参数的时间长度，得到每次步行试验的3个步态周期的运动学参数。
3)参数计算与建立模型
根据患者足部反光标记点的位移与速度数据，通过matlab软件计算得出时空参数，如步速、步长和步宽等相关信息。通过测力板的地方作用力计算得到足底压力中心参数，并通过独立样本T检验与健康人数据进行统计学分析，找到患者与健康人在步行任务中的差异。
稳定裕度的计算：根据上文公式计算，得到前、后、内、外侧的MoS数据的最小值与脚跟触地时的值，因为这些时刻点的稳定性较低，更容易导致患者的跌倒。
CRP计算：计算全部实验中生成的整体CRP曲线的平均值和标准差，如下面公式所示，衡量不同步态周期的CRP在幅值和变异性上的差异。
其中MARP衡量CRP曲线的平均幅值，DP衡量不同步态周期之间CRP的差异，N为步态周期的个数，SD(t)为不同步态周期之间的标准差。
通过对得到的不同方向的MoS参数与CRP的两个参数通过独立样本T检验与健康人的数据进行统计学分析找到脑卒中患者在稳定能力与协调能力同健康人的差异，并针对具体方向进行后续康复训练的制定与实施。
通过对得到的4个方向的稳定裕度特征与2个CRP特征与功能性量表评分进行相关性分析，得到与患者量表评分(Berg平衡量表、Fugl-Meyer运动功能评分量表)相关性最高的一个协调性特征X1与一个稳定性特征X2，通过利用这两个特征与功能性量表评分Y构建多元线性回归模型。
Y＝β0+β1X1+β2X2
最终得到脑卒中患者协调性、稳定性与患病程度的关系，同时解释脑卒中患者稳定性和协调性同运动功能之间的内在联系，找到衡量患者平衡能力的指标，进而得到脑卒中患者运动功能的客观评估。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。
Claims (2)
1.基于运动学特征的卒中协调稳定性运动功能评估装置，其特征在于，包括如下步骤：
通过稳定裕度模型对患者步态进行计算生成患者步态稳定裕度特征；
其中：CoM为身体质量中心的空间相对位置，vCoM为身体质心的速度，g是重力加速度，l是摆(下肢)的高度，
通过三维运动捕捉模块采集患者步态数据获得时空参数和下肢各关节角度数据信息；通过希尔伯特变换方法对采集患者的下肢各关节角度数据计算获得患者相应的关节相位角；通过如下公式对所述患者相应的关节相位角进行计算生成患者步态曲线CRP；
其中：
为髋关节相位角，
为膝关节相位角，通过相邻关节相位角之差，得到连续相对相位(CRP)，后续继续计算膝关节与踝关节的CRP值；
按照功能性量表相关性提取患者步态稳定裕度特征与患者步态曲线CRP相匹配的协调特征建立评估脑卒中模型
Y＝β0+β1X1+β2X2
其中：β0为常数项，β1与β2为回归系数；自变量X1为一个协调性特征，X2为一个稳定性特征。
2.根据权利要求1所述基于运动学特征的卒中协调稳定性运动功能评估装置，其特征在于，所述步态曲线CRP是通过平均步态周期的整体CRP曲线点的标准差来计算偏差，所述步态周期定义为在行走时一侧足跟着地到该侧足跟再次着地的过程；在步行路径的中间部分放上测力台，根据测力台的足底压力数据进行步态周期划分，标定患者偏瘫侧的脚后跟触地的时间点，通过时间插值的方法统一个步态周期内参数的时间长度，得到每次步行试验的3个步态周期的运动学参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211205943.9A CN115813372A (zh) | 2022-09-30 | 2022-09-30 | 基于运动学特征的卒中协调稳定性运动功能评估装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211205943.9A CN115813372A (zh) | 2022-09-30 | 2022-09-30 | 基于运动学特征的卒中协调稳定性运动功能评估装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115813372A true CN115813372A (zh) | 2023-03-21 |
Family
ID=85524252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211205943.9A Pending CN115813372A (zh) | 2022-09-30 | 2022-09-30 | 基于运动学特征的卒中协调稳定性运动功能评估装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115813372A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006015089A (ja) * | 2004-06-30 | 2006-01-19 | National Institute Of Advanced Industrial & Technology | 生体等多変量時系列データ評価法及び装置 |
| RU2489129C1 (ru) * | 2012-06-07 | 2013-08-10 | Государственное бюджетное учреждение здравоохранения Московской области "Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского" | Способ реабилитации больных с церебральным инсультом |
| CN106880357A (zh) * | 2017-01-05 | 2017-06-23 | 首都体育学院 | 一种运动能力评估*** |
| CN107729712A (zh) * | 2017-09-11 | 2018-02-23 | 天津大学 | 基于运动学数据的步态稳定性评估方法 |
| WO2019175899A1 (en) * | 2018-03-15 | 2019-09-19 | On My Own Technology Pvt Ltd | Wearable device for gait analysis |
| RU2723749C1 (ru) * | 2019-11-20 | 2020-06-17 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Амурская государственная медицинская академия" Министерства здравоохранения Российской Федерации | Способ диагностики ранних признаков недостаточности почечной гемодинамики у больных хронической обструктивной болезнью легких, осложненной хроническим легочным сердцем |
| US20210059565A1 (en) * | 2019-09-04 | 2021-03-04 | Richard Morris | Gait-based assessment of neurodegeneration |
| CN112656430A (zh) * | 2021-01-08 | 2021-04-16 | 天津大学 | 基于站立位失衡诱发脑电的卒中平衡康复评估方法 |
| US20210138232A1 (en) * | 2018-08-14 | 2021-05-13 | Neurotrigger Ltd. | Method and apparatus for transcutaneous facial nerve stimulation and applications thereof |
| US20210219872A1 (en) * | 2020-01-17 | 2021-07-22 | The Board Of Trustees Of The University Of Illinois | Method and apparatus for muscle tone and limb movement measurement and assessment |
| CN114822838A (zh) * | 2022-03-14 | 2022-07-29 | 海南医学院 | 一种脑卒中患者跌倒风险预测模型的构建方法及*** |
-
2022
- 2022-09-30 CN CN202211205943.9A patent/CN115813372A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006015089A (ja) * | 2004-06-30 | 2006-01-19 | National Institute Of Advanced Industrial & Technology | 生体等多変量時系列データ評価法及び装置 |
| RU2489129C1 (ru) * | 2012-06-07 | 2013-08-10 | Государственное бюджетное учреждение здравоохранения Московской области "Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского" | Способ реабилитации больных с церебральным инсультом |
| CN106880357A (zh) * | 2017-01-05 | 2017-06-23 | 首都体育学院 | 一种运动能力评估*** |
| CN107729712A (zh) * | 2017-09-11 | 2018-02-23 | 天津大学 | 基于运动学数据的步态稳定性评估方法 |
| WO2019175899A1 (en) * | 2018-03-15 | 2019-09-19 | On My Own Technology Pvt Ltd | Wearable device for gait analysis |
| US20210138232A1 (en) * | 2018-08-14 | 2021-05-13 | Neurotrigger Ltd. | Method and apparatus for transcutaneous facial nerve stimulation and applications thereof |
| US20210059565A1 (en) * | 2019-09-04 | 2021-03-04 | Richard Morris | Gait-based assessment of neurodegeneration |
| RU2723749C1 (ru) * | 2019-11-20 | 2020-06-17 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Амурская государственная медицинская академия" Министерства здравоохранения Российской Федерации | Способ диагностики ранних признаков недостаточности почечной гемодинамики у больных хронической обструктивной болезнью легких, осложненной хроническим легочным сердцем |
| US20210219872A1 (en) * | 2020-01-17 | 2021-07-22 | The Board Of Trustees Of The University Of Illinois | Method and apparatus for muscle tone and limb movement measurement and assessment |
| CN112656430A (zh) * | 2021-01-08 | 2021-04-16 | 天津大学 | 基于站立位失衡诱发脑电的卒中平衡康复评估方法 |
| CN114822838A (zh) * | 2022-03-14 | 2022-07-29 | 海南医学院 | 一种脑卒中患者跌倒风险预测模型的构建方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 卫青漫: "走路时使用手机对步行特征的影响", 社会科学Ⅱ辑, 15 August 2019 (2019-08-15), pages 23 * |
| 徐瑞, 李志才, 王雯婕等: "基于肌电的人机交互控制策略及其应用与挑战", 电子测量与仪器学报, 15 February 2020 (2020-02-15), pages 1 - 11 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schmitz et al. | The measurement of in vivo joint angles during a squat using a single camera markerless motion capture system as compared to a marker based system | |
| CN108209924B (zh) | 一种前交叉韧带断裂后步态特征的分析方法 | |
| CN107920782B (zh) | 步行分析方法及步行分析*** | |
| Monaghan et al. | Increasing the number of gait trial recordings maximises intra-rater reliability of the CODA motion analysis system | |
| Growney et al. | Repeated measures of adult normal walking using a video tracking system | |
| Mills et al. | Repeatability of 3D gait kinematics obtained from an electromagnetic tracking system during treadmill locomotion | |
| Borhani et al. | An alternative technical marker set for the pelvis is more repeatable than the standard pelvic marker set | |
| CN110801226A (zh) | 一种基于表面肌电信号的人体膝关节力矩测试***方法及应用 | |
| Laudanski et al. | Measurement of lower limb joint kinematics using inertial sensors during stair ascent and descent in healthy older adults and stroke survivors | |
| Groen et al. | Sensitivity of the OLGA and VCM models to erroneous marker placement: Effects on 3D-gait kinematics | |
| WO2015162158A1 (en) | Human motion tracking | |
| Agostini et al. | Wearable sensors for gait analysis | |
| Hwang et al. | The balance recovery mechanisms against unexpected forward perturbation | |
| Borzikov et al. | Human motion video analysis in clinical practice | |
| Catena et al. | Does the anthropometric model influence whole-body center of mass calculations in gait? | |
| Liu et al. | Deep learning based ground reaction force estimation for stair walking using kinematic data | |
| Rekant et al. | Inertial measurement unit-based motion capture to replace camera-based systems for assessing gait in healthy young adults: Proceed with caution | |
| Burnfield et al. | Examination of gait | |
| CN115813372A (zh) | 基于运动学特征的卒中协调稳定性运动功能评估装置 | |
| Matthew et al. | Reachable workspace and proximal function measures for quantifying upper limb motion | |
| Tang | Comparison Marker-Based and Markerless Motion Capture Systems in Gait Biomechanics During Running | |
| Miller et al. | Effects of speed and visual-target distance on toe trajectory during the swing phase of treadmill walking | |
| Wen et al. | Gait measurement and quantitative analysis in patients with Parkinson's disease for rehabilitation assessment | |
| Demarais et al. | The instantaneous axis of rotation (IAOR) of the foot and ankle: a self-determining system with implications for rehabilitation medicine application | |
| Vlietstra | Comparing methods for full body inverse dynamics analysis of a standing long jump |
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 |