基于Visual C++的人体静态平衡能力评估系统

本文提出一种新的测试人体平衡能力的方法,将人体重心的变化转换成激光点的抖动过程,在VC 6.0平台上通过运用图像处理技术,绘制出点的运动轨迹,即人体重心的变化过程,通过计算重心的位移方差来评估人体的平衡能力。通过实验,验证了该软件系统的稳定性和可靠性,成功地实现了激光点跟踪,抖动轨迹的绘制以及对平衡能力有着较高精度的评估。

人体平衡能力评估方法研究及系统实现

平衡能力的稳定性对个人保持身体稳定、维持各种身体姿势、进行各项日常活动、抵抗外界干扰并及时恢复身体稳定至关重要,因此对人体平衡能力评估系统的研究显得尤为重要。通过将平衡测试仪器方法与传统的观察法、量表评估法作对比,分析发现平衡测试仪器方法能更客观、定量、准确地反映人体平衡能力强弱。设计出一种新的评估人体平衡能力的系统,即结合传统评价指标、平均差以及方位差分析选取有效的平衡指标,基于人体重心位移测量方法,采用串口通讯以及QT界面设计技术,量化分析与评估测试者的平衡能力,并达到可视化的效果。实验结果表明:该系统可以客观、定量、精确地评估人体的平衡能力。

基于多元经验模态分解的多元多尺度熵静态平衡能力评估

提出了一种基于多元经验模态分解(Multivariate Empirical Mode Decomposition,MEMD)的多元多尺度熵(Multivarite Multiscale Entropy,MMSE)特征提取方法分析多模态信号,进行人体静态平衡能力评估.首先,采集人体多模态信号,采用多元经验模态分解对多通道信号进行自适应分解,得到一系列多元固有模态函数(Intrinsic Mode Functions,IMFs),依据T检验和相关系数从中选取最佳的IMF分量进行信号重构;然后,采用多元多尺度熵算法提取特征,用K-均值与支持向量机对比本文特征提取方法与两种传统特征提取方法在处理人体静态平衡能力评估问题时分类效果,并分析两种分类器的人体静态平衡能力评估效果;最后,得出本文最优的特征为基于多元经验模态分解的多元多尺度熵特征,最优的分类方法为支持向量机.

基于足底压力中心和脑肌电相干性特征的人体平衡能力评估方法

目的提出一种基于足底压力中心和脑肌电相干性特征的人体平衡能力评估新方法。方法10名受试者平衡能力被划分为P1和P2组,进行平衡实验:通过主成分分析法合成足底压力中心信号各传统特征参数,得到足底压力中心信号(COP)综合特征;在分析人体平衡调节过程中脑肌电相干特性的基础上,引入反映人体平衡的脑肌电协调反应新特征;最后将COP综合特征、协调反应特征和脑电、肌电信号的多元多尺度样本熵组成特征向量,使用支持向量机分类器完成人体平衡能力的评估。结果本方法的平衡评估正确率可达72.5%,高于传统的基于COP姿态信号方法。结论人体平衡脑肌电协调反应新特征的加入,显著提高了人体平衡能力分类的正确率。

防跌倒步态平衡训练机器人发展现状

目的 介绍国内外防跌倒步态平衡训练机器人研究的主要进展,为防跌倒步态平衡训练机器人等医工结合领域的研究提供可借鉴的思路。方法 主要从4个方面总结了下肢辅助康复机器人研究的最新进展,具体包括机器人构型,机构控制策略和算法,步态数据采集方法和步态数据分析方法。结论 在国内外对步态平衡训练机器人的研究中,机器人的市场定位细分是当前学界面临的挑战。各主流解决方案侧重点都不相同,针对用户细分的方法也不一样。由于主要的目标人群老年人群体用户差异性强,因此用户的个性化训练需求较高,未来需要进一步细化步态平衡训练机器人的定位,满足不同情况下不同用户在不同阶段的个性化训练需求,有望提升步态平衡训练机器人的整体水平。

基于传递熵的复杂网络人体平衡特征分析

为克服人体平衡能力医学评估方法中的主观性缺陷,提出一种基于相位同步数据筛选和传递熵脑网络特征的人体平衡能力评估算法;采集20名被试在本体觉与视觉分别被阻断的4种范式下共1 200 min的EEG平衡数据;基于人体平衡生理机制,利用相位同步特性计算每段数据间的锁相值,并按照调节指标筛选出有效数据段,经过数据筛选后得到859段有效数据,每段长度在50~2 000 ms。利用该数据构建基于传递熵的脑功能网络连接模型,并定义了一种能够同步反映人体平衡信息接收与运动感觉协同处理的特征系数。在同一批次的实验数据中进行10折交叉验证。结果发现,新特征的加入将4类范式的整体分类准确率提高到73.63%,高于其他脑功能网络特征(56.23%)和足底压力中心(COP)特征(67.90%)。根据同步性分析结果推断视觉系统在人体平衡调节中占据主要作用;人体平衡协调新特征的应用可使平衡分类结果准确性有效提高。