申请/专利权人：武汉理工大学

申请日：2022-08-16

公开（公告）日：2022-11-29

公开（公告）号：CN115054237B

主分类号：A61B5/11

分类号：A61B5/11;A61B5/103;A61B5/00;A61H3/00;G06K9/62

优先权：

专利状态码：有效-授权

法律状态：2022.11.29#授权;2022.10.04#实质审查的生效;2022.09.16#公开

摘要：本发明涉及医疗健康评估技术领域，具体涉及一种基于决策树模型的实时跌倒预测及助力恢复方法。基于简单任务测试给出对于受试者的单一评分，从而客观、定量评价其平衡能力，为后续跌倒风险预测和跌倒避免方法研究提供了一种有效的平衡能力评估方案。通过实时采集受监测者的加速度、角速度以及足底压力等运动数据，分析穿戴者所处运动状态，进而判断其平衡状况并计算其恢复平衡所需的助力力矩，便于在预测到机体失衡即将跌倒时触发各种辅助装置的平衡恢复控制策略，为膝关节提供助力力矩，避免由于跌倒对身体造成的巨大伤害。

主权项：1.一种基于决策树模型的实时跌倒预测及助力恢复方法，其特征在于：包括：步骤一：基于步态测试和越障测试采集多模态运动数据，得到步态测试和越障测试的特征参数；步骤二：建立综合评估模型，根据多个特征参数的分布情况选择回归方程，并以受试者的临床量表评估分值作为参考值，获得平衡能力的评分；步骤三：由步骤二的评分筛选高跌倒风险者，获取人体进行多种日常运动以及跌倒时的加速度、角速度及足底压力的多传感信息，平滑处理后进行数据融合；步骤四：构建跌倒预测分类模型，使用步骤三中处理好的数据训练所述跌倒预测分类模型，将训练后的预测输出与数据集中标注的真实值的标签比对，进而优化跌倒预测分类模型；步骤五：实时监测上述多传感信息，根据跌倒预测分类模型计算失衡程度D，判断人体是否有发生跌倒的趋势；步骤六：构建模糊逻辑推理系统，结合步骤二和步骤五的结果计算人体恢复平衡时膝关节所需助力力矩；所述步骤三的数据融合后还包括采用滑动窗口法对不同行为下的数据进行样本提取，具体包括：对于站立、慢跑、行走、平躺这四种运动，选择时间窗口长度和窗口A与窗口B的重叠长度p，对于一段时序数据，窗口A内的数据表示为，窗口B的数据表示为，对窗口A和窗口B内的数据分别提取加速度特征、姿态角特征和足底压力特征；对于站立-下蹲、坐-站立、站立-转身、平躺-坐起这四种运动，选择时间窗口结束位置在跌倒时刻以前，选择时间窗口长度，当窗口左右滑动时△t发生变化，对于和△t的不同情况，分别提取窗口内信号的加速度特征、姿态角特征以及足底压力特征，其中，△t为时间窗口结束时刻与跌倒时刻之间的时间距离。

全文数据：

权利要求：

百度查询： 武汉理工大学 基于决策树模型的实时跌倒预测及助力恢复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD