首页 > 文献资料
-
基于可穿戴系统的PD病人运动功能评价系统
背景随着我国帕金森患者人数的不断上升,帕金森病的防御和治疗已成为社会各界热切关注的焦点.目的设计一套基于穿戴式的惯性传感器网络系统,来评价帕金森患者的运动功能.方法采用ZigBee技术组建短距离无线人体传感器网络,使用惯性传感器采集帕金森患者完成特定实验范式动作时的加速度和角速度数据,进而分析计算评估指标,评价患者的运动功能.结果实验结果表明,本文开发的系统性能稳定,设计的实验范式动作具有很好的代表性,能够满足系统评价患者运动功能的要求.
-
基于多传感器数据融合的跌倒检测算法
目的 跌倒在老年人生活中是一种常见的现象,是致使老年人发病和死亡的主要原因之一.实时的跌倒检测系统能够及时报警,缩短等待救治的时间,减少由跌倒引起的意外伤害.可是,在大多数的跌倒检测系统中,人们仅利用加速度计设计检测系统,基于单一数据的算法不能完整表征跌倒时身体姿态变化的信息.为此本文拟采用陀螺仪和加速度计的数据设计跌倒检测的算法.方法 首先介绍了利用MEMS惯性传感器设计置于腰间的可穿戴的跌倒检测系统,然后对跌倒的规律进行了分析,基于此提出了基于多传感器数据融合的跌倒检测算法,即通过数据融合的技术提取出身体加速度及其动态量和静态量、加速度变化量、身体姿态角、角速度绝对值之和等特征参数,利用多参数设计了基于阈值判定的跌倒检测算法.结果 收集10名志愿者做模拟跌倒以及日常活动的数据,对算法的有效性进行验证,取得96.67％的灵敏度和97％的特异性,并且此指标高于Kagans等算法的结果.结论 本文提出的算法在跌倒检测中具有较好的有效性及优点.
-
基于虚拟现实技术的骨折手法复位模拟训练系统
目的 结合模拟人技术,设计用于骨折复位训练的人-机交互闭环系统.方法 由惯性测量单元(IMU)采集模拟人骨骼的实时姿态信息,上位机采用3DMAX和Visual Studio平台基于人体骨骼CT构建三维骨骼模型,并通过接收到的传感器数据驱动模型实时显示骨骼当前姿态,虚拟界面将操作信息传递给受训者,从而构建虚实结合的交互式训练系统.结果与结论 设计了一套精度高、成本低、虚实结合的骨折复位模拟训练系统用于骨折的手法复位固定训练,通过与成本高昂的精密光学仪器相对比,成角计算的均方根误差(RMSE)在静态下为0.595°,在动态下为1.609°.该系统能有效地提供训练操作信息,为骨折复位提供新型交互式训练平台.
-
基于惯性传感器的帕金森患者行走能力评估系统
针对如何客观地评估帕金森病人在行走方面的能力问题,构建了一套基于惯性传感器的帕金森病人行走能力评估系统.将惯性传感器单元分别固定在被测对象的背部、腰部采集测试者在运动过程中的运动数据,采用Kalman融合算法对运动数据计算后提取出特征参数.该文设计了多类SVM分类器,利用特征信号对分类器进行特征训练.测试结果表明,对帕金森病人和正常人的识别以及对帕金森病人的行走能力分级具有较高的识别率,能够辅助医生给出更加客观的诊断结论.
-
帕金森病患者手指静止性震颤的量化评估
目的 量化评估帕金森病(PD)患者手指静止性震颤程度,以及寻找PD与帕金森综合征(PS)患者鉴别诊断的客观量化指标.方法 选取29例PD患者、28例PS患者[其中包括16例多系统萎缩P型(MSA-P)患者和12例血管性帕金森综合征(VP)患者]和39例正常老年人,运用基于传感器技术的手指静止性震颤量化评估系统,采集静止状态下各组受试者的拇指、食指的加速度、角速度,计算拇指、食指的静止性震颤的频率及其震颤波曲线相似熵(ApEn).结果 与正常对照组、MSA-P及VP患者比较,PD患者拇指、食指的静止性震颤的频率增高(P＜0.05),ApEn数值偏低(P＜0.05);与正常对照组比较,MSA-P患者拇指、食指的静止性震颤的频率增高(P＜0.01),拇指ApEn数值偏低(P＜0.05),食指ApEn差异无统计学意义;与正常对照组比较,VP患者拇指、食指的静止性震颤的频率及ApEn差异无统计学意义.结论 拇指、食指的静止性震颤的频率及其Ap-En等指标能客观量化评估PD患者手指静止性震颤程度,且可作为PD与PS患者鉴别诊断的客观量化指标.
-
基于惯性传感器的老年人姿态监测装置设计
为解决人口老龄化社会所带来的老人跌倒事件频发,减轻跌倒等异常状态对老年人的伤害,研发了一种基于惯性传感器的穿戴式姿态监测装置.该装置基于姿态解算特性,通过采集三轴加速度计、三轴陀螺仪和三轴磁力计的数据,以多种运动特征为依据进行姿态判别,不仅可以检测跌倒状态,还可对老年人的日常姿态及位置信息进行连续监测并进行步数统计,利用GPRS网络向服务器上报数据.装置中加入了语音推送功能,可对服务器端推送的天气信息、问候信息等进行语音播报.试验结果表明,该装置可对佩戴者的姿态及位置信息进行连续监测,当出现跌倒等异常状态时,可实现实时报警及对事故发生地的准确定位,姿态识别的准确率不低于98%.
-
MEMS角速度传感器在Freehand 3D超声扫描中的应用
目的:用2D超声探头进行Freehand 3D扫描,需要记录成像面的相对位置,传统的方法是利用固定的光学或电磁传感器跟踪探头的轨迹,这一方法既贵且不方便.新近广泛使用在移动通信设备中的MEMS惯性传感器可以检测物体的运动过程而无须外部固定设备的参与.本文提出了在普通的2D探头中内置MEMS角速度传感器检测其角位移的方法,不仅可以作为完整的免轨迹传感器3D解决方案的一部分,而且还可以单独使用在球形器官的徒手3D扫描中.方法:本文提出了这一方法的理论并建立了球形器官扫描的数学模型.在一个普通的2D机械扇扫探头中置入一个角速度传感器,并进行了实验研究,实现了对一个置于球壳中的线靶的三维扫描和重建.结果:对线靶的三维扫描和重建的实验表明,线靶的重建误差不超过3.5％,且能正确得表达探头的运动轨迹.实验的重复性也较好.结论:内置惯性传感器的探头进行徒手3D扫描,既避免了通常3D探头的复杂结构和控制,又避免了使用轨迹传感器.重建实验表明,本文提出的方法对线靶的重建精度可以达到3.5％以下.用角速度传感器为徒手3D扫描提供探头的角位移信息是一个可行的方案.
关键词： freehand 3D 惯性传感器 角速度传感器 3D超声重建
