[发明专利]用户肢体运动障碍程度度量系统、方法和计算机装置

说明书

本申请公开一种用户肢体运动障碍程度度量系统、方法和计算机装置，其中所述用户肢体运动障碍程度度量方法包括：在用户按照预定的肢体动作运动时，接收用户对应肢体部位的运动学数据；根据机器人运动学算法和所述运动学数据，确定每一时刻用户肢体对应关节的欧拉角，并形成相应的欧拉角时间序列；根据变化点检测算法和所述欧拉角时间序列，确定肢体运动的启动和终止阶段；去除确定肢体运动的启动和终止阶段的时间序列，并根据去除后的时间序列，度量用户对应肢体的障碍程度。

技术领域

本发明涉及数字医疗领域，尤其涉及一种用户肢体运动障碍程度度量系统、方法和计算机装置。

背景技术

现有技术中对步态分析研究的出发点主要有时空参数、运动学数据、动力学数据、肌电数据、足底压力数据、步态视频流等，其中运动学数据采集方便、采集成本低、分析相对容易，故而被广泛的研究和应用于度量患者的肢体运动障碍的程度。

运动学数据的采集方式又包括通过惯性传感器的方式采集和视频关键点采集，其中采用惯性传感器采集，具有稳定、可靠、不受环境条件限制等优点。采用惯性传感器采集数据时，通常需要用户肢体的不同部位配戴所述惯性传感器(如在用户步态检测时，所述惯性传感器配戴于用户的腰部、大腿、小腿和足部)，并需要用户做一些预设的肢体动作如行走，然后惯性传感器将检测的数据传送给上位机，随后通过对数据的分析确定患者的肢体运动障碍程度。

然而现有技术中，在对惯性传感器采集的数据进行分析时，往往注重的是用户肢体运动数据的线性特征分析。而没有对用户肢体的非线性特征的提取和分析。即使在分析过程中考虑非线性因素，但是在分析时，使用的方法，如神经网络、回归分析等，依旧没有注重非线性特征的提取。而实际上，用户在按照预设的肢体动作运动时，是一个非线性系统，且从实验中观察到的关节角度的时间序列是非线性时间序列，所以如果忽略了对非线性特征的提取，将势必会导致获取的度量结果存在较大的偏差，进而影响度量结果的准确度。

发明内容

本发明的一个优势在于提供一种用户肢体运动障碍程度度量系统、方法和计算机装置，其中所述用户肢体运动障碍程度度量方法纳入了用户肢体运动时的非线性特征，从而提高了最终用户肢体运动障碍度量结果的准确性。

本发明的另一个优势在于提供一种用户肢体运动障碍程度度量系统、方法和计算机装置，其中所述用户肢体运动障碍程度度量方法在分析时，同时对用户肢体运动时的非线性特征进行了分析，进而提高了最终用户肢体运动障碍度量结果的准确性。

本发明的另一个优势在于提供一种用户肢体运动障碍程度度量系统、方法和计算机装置，由于通过所述用户肢体运动障碍程度度量方法能够有效地提高最终度量结果的准确性，进而能够有助于患者准确地按照度量结果进行治疗。

为达到本发明以上至少一个优势，本发明提供一种用户肢体运动障碍程度度量方法，所述用户肢体运动障碍程度度量方法包括：

在用户按照预定的肢体动作运动时，接收用户对应肢体部位的运动学数据；

根据机器人运动学算法和所述运动学数据，确定每一时刻用户肢体对应关节的欧拉角，并形成相应的欧拉角时间序列；

根据变化点检测算法和所述欧拉角时间序列，确定肢体运动的启动和终止阶段；

去除确定肢体运动的启动和终止阶段的时间序列，并根据去除后的时间序列，度量用户对应肢体的障碍程度。

根据本发明一实施例，所述用户肢体运动障碍程度度量方法包括：

在接收用户对应肢体部位的运动学数据后，对与用户预设的肢体部位对应的运动学数据滤波。

根据本发明一实施例，用户所述肢体部位选自腰部中间，左右侧大腿中部、左右侧小腿中部、左右脚面中部、前胸部、左右侧大臂中部、左右侧小臂中部、头部中的至少一个。

根据本发明一实施例，所述用户肢体运动障碍程度度量方法包括：