未来智库 > 可穿戴论文 > 可穿戴步态测量装置(MIMUs)在帕金森病人步态研究中的应用

可穿戴步态测量装置(MIMUs)在帕金森病人步态研究中的应用

发布时间:2018-05-09 11:26:00 文章来源:未来智库    
    [关键词]惯性和磁性感应器;步态事件;步态时间参数;帕金森患者
    中图分类号:S238 文献标识码:A 文章编号:1009-914X(2018)08-0227-04
    [Abstract]Body-worn sensors technology based on magnetic and inertial measurements units (MIMUs) is being improved and validated, escaping from the laboratory-based environment and moving to gait monitoring for various walking patterns in daily life.The purpose of this project is to verify two proposed algorithms for the detection of gait events and the estimation of temporal-gait parameters during free-walking in an experimental environment: one based on shank-worn inertial sensors, with the other based on waist-based sensor. The algorithms were applied to healthy subjects and Parkinson’ patients. The data that achieved by the inertial sensors were compared to those from an Instrumented mat (GaitRite) as the golden standard.The shank-based method shows a high accuracy in terms of the determination of Initial Contact (IC) timings, with mean absolute errors at less than 27 ms for the controls and no more than 40 ms for the patients. Furthermore, the precision of the step-time estimation was even higher, with mean absolute error of 1.5 ms for controls. These figures were the most accurate estimations that can be found in the existing literature. The accuracy of the detection of gait events using the waist method was not as precise as that of the shank method, as about 2% of gait events were missed for the control group and even more for the Parkinson’s patients. This led to poorer determinations of IC and FC timings.Both methods showed high precision and validity in the detection of step events and in the estimation of temporal gait parameters, especially for pathological walking patterns. This proved the robustness of these algorithms and the effectiveness of the Magnetic and Inertial Measurement Units (MIMUs) in the analysis of any walking patterns.
    [Key words]inertial sensor; gait event; gait temporal parameters; Parkinson’s disease
    0 引言
    对于日常肢体活动的探测金和记录的日益增长的需求促进了便携式可穿戴感应探测装置的发展和应用[1]。在人体步态特征的研究中,步态参数的确定是必不可少的,其参数包括步长时间,站立时间,摇摆时间,应用于中风病人的研究[2]。步态参数以及它们的相关变量都可通过数据分析的方法得到。
         目前,磁性与惯性感应装置(MIMUs)在人类步态探测方面十分盛行,不同于仅适用于实验室中的装置,MIMUs具有造价低以及便于携带的优点。
    步态事件的精确探测对于步态事件参数的确实是至关重要的。应用于佩戴在人体下肢单一MIMUs的初末接触时间的探测机制被提出[3,4],并且用于分析正常步态和病态的步态。在现有的少量研究文献中,应用于人�w下肢的同步MIMUs的探测机制也被提出了, 结果证明基于小腿部的感应装置具有最高的精确度和可靠性[5,6]。但现存的步态探测研究文献大多局限于实验环境中,其结果可能会与应用于日常环境的探测结果表现出差异,因为加速度与角速度可能不会呈现出严格的周期性变化模式。基于[7,8]的结论,在长距离行走中,步速的变化程度较在短距离行走中大,重复的步伐相较于连续行走可以产生更小的步态参数变化。步态参数对于评估人体运动具体很高的参考价值,而且可以用于分析帕金森病人的行走稳定程度,从而预测他们跌倒的可能性,从而可以进一步对帕金森病的治疗做出贡献。
    本文的目的是验证可穿戴式MIMUs在探测人类步态方面,尤其针对于帕金森病人,的精确度和稳定程度,也包括确定利于步态探测的最佳佩戴位置。最后,MIMUs探测的步态结构会与地面压力感应装置得到的结果相对照,从而确定它们之间的变量差异来分析MIMUs的准确性。
    1 实验装置和方法
    20组健康人群和帕金森患者参与了实验数据收集。在步态数据收集过程中,每个参与者都要求佩戴三个MIMUs,其结构图如图1所示。其中一个MIMUs放置在参与者的腰部,另外两个MIMUs放置在参与者的两个小腿部。
    本文利用压力感应装置来获取初接触时间和末接触时间的参考值,其中只有一段路径覆盖了压力感应装置,此外,地面压力感应装置的抽样频率也被设置为128Hz,从而可以匹配MIMUs的抽样频率,参与者被要求在规定路径匀速行走,从而获得相应数据。
    1.1 基于腰部的步态探测方法
    本文利用最近提出的“双求导”法则[9]对基于腰部感应器的探测数据进行分析和步态事件的确定。
    在此方法中,在感应器参考框中测量的垂直加速度信号通过积分然后通过高斯连续小波变换的微分处理。初接触时间点由处理后加速度信号的波谷确定,末接触时间点由进一步微分后的加速度信号的波峰确定,如图3和图4所示。根据最近的步态探测研究结果表明[10,11,12],基于腰部感应器的“双求导”法则在步态时间点探测和步态时间参数的估算上面表现出了很高的精准度,但是,大多数研究都是针对于健康人群的正常步态,而患病人群的非正常步态并没有得到很好的验证。因此,本文着重验证此方法在帕金森人群中的探测精度和可靠性。
    1.2 基于胫部的步态探测方法
    此步态探测机制在[4]中被提出,探测原理如图4所示。初接触时间点由探测窗口中矢状平面的角速度信号的波谷确定,末接触时间点由探测窗口中前后平面中的加速度信号的波谷确定。
    2 基于腰部与基于胫部感应器的比较
    表1显示,当使用基于腰部感应器的方法时,两组被检测者的所有步态参数的绝对检测误差显示,对照组检测产生的步态参数比帕金森组检测产生的步态参数具有更准确的结果。这是个符合预期的结果,因为帕金森患者缺乏一个自我控制机制,难以保证整个测试过程中的稳定行走。在这种情况下,从步态事件检测中继承的错误导致其他步态参数(步长时间,摇摆时间和站立时间)的错误加剧。此外,在使用基于腰部感应器的方法时,探测IC和FC时产生的绝对误差相似;这可能是由于该算法对信号施加了更严格的滤波。
    表2显示,当使用基于胫部感应器的方法时,MIMUs可以更精确地检测对照组的步态事件;这与使用腰部方法时获得的结果相符。此外,在精确度方面,所有测试条件的FC都不及IC。根据有关室内控制条件下步态检测的相关文献,可能是由于在FC期间发生更平稳的运动,使得步态事件不太明显并且难以检测[6]。
    总体来说,基于胫部的传感器总是能产生比放置在腰部上的感应器更准确的步态检测结果。这是一个符合预期的发现,因为在步态事件检测中基于胫部的传感器更接近脚-地接触点[6]。然而,使用基于胫部感应器的方法时,对照组和帕金森组的结果之间的差异更为显著;这可能是由于使用两个不同的信号来分别确定IC和FC,而不是使用一个信号进行整个步态事件检测导致的。
    3 讨论
    本文的目标是评估使用便携式MIMUs在步态检测时采用基于腰部和基于胫部的方法的准确性和可靠性。两种探测方法都应用于正常和非正常的步行模式,特别是帕金森氏步态,的步态分析。然后可以为健康受试者和帕金森病患者提出最佳探测方法,即传感器的最佳佩戴位置。
    尽管已经有大量的对使用可穿戴式传感器来检测步态事件的研究,但是关于如何最佳地应用这些设备尚未达成共识。因此,本研究的结果具有很大的价值,有助于确定MIMUs的最佳佩戴位置及探测机制。
    基于以前的研究[6-10],基于胫部感应器的方法在步态事件的确定和步态时间参数的估计方面显示出更精确的结果(与基于腰部感应器的方法相比)。尽管“双重微分”方法[9]在很大程度上降低了基于腰部感应器方法的绝对误差。
    在本研究中,基于腰部和胫部感应器的方法提出的算法也被应用到帕金森组和对照组的步态检测中。两组都检测到一些遗漏或额外的步态事件,但是并没有影响整体结论的准确性。基于腰部的方法(48ms)和基于胫部的方法(39ms)的帕金森氏组(针对IC时间点的检测)的绝对平均误差略高于(11ms)[6]和(8.7ms)[13]。类似地,当确定FC时,基于腰部和基于胫部的方法都显示出比[5]和[6]更高的绝对误差。
    步长时间的估计(对照组的1.5ms的平均绝对误差和帕金森组的1.7ms)表现了比以前所有研究更高的精度。然而,在站立时间和摇摆时间方面,估计误差比以前研究中的估计误差大一个数量级,但误差的标准偏差几乎与[5]和[6]相同。
         �τ谡玖⑹奔�-摆动时间比(对称性),以前的研究除[14]之外很少对此无量纲参数进行研究。本文检测结果不如[14](其中r=0.8079对于基于胫部感应器的对称性)得到的结果准确;本文中对照组(r=0.6824(基于腰部的方法);r=0.7971(基于胫部的方法)明显高于帕金森组(r=0.3878(基于腰部的方法);r=0.5829(基于胫部的方法))。
    总之,这项研究的结果表明,与使用基于腰部感应器方法的结果相比,使用基于胫部感应器的方法可以更准确地检测步态事件。对于健康对照组和帕金森组都是如此。这个结果与[10]的结果相符。因为现有研究很少提供步态参数的绝对误差,故不能对步态检测的各种算法的性能进行彻底的比较。
    这个项目的局限性在于步行检测仅限于实验环境。因此,进一步的步态分析需要考虑外在影响因素。此外,本研究仅验证了基于腰部和胫部的方法;基于头部,颈部和其他下肢的传感器,特别是脚(在[14-15]中显示出比基于胫部方法更高的精确度)的效果被忽略。因此,可以通过验证更多的感应器附着部位和相应的步态探测方法来找到基于不同行走模式的最佳感应器附着位置。
    4 结论
    总体来说,基于腰部和基于胫部的方法在步态事件的确定和步态时间参数的估计与之前的研究结果表现出很小的差异。此外,如[10-15]所述,与基于腰部的方法相比,基于胫部的方法表现出较高的步态检测精度。
    此外,使用任一种方法时,帕金森组的步态检测结果均可在误差接受的范围内。这是一个令人鼓舞的结果,这进一步验证了步态检测算法的可靠性,并有助于可佩戴传感器获得更广泛地应用,用于检测不同步行模式下正常和异常步态。
    基于胫部的方法在确定IC方面表现出非常高的精度,尽管在FC时间点的检测中表现不佳。在检测IC和FC时间方面,基于胫部的方法胜过基于腰部方法,尽管基于腰部的方法在确定IC和FC时间点的表现比较均衡。
    总之,本文所用到的步态探测方法是可以接受的,因为它们不会大量遗漏或提供额外的步态事件。此外,MIMUs感应器的表现并不会受到异常步态的影响,步态时间参数的估计对于健康和病理步态模式呈现相似的精确度和准确度。
    鲁棒性和精确度的结合使得所提出的步态探测算法可以接受临床甚至日常使用;此外,未来的研究应进一步验证MIMUs对不同步态模式的探测。
    参考文献
    [1] Validation of an accelerometer to quantify a comprehensive battery of gait characteristics in healthy older adults and Parkinson’s disease: toward clinical and at home use. Del Din, S, Godfrey, A and Rochester, L. 2015, IEEE Journal of Biomedical and Health Informatics, Vol. 20, pp. 1-10.
    [2] Changes in gait symmetry and velocity after stroke: a cross-sectional study from weeks to years after stroke. Patterson, K K, Gage, W H, Brooks, D, Black, S E and McIlroy, W E. 2010, Neurorehabilitation & Neural Repair, Vol. 24, pp. 783-790.
    [3] Assessment of spatio-temporal gait parameters from trunk accelerations during human walking. Zijlstra, W and Hof, A. 2003, Gait & Posture, Vol. 18, pp. 1-10.
    [4] Comparative assessment of different methods for the estimation of gait temporal parameters using a single inertial sensor: application to elderly, post-stroke, Parkinson’s disease and Huntington's disease subjects. Trojaniello, D, Ravaschio, A, Hausdorff, J M and Cereatti, A. 2015, Gait & Posture, Vol. 42, pp. 310-316.
    [5] Gait assessment in Parkinson’s disease: toward an ambulatory system for long-term monitoring. Salarian, A, Russmann, H, Vingerhoets, F J G, Dehollain, C, Blanc, Y, Burkhard, P R and Aminian, K. 2004, IEEE Transactions on Biomedical Engineering, Vol. 51, pp. 1434-1443.
    [6] Estimation of step-by-step spatio temporal parameters of normal and impaired gait using shank-mounted magneto-inertial sensors: application to elderly, hemiparetic, parkinsonian and choreic gait. Trojaniello, D, Cereatti, A, Pelosin, E, Avanzino, L, Mirelman, A, Hausdorff, J M and Della Croce, U. 2014, Journal of Neuroengineering & Rehabilitation, Vol. 51, p. 152.
         [7] Does walking strategy in older people change as a function of walking distance. Najafi, B, Helbostad, J L, Moe-Nilssen, R, Zijlstra, W and Aminian, K. 2009, Gait & Posture, Vol. 29, pp. 261-266.
    [8] Gait variability in younger and older adult women is altered by overground walking protocol. Paterson, K L, Lythgo, N D and Hill, K D. 2009, Age & Ageing, Vol. 38, pp. 745-748.
    [9] An enhanced estimate of initial contact and final contact instants of time using lower trunk inertial sensor data. McCamley, J, Donati, M, Grimpampi, E and Mazzà, C. 2012, Gait & Posture, Vol. 36, pp. 316�C318.
    [10] Gait event detection in laboratory and real life settings: Accuracy of ankle and waist sensor based methods. Storm, F A, Buckley, C J and Mazzà, C. 2016, Gait & Posture, Vol. 50, pp. 42-46.
    [11] August. Modified pendulum model for mean step length estimation. Gonzalez, R C, Alvarez, D, Lopez, A M and Alvarez, J C. 2007, IEEE Engineering in Medicine and Biology Society, Vol. 2007, pp. 1371-1374.
    [12] Instrumented gait assessment with a single wearable: an introductory tutorial. Del Din, S, Hickey, A, Ladha, C, Stuart, S, Bourke, A, Esser, P, Rochester, L and Godfrey, A. 2016, F1000Research, Vol. 5, p. 2323.
    [13] Automated estimation of initial and terminal contact timing using accelerometers; development and validation in transtibial amputees and controls. Selles, R W, Formanoy, M A G, Bussmann, J B J, Janssens, P J and Stam, H J. 2005, IEEE Transactions on Neural Systems and Rehabilitation Engineering: a Publication of the IEEE Engineering in Medicine and Biology Society, Vol. 13, pp. 81-88.
    [14] Reliability of the step phase detection using inertial measurement units: pilot study. Sessa, S, Zecca, M, Bartolomeo, L, Takashima, T, Fujimoto, H and Takanishi, A. 2015, Healthcare Technology Letters, Vol. 2, pp. 58-63.
    [15] Gait event detection using linear accelerometers or angular velocity transducers in able-bodied and spinal-cord injured individuals. Jasiewicz, J M, Allum, J H J, Middleton, J W, Barriskill, A, Condie, P, Purcell, B and Li, R C T. 2006, Gait & Posture, Vol. 24, pp. 502-509
    作者�介
    王斯煜,男,1993年生,上海大学机械工程及自动化学院本科,英国谢菲尔德大学机械工程学院研究生。
转载请注明来源。原文地址:https://www.7428.cn/vipzj16490/
 与本篇相关的热门内容: