CN117179741A - 基于压力标记足底位置的方法及相关设备 - Google Patents
基于压力标记足底位置的方法及相关设备 Download PDFInfo
- Publication number
- CN117179741A CN117179741A CN202310911193.5A CN202310911193A CN117179741A CN 117179741 A CN117179741 A CN 117179741A CN 202310911193 A CN202310911193 A CN 202310911193A CN 117179741 A CN117179741 A CN 117179741A
- Authority
- CN
- China
- Prior art keywords
- pressure
- value
- preset
- plantar
- values
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012216 screening Methods 0.000 claims abstract description 37
- 230000004044 response Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 208000008960 Diabetic foot Diseases 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 description 20
- 210000002683 foot Anatomy 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 5
- 206010012601 diabetes mellitus Diseases 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 201000001119 neuropathy Diseases 0.000 description 3
- 230000007823 neuropathy Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 208000033808 peripheral neuropathy Diseases 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 208000003790 Foot Ulcer Diseases 0.000 description 2
- 206010017711 Gangrene Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 210000004744 fore-foot Anatomy 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 210000001872 metatarsal bone Anatomy 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010003694 Atrophy Diseases 0.000 description 1
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 208000014770 Foot disease Diseases 0.000 description 1
- 206010033425 Pain in extremity Diseases 0.000 description 1
- 206010034620 Peripheral sensory neuropathy Diseases 0.000 description 1
- 206010040026 Sensory disturbance Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 210000000467 autonomic pathway Anatomy 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000010801 foot rot Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 210000001255 hallux Anatomy 0.000 description 1
- 210000000548 hind-foot Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 201000005572 sensory peripheral neuropathy Diseases 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 231100000216 vascular lesion Toxicity 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本公开提供一种基于压力标记足底位置的方法及相关设备。具体地,包括:获取足底压力数据;其中,所述足底压力数据包括多个坐标值以及每一坐标值对应的压力值;根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据;根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据;根据预设算法和所述第二目标数据,确定至少一目标位置。这样的方式,能够准确、全面获得需要关注的足底压力位置,为准确筛查糖尿病足的高危人群,干预指导糖尿病足的治疗提供可靠依据。
Description
技术领域
本公开涉及检测技术领域,尤其涉及一种基于压力标记足底位置的方法及相关设备。
背景技术
应用足底压力检测设备检测足底不同部位的压力分布,探讨足部生物力学的改变,可掌握糖尿病病人足底压力是否发生异常变化,有助于筛查糖尿病足的高危人群,为糖尿病足的早期干预和指导治疗提供证据。
然而,目前足底压力检测设备确定的高压点区域准确性查,容易偏离真正的核心区域,不利于给出准确的指导意见。
发明内容
有鉴于此,本公开的目的在于提出一种基于压力标记足底位置的方法及相关设备。
基于上述目的,第一方面,本公开实施例提供了一种基于压力标记足底位置的方法,包括:
获取足底压力数据;其中,所述足底压力数据包括多个坐标值以及每一坐标值对应的压力值;
根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据;
根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据;
根据预设算法和所述第二目标数据,确定至少一目标位置。
第二方面,本公开实施例提供了一种基于压力标记足底位置的装置,包括:
获取模块,被配置为:获取足底压力数据;其中,所述足底压力数据包括多个坐标值以及每一坐标值对应的压力值;
压力筛选模块,被配置为:根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据;
距离筛选模块,被配置为:根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据;
矫正模块,被配置为:根据预设算法和所述第二目标数据,确定至少一目标位置。
第三方面,本公开实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面的所述方法。
从上面所述可以看出,本公开提供的基于压力标记足底位置的方法及相关设备,先利用预设压力阈值、预设距离阈值对获取的足底压力数据进行筛选得到第二目标数据,然后根据预设算法对第二目标数据处理得到至少一目标位置,该至少一目标位置能够准确、全面反应需要关注的足底压力位置,为准确筛查糖尿病足的高危人群,干预指导糖尿病足的治疗提供可靠依据。
附图说明
为了更清楚地说明本公开或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本公开实施例提供的示例性足底压力检测设备的结构示意图;
图2示出本公开实施例获取的部分足底压力数据示意图;
图3A示出本公开实施例提供的部分排序结果的示意图;
图3B示出本公开实施例提供的相邻压力值取差值的结果示意图;
图3C示出本公开实施例提供的依据压力值计算的坐标值数量的结果示意图;
图4A示出本公开实施例提供的高压点范围示意图;
图4B示出本公开实施例提供的矫正后的高压点位置示意图;
图5示出本公开实施例提供的基于压力标记足底位置的方法的流程示意图;
图6示出本公开实施例提供的一种基于压力标记足底位置的装置的结构示意图;
图7示出本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
为了便于理解本公开的技术方案,下面对本公开涉及的一些技术术语、进行介绍。
糖尿病足,是指因糖尿病导致神经病变(例如未梢神经感觉障碍及植物神经损害),下肢血管病变(例如动脉硬化引起周围小动脉闭塞症、皮肤微血管病变)以及细菌感染所导致的足部疼病、足部溃疡及足坏疽等病变。常常由于缺血、神经病变和感染三种因素协同发生作用。
足底高压点:根据压力传感器采集到的足底压力数据,超出一定压力值的压力点即为高压点。
为了使得本公开的技术方案更加清楚、易于理解,下面结合附图对本公开实施例提供的基于压力标记足底位置的方法进行详细说明。
糖尿病患者足部感觉神经病变使足部失去自我保护机制,容易造成损伤,例如烫伤。同时足部神经病变会使足部小肌肉萎缩,足(趾)畸形和跖骨头突出,前足的纤维脂肪垫前移,跖骨头部位局部压力升高,且前足/后足压力比升高,也就是说,糖尿病患者常伴有足底压力升高和足底压力分布异常的现象。
足底压力升高是导致足溃疡或坏疽发生的最主要因素。所以,检测糖尿病患者的足底压力情况对糖尿病足的防治有重要的临床意义。
足底压力检测运用国际先进压力传感技术,基于人体生物力学原理,客观评估及预估未来足部疾病和行走,提供预防康复治疗的先进科学方法和定量化数据。
图1示出了本公开实施例所提供的示例性足底压力检测设备100的示意图。
如图1所示,足底压力检测设备100包括处理模块102和检测模块104。在一些实施例中,检测模块104包括多个传感器1042。示例性的,检测模块104可以包括10000个传感器1042,这10000个传感器1042可以具有相对较密的分布密度(例如,相邻传感器以2mm为间距进行布置),从而准确反映足底压力情况。
需要说明的是,检测模块104具有多种形式,例如压力平板、测力台、压力鞋垫、压力鞋等,本公开对此不做具体限定。作为一个可选实施例,将传感器1042安置在压力鞋和鞋垫中,也就是将传感器1042放置在需要测量的部位,使鞋子和鞋垫与足底贴服,从而传感器1042可以连续测定足底压力、时间等参数,并可以进行实时监测和反馈,能够克服测力板和测力台的相关不足。
可选地,传感器1042可以是电阻式传感器。电阻式传感器能够对任何接触面之间的压力分布进行动态测量,从生物力学角度以直观、形象的二维彩色图形显示压力分布的轮廓和数值,获取人在静止状态下的压力分布特征以及行走过程中的步态特征和平衡特征。
当用户或者患者的足部位于检测模块104所在区域时,例如脚踩在测力板上、穿上压力鞋运动等,检测模块104利用多个传感器1042,获取足底不同部位的压力值。需要说明的是,每一个传感器1042可以匹配一个坐标值,不同的传感器1042对应不同的坐标值,使得每一传感器的压力值均能够分别记录,避免不同传感器1042采集的压力信息彼此混淆。换句话说,每一坐标值可以代表一个位点,每一个位点对应一个压力值。
处理模块102和检测模块104之间可以包括提供通信链路的介质(例如,网络)。该网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。检测模块104采集的压力值可以传输至处理模块102,使得处理模块102可以对压力数据进行处理、存储等操作。
在一些实施例中,如图1所示,处理模块102可以进一步包括处理器1022、存储器1024和显示屏1026。其中,处理器1022可以基于检测模块104采集的压力值以及每一压力值对应的坐标值得到足底压力数据200并存储于存储器1024。此外,足底压力数据200也可以显示在显示屏1026中。示例性的,可以将不同压力值以不同的颜色显示于对应的点位(根据坐标值确定)上,从而得到足底压力数据图(参阅图4A和图4B),并由显示屏1026将其显示出来。
示例性的,处理模块102可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器、膝上型便携计算机(Laptop)和台式计算机(PC)等等。当然,处理模块102也可以是无显示屏的设备,利用外接显示屏同样可以实现对足底压力数据图的显示。
在一些可替换的实施例中,除了将足底压力数据200存储在足底压力检测设备100中之外,足底压力数据200也可以存储于服务器中,足底压力检测设备100则可以从该服务器中获取足底压力数据200来进行处理。因此,存储数据的具体实现方式,本公开对此不做限定。
图2示出本公开实施例提供的部分足底压力数据200示意图。
如图2所示,足底压力数据200可以包括多个坐标值201以及每一坐标值对应的压力值202。从图2中可以看出,同一压力值可以对应多个坐标值,例如,压力值249对应坐标值(222,113)、(222,114)、(222,115)。进一步地的,同一压力值对应的多个坐标值对应的位置彼此间相邻或远离,例如,压力值243对应坐标值(222,116)、(315,405)(315,406),其中,(315,405)与(315,406)对应的位置彼此相邻,而(222,116)对应的位置与(315,405)或(315,406)对应的位置彼此远离,即,不同的位置可以出现相同的压力值。
为了确定足底高压点,处理器1022对采集到的足底压力数据进行简单的排序,就可以找到最大压力点,基于该最大压力点,扩大一定范围即可获得高压点区域位置。
本申请的发明人发现,对于上述确定高压点区域位置的方法,至少存在以下两个方面的问题:一方面,由于传感器密度大,造成分析的数值达到数万个,当采用上述简单的通过最大压力点确定区域位置时,容易偏离真正的核心区域;另一方面,足底检测后的高压点的分析局限于某一处(最大压力处)的标记和识别,与现实情况足底的高压区域分布于多处的情况不符,难以对高压点进行全面分析。
有鉴于此,本公开实施例提供一种针对患者的足底压力,全面寻找及定位各个部位的高压点,同时标记提示高压点位置,更加准确全面地标记高压点区域,从而指导对高压点区域进行减压处理和防护,避免高压点的破损及溃烂,达到提前预防,避免或延缓不可逆烂足情况发生,提高患者生活质量,减轻糖尿病患者治疗费用等,对足底的全面保护起到了重要的改进作用。
具体地,可以先按照压力值从大到小的顺序对足底压力数据100排序以确定预设压力阈值。
图3A示出本公开实施例提供的部分排序结果300的示意图。从图3A 可以看出,排在序号301前三位的压力值302依次是249、246、243。
可选地,选择排列序号前3位的压力值范围为高压范围,并将前3位的压力值中最小值作为预设压力阈值,例如243。需要说明的是,也可以选择其他位次,例如前4位,前5位等。也就是说,排序序号范围可以是前3~6位中的任一者,本领域技术人员可以对位次进行设定,这里不做具体限定。
上述确定预设压力阈值的方式,若选择位次少,则可能高压范围不够完整,若选择位次多,由于压力值的变化不是线性的,因此存在压力值急剧降低的情况,降低后的压力值很可能属于正常的足底压力,而非足底高压,也就是说,选择位次多可能扩大高压范围,导致高压范围不准确。
由此,在本公开提供的一些可替代的实施方式中,用于对上述确定预设压力阈值的方式进行改进。
图3B示出本公开实施例提供的对相邻压力值取差值的结果示意图。如图3B所示,在一些实施例中,可以在排序结果300的基础上,计算相邻两个压力值的差值303,例如第1位和第2位的差值是3,第2位和第3位的差值是3,第3位和第4位的差值是11。接着,按照排序的次序,差值首次大于预设第一数值对应的两个压力值能够体现足底压力值的急剧变化,由此若所述差值首次大于预设第一数值(例如10),则所述差值对应的两个压力值中较大者是高压点,较小者是正常点,可以将两个压力值中较大者作为预设压力阈值。示例性的,第1位和第2位的差值以及第2位和第3位的差值均小于10,第3位和第4位的差值11首次大于10,显然,第3位的压力值为高压点,第4位的压力值为正常点,相应的,第3位的压力值可以作为预设压力阈值。
应当理解的是,本领域技术人员可以对预设第一数值进行设定,例如,10、20,本公开对此不做限定。
此外,本公开的发明人注意到,足底高压点的数量远远小于足底压力正常点的数量,反映至足底压力数据上则表现为高压点的压力值对应的坐标值的数量远远小于正常压力值对应的坐标值的数量。因此,依据足底压力值对应的坐标值数量也可以确定足底高压范围,从而可以确定预设压力阈值。基于此,本公开实施例还提供一种基于不同足底压力值的分布范围确定预设压力阈值的实施方式。
具体地,可以先计算每一压力值对应的坐标值的数量304。
图3C示出本公开实施例提供的依据压力值计算的坐标值数量的结果示意图。从图3C可以看出,压力值249对应的坐标数量是28,压力值246对应的坐标数量是43,压力值243对应的坐标数量是56,压力值232对应的坐标数量是337,压力值230对应的坐标数量是396。由此可见,压力值249、246、243对应的坐标数量较低,从压力值232开始往下,每个压力值对应的坐标数量显著增加。比较而言,大量存在的压力值表明,这样的压力值在足底经常出现,即属于常规的压力值。由此,找到压力值对应的坐标数量呈现显著增加的转折点就可以确定预设压力阈值。接下来,按照压力值从大至小的顺序,若下一位次压力值(例如图3C中的压力值232)对应的坐标值的数量首次大于预设第二数值,则第1位至当前位次的压力值(例如图3C中的压力值243)属于足底高压范围,相应的,当前位次压力值可以作为预设压力阈值。
应当理解的是,本领域技术人员可以对预设第二数值进行设定,例如,100、200,本公开对此不做限定。
通过上述任一实施方式确定预设压力阈值(例如243)之后,接下来可以利用预设压力阈值对足底压力数据进行筛选。
在一些实施例中,比较压力值和预设压力阈值,若压力值小于预设压力阈值,则排除该压力值对应的坐标值,若压力值大于等于预设压力阈值,则保留该压力值对应的坐标值。
应当理解的是,经过预设压力阈值对足底压力数据的筛选,使得最大程度减少足底压力数据总量的同时保留满足预设压力阈值的压力值对应的坐标值。
示例性的,压力值246大于预设压力阈值243,则保留压力值246对应的坐标值,例如(315,403)、(315,404)。压力值230小于预设压力阈值243,则排除其对应的坐标值,例如(500,906)、(500,908)。
通过这样的方式,能够极大的减少数据的总量,有利于后续对足底高压位置进行准确、便捷的分析。
考虑到足底压力检测的传感器密度大,对于同一区域,存在大量坐标值,坐标值数量过多导致数据冗余,不利于高效确定足底高压位置。例如,两个坐标值对应位置之间的距离很近,例如相邻点之间的距离是,仅需其中一个坐标值即可代表该区域,而无需保留两个坐标值。
由此,基于预设距离阈值,进一步对满足预设压力阈值的压力值对应的坐标值进行筛选。其原理在于,当两个坐标值对应位置之间的距离不大于预设距离阈值,表明位置接近在同一区域,可以剔除两者之一;否则,表明位置较远不在一个区域,需保留两者。
需要说明的是,两个坐标值对应位置之间的距离可以通过两个坐标值进行计算得到。假设点P1(a 1 ,b 1),P2(a 2 ,b 2),P1和P2间的距离用C表示,则C=。
需要说明的是,预设阈值距离可以是(对应相邻点之间的距离)、/>、/>等。本领域技术人员可以根据计算量设置预设阈值距离,这里不做具体限定。
基于上述原理,下面提供一种示例性的筛选方式。这样的筛选方式有助于降低运算量,提高运算效率。
在经过预设压力阈值筛选的足底压力数据中选定一个参考坐标值,然后计算参考坐标值与每一非参考坐标值对应的位置之间的距离。基于上述原理,若距离大于预设距离阈值,则保留该非参考坐标值,否则剔除该非参考坐标值。当所有非参考坐标值均与预设距离阈值比较完毕,足底压力数据中的坐标数量有所降低。
接下来,在剩余的坐标值中,重新选择一参考坐标值,该参考坐标值与之前的参考坐标值不同,计算新的参考坐标值与新的非参考坐标值之间的距离,然后依据上述原理进行比较,保留或剔除非参考坐标值。
重复执行上述利用参考坐标值剔除或保留非参考坐标值的步骤,直至剩余坐标值仅余一坐标值未被选为参考坐标值。
需要说明的是,每次选择新的参考坐标值之后,其他坐标值自动为新的非参考坐标值(包括曾经被选为参考坐标值的坐标值)。换句话说,每执行一次上述步骤对应一个参考坐标值,且各次之间参考坐标值不同。
经过预设距离阈值筛选的高压点所在范围可以显示于图中。图4A示出本公开实施例提供的高压点范围示意图。由图4A可以看出,左脚的高压点范围401分布在3个不同的区域,右脚的高压点范围402分布在两个不同的区域。每一区域包括多个经过上述预设压力阈值和预设距离阈值筛选的高压点。
为了确定精确的高压点位置,利用K-Means聚簇算法对筛选过的多个高压点进行矫正处理,得到高压点位置。图4B示出本公开实施例提供的矫正后的高压点位置示意图。图4B中的圆点即为矫正后的高压点。其中,左脚存在两个高压点,右脚存在两个高压点。
最后,设定预设半径,例如3,5,以矫正过的高压点为圆心,根据预设半径,可以确定高压点区域。基于图4B中的高压点,左脚可以确定两个高压点区域,分别位于大脚趾根部和脚掌的中部;右脚可以确定两个高压点区域,分别位于脚掌的右侧和脚后跟。
可选地,对于高压点区域,可以采用线条、颜色等进行标识,本公开对此不做限定。
通过这样的技术方案,能够准确定位足底多个高压点区域并进行标示,为糖尿病足的预防和治疗提供可靠的依据。
本公开实施例还提供一种基于压力标记足底位置的方法。图5示出本公开实施例提供的基于压力标记足底位置的方法的流程示意图。
如图5所示,所述方法包括:
步骤S502:获取足底压力数据200;其中,所述足底压力数据包括多个坐标值201以及每一坐标值对应的压力值202。
步骤S504:根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据。这里,第一目标数据可以是指足底压力数据中的压力值较高的数据。
步骤S506:根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据。这里,依据第二目标数据的坐标值作图,以不同颜色表示不同的压力值,可以得到如4A所示的高压点范围(401、402)。
这里,先执行步骤S504再执行步骤S506,可以确保对高压点的准确筛选,避免高压点遗漏,同时达到精简数据,降低计算量的技术效果。
步骤S508:根据预设算法和所述第二目标数据,确定至少一目标位置。这里,目标位置可以是高压点位置。这里,目标位置可以参考图4B的圆点。
采用这样的技术方案,能够准确、全面反应需要关注的足底压力位置,为准确筛查糖尿病足的高危人群,干预指导糖尿病足的治疗提供可靠依据。
在一些实施例中,还包括:
根据预设半径和所述至少一目标位置,确定与所述至少一目标位置匹配的目标区域。
在一些实施例中,所述预设压力阈值可以是定值,例如245。
在一些可替换的实施例中,所述预设压力阈值基于所述足底压力数据确定。
通过足底压力数据确定预设压力阈值,能够保证对足底压力数据中的较高压力点进行准确筛选,从而实现针对不同用户进行个性化高压点分析,提高分析的准确性。
在一些实施例中,所述预设压力阈值的确定方法,包括:
按照大小顺序对多个所述压力值进行排序(如图3A所示);从最大值开始计数目标数量的压力值并将其最小值作为预设压力阈值。
在一些实施例中,所述预设压力阈值的确定方法,包括:
按照从大至小顺序对多个所述压力值进行排序;
计算相邻压力值之间的差值(如图3B所示),响应于所述差值首次大于预设第一数值,将与所述差值对应的两个压力值中较大者作为预设压力阈值。
在一些实施例中,所述预设压力阈值的确定方法,包括:
计算每一压力值对应的坐标值的数量(如图3C所示);
按照压力值从大至小的顺序,响应于确定下一位次压力值对应的坐标值的数量首次大于预设第二数值,将当前位次压力值作为预设压力阈值。
需要说明的是,对应上述确定预设压力阈值的方法,可以分开使用,也可以将其结合使用。利用满足上述两个或三个条件的压力值,才能作为预设压力阈值。
在一些实施例中,步骤S504:根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据,具体包括:
比较所述压力值和所述预设压力阈值;
响应于确定任一所述压力值不小于所述预设压力压力阈值,将所述压力值对应的至少一坐标值确定为所述第一目标数据。
在一些实施例中,步骤S506:所述根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据,具体包括:
计算两个所述坐标值对应的位置之间的距离;
响应于确认所述距离大于预设距离阈值,保留两个所述坐标值,否则剔除所述两个坐标值中的一者。
在一些可替换的实施例中,步骤S506:所述根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据,具体包括:
在未被选定为参考的坐标值中选定当前参考坐标值;
计算所述当前参考坐标值对应的位置和每一非当前参考坐标值对应的位置之间的距离;
响应于确认任一所述距离大于预设距离阈值,保留该任一所述距离对应的非当前参考坐标值,否则剔除。
需要说明的是,重复执行上述步骤直至剩余一个未被选定为参考坐标值,此时可以保证剩余的每一坐标值与其余坐标值的距离均满足预设距离阈值的要求,从而在保证坐标值代表高压范围的同时达到减少数据量,避免数据冗余的技术效果。
在一些实施例中,所述预设算法可以是聚类算法,例如选自K-menas聚簇算法、密度分布函数、神经网络或CURE(clustering using representative,简称CURE)算法中的至少一者。
需要说明的是,本公开实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本公开还提供了一种基于压力标记足底位置的装置的结构示意图。
图6示出本公开实施例提供的一种基于压力标记足底位置的装置的结构示意图。所述装置,包括:
获取模块602,被配置为:获取足底压力数据;其中,所述足底压力数据包括多个坐标值以及每一坐标值对应的压力值;
压力筛选模块604,被配置为:根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据;
距离筛选模块606,被配置为:根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据;
矫正模块608,被配置为:根据预设算法和所述第二目标数据,确定至少一目标位置。
在一些实施例中,所述装置还包括标识模块,被配置为:根据预设半径和所述至少一目标位置,确定与所述至少一目标位置匹配的目标区域。
在一些实施例中,所述预设压力阈值基于所述足底压力数据确定。
在一些实施例中,压力筛选模块604,还被配置为:
按照大小顺序对多个所述压力值进行排序;从最大值开始计数目标数量的压力值并将其最小值作为预设压力阈值;和/或
按照从大至小顺序对多个所述压力值进行排序;
计算相邻压力值之间的差值,响应于所述差值首次大于预设第一数值,将与所述差值对应的两个压力值中较大者作为预设压力阈值;和/或
计算每一压力值对应的坐标值的数量;
按照压力值从大至小的顺序,响应于确定下一位次压力值对应的坐标值的数量首次大于预设第二数值,将当前位次压力值作为预设压力阈值。
在一些实施例中,压力筛选模块604,还被配置为:
比较所述压力值和所述预设压力阈值;
响应于确定任一所述压力值不小于所述预设压力压力阈值,将所述压力值对应的至少一坐标值确定为所述第一目标数据。
在一些实施例中,距离筛选模块606,还被配置为:
计算两个所述坐标值对应的位置之间的距离;
响应于确认所述距离大于预设距离阈值,保留两个所述坐标值,否则剔除所述两个坐标值中的一者。
在一些实施例中,距离筛选模块606,还被配置为:
在未被选定为参考的坐标值中选定当前参考坐标值;
计算所述当前参考坐标值对应的位置和每一非当前参考坐标值对应的位置之间的距离;
响应于确认任一所述距离大于预设距离阈值,保留该任一所述距离对应的非当前参考坐标值,否则剔除。
在一些实施例中,所述预设算法选自K-menas聚簇算法、密度分布函数、神经网络或CURE算法中的至少一者。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本公开时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本公开还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上任意一实施例所述的方法。
图7示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图, 该设备可以包括:处理器2010、存储器1020、输入/输出接口1030、通信接口1040和总线 1050。其中处理器2010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器2010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器2010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器2010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器2010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本公开还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例所述的相对应的,本公开还提供了一种计算机程序产品,其包括计算机程序指令。在一些实施例中,所述计算机程序指令可以由计算机的一个或多个处理器执行以使得所述计算机和/或所述处理器执行所述的。对应于所述的各实施例中各步骤对应的执行主体,执行相应步骤的处理器可以是属于相应执行主体的。
上述实施例的计算机程序产品用于使所述计算机和/或所述处理器执行如上任一实施例所述的,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本公开实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本公开实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本公开实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本公开实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.基于压力标记足底位置的方法,其特征在于,包括:
获取足底压力数据;其中,所述足底压力数据包括多个坐标值以及每一坐标值对应的压力值;
根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据;
根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据;
根据预设算法和所述第二目标数据,确定至少一目标位置。
2.根据权利要求1所述的方法,其特征在于,还包括:
根据预设半径和所述至少一目标位置,确定与所述至少一目标位置匹配的目标区域。
3.根据权利要求1所述的方法,其特征在于,所述预设压力阈值基于所述足底压力数据确定。
4. 根据权利要求3所述的方法,其特征在于,所述预设压力阈值的确定方法,包括:
按照大小顺序对多个所述压力值进行排序;从最大值开始计数目标数量的压力值并将其最小值作为预设压力阈值;和/或
按照从大至小顺序对多个所述压力值进行排序;
计算相邻压力值之间的差值,响应于所述差值首次大于预设第一数值,将与所述差值对应的两个压力值中较大者作为预设压力阈值;和/或
计算每一压力值对应的坐标值的数量;
按照压力值从大至小的顺序,响应于确定下一位次压力值对应的坐标值的数量首次大于预设第二数值,将当前位次压力值作为预设压力阈值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据,具体包括:
比较所述压力值和所述预设压力阈值;
响应于确定任一所述压力值不小于所述预设压力压力阈值,将所述压力值对应的至少一坐标值确定为所述第一目标数据。
6.根据权利要求1所述的方法,其特征在于,所述根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据,具体包括:
计算两个所述坐标值对应的位置之间的距离;
响应于确认所述距离大于预设距离阈值,保留两个所述坐标值,否则剔除所述两个坐标值中的一者。
7.根据权利要求1所述的方法,其特征在于,所述根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据,具体包括:
在未被选定为参考的坐标值中选定当前参考坐标值;
计算所述当前参考坐标值对应的位置和每一非当前参考坐标值对应的位置之间的距离;
响应于确认任一所述距离大于预设距离阈值,保留该任一所述距离对应的非当前参考坐标值,否则剔除。
8.根据权利要求1所述的方法,其特征在于,所述预设算法选自K-menas聚簇算法、密度分布函数、神经网络或CURE算法中的至少一者。
9.基于压力标记足底位置的装置,其特征在于,包括:
获取模块,被配置为:获取足底压力数据;其中,所述足底压力数据包括多个坐标值以及每一坐标值对应的压力值;
压力筛选模块,被配置为:根据所述压力值和预设压力阈值,对所述足底压力数据进行筛选,得到第一目标数据;
距离筛选模块,被配置为:根据所述坐标值和预设距离阈值,对所述第一目标数据进行筛选,得到第二目标数据;
矫正模块,被配置为:根据预设算法和所述第二目标数据,确定至少一目标位置。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310911193.5A CN117179741B (zh) | 2023-07-24 | 2023-07-24 | 基于压力标记足底位置的方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310911193.5A CN117179741B (zh) | 2023-07-24 | 2023-07-24 | 基于压力标记足底位置的方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117179741A true CN117179741A (zh) | 2023-12-08 |
CN117179741B CN117179741B (zh) | 2024-05-28 |
Family
ID=88987588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310911193.5A Active CN117179741B (zh) | 2023-07-24 | 2023-07-24 | 基于压力标记足底位置的方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117179741B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070163147A1 (en) * | 2005-09-21 | 2007-07-19 | Cavanagh Peter R | Method for Design and Manufacture of Insoles |
CN102283467A (zh) * | 2006-06-06 | 2011-12-21 | 安泰国际公司 | 用于定制鞋类用鞋垫的设备 |
WO2014049639A1 (ja) * | 2012-09-25 | 2014-04-03 | テルモ株式会社 | 足圧分布計測システムおよび情報処理装置 |
CN105654041A (zh) * | 2015-12-28 | 2016-06-08 | 西北工业大学 | 基于步态数据的特征参数获取方法和装置 |
CN105997318A (zh) * | 2016-04-26 | 2016-10-12 | 四川大学 | 针对糖尿病患者脚型个性化减压鞋垫的制作方法及*** |
CN106805980A (zh) * | 2017-01-24 | 2017-06-09 | 重庆小爱科技有限公司 | 一种步态分析***及分析方法 |
CN106887019A (zh) * | 2017-02-23 | 2017-06-23 | 大连海事大学 | 一种足迹压力分布特征表示方法 |
KR20180024189A (ko) * | 2016-08-29 | 2018-03-08 | 연세대학교 산학협력단 | 발바닥 압력중심 측정 센서 및 발바닥 압력중심 측정 방법 |
CN110123330A (zh) * | 2019-05-20 | 2019-08-16 | 浙江大学 | 基于足底压力数据的脚型参数测量与压力云图生成方法 |
CN111127446A (zh) * | 2019-12-26 | 2020-05-08 | 中国科学院合肥物质科学研究院 | 一种面向步态分析的足底压力图像分区方法 |
CN111329484A (zh) * | 2020-02-24 | 2020-06-26 | 华南理工大学 | 基于足底压力信息时空域特征的糖尿病足风险预警装置 |
CN111402202A (zh) * | 2020-02-24 | 2020-07-10 | 安徽大学 | 足底压力图像相似度评价方法 |
US20210027599A1 (en) * | 2019-07-23 | 2021-01-28 | Wistron Corporation | Wearable device and method of operating the same |
CN112766142A (zh) * | 2021-01-15 | 2021-05-07 | 天津大学 | 足底压力图像处理方法、识别方法及步态分析*** |
CN113989214A (zh) * | 2021-10-25 | 2022-01-28 | 安徽大学 | 基于分割区域方法的足迹压力特征分析*** |
KR20220018784A (ko) * | 2020-08-07 | 2022-02-15 | (주)서홍테크 | 신발 사용자의 건강 상태를 진단하는 방법 및 이를 수행하는 전자 장치 |
US20220270297A1 (en) * | 2019-08-28 | 2022-08-25 | Visualize K.K. | Methods and systems for predicting pressure maps of 3d objects from 2d photos using deep learning |
-
2023
- 2023-07-24 CN CN202310911193.5A patent/CN117179741B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070163147A1 (en) * | 2005-09-21 | 2007-07-19 | Cavanagh Peter R | Method for Design and Manufacture of Insoles |
CN102283467A (zh) * | 2006-06-06 | 2011-12-21 | 安泰国际公司 | 用于定制鞋类用鞋垫的设备 |
WO2014049639A1 (ja) * | 2012-09-25 | 2014-04-03 | テルモ株式会社 | 足圧分布計測システムおよび情報処理装置 |
CN105654041A (zh) * | 2015-12-28 | 2016-06-08 | 西北工业大学 | 基于步态数据的特征参数获取方法和装置 |
CN105997318A (zh) * | 2016-04-26 | 2016-10-12 | 四川大学 | 针对糖尿病患者脚型个性化减压鞋垫的制作方法及*** |
KR20180024189A (ko) * | 2016-08-29 | 2018-03-08 | 연세대학교 산학협력단 | 발바닥 압력중심 측정 센서 및 발바닥 압력중심 측정 방법 |
CN106805980A (zh) * | 2017-01-24 | 2017-06-09 | 重庆小爱科技有限公司 | 一种步态分析***及分析方法 |
CN106887019A (zh) * | 2017-02-23 | 2017-06-23 | 大连海事大学 | 一种足迹压力分布特征表示方法 |
CN110123330A (zh) * | 2019-05-20 | 2019-08-16 | 浙江大学 | 基于足底压力数据的脚型参数测量与压力云图生成方法 |
US20210027599A1 (en) * | 2019-07-23 | 2021-01-28 | Wistron Corporation | Wearable device and method of operating the same |
US20220270297A1 (en) * | 2019-08-28 | 2022-08-25 | Visualize K.K. | Methods and systems for predicting pressure maps of 3d objects from 2d photos using deep learning |
CN111127446A (zh) * | 2019-12-26 | 2020-05-08 | 中国科学院合肥物质科学研究院 | 一种面向步态分析的足底压力图像分区方法 |
CN111329484A (zh) * | 2020-02-24 | 2020-06-26 | 华南理工大学 | 基于足底压力信息时空域特征的糖尿病足风险预警装置 |
CN111402202A (zh) * | 2020-02-24 | 2020-07-10 | 安徽大学 | 足底压力图像相似度评价方法 |
KR20220018784A (ko) * | 2020-08-07 | 2022-02-15 | (주)서홍테크 | 신발 사용자의 건강 상태를 진단하는 방법 및 이를 수행하는 전자 장치 |
CN112766142A (zh) * | 2021-01-15 | 2021-05-07 | 天津大学 | 足底压力图像处理方法、识别方法及步态分析*** |
CN113989214A (zh) * | 2021-10-25 | 2022-01-28 | 安徽大学 | 基于分割区域方法的足迹压力特征分析*** |
Also Published As
Publication number | Publication date |
---|---|
CN117179741B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101988718B1 (ko) | 헬스케어 및 스마트라이프로거를 위한 걸음걸이 분석 방법 및 시스템 | |
US20170061224A1 (en) | Devices and methods including bare feet images for weight measurement | |
DeBerardinis et al. | Assessing the validity of pressure-measuring insoles in quantifying gait variables | |
Ciniglio et al. | The design and simulation of a 16-sensors plantar pressure insole layout for different applications: From sports to clinics, a pilot study | |
KR102470617B1 (ko) | 바이오 프로세서, 생체 신호 감지 시스템, 및 바이오 프로세서의 동작 방법 | |
CN115797499A (zh) | 重心轨迹绘制方法、装置、电子设备及存储介质 | |
Ostadabbas et al. | A knowledge-based modeling for plantar pressure image reconstruction | |
WO2021183672A1 (en) | Parameter selection model using image analysis | |
KR20170019984A (ko) | 걸음유형분석장치 및 걸음유형분석방법 | |
Parker et al. | Validity and reliability of the XSENSOR in-shoe pressure measurement system | |
CN117179741B (zh) | 基于压力标记足底位置的方法及相关设备 | |
Cheung et al. | Measurement agreement between a newly developed sensing insole and traditional laboratory-based method for footstrike pattern detection in runners | |
US20210338095A1 (en) | Bio-processor, bio-signal detecting system, and operation method of bio-processor | |
JP7395336B2 (ja) | 足圧測定装置、方法、及び、その非一時的な有形の機械可読媒体 | |
JPWO2020240752A1 (ja) | 情報処理装置、体重推定装置、体重推定システム、情報処理方法及び記憶媒体 | |
Das et al. | Investigations on postural stability and spatiotemporal parameters of human gait using developed wearable smart insole | |
Mo et al. | Footstrike angle cut-off values to classify footstrike pattern in runners | |
EP3292476B1 (en) | Methods using fractional rank precision and mean average precision as test-retest reliability measures | |
Alam et al. | Development of a low-cost textile sensor based insole to monitor foot pressure of diabetic patients | |
Hodapp et al. | Real-time posture and activity recognition by smartshoe | |
JP7177994B2 (ja) | 情報処理装置、歩行環境判定装置、歩行環境判定システム、情報処理方法及びプログラム | |
Hannah et al. | Relationship between sagittal plane kinematics, foot morphology and vertical forces applied to three regions of the foot | |
US20240197206A1 (en) | Information processing apparatus, information processing method, and computer-readable medium | |
CN113662535B (zh) | 步态检测方法、装置、设备及存储介质 | |
US20230263469A1 (en) | Shoe-based sensor system for detecting human motion and body balance |
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 |