[發明專利]平足癥篩查步態分析系統

有效

• 申請號: 202110337850.0
• 申請日: 2021-03-30
• 公開（公告）號: CN113057623B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 王多琎;應繼明;陳文明;嚴浩然;王澤圣;英宗元;喻洪流
• 申請（專利權）人: 上海理工大學
• 主分類號: A61B5/103
• 分類號: A61B5/103;A61B5/00
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 郁旦蓉

1.一種平足癥篩查步態分析系統，其特征在于，包括：

信息采集裝置，通過平足癥篩查鞋墊采集人體的足底的多個預定位置的壓力數據；

信息處理裝置，包括第一信息處理部、第二信息處理部以及第三信息處理部，第一信息處理部用于對所述壓力數據進行數據處理而得到步態特征數據，第二信息處理部用于搭建一個基于K-NN均值算法的分類模型，并對所述分類模型進行訓練，得到訓練后分類模型，第三信息處理部用于將所述步態特征數據輸入所述訓練后分類模型，得到對平足癥的篩查結果；

控制裝置，用于控制所述信息采集裝置進行信息采集，并控制所述信息處理裝置根據所述壓力數據進行平足癥篩查；

其中，所述平足癥篩查鞋墊包括鞋墊和多個壓力傳感器，多個所述壓力傳感器設置在所述鞋墊的多個預定位置上，分別用于采集人體的足底在多個所述預定位置的壓力數據，

所述第二信息處理部包括第二信息處理部第一單元以及第二信息處理部第二單元，所述第二信息處理部第一單元用于將初始集的若干個數據集作為若干個初始數據集以搭建一個含有K值的所述分類模型，所述K值為大于等于3的變量且為整數，所述第二信息處理部第二單元用于將訓練集的數個數據集作為數個訓練數據集輸入所述分類模型，對所述分類模型進行訓練，選取最優的K值，得到最優K值下的訓練后分類模型，

所述訓練集和所述初始集均為針對若干個具有不同平足癥等級的測試者通過所述信息采集裝置以及所述第一信息處理部而得的所述步態特征數據，所述訓練集和所述初始集的所述步態特征數據均標有對應的平足癥等級的標簽，

對所述分類模型進行訓練的具體方法為：對每一個所述訓練數據集與若干個所述初始數據集之間的坐標距離分別進行計算，選取所述坐標距離最近的所述K值個所述初始數據集作為第一特定數據集，將每一個所述訓練數據集的平足癥等級分別與對應的所述第一特定數據集中出現頻率最高的平足癥等級進行比較，得到不同所述K值下的所述分類模型的平足癥篩查準確率，并選取最優的K值作為所述最優K值。

2.根據權利要求1所述的一種平足癥篩查步態分析系統，其特征在于：

其中，所述預定位置為五個，分別命名為A、B、C、D、E，A、B位于在所述鞋墊的距離前端60％的位置的后側1cm的位置，C、D、E位于在所述鞋墊的距離前端60％的位置的前側1cm的位置。

3.根據權利要求2所述的一種平足癥篩查步態分析系統，其特征在于：

其中，所述步態特征數據包括F_A/m、F_B/m、F_C/m、F_D/m、F_E/m、(F_B+F_E+F_D/2)/m、(F_A+F_C+F_D/2)/m以及(F_A+F_B+F_C+F_D+F_E)/m，

其中F_A、F_B、F_C、F_D、F_E為A、B、C、D、E對應的所述壓力數據，m為所述人體的質量。

4.根據權利要求1所述的一種平足癥篩查步態分析系統，其特征在于：

其中，所述訓練后分類模型進行平足癥篩查的具體方法為：對所述步態特征數據與若干個所述初始數據集之間的坐標距離進行計算，選取所述坐標距離最近的所述最優K值個所述初始數據集作為第二特定數據集，平足癥篩查的結果為所述第二特定數據集中出現頻率最高的平足癥等級。

5.根據權利要求1或4所述的一種平足癥篩查步態分析系統，其特征在于：

其中，所述步態特征數據均以(x,y,z...)的形式輸入所述分類模型以及所述訓練后分類模型，

所述坐標距離的計算公式為：

其中D代表兩點間距離，其中(x1,y1,z1...)與(x2,y2,z2...)分別為兩個點的坐標值。