亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

用于膝關節(jié)內收力矩測量的可穿戴傳感系統(tǒng)及測量方法

文檔序號:10497316閱讀:905來源:國知局
用于膝關節(jié)內收力矩測量的可穿戴傳感系統(tǒng)及測量方法
【專利摘要】本發(fā)明公開了一種用于膝關節(jié)內收力矩測量的可穿戴傳感系統(tǒng)及測量方法,其中可穿戴傳感系統(tǒng)包括:電源模塊,用于為整個系統(tǒng)提供能源;壓力信號采集模塊,用于檢測人在行走過程中足底壓力分布及變化;信號調理模塊,用于對所述的壓力分布變化信號進行處理,獲得經過放大調理的信號;藍牙傳輸模塊,用于實現無線傳輸所述的壓力信號;壓力信號分析模塊,用于對所述的壓力信號進行數據分析,建立神經網絡模型,通過模型預測膝關節(jié)內收力矩的值。采用該系統(tǒng)進行膝關節(jié)內收力矩的測量,可準確可靠地實時監(jiān)測膝關節(jié)內收力矩的大??;并且該傳感器具有輕柔,體積小,易穿戴等特點,可舒適的佩戴在襪子上,不會對正常生活造成不適或不便。
【專利說明】
用于膝關節(jié)內收力矩測量的可穿戴傳感系統(tǒng)及測量方法
技術領域
[0001] 本發(fā)明涉及生物醫(yī)學工程領域,尤其涉及一種用于膝關節(jié)內收力矩測量的可穿戴 傳感系統(tǒng),還涉及一種用于膝關節(jié)內收力矩測量的測量方法。
【背景技術】
[0002] 膝關節(jié)是人體全身中最復雜且高度耦合的關節(jié),活動范圍很大,承受著較大的杠 桿力,因而很容易受傷。膝關節(jié)中任何一個組成部分被破壞,久而久之都會導致膝關節(jié)磨 損,最終形成膝關節(jié)骨性關節(jié)炎。大量研究表明,膝關節(jié)內收力矩是衡量膝關節(jié)骨性關節(jié)炎 的良好指標。相比正常人群,膝關節(jié)骨性關節(jié)炎患者的膝關節(jié)內收力矩往往有明顯增加。因 此,對膝關節(jié)內收力矩的實時測量對于膝關節(jié)骨性關節(jié)炎患者來說具有重要意義。通常情 況下,膝關節(jié)內收力矩的測量需要在標準的步態(tài)實驗室中進行,通過配套的三維運動捕捉 系統(tǒng)和測力臺進行步態(tài)實驗,經過逆動力學計算得到膝關節(jié)內收力矩。這種方法有很大的 局限性,首先這種方法需要一個大空間的實驗室和多塊固定的測力臺,做不到實時監(jiān)測膝 關節(jié)內收力矩,而實時監(jiān)測膝關節(jié)內收力矩對膝關節(jié)骨性關節(jié)炎患者判斷其改善膝關節(jié)受 力,調整步態(tài)方式具有重要意義。第二,這種方法需要昂貴的測量設備,難以普及。由于這些 原因,可穿戴式膝關節(jié)內收力矩測量方法在日常生活中的實用價值更高。

【發(fā)明內容】

[0003] 本發(fā)明是針對膝關節(jié)骨性關節(jié)炎患者,提出一種用于膝關節(jié)內收力矩測量的可穿 戴傳感系統(tǒng)及測量方法。由于原有的膝關節(jié)內收力矩測量方法需要在專業(yè)的步態(tài)分析實驗 室中進行,不利于實時監(jiān)測,并且價格很高,無法普及,我們提出了一種新的膝關節(jié)內收力 矩的測量方法。該方法利用足底的壓力分布,通過可穿戴式傳感系統(tǒng),將足底的壓力分布和 膝關節(jié)內收力矩建立神經網絡模型,并且通過建立的模型計算出膝關節(jié)內收力矩。由于傳 感器布置在襪子上,易穿戴,對于膝關節(jié)內收力矩的實時監(jiān)測,具有重要作用。
[0004] 為了達到上述目的,本發(fā)明所采用的技術方案如下:一種用于測量膝關節(jié)內收力 矩的可穿戴傳感系統(tǒng),該系統(tǒng)安裝在襪子腳底上,包括:
[0005] 電源模塊,用于為整個可穿戴傳感系統(tǒng)提供能源;
[0006] 壓力信號采集模塊,用于檢測人在行走過程中足底和地面接觸所產生的壓力變化 信號;
[0007] 信號調理模塊,用于對壓力信號采集模塊采集到的壓力變化信號進行通道選擇和 放大處理,得到經過處理后的信號,以便于后續(xù)的信號分析;
[0008] 藍牙傳輸模塊,用于接收通過信號調理模塊進行通道選擇和放大處理后的信號, 然后將處理后的信號以無線傳輸形式發(fā)送給壓力信號分析模塊;
[0009] 壓力信號分析模塊,用于接收處理后的信號,將接收到的經過處理后的壓力信號 作為建立神經網絡模型的輸入,將膝關節(jié)內收力矩的參考值作為神經網絡模型的輸出,建 立神經網絡模型;通過訓練好的神經網絡模型輸出膝關節(jié)內收力矩的值。
[0010] 進一步的,所述壓力信號采集模塊包括六個壓阻式壓力傳感器,所述六個壓阻式 壓力傳感器具體分布情況為:在腳后跟處設置有兩個,大腳趾處設置有一個,橫足弓處設置 有三個;每個所述壓阻式壓力傳感器由四個傳感單元組成。
[0011] 進一步的,所述信號調理模塊包括多路選擇開關、24個信號放大模塊和單片機;所 述傳感單元與信號放大模塊相連,信號放大模塊與多路選擇開關相連,多路選擇開關通過 單片機控制;所述單片機用于將放大處理后的信號進行數模轉化,通過藍牙傳輸模塊向壓 力信號分析模塊發(fā)送數據;所述每個信號放大模塊均包括運算放大器、電阻R1和R2;所述電 阻R1的一端與一個傳感單元相連,電阻R1的另一端與電阻R2的一端相連后接運算放大器的 負極輸入端;電阻R2的另一端與運算放大器的輸出端相連后接多路選擇開關;所述運算放 大器的正極輸入端接地。
[0012] 進一步的,所述藍牙傳輸模塊用于將壓力信號通過藍牙串口向計算機端發(fā)送數 據。
[0013] -種利用上述系統(tǒng)實現膝關節(jié)內收力矩測量的方法,具體包括以下步驟:
[0014] (1)所述壓力信號采集模塊的壓阻式壓力傳感器通過實時采集人在行走過程中足 底壓力的變化獲取原始電壓信號,即壓力變化信號;
[0015] (2)所述信號調理模塊對壓力變化信號進行通道選擇和信號放大處理,獲得調理 后的24組壓力信號PlPs,…P 24,將該24組壓力信號作為神經網絡的輸入,與之對應的膝關 節(jié)內收力矩的值K為神經網絡的輸出;
[0016] (3)根據壓力信號h,p2,…以與膝關節(jié)內收力矩的值K確定神經網絡輸入層節(jié)點數n = 24,輸出層節(jié)點數m=l,隱含層節(jié)點數1由公式/ := ^ |(),43歷+ 0? 12,;' + 2,5切+ 0.77,? r 0,33:) + 0.51 確定,初始化輸入層和隱含層之間的連接權值隱含層和輸入層神經元之間的連接權值 wjk、隱含層閾值a和輸出層閾值b,給定學習速率、學習目標和神經元激勵函數;
[0017] (4)根據輸入向量P,輸入層和隱含層之間的連接權值Wlj以及隱含層閾值 a,計算隱 (n \ 含層輸出//y = /" 'y'WjfPj _ 1 ^其中,j = 1,2,…,1,Hj為隱含層點j的輸出,aj為隱含層 V fel J 點j的閾值,f為隱含層激勵函數;根據隱含層輸出H、隱含層和輸入層神經元之間的連接權 值wjk和輸出層閾值b,計算神經網絡預測輸出Q -4,其中,k=l,2,…,m,0k為輸 出層節(jié)點k的神經網絡預測輸出,bk為輸出層節(jié)點k的閾值;
[0018] (5)根據神經網絡預測輸出0和膝關節(jié)內收力矩的值K,計算神經網絡誤差ek = K- 〇k,其中,k=l,2,…,m,ek為輸出層節(jié)點k的神經網絡誤差;根據神經網絡預測誤差e通過 m m. Ky = Ky +hHj (l - H- }p ^)^wjkek >Wjk = Wjk+hHjekNC!y = aj +^Hj (l ~ A )X)^e*^bk = bk+ ek更新輸入層和隱含層之間的連接權值隱含層和輸入層神經元之間的連接權值%k、隱 含層閾值a、輸出層閾值b;
[0019] 根據給定學習目標判斷算法是否結束,如結束則神經網絡模型建立完成,否則重 復到步驟(4);
[0020] (6)完成神經網絡建模后,將行走過程中測量得到的24組壓力數據作為神經網絡 的輸入,通過建立好的神經網絡模型計算行走過程中的膝關節(jié)內收力矩的值。
[0021 ]與現有技術相比,本發(fā)明的有益效果如下:
[0022] 1)為了實現足底壓力分布及變化信號的實時采集,設計了一款可穿戴傳感系統(tǒng), 基于壓阻式壓力傳感器,可以對足底壓力分布及變化情況實時監(jiān)測,達到對膝關節(jié)內收力 矩的實時測量。由于傳感器輕薄柔軟,可以很方便的安裝在襪子上,不會對人的行走和曰常 活動帶來不適或負擔,同時成本低廉,有利于推廣和普及,可為膝關節(jié)骨性關節(jié)炎患者提供 膝關節(jié)實時受力情況的反饋;
[0023] 2)六個壓阻式壓力傳感器分布在正常行走過程中足底壓力分布集中區(qū)域,可以有 效采集到行走過程壓力分布特征,同時每個傳感器由四個傳感單元組成,可以有效測量該 傳感器所在區(qū)域各方向的壓力特征。
[0024] 3)根據足底的壓力分布和膝關節(jié)內收力矩的值,建立神經網絡模型,通過訓練好 的神經網絡模型可以對日常行走或活動過程中的膝關節(jié)內收力矩的值進行預測,實時反饋 膝關節(jié)的受力情況。為膝關節(jié)骨性關節(jié)炎患者提供一套有效的反饋治療系統(tǒng)。
【附圖說明】
[0025]圖1為可穿戴膝關節(jié)內收力矩測量系統(tǒng)的系統(tǒng)模塊結構圖;
[0026]圖2為可穿戴膝關節(jié)內收力矩測量系統(tǒng)的傳感器布置圖;
[0027] 圖3為可穿戴膝關節(jié)內收力矩測量系統(tǒng)信號調理模塊的傳感器電路圖;
[0028] 圖4為可穿戴膝關節(jié)內收力矩測量系統(tǒng)神經網絡模型結構圖;
[0029] 圖5為可穿戴膝關節(jié)內收力矩測量系統(tǒng)測量結果和實際結果對比圖;
[0030] 圖中,電源模塊1、壓力信號采集模塊2、信號調理模塊3、藍牙傳輸模塊4和壓力信 號分析模塊5。
【具體實施方式】
[0031]下面結合附圖和實施例對發(fā)明進一步說明。
[0032]本發(fā)明的可穿戴傳感系統(tǒng)可用于膝關節(jié)內收力矩的實時測量。
[0033]如圖1所示,用于膝關節(jié)內收力矩測量的可穿戴傳感系統(tǒng),所述測量系統(tǒng)安裝在襪 子底部,所述的系統(tǒng)包括:
[0034]電源模塊,用于為整個系統(tǒng)提供能源;本設計所采用的電源為12V鋰電池供電; [0035]壓力信號采集模塊,用于檢測人在行走或運動過程中足底的壓力大小和變化;所 述的壓力信號采集模塊由六個壓阻式傳感器組成,每個傳感器可以分成四個扇形傳感區(qū) 域,用以捕捉該區(qū)域上的各方向上的力;
[0036]信號調理模塊,用于對所述的壓力變化信號進行放大處理和通道選擇,獲取經過 整理的信號,以便于后續(xù)的信號分析;
[0037]藍牙傳輸模塊,用于實現無線傳輸所述的壓力信號,有利于系統(tǒng)簡化與數據分析, 本設計選用德飛萊串口藍牙模塊,但不僅限于此;
[0038]壓力信號分析模塊,用于接收所述的壓力信號,并進行數據分析以獲得膝關節(jié)內 收力矩的值。
[0039]如圖2所示,所述的壓力信號采集模塊包括六個安裝在襪子底部的壓阻式傳感器 組成,六個傳感器的分布分別為:大腳趾一個,橫足弓三個,腳后跟兩個。人在正常行走或運 動過程中,通過傳感器測得足底壓力的大小和變化,經過信號調理模塊2和藍牙傳輸模塊3 發(fā)送給計算機端壓力信號分析模塊,通過建立好的神經網絡模型得到所要求的膝關節(jié)內收 力矩的值。
[0040] 如圖3所示,信號調理模塊包括多路選擇開關、24個信號放大模塊和單片機;所述 傳感單元均與信號放大模塊相連,信號放大模塊與多路選擇開關相連,多路選擇開關通過 單片機控制;所述單片機用于將放大處理后的信號進行數模轉化,通過藍牙傳輸模塊向壓 力信號分析模塊發(fā)送數據;所述每個信號放大模塊均包括運算放大器、電阻R1和R2;所述電 阻R1的一端與一個傳感單元相連,電阻R1的另一端與電阻R2的一端相連后接運算放大器的 負極輸入端;電阻R2的另一端與運算放大器的輸出端相連后接多路選擇開關;所述運算放 大器的正極輸入端接地。
[0041] 如圖4所示,信號分析模塊主要為神經網絡模型的建立,主要方法包括步驟:
[0042] (1)所述壓力信號采集模塊的壓阻式壓力傳感器通過實時采集人在行走過程中足 底壓力的變化獲取原始電壓信號,即壓力變化信號;
[0043] (2)所述信號調理模塊對壓力變化信號進行通道選擇和信號放大處理,獲得調理 后的24組壓力信號PlPs,…P24,將該24組壓力信號作為神經網絡的輸入,與之對應的膝關 節(jié)內收力矩的值K為神經網絡的輸出;
[0044] (3)根據壓力信號與膝關節(jié)內收力矩的值K確定神經網絡輸入層節(jié)點數n = 24,輸出層節(jié)點數m= 1,隱含層節(jié)點數1由公式/ = ^ 0.43- + 0.丨2?1 + 2.54/? + 0.77/卜0.35) + 0.51 確定,初始化輸入層和隱含層之間的連接權值,隱含層和輸入層神經元之間的連接權值 wjk,初始化隱含層閾值a,輸出層閾值b,給定學習速率、學習目標和神經元激勵函數;
[0045] (4)根據輸入向量P,輸入層和隱含層之間的連接權值以及隱含層閾值a,計算隱 含層輸出馬=/{1>^-%^ = 1,2,",1,氏為隱含層節(jié)點撤輸出,%為隱含層節(jié)點撤 V i.-i ) 閾值;f為隱含層激勵函數;根據隱含層輸出H,隱含層和輸入層神經元之間的連接權值%4口 輸出層閾值b,計算神經網絡預測輸出Q 嚴/,: _~,k=l,2,…,m,0k為輸出層節(jié)點k的 j=i 神經網絡預測輸出,bk為輸出層節(jié)點k的閾值;
[0046] (5)根據神經網絡預測輸出0和膝關節(jié)內收力矩的值K,計算神經網絡誤差ek = K_ 0k,k=l,2,…,m,ek為輸出層節(jié)點k的神經網絡誤差;根據神經網絡預測誤差e通過 m m wij = wij j (l- Hj)p (z 'wjpwjk+hHjek、*2/ = °/ +力丑_/ (1 _ 丑;和 bk = bk+ k-A *=1 ek更新輸入層和隱含層之間的連接權值隱含層和輸入層神經元之間的連接權值%k、隱 含層閾值a、輸出層閾值b;
[0047] 根據給定學習目標判斷算法是否結束,如結束則神經網絡模型建立完成,否則重 復到步驟(4)。
[0048] 如圖5所示,在標準的步態(tài)分析實驗室(三維運動捕捉系統(tǒng)和測力臺)中,佩戴好可 穿戴傳感系統(tǒng)進行膝關節(jié)內收力矩的測量。傳感器系統(tǒng)得到的膝關節(jié)內收力矩的曲線和步 態(tài)分析得到的膝關節(jié)內收力矩的曲線對比,測量結果和實際結果之間的絕對平均誤差小于 0.2,曲線相關性大于0.95,可以很好的測量出膝關節(jié)內收力矩的值。
【主權項】
1. 一種用于測量膝關節(jié)內收力矩的可穿戴傳感系統(tǒng),該系統(tǒng)安裝在襪子腳底上,其特 征在于,包括: 電源模塊,用于為整個可穿戴傳感系統(tǒng)提供能源; 壓力信號采集模塊,用于檢測人在行走過程中足底和地面接觸所產生的壓力變化信 號; 信號調理模塊,用于對壓力信號采集模塊采集到的壓力變化信號進行通道選擇和放大 處理,得到經過處理后的信號,以便于后續(xù)的信號分析; 藍牙傳輸模塊,用于接收通過信號調理模塊進行通道選擇和放大處理后的信號,然后 將處理后的信號以無線傳輸形式發(fā)送給壓力信號分析模塊; 壓力信號分析模塊,用于接收處理后的信號,將接收到的經過處理后的壓力信號作為 建立神經網絡模型的輸入,將膝關節(jié)內收力矩的參考值作為神經網絡模型的輸出,建立神 經網絡模型;通過訓練好的神經網絡模型輸出膝關節(jié)內收力矩的值。2. 根據權利要求1所述的用于測量膝關節(jié)內收力矩的可穿戴傳感系統(tǒng),其特征在于,所 述壓力信號采集模塊包括六個壓阻式壓力傳感器,所述六個壓阻式壓力傳感器具體分布情 況為:在腳后跟處設置有兩個,大腳趾處設置有一個,橫足弓處設置有三個;每個所述壓阻 式壓力傳感器由四個傳感單元組成。3. 根據權利要求2所述的用于測量膝關節(jié)內收力矩的可穿戴傳感系統(tǒng),其特征在于,所 述信號調理模塊包括多路選擇開關、24個信號放大模塊和單片機;所述傳感單元與信號放 大模塊相連,信號放大模塊與多路選擇開關相連,多路選擇開關通過單片機控制;所述單片 機用于將放大處理后的信號進行數模轉化,通過藍牙傳輸模塊向壓力信號分析模塊發(fā)送數 據;所述每個信號放大模塊均包括運算放大器、電阻R1和R2;所述電阻R1的一端與一個傳感 單元相連,電阻R1的另一端與電阻R2的一端相連后接運算放大器的負極輸入端;電阻R2的 另一端與運算放大器的輸出端相連后接多路選擇開關;所述運算放大器的正極輸入端接 地。4. 根據權利要求1所述可穿戴傳感系統(tǒng),其特征在于,所述藍牙傳輸模塊用于將壓力信 號通過藍牙串口向計算機端發(fā)送數據。5. -種基于權利要求1至4中任一項所述的系統(tǒng)實現膝關節(jié)內收力矩測量的方法,其特 征在于,具體包括以下步驟: (1) 所述壓力信號采集模塊的壓阻式壓力傳感器通過實時采集人在行走過程中足底壓 力的變化獲取原始電壓信號,即壓力變化信號; (2) 所述信號調理模塊對壓力變化信號進行通道選擇和信號放大處理,獲得調理后的 24組壓力信號Ρ!,P2,…P 24,將該24組壓力信號作為神經網絡的輸入,與之對應的膝關節(jié)內 收力矩的值K為神經網絡的輸出; (3) 根據壓力信號丹乃,"中24與膝關節(jié)內收力矩的值K確定神經網絡輸入層節(jié)點數n = 24, 輸出層節(jié)點數m= 1,隱含層節(jié)點數1由公式/ = ^ i〇.43/hh + 0.12?2 + 2.54m + 0.77? + 0.35) + 0.51確定, 初始化輸入層和隱含層之間的連接權值隱含層和輸入層神經元之間的連接權值隱 含層閾值a和輸出層閾值b,給定學習速率、學習目標和神經元激勵函數; (4) 根據輸入向量P,輸入層和隱含層之間的連接權值以及隱含層閾值a,計算隱含層 輸出其中,j = l,2,-_,l,H」為隱含層節(jié)點j的輸出,a」為隱含層節(jié)點j 的閾值,f為隱含層激勵函數;根據隱含層輸出H、隱含層和輸入層神經元之間的連接權值 和輸出層閾值b,計算神經網絡預測輸ti,其中沽=1,2,-_,111,01{為輸出層 節(jié)點k的神經網絡預測輸出,bk為輸出層節(jié)點k的閾值; (5) 根據神經網絡預測輸出0和膝關節(jié)內收力矩的值K,計算神經網絡誤差ek = K-〇k,其 中,k=l,2, ···,!!!,&為輸出層節(jié)點k的神經網絡誤差;根據神經網絡預測誤差e通過%更新輸入層和隱含層之間的連接權值隱含層和輸入層神經元之間的連接權值^k、隱 含層閾值a、輸出層閾值b; 根據給定學習目標判斷算法是否結束,如結束則神經網絡模型建立完成,否則重復到 步驟(4); (6) 完成神經網絡建模后,將行走過程中測量得到的24組壓力數據作為神經網絡的輸 入,通過建立好的神經網絡模型計算行走過程中的膝關節(jié)內收力矩的值。
【文檔編號】A61B5/103GK105852866SQ201610204545
【公開日】2016年8月17日
【申請日】2016年4月1日
【發(fā)明人】劉濤, 沈陽, 李慶國, 韓梅梅
【申請人】浙江大學
網友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1