用于膝关节内收力矩测量的可穿戴传感系统及测量方法
【专利摘要】本发明公开了一种用于膝关节内收力矩测量的可穿戴传感系统及测量方法，其中可穿戴传感系统包括：电源模块，用于为整个系统提供能源；压力信号采集模块，用于检测人在行走过程中足底压力分布及变化；信号调理模块，用于对所述的压力分布变化信号进行处理，获得经过放大调理的信号；蓝牙传输模块，用于实现无线传输所述的压力信号；压力信号分析模块，用于对所述的压力信号进行数据分析，建立神经网络模型，通过模型预测膝关节内收力矩的值。采用该系统进行膝关节内收力矩的测量，可准确可靠地实时监测膝关节内收力矩的大小；并且该传感器具有轻柔，体积小，易穿戴等特点，可舒适的佩戴在袜子上，不会对正常生活造成不适或不便。
【专利说明】
用于膝关节内收力矩测量的可穿戴传感系统及测量方法
技术领域
[0001] 本发明涉及生物医学工程领域，尤其涉及一种用于膝关节内收力矩测量的可穿戴 传感系统，还涉及一种用于膝关节内收力矩测量的测量方法。
【背景技术】
[0002] 膝关节是人体全身中最复杂且高度耦合的关节，活动范围很大，承受着较大的杠 杆力，因而很容易受伤。膝关节中任何一个组成部分被破坏，久而久之都会导致膝关节磨 损，最终形成膝关节骨性关节炎。大量研究表明，膝关节内收力矩是衡量膝关节骨性关节炎 的良好指标。相比正常人群，膝关节骨性关节炎患者的膝关节内收力矩往往有明显增加。因 此，对膝关节内收力矩的实时测量对于膝关节骨性关节炎患者来说具有重要意义。通常情 况下，膝关节内收力矩的测量需要在标准的步态实验室中进行，通过配套的三维运动捕捉 系统和测力台进行步态实验，经过逆动力学计算得到膝关节内收力矩。这种方法有很大的 局限性，首先这种方法需要一个大空间的实验室和多块固定的测力台，做不到实时监测膝 关节内收力矩，而实时监测膝关节内收力矩对膝关节骨性关节炎患者判断其改善膝关节受 力，调整步态方式具有重要意义。第二，这种方法需要昂贵的测量设备，难以普及。由于这些 原因，可穿戴式膝关节内收力矩测量方法在日常生活中的实用价值更高。
【发明内容】
[0003] 本发明是针对膝关节骨性关节炎患者，提出一种用于膝关节内收力矩测量的可穿 戴传感系统及测量方法。由于原有的膝关节内收力矩测量方法需要在专业的步态分析实验 室中进行，不利于实时监测，并且价格很高，无法普及，我们提出了一种新的膝关节内收力 矩的测量方法。该方法利用足底的压力分布，通过可穿戴式传感系统，将足底的压力分布和 膝关节内收力矩建立神经网络模型，并且通过建立的模型计算出膝关节内收力矩。由于传 感器布置在袜子上，易穿戴，对于膝关节内收力矩的实时监测，具有重要作用。
[0004] 为了达到上述目的，本发明所采用的技术方案如下：一种用于测量膝关节内收力 矩的可穿戴传感系统，该系统安装在袜子脚底上，包括：
[0005] 电源模块，用于为整个可穿戴传感系统提供能源；
[0006] 压力信号采集模块，用于检测人在行走过程中足底和地面接触所产生的压力变化 信号；
[0007] 信号调理模块，用于对压力信号采集模块采集到的压力变化信号进行通道选择和 放大处理，得到经过处理后的信号，以便于后续的信号分析；
[0008] 蓝牙传输模块，用于接收通过信号调理模块进行通道选择和放大处理后的信号， 然后将处理后的信号以无线传输形式发送给压力信号分析模块；
[0009] 压力信号分析模块，用于接收处理后的信号，将接收到的经过处理后的压力信号 作为建立神经网络模型的输入，将膝关节内收力矩的参考值作为神经网络模型的输出，建 立神经网络模型;通过训练好的神经网络模型输出膝关节内收力矩的值。
[0010] 进一步的，所述压力信号采集模块包括六个压阻式压力传感器，所述六个压阻式 压力传感器具体分布情况为:在脚后跟处设置有两个，大脚趾处设置有一个，横足弓处设置 有三个;每个所述压阻式压力传感器由四个传感单元组成。
[0011] 进一步的，所述信号调理模块包括多路选择开关、24个信号放大模块和单片机;所 述传感单元与信号放大模块相连，信号放大模块与多路选择开关相连，多路选择开关通过 单片机控制;所述单片机用于将放大处理后的信号进行数模转化，通过蓝牙传输模块向压 力信号分析模块发送数据;所述每个信号放大模块均包括运算放大器、电阻R1和R2;所述电 阻R1的一端与一个传感单元相连，电阻R1的另一端与电阻R2的一端相连后接运算放大器的 负极输入端；电阻R2的另一端与运算放大器的输出端相连后接多路选择开关;所述运算放 大器的正极输入端接地。
[0012] 进一步的，所述蓝牙传输模块用于将压力信号通过蓝牙串口向计算机端发送数 据。
[0013] -种利用上述系统实现膝关节内收力矩测量的方法，具体包括以下步骤：
[0014] (1)所述压力信号采集模块的压阻式压力传感器通过实时采集人在行走过程中足 底压力的变化获取原始电压信号，即压力变化信号；
[0015] (2)所述信号调理模块对压力变化信号进行通道选择和信号放大处理，获得调理 后的24组压力信号PlPs，…P 24,将该24组压力信号作为神经网络的输入，与之对应的膝关 节内收力矩的值K为神经网络的输出；
[0016] (3)根据压力信号h，p2，…以与膝关节内收力矩的值K确定神经网络输入层节点数n = 24,输出层节点数m=l，隐含层节点数1由公式/ := ^ |(),43歷+ 0? 12，;' + 2,5切+ 0.77，？ r 0,33:) + 0.51 确定，初始化输入层和隐含层之间的连接权值隐含层和输入层神经元之间的连接权值 wjk、隐含层阈值a和输出层阈值b，给定学习速率、学习目标和神经元激励函数；
[0017] (4)根据输入向量P，输入层和隐含层之间的连接权值Wlj以及隐含层阈值 a，计算隐 (n \ 含层输出//y = /" 'y'WjfPj _ 1 ^其中，j = 1，2，…，1，Hj为隐含层点j的输出，aj为隐含层 V fel J 点j的阈值，f为隐含层激励函数;根据隐含层输出H、隐含层和输入层神经元之间的连接权 值wjk和输出层阈值b，计算神经网络预测输出Q -4,其中，k=l，2,…，m，0k为输 出层节点k的神经网络预测输出，bk为输出层节点k的阈值；
[0018] (5)根据神经网络预测输出0和膝关节内收力矩的值K，计算神经网络误差ek = K- 〇k，其中，k=l，2,…，m，ek为输出层节点k的神经网络误差；根据神经网络预测误差e通过 m m. Ky = Ky +hHj (l - H- }p ^)^wjkek >Wjk = Wjk+hHjekNC!y = aj +^Hj (l ~ A )X)^e*^bk = bk+ ek更新输入层和隐含层之间的连接权值隐含层和输入层神经元之间的连接权值％k、隐 含层阈值a、输出层阈值b;
[0019] 根据给定学习目标判断算法是否结束，如结束则神经网络模型建立完成，否则重 复到步骤(4);
[0020] (6)完成神经网络建模后，将行走过程中测量得到的24组压力数据作为神经网络 的输入，通过建立好的神经网络模型计算行走过程中的膝关节内收力矩的值。
[0021 ]与现有技术相比，本发明的有益效果如下：
[0022] 1)为了实现足底压力分布及变化信号的实时采集，设计了一款可穿戴传感系统， 基于压阻式压力传感器，可以对足底压力分布及变化情况实时监测，达到对膝关节内收力 矩的实时测量。由于传感器轻薄柔软，可以很方便的安装在袜子上，不会对人的行走和曰常 活动带来不适或负担，同时成本低廉，有利于推广和普及，可为膝关节骨性关节炎患者提供 膝关节实时受力情况的反馈；
[0023] 2)六个压阻式压力传感器分布在正常行走过程中足底压力分布集中区域，可以有 效采集到行走过程压力分布特征，同时每个传感器由四个传感单元组成，可以有效测量该 传感器所在区域各方向的压力特征。
[0024] 3)根据足底的压力分布和膝关节内收力矩的值，建立神经网络模型，通过训练好 的神经网络模型可以对日常行走或活动过程中的膝关节内收力矩的值进行预测，实时反馈 膝关节的受力情况。为膝关节骨性关节炎患者提供一套有效的反馈治疗系统。
【附图说明】
[0025]图1为可穿戴膝关节内收力矩测量系统的系统模块结构图；
[0026]图2为可穿戴膝关节内收力矩测量系统的传感器布置图；
[0027] 图3为可穿戴膝关节内收力矩测量系统信号调理模块的传感器电路图；
[0028] 图4为可穿戴膝关节内收力矩测量系统神经网络模型结构图；
[0029] 图5为可穿戴膝关节内收力矩测量系统测量结果和实际结果对比图；
[0030] 图中，电源模块1、压力信号采集模块2、信号调理模块3、蓝牙传输模块4和压力信 号分析模块5。
【具体实施方式】
[0031]下面结合附图和实施例对发明进一步说明。
[0032]本发明的可穿戴传感系统可用于膝关节内收力矩的实时测量。
[0033]如图1所示，用于膝关节内收力矩测量的可穿戴传感系统，所述测量系统安装在袜 子底部，所述的系统包括：
[0034]电源模块，用于为整个系统提供能源;本设计所采用的电源为12V锂电池供电； [0035]压力信号采集模块，用于检测人在行走或运动过程中足底的压力大小和变化;所 述的压力信号采集模块由六个压阻式传感器组成，每个传感器可以分成四个扇形传感区 域，用以捕捉该区域上的各方向上的力；
[0036]信号调理模块，用于对所述的压力变化信号进行放大处理和通道选择，获取经过 整理的信号，以便于后续的信号分析；
[0037]蓝牙传输模块，用于实现无线传输所述的压力信号，有利于系统简化与数据分析， 本设计选用德飞莱串口蓝牙模块，但不仅限于此；
[0038]压力信号分析模块，用于接收所述的压力信号，并进行数据分析以获得膝关节内 收力矩的值。
[0039]如图2所示，所述的压力信号采集模块包括六个安装在袜子底部的压阻式传感器 组成，六个传感器的分布分别为:大脚趾一个，横足弓三个，脚后跟两个。人在正常行走或运 动过程中，通过传感器测得足底压力的大小和变化，经过信号调理模块2和蓝牙传输模块3 发送给计算机端压力信号分析模块，通过建立好的神经网络模型得到所要求的膝关节内收 力矩的值。
[0040] 如图3所示，信号调理模块包括多路选择开关、24个信号放大模块和单片机;所述 传感单元均与信号放大模块相连，信号放大模块与多路选择开关相连，多路选择开关通过 单片机控制;所述单片机用于将放大处理后的信号进行数模转化，通过蓝牙传输模块向压 力信号分析模块发送数据;所述每个信号放大模块均包括运算放大器、电阻R1和R2;所述电 阻R1的一端与一个传感单元相连，电阻R1的另一端与电阻R2的一端相连后接运算放大器的 负极输入端；电阻R2的另一端与运算放大器的输出端相连后接多路选择开关;所述运算放 大器的正极输入端接地。
[0041] 如图4所示，信号分析模块主要为神经网络模型的建立，主要方法包括步骤：
[0042] (1)所述压力信号采集模块的压阻式压力传感器通过实时采集人在行走过程中足 底压力的变化获取原始电压信号，即压力变化信号；
[0043] (2)所述信号调理模块对压力变化信号进行通道选择和信号放大处理，获得调理 后的24组压力信号PlPs，…P24,将该24组压力信号作为神经网络的输入，与之对应的膝关 节内收力矩的值K为神经网络的输出；
[0044] (3)根据压力信号与膝关节内收力矩的值K确定神经网络输入层节点数n = 24，输出层节点数m= 1，隐含层节点数1由公式/ = ^ 0.43- + 0.丨2?1 + 2.54/? + 0.77/卜0.35) + 0.51 确定，初始化输入层和隐含层之间的连接权值，隐含层和输入层神经元之间的连接权值 wjk，初始化隐含层阈值a，输出层阈值b，给定学习速率、学习目标和神经元激励函数；
[0045] (4)根据输入向量P，输入层和隐含层之间的连接权值以及隐含层阈值a，计算隐 含层输出馬=/{1>^-%^ = 1，2，"，1，氏为隐含层节点撤输出，％为隐含层节点撤 V i.-i ) 阈值;f为隐含层激励函数;根据隐含层输出H，隐含层和输入层神经元之间的连接权值％4口 输出层阈值b，计算神经网络预测输出Q 严/,: _~，k=l，2,…，m，0k为输出层节点k的 j=i 神经网络预测输出，bk为输出层节点k的阈值；
[0046] (5)根据神经网络预测输出0和膝关节内收力矩的值K，计算神经网络误差ek = K_ 0k，k=l，2,…，m，ek为输出层节点k的神经网络误差；根据神经网络预测误差e通过 m m wij = wij j (l- Hj)p (z 'wjpwjk+hHjek、*2/ = °/ +力丑_/ (1 _ 丑；和 bk = bk+ k-A *=1 ek更新输入层和隐含层之间的连接权值隐含层和输入层神经元之间的连接权值％k、隐 含层阈值a、输出层阈值b;
[0047] 根据给定学习目标判断算法是否结束，如结束则神经网络模型建立完成，否则重 复到步骤(4)。
[0048] 如图5所示，在标准的步态分析实验室(三维运动捕捉系统和测力台）中，佩戴好可 穿戴传感系统进行膝关节内收力矩的测量。传感器系统得到的膝关节内收力矩的曲线和步 态分析得到的膝关节内收力矩的曲线对比，测量结果和实际结果之间的绝对平均误差小于 0.2,曲线相关性大于0.95,可以很好的测量出膝关节内收力矩的值。
【主权项】
1. 一种用于测量膝关节内收力矩的可穿戴传感系统，该系统安装在袜子脚底上，其特 征在于，包括： 电源模块，用于为整个可穿戴传感系统提供能源； 压力信号采集模块，用于检测人在行走过程中足底和地面接触所产生的压力变化信 号； 信号调理模块，用于对压力信号采集模块采集到的压力变化信号进行通道选择和放大 处理，得到经过处理后的信号，以便于后续的信号分析； 蓝牙传输模块，用于接收通过信号调理模块进行通道选择和放大处理后的信号，然后 将处理后的信号以无线传输形式发送给压力信号分析模块； 压力信号分析模块，用于接收处理后的信号，将接收到的经过处理后的压力信号作为 建立神经网络模型的输入，将膝关节内收力矩的参考值作为神经网络模型的输出，建立神 经网络模型;通过训练好的神经网络模型输出膝关节内收力矩的值。2. 根据权利要求1所述的用于测量膝关节内收力矩的可穿戴传感系统，其特征在于，所 述压力信号采集模块包括六个压阻式压力传感器，所述六个压阻式压力传感器具体分布情 况为:在脚后跟处设置有两个，大脚趾处设置有一个，横足弓处设置有三个;每个所述压阻 式压力传感器由四个传感单元组成。3. 根据权利要求2所述的用于测量膝关节内收力矩的可穿戴传感系统，其特征在于，所 述信号调理模块包括多路选择开关、24个信号放大模块和单片机;所述传感单元与信号放 大模块相连，信号放大模块与多路选择开关相连，多路选择开关通过单片机控制;所述单片 机用于将放大处理后的信号进行数模转化，通过蓝牙传输模块向压力信号分析模块发送数 据;所述每个信号放大模块均包括运算放大器、电阻R1和R2;所述电阻R1的一端与一个传感 单元相连，电阻R1的另一端与电阻R2的一端相连后接运算放大器的负极输入端；电阻R2的 另一端与运算放大器的输出端相连后接多路选择开关;所述运算放大器的正极输入端接 地。4. 根据权利要求1所述可穿戴传感系统，其特征在于，所述蓝牙传输模块用于将压力信 号通过蓝牙串口向计算机端发送数据。5. -种基于权利要求1至4中任一项所述的系统实现膝关节内收力矩测量的方法，其特 征在于，具体包括以下步骤： (1) 所述压力信号采集模块的压阻式压力传感器通过实时采集人在行走过程中足底压 力的变化获取原始电压信号，即压力变化信号； (2) 所述信号调理模块对压力变化信号进行通道选择和信号放大处理，获得调理后的 24组压力信号Ρ!，P2,…P 24,将该24组压力信号作为神经网络的输入，与之对应的膝关节内 收力矩的值K为神经网络的输出； (3) 根据压力信号丹乃，"中24与膝关节内收力矩的值K确定神经网络输入层节点数n = 24， 输出层节点数m= 1，隐含层节点数1由公式/ = ^ i〇.43/hh + 0.12?2 + 2.54m + 0.77? + 0.35) + 0.51确定， 初始化输入层和隐含层之间的连接权值隐含层和输入层神经元之间的连接权值隐 含层阈值a和输出层阈值b，给定学习速率、学习目标和神经元激励函数； (4) 根据输入向量P，输入层和隐含层之间的连接权值以及隐含层阈值a，计算隐含层 输出其中，j = l，2，-_，l，H」为隐含层节点j的输出，a」为隐含层节点j 的阈值，f为隐含层激励函数;根据隐含层输出H、隐含层和输入层神经元之间的连接权值 和输出层阈值b，计算神经网络预测输ti，其中沽=1，2，-_，111，01{为输出层 节点k的神经网络预测输出，bk为输出层节点k的阈值； (5) 根据神经网络预测输出0和膝关节内收力矩的值K，计算神经网络误差ek = K-〇k，其 中，k=l，2, ···，!!!，&为输出层节点k的神经网络误差；根据神经网络预测误差e通过%更新输入层和隐含层之间的连接权值隐含层和输入层神经元之间的连接权值^k、隐 含层阈值a、输出层阈值b; 根据给定学习目标判断算法是否结束，如结束则神经网络模型建立完成，否则重复到 步骤(4); (6) 完成神经网络建模后，将行走过程中测量得到的24组压力数据作为神经网络的输 入，通过建立好的神经网络模型计算行走过程中的膝关节内收力矩的值。
【文档编号】A61B5/103GK105852866SQ201610204545
【公开日】2016年8月17日
【申请日】2016年4月1日
【发明人】刘涛, 沈阳, 李庆国, 韩梅梅
【申请人】浙江大学