申请/专利权人：常州大学

申请日：2024-01-22

公开（公告）日：2024-04-19

公开（公告）号：CN117898707A

主分类号：A61B5/11

分类号：A61B5/11;A61B5/00;G06V40/10;G06V10/82;G06N3/0442;G06N20/00;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及步态识别技术领域，尤其涉及基于惯性运动单元的腰椎间盘突出症步态识别方法及系统，包括采集步态参数；预处理；分别计算步态参数的变异性指标、规律性指标、步态可预测性指标和步态稳定性指标，步态稳定性基于相空间重构的方法将原始时间序列数据转换为高维相空间中的轨迹，计算相邻轨迹间距离变化率，并计算每个时刻内所有相邻轨迹间距离变化率的均值，并取均值的最大值作为最大Lyapunov指数；利用统计学分析分别计算健侧‑患侧、患侧‑健康、健侧‑健康和健康左右腿、SW检验的p值，根据p值筛选出步态参数；对筛选出步态参数利用机器学习算法进行分类。本发明解决现有步态评估模型缺乏综合参数的问题。

主权项：1.基于惯性运动单元的腰椎间盘突出症步态识别方法，其特征在于，包括以下步骤：步骤一、采集腰椎间盘突出和健康用户的步态加速度数据；步骤二、对步态加速度数据进行预处理，得到步态时空参数；步骤三、计算变异性指标、规律性指标、步态可预测性指标和步态稳定性指标；其中，步态稳定性是利用Eckmann算法计算最大Lyapunov指数，基于相空间重构的方法将滤波后的加速度信号转换为高维相空间中的轨迹，计算相邻轨迹间距离变化率，并计算每个时刻的所有相邻轨迹间距离变化率的均值，取所有时刻均值中最大值作为步态稳定性指标；步骤四、利用统计学分析分别计算健侧-患侧、患侧-健康、健侧-健康和健康左右腿、SW检验的p值，根据p值筛选步态参数；步骤五、对筛选后的步态参数利用机器学习算法进行分类。

全文数据：

权利要求：

百度查询： 常州大学 基于惯性运动单元的腰椎间盘突出症步态识别方法及系统

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