一种基于多传感器信息融合的步态分类方法
【专利摘要】本发明涉及一种基于多传感器信息融合的步态分类方法，其包括以下步骤：1)采集若干个患者行走时的足底压力信息与踝关节角度信息；2)根据获取的足底压力信息分析患者的步态阶段，该步态阶段分为足部触地阶段和摆腿阶段，而患者同一只脚经过足部触地阶段和摆腿阶段为一步态周期；3)设定步态周期的特征值，以表征每一个患者行走时的步态特征；4)针对每一个患者的每一步态周期内的每一特征值采用谱聚类算法进行步态聚类分析，以将不同步态特征的患者分为不同的类别，通过客观的将患者进行分类，从而为患者康复训练治疗提供参考，以便医生可以对不同类别的患者采取不同的治疗方式和训练强度。因此，本发明可以广泛用于步态分析和医疗康复领域。
【专利说明】一种基于多传感器信息融合的步态分类方法
【技术领域】
[0001]本发明涉及一种步态分析方法，特别是关于一种基于多传感器信息融合(MSDF，Multi?sensor Data Fusion)的步态分类方法。
【背景技术】
[0002]步态特征信息的改变反映了人体生理机能的变化，在康复治疗过程中，及时获得准确可信的步态特征信息，且长期对步态特征进行监测与评价，对一些疾病的诊断与治疗有着重要的指导意义，例如对中风患者行走步态的康复训练、对帕金森综合症患者的步态矫正训练、对前交叉韧带撕裂患者的康复指导等。
[0003]目前在医学临床诊断领域，传统的步态分析方法主要依靠专业医师观察患者的步态特征，或者让患者填写测量表，来期望得到准确的步态评价信息。但是由于这种方法存在很大的主观因素，而步态特征信息的评价又要求具有较高的准确性、精确性和客观性，因此就给患者以后的疾病诊断及康复治疗带来了负面影响。
【发明内容】
[0004]针对上述问题，本发明的目的提供一种客观的将不同步态特征的患者分为不同的类别，以便医生针对不同患者的康复治疗采用不同的、有针对性的康复训练方法的基于多传感器信息融合的步态分类方法。
[0005]为实现上述目的，本发明采取以下技术方案:一种基于多传感器信息融合的步态分类方法，其包括以下步骤:1)采集若干个患者行走时的足底压力信息与踝关节角度信息；2)根据获取的足底压力信息分析患者的步态阶段，该步态阶段分为足部触地阶段和摆腿阶段，而患者同一只脚经过足部触地阶段和摆腿阶段为一步态周期；3)设定步态周期的特征值，以表征每一个患者行走时的步态特征；4)针对每一个患者的每一步态周期内的每一特征值采用谱聚类算法进行步态聚类分析，以将不同步态特征的患者分为不同的类别。
[0006]在进行所述步骤I)时，采用将阵列式压力传感器分布于患者足底，以采集患者行走时的足底压力信息，足底压力信息包括足底压力值和压力在足底的二维分布情况，其中足底压力值包括足底各个区域压力值大小，压力在足底的二维分布情况包括足跟压力、跖骨压力、内侧足跟压力、外侧足跟压力、内侧跖骨压力和外侧跖骨压力；采用惯性测量单元来采集患者行走时的踝关节角度信息，踝关节角度信息包括踝关节角度值。
[0007]在进行所述步骤2)时，具体包括:①选取步态事件阈值，该步态事件阈值略大于患者足底悬空时所有压力传感器测得的足底压力值之和；②对比测得的足底压力值与步态事件阈值，判断患者的步态阶段；当测得的足底压力值大于步态事件阈值时，则表示发生了足部触地事件，说明患者进入足部触地阶段；反之，当测得的足底压力值小于步态事件阈值时，则表示发生了足部离地事件，说明患者进入摆腿阶段。
[0008]在进行所述步骤3)时，步态周期的特征值包括足部触地阶段的特征值和摆腿阶段的特征值:①足部触地阶段的特征值包括压力特征值和时间特征值，其中压力特征值包括:H/M:足跟压力与跖骨压力之比；HM/HL:内侧足跟压力与外侧足跟压力之比；MM/ML:内侧跖骨压力与外侧跖骨压力之比；时间特征值包括:HD/SD:足跟触地时间所占足底触地时间的比例；MD/SD:跖骨触地时间所占足底触地时间的比例摆腿阶段的特征值包括角度特征值，该角度特征值记为SW/ST:摆腿阶段的踝关节角度均值与足部触地阶段的踝关节角度均值之比，其中踝关节角度均值为将测得的踝关节角度值取平均值；采用H/M、HM/HL、MM/ML、HD/SD、 MD/SD和SW/ST来描述患者行走时的步态特征，根据每一个患者的不同的步态特征区分不同患者。
[0009]在进行所述步骤4)时，采集若干个患者行走时的共N步样本，其中N为正整数，患者的每一步为一步态周期，针对步态周期内的每一特征值进行谱聚类算法，其包括以下步骤:①采用欧式距离公式计算N步样本中任意两步样本\,、&之间的距
离:
【权利要求】
1.一种基于多传感器信息融合的步态分类方法，其包括以下步骤: 1)采集若干个患者行走时的足底压力信息与踝关节角度信息； 2)根据获取的足底压力信息分析患者的步态阶段，该步态阶段分为足部触地阶段和摆腿阶段，而患者同一只脚经过足部触地阶段和摆腿阶段为一步态周期； 3)设定步态周期的特征值，以表征每一个患者行走时的步态特征； 4)针对每一个患者的每一步态周期内的每一特征值采用谱聚类算法进行步态聚类分析，以将不同步态特征的患者分为不同的类别。
2.如权利要求1所述的一种基于多传感器信息融合的步态分类方法，其特征在于:在进行所述步骤I)时，采用将阵列式压力传感器分布于患者足底，以采集患者行走时的足底压力信息，足底压力信息包括足底压力值和压力在足底的二维分布情况，其中足底压力值包括足底各个区域压力值大小，压力在足底 的二维分布情况包括足跟压力、跖骨压力、内侧足跟压力、外侧足跟压力、内侧跖骨压力和外侧跖骨压力；采用惯性测量单元来采集患者行走时的踝关节角度信息，踝关节角度信息包括踝关节角度值。
3.如权利要求1所述的一种基于多传感器信息融合的步态分类方法，其特征在于:在进行所述步骤2)时，具体包括: ①选取步态事件阈值，该步态事件阈值略大于患者足底悬空时所有压力传感器测得的足底压力值之和； ②对比测得的足底压力值与步态事件阈值，判断患者的步态阶段； 当测得的足底压力值大于步态事件阈值时，则表示发生了足部触地事件，说明患者进入足部触地阶段；反之，当测得的足底压力值小于步态事件阈值时，则表示发生了足部离地事件，说明患者进入摆腿阶段。
4.如权利要求2所述的一种基于多传感器信息融合的步态分类方法，其特征在于:在进行所述步骤2)时，具体包括: ①选取步态事件阈值，该步态事件阈值略大于患者足底悬空时所有压力传感器测得的足底压力值之和； ②对比测得的足底压力值与步态事件阈值，判断患者的步态阶段； 当测得的足底压力值大于步态事件阈值时，则表示发生了足部触地事件，说明患者进入足部触地阶段；反之，当测得的足底压力值小于步态事件阈值时，则表示发生了足部离地事件，说明患者进入摆腿阶段。
5.如权利要求1或2或3或4所述的一种基于多传感器信息融合的步态分类方法,其特征在于:在进行所述步骤3)时，步态周期的特征值包括足部触地阶段的特征值和摆腿阶段的特征值: ①足部触地阶段的特征值包括压力特征值和时间特征值，其中压力特征值包括: Η/Μ:足跟压力与跖骨压力之比； HM/HL:内侧足跟压力与外侧足跟压力之比； MM/ML:内侧跖骨压力与外侧跖骨压力之比； 时间特征值包括: HD/SD:足跟触地时间所占足底触地时间的比例； MD/SD:跖骨触地时间所占足底触地时间的比例；②摆腿阶段的特征值包括角度特征值，该角度特征值记为SW/ST:摆腿阶段的踝关节角度均值与足部触地阶段的踝关节角度均值之比，其中踝关节角度均值为将测得的踝关节角度值取平均值；采用H/M、HM/HL、MM/ML、HD/SD、MD/SD和SW/ST来描述患者行走时的步态特征，根据每一个患者的不同的步态特征区分不同患者。
6.如权利要求1或2或3或4所述的一种基于多传感器信息融合的步态分类方法,其特征在于:在进行所述步骤4)时，采集若干个患者行走时的共N步样本，其中N为正整数，患者的每一步为一步态周期，针对步态周期内的每一特征值进行谱聚类算法，其包括以下步骤: ①采用欧式距离公式计算N步样本中任意两步样本xik、xJk之间的距离:
7.如权利要求5所述的一种基于多传感器信息融合的步态分类方法,其特征在于:在进行所述步骤4时，采集若干个患者行走时的共N步样本，其中N为正整数，患者的每一步样本为一步态周期，针对每一步态周期内的每一特征值进行谱聚类算法，其包括以下步骤: ①采用欧式距离公式计算N步样本中任意两步样本xik、xJk之间的距离:
【文档编号】A61B5/11GK104008398SQ201410257800
【公开日】2014年8月27日 申请日期:2014年6月11日 优先权日:2014年6月11日
【发明者】张博, 王启宁, 王宁华, 王龙 申请人:北京大学