[發明專利]一種預防和解除帕金森病患者凍結步態的裝置和方法

在審

• 申請號: 202011636967.0
• 申請日: 2020-12-31
• 公開（公告）號: CN112617807A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 姚志明;李波陳;周旭;楊先軍;王鵬;孫怡寧;李紅軍;張曉翟;王輝
• 申請（專利權）人: 中國科學院合肥物質科學研究院
• 主分類號: A61B5/103
• 分類號: A61B5/103;A61B5/11;A61B5/00;G06K9/62
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明

1.一種預防和解除帕金森病患者凍結步態的裝置，其特征在于，包括加速度傳感器、足底壓力傳感器、振動節點、移動終端和振動力敏鞋墊，其中：

所述加速度傳感器放置在腳踝外側；

所述足底壓力傳感器布置在所述振動力敏鞋墊的前腳掌、足中外側和足跟區域；

所述振動節點布置在所述振動力敏鞋墊足中內側區域；

所述加速度傳感器和所述足底壓力傳感器采集患者運動時的加速度信號和足底壓力信號，并將所述加速度信號和足底壓力信號通過藍牙實時無線的傳輸至所述移動終端；

所述移動終端接收所述加速度信號和足底壓力信號，通過對所述加速度信號和足底壓力信號加窗分割提取信號特征和識別患者的運動模式，基于患者的運動模式和加速度信號的特征判別患者是否將要發生凍結步態(pre-FOG)或正在發生凍結步態(FOG)，若判別結果為pre-FOG或FOG，所述移動終端通過藍牙控制所述振動節點有節奏的振動，幫助患者調整步態，從而防止凍結步態的發生或盡快解除凍結步態。

2.一種預防和解除帕金森病患者凍結步態的裝置的實現方法，基于權利要求1所述的一種預防和解除帕金森病患者凍結步態的裝置，其特征在于，包括：

步驟一、構建凍結步態預測檢測模型的方法；

步驟二、基于凍結步態預測檢測模型預防和解除帕金森病患者凍結步態的方法，其中構建凍結步態預測檢測模型僅執行一次。

3.如權利要求2所述的預防和解除帕金森病患者凍結步態的裝置的實現方法，其特征在于，所述的構建凍結步態預測檢測模型的方法用于構建凍結步態預測檢測模型，所述凍結步態預測檢測模型包括兩種運動模式凍結步態預測檢測模型：行走模式的凍結步態預測檢測模型和等待起步模式的凍結步態預測檢測模型；根據足底壓力數據提取的特征識別患者的運動模式；分別定義和標記兩種運動模式的pre-FOG標簽；計算加速度數據的特征矩陣并分別訓練和驗證兩種運動模式的凍結步態預測檢測模型；具體包括以下步驟：

步驟S101，患者運動數據的采集：記錄患者體重；使用所述加速度傳感器、足底壓力傳感器同步獲取患者運動時左右腳踝處的加速度數據和前腳掌、足中外側、足跟區域的足底壓力數據，并根據實驗錄像標記患者運動中凍結步態的開始和結束時間點，作為FOG標簽；所述加速度傳感器和足底壓力傳感器的采樣頻率大于30Hz；

步驟S102，數據預處理：使用四西格瑪定律查找加速度數據中的離群值點，并使用中值定理替換離群值點；

步驟S103，數據加窗分割：使用長度為2秒、步長為0.5秒的滑動窗口分割步驟S102預處理后的加速度數據和步驟S101采集的足底壓力數據，得到加速度數據片段和足底壓力數據片段；

步驟S104，數據的特征提取：包括足底壓力數據特征提取和加速度數據特征提取；其中，計算所有足底壓力數據片段的特征，包括總足底壓力均值、左腳總足底壓力等于零的次數和右腳總足底壓力等于零的次數；計算所有加速度數據片段的特征，并構建加速度特征矩陣AFM(Acceleration feature matrix)；

步驟S105，患者運動模式識別：根據患者體重設定患者運動時總足底壓力均值的閾值，若步驟S104計算的總足底壓力均值低于閾值，則判定患者處于離地姿勢；設定步驟S103中所述的滑動窗口對應的時間長度內患者左腳抬腳總次數的閾值和右腳抬腳總次數的閾值，若步驟104計算的患者左腳總壓力等于零的次數小于左腳抬腳總次數的閾值且右腳總壓力等于零的次數小于右腳抬腳總次數的閾值，則判定患者處于站立姿勢；離地姿勢和站立姿勢的運動模式均稱為等待起步模式，其他所有運動模式都稱為行走模式；

步驟S106-1，行走模式的FOG、pre-FOG和正常狀態(no-FOG)的標注：計算每個加速度數據片段的凍結指數，記為FI；6個相鄰的加速度數據片段為pre-FOG標注依賴組，其中，前3個相鄰的加速度數據片段為前組，后3個相鄰的加速度數據片段為后組，每個加速度數據片段的pre-FOG標簽由以這個加速度數據片段為最后一個片段的pre-FOG標注依賴組的特征來標記；計算每組加速度數據片段的凍結指數的均值，記為FI_mean；以前組和后組間FI_mean的差異，進行行走模式pre-FOG的定義和標定，具體如下：

計算pre-FOG標注依賴組的FI差異性:FI_diff＝FI_mean(group1)/FI_mean(group2),其中，FI_mean(group1)和FI_mean(group2)分別代表前組和后組的FI_mean；

設定pre-FOG的閾值；pre-FOG的起止窗口標記為：FOG之前的首個FI_diff高于閾值的加速度數據片段開始到標記為FOG的加速度數據片段為止，pre-FOG標注為1；FOG標注為2；其余非FOG且非pre-FOG的行走模式的加速度數據片段標注為no-FOG，記為3；構建行走模式對應的加速度數據片段的標簽矩陣：行走標簽矩陣WLM(walkinglabeled matrix)；

步驟S107-1,行走模式的凍結步態預測檢測模型訓練和驗證：將標注好pre-FOG、FOG和no-FOG的標簽矩陣WLM分為訓練集和測試集，進行行走模式的凍結步態預測檢測模型的搭建和驗證；

步驟S106-2，等待起步模式的FOG、pre-FOG和no-FOG的標注：pre-FOG的起止標記為：FOG之前的4個加速度數據片段；等待起步模式的pre-FOG標注為1、FOG標注為2、其余非FOG且非pre-FOG的等待起步模式的加速度數據片段標注為no-FOG，記為3；構建等待起步模式對應的加速度數據片段的標簽矩陣：等待起步標簽矩陣SWLM(start walking labeledmatrix)；

步驟S107-2,等待起步模式的凍結步態預測檢測模型訓練和驗證：將標注好pre-FOG、FOG和no-FOG的標簽矩陣SWLM分為訓練集和測試集，進行等待起步模式的凍結步態預測檢測模型的搭建和驗證；

步驟S108，將訓練好凍結步態預測檢測模型移植到終端。