论文部分内容阅读
脑卒中俗称中风，是一种急性脑血管疾病。脑卒中是严重威胁人类健康和生命的主要疾病之一，其发病率在中老年人群中非常高。当前，我国当前的医疗和康复资源相对短缺，现有医疗条件很难满足对病人的全天候监护，特别是治疗后的康复监护和复发监控。步行功能障碍是脑卒中患者的主要体征之一，对患者进行步态观察和分析是了解脑卒中病人病情的重要手段。现有的步态分析设备大多只能在实验室环境内使用，比如三维成像仪、压力板、肌电技术等。近来出现了利用加速度计或陀螺仪传感器进行步态分析的方法，主要利用加速度或角速度的某些特征来区分不同的脚步，但这种方法精度尚有待提高，很难直接应用于脑卒中病人的异常步态分析。 本文针对脑卒中患者的步态分析及智能监测，研究一种为脑卒中病人提供实时智能步态监测的可穿戴设备，提出了融合声音和惯性传感器数据等多模态信息的脚步检测和步态特征提取方法。脚步检测的目的是从采集到的音频信息和惯性传感器信息中，找出脚步所对应的信号区间，步态特征提取进一步分析正常人和病人步行参数中的单步时间、脚拖地和步幅参数，用于后续的脑卒中病人病情的监测。该方案既能满足可穿戴的需求，又能弥补其他传感器存在的不足，并且专门针对脑卒中的步态进行参数的分析处理，为脑卒中病人提供帮助。 本文的研究成果如下: (1)设计和实现了一个可穿戴的多模态步态数据采集系统 本文提出的方法是将麦克风、加速度计、陀螺仪等传感器穿戴在采集者的脚踝部，在采集者行走过程中采集声音和其他传感器的信息。本文基于带Android系统的智能手表模块，利用蓝牙无线控制方法，设计并实现了一个音频数据和加速度/角速度数据的双脚同步采集系统，可实现可穿戴、低侵入多传感器融合的步态数据采集系统。 (2)构建了基于多模态可穿戴传感器的步态数据集 目前学术界公开的可穿戴设备采集的步态数据集很少，包含声音信息的数据集更加罕见。为了弥补这方面的空白，我们搭建了一个步态数据采集环境，包括画有标尺的不同材质的地面，用于记录脚着地时间和位置的多摄像机系统等。通过这个采集系统，采集了被采集者穿不同的鞋、不同负重、不同行走方向下的步态数据。利用录制的脚步视频等数据，对脚步着地和离地的时间点和位置进行人工标注。此外，为了方便病人数据的采集，提出了一种更加灵活的方案，使用画有标尺的地板革，和底部带有摄像机的背包，采集了多组病人和正常人的步态数据，用于后期的实验分析。 (3)提出了融合音频和加速度信息的脚步检测方法 脚步检测的目的是从采集到的音频信息和惯性传感器信息中，找出脚步所对应的信号区间，用于后续分析。本文提出了一种融合音频和加速度信息的脚步检测方法，该方法首先采用训练的统计分类器对音频数据进行分类以检测脚步声，然后基于加速度数据中脚着地时的波动特性，对音频检测的结果进行二次判断，去除其中的误报，从而得到高准确率和召回率。 (4)实现了若干步态特征的提取方法和基于这些特征的脑卒中步态分析 为了对脑卒中病的步态进行分析，在脚步检测的基础上提取了几个常用的步态特征:单步时间、脚拖地、步幅。单步时间的计算在于脚跟着地时间点的判断，本文提出了基于音频的脚跟着地时间点的查找算法，脚拖地的判断采用了基于音频的分类器方法，步幅是在理想情况下的利用脚步声的时间差进行计算。基于这些特征，对正常人和病人的步态数据进行比较分析，总结出了脑卒中步态的若干特点，可辅助医生进行诊断或供病人及家属参考。