[发明专利]一种预测老年肌少症患者跌倒风险的评估系统及评估方法

说明书

本发明涉及一种预测老年肌少症患者跌倒的风险评估系统，包括拄杖、无线电探测装置、震颤频率传感器、第一压力检测传感器、伸缩杆、拄地头和微处理器。本发明将肌少症患者跌倒的风险评估系统的控制部分设置在老年人行走时所用的拄杖内，通过对压力、肌肉震颤频率和人体图像数据进行采集，并进行无线传输，最终通形成一个综合的跌倒风险评估函数，通过风险评估函数的取值来判断老年人是否正在跌倒或即将跌倒，在预测老年人即将跌倒时，发出声光报警。因此，本发明相对于现有的采用单一检测模式的预测方法或预测系统，具有如下优点：可以明显提高预测的准确性、精确性，以及实现快速的预测和防范。

技术领域

本发明涉及医学检测技术领域，具体涉及一种预测老年肌少症患者跌倒的风险评估系统及评估方法。

背景技术

老年人由于骨质疏松、风湿病、关节炎、少肌症经常跌倒，跌倒很容易造成本来就脆弱的骨质发生重创甚至断裂，其中，由于少肌症引发的跌倒是威胁老年人健康的重要因素，随着老年人肌力的退化，平衡能力和反应能力的减弱，跌倒的风险会随之增加。通过对老年人的走路品质进行预评估，可以指导其行走行为，进行积极有效地干预，进而可大大降低其跌倒的发生，减少跌倒危害，根据老年人的跌倒风险制定相应的干预措施可以有效避免许多跌倒的发生，所以对跌倒进行风险评估十分重要。现有技术中，一般通过两种方法进行跌倒风险评估，一种是在人体穿戴设备上的传感器进行检测，通过检测数据进行分析判断，另一种是通过获取老年人的行走姿态的图像，通过图像数据进行分析判断：

通过人体穿戴设备上的传感器进行判断的方法一般为：根据脚底压力信息进行计算分析得到人体步态数据，根据脚底压力信息和步态数据获得人体重心在脚底投影的移动轨迹曲线；采用人体步态数据和人体重心移动轨迹曲线与正常人步态数据和正常人人体重心移动轨迹曲线分别进行比较，当步态数据或人体重心移动轨迹曲线超出对应的正常范围时，说明老年人跌倒的风险较大。但是有些时候，老年人跌倒是因为风湿性关节炎引发的阵痛、高血压、低血糖、少肌症引发的肌肉震颤等非骨质病导致的，而这类骨质疾病经常会在老年人行走时突发，此时老年人可能会因为这些突发状况而摔倒，然而，这类突发状况往往无法采用单一的传感器检测检测获知。

通过人体穿戴设备上的传感器进行判断的方法一般为：在老年人活动经常活动的场所内安装摄像头获取监控视频数据，从监控视频数据中的每帧图像中裁剪处至少包含人体关节的人体图像，并将人体图像处理成预定标准尺寸的待识别人体图像，基于已预先训练好的人体姿态估计网络模型，获取待识别人体图像中的关节坐标数据，并基于连续多帧图像的关节坐标数据，评估老人跌倒的风险基于机器学习模型获取人体姿态而对跌倒风险进行评估，图像判断方法虽然可以在一定程度上减少检测传感器的使用量，减少佩戴装置对老年人生活的影响，但是图像检测仅用于判断老年人有较大肢体动作时的跌倒风险评估，但是老年人在由于肌少症摔倒之前，通常很少发生较大的肢体动作，因此，单纯的图像判断或者通过穿戴装置上的传感器判断，都很难准确地预测老年肌少症患者是都跌倒。

因此，如何快速地获取老年人摔倒前的风险数据，准确、快捷地预测老年人的步态平衡和跌倒风险成为本领域技术人员迫切需要解决的技术问题。

发明内容

本发明要解决的技术问题是提高风险评估的准确性，并提供一种预测老年肌少症患者跌倒的风险评估系统及评估方法。

为了解决上述技术问题，本实用新型的技术方案为，一种预测老年肌少症患者跌倒的风险评估系统，包括拄杖、无线电探测装置、震颤频率传感器、第一压力检测传感器、伸缩杆、拄地头和微处理器。其中，所述拄杖包括把手和与把手连接的套杆，所述把手内设置有微处理器和报警单元，所述把手的下部设置有无线电探测装置，所述套杆与伸缩杆滑动连接，所述伸缩杆的顶部设置有第二压力检测传感器，所述伸缩杆的底部铰接有拄地头，所述报警单元、无线电探测装置以及第二压力检测传感器均与微处理器电连接。