一种足内翻角度检测建模方法及系统技术方案

本发明专利技术公开了一种足内翻角度检测建模方法及系统，制作可穿戴式足底压力检测系统；采集足底压力数据并进行数据预处理；把受力本体分成不同区域，并根据区域划分和压力传感器压力值计算患者的步态特征；获取足内翻角度标签；基于步态特征和足内翻角度标签通过机器学习回归算法构建足内翻角度检测模型。本发明专利技术技术设计简单，易于实现，功耗小，可穿戴设备具有便捷性，回归模型能够为医生自动地提供有效的、定量的足内翻程度评估，具有潜在的临床应用价值。用价值。用价值。

【技术实现步骤摘要】
一种足内翻角度检测建模方法及系统


[0001]本专利技术属于生物力学、传感测量及计算机应用
，尤其涉及一种足内翻角度检测建模方法及系统。

技术介绍

[0002]典型的足内翻检测方法大部分都是应用传统的临床步态分析方法，还有现在出现的步态视频分析和足底压力分析这两种诊断方法。传统临床分析需要依赖专业康复医生的临床经验，极具主观性，其专业医生的庞大需求量也是个巨大挑战，患者的主观感受也影响评估效果；视频分析需要复杂的操作，且一般设备都比较昂贵，难以普及；现有的足底压力的应用得到的结果都比较简单模糊，一般只是用来识别是否存在足内翻，而不能获取明确而细微的足内翻角度变化。综上可知现有的足内翻检测方法不能满足临床应用的要求，因此研究出一套便捷、定量的自动的脑卒中足内翻角度评估系统有很大的现实意义。

技术实现思路

[0003]本专利技术的目的是为了解决现有的足内翻程度评估问题，因此提出一种足内翻角度检测建模方法及系统，将足底压力信号和机器学习回归算法结合起来，充分发挥其优势并获得准确的足内翻角度检测回归模型结构，方便对足内翻患者进行程度评估。
[0004]为解决上述技术问题，本专利技术提供了一种足内翻角度检测建模方法，包括如下步骤：
[0005]在足底主要受力位置放置多个压力传感器，制作可穿戴式足底压力系统；
[0006]采集足底压力数据并进行数据预处理；
[0007]把布置压力传感器的受力本体分成不同的区域，并根据划分的区域和压力传感器压力值提取患者的步态特征；
[0008]获取足内翻角度标签；
[0009]将步态特征作为模型的输入参数，将足内翻角度标签作为模型的输出，通过机器学习回归算法构建并训练足内翻角度检测模型，得到最终用于检测足内翻程度的足内翻角度检测模型。
[0010]进一步地，所述采集足底压力数据并进行数据预处理，包括：通过单片机采集足底压力数据；对采集到的足底压力数据进行滤波降噪处理；对经滤波降噪处理后的足底压力数据进行加窗处理获取多组样本数据。
[0011]进一步地，划分的区域包括：足底内侧区、足底外侧区、前足区、中足区、后足区、全足区。
[0012]进一步地，所述步态特征包括：4个区域最大压力，左右压力比值，站立期，加载响应阶段，横/纵向位移，横/纵向位移偏差。
[0013]进一步地，所述4个区域最大压力为前足、中足、后足三个区域和全足区对应所有压力传感器最大受力之和与体重的比值；所述左右压力比值为全足区所有压力传感器的压
力值之和最大时的内外侧区域对应的所有压力传感器压力之和的比值；所述站立期为患侧足底接触地面阶段占整个步态周期的时间比例；所述加载响应阶段为健侧脚跟着地到患侧脚尖离地的加载响应时间长度比上步态周期的值；所述横/纵向位移为患侧压力中心位置左右/前后最大位移；所述横/纵向位移偏差为一个样本中所有的步态周期左右/前后最大位移求平均后的偏差值。
[0014]进一步地，所述区域划分包括：足底内侧区、足底外侧区、前足区、中足区、后足区、全足区。
[0015]进一步地，所述步态周期为任意一个压力传感器受力由无变有时刻距离下一次的由无变有时刻的时间长度，这里应用脚跟最后一个压力传感器来计算，表示以脚后跟着地到同一侧脚后跟着地的时间段作为一个步态周期；所述患侧足底接触地面阶段为全足区所有压力传感器受压力之和不为0的阶段；所述脚跟着地为最后面压力传感器受力由无变得有的时刻；所述脚尖离地为最前面压力传感器受力由有变无的时刻；所述压力中心位置是根据力矩平衡公式所求得，分别计算所有压力传感器横纵坐标的值与其所受压力的乘积的和比上所有压力传感器受力总和的值而得到压力中心的横纵坐标位置。
[0016]进一步地，所述获取足内翻角度标签为获取能够表达足内翻程度的数据，包括测量站位态足内翻角度、踝关节足内翻方向主动关节活动度。
[0017]进一步地，所述通过机器学习回归算法构建足内翻角度检测模型，包括：将步态特征作为模型输入参数和足内翻角度标签作为模型输出结果，运用交叉验证来训练机器学习回归模型；利用回归评价指标对模型的准确性和有效性进行检验。
[0018]进一步地，所述机器学习回归算法包括：高斯过程回归、支持向量机回归、逐步线性回归等算法。所述评价指标为均方根误差(RMSE)及决定系数(R2)。
[0019]进一步地，所述可穿戴式为鞋垫式、鞋底式、袜子式。
[0020]进一步地，所述足底主要受力位置为足底跖骨区、脚跟还有中足位置。
[0021]进一步地，所述压力传感器为压阻式压力传感器。
[0022]进一步地，本专利技术还提供足底压力信号和机器学习回归算法的足内翻角度检测建模系统，包括：
[0023]数据获取模块，用于采集足底压力数据；
[0024]步态特征提取模块，用于对采集到的足底压力数据进行相关的步态特征提取，作为模型的输入参数；
[0025]足内翻角度标签获取模块，用于获取足内翻角度标签，用作模型的输出参数；
[0026]足内翻角度检测模型建立模块，用于对基于步态特征和角度标签的机器学习算法回归模型的建立优化，该模型的建立是用作足内翻角度的检测；
[0027]模型检验模块，用于对所建模型的准确性和有效性的检验。
[0028]本专利技术还提供一种基于足底压力的足内翻角度检测系统，包括：受力本体，用于压力传感器的布置；
[0029]测试电路，用于足底压力信号的采集；
[0030]存储器，用于存储计算机程序；
[0031]处理器，用于执行所述计算机程序时实现前述足内翻角度检测建模方法的步骤。
[0032]与现有技术相比，本专利技术能够实现的有益效果至少如下：
[0033](1)本专利技术将足底压力信号和机器学习回归算法结合起来，充分发挥优势并获得较为精准的足内翻角度检测模型，方便对足内翻程度进行客观、量化、细化评估，为未来研发更加全面智能的矫形设备提供思路。
[0034](2)本专利技术技术设计简单，易于实现，功耗小，可穿戴设备具有便捷性，回归模型能够为医生自动地提供有效的、定量的足内翻程度评估，具有潜在的临床应用价值。
附图说明
[0035]图1为本专利技术实施例中一种基于足底压力与机器学习算法用于足内翻检测模型构建的流程示意图。
[0036]图2为本专利技术实施例中一种基于足底压力足内翻角度检测方法的压力传感器分布示意图。
[0037]图3为本专利技术实施例中一种基于足底压力足内翻角度检测方法的受力本体区域划分示意图。
[0038]图4为本专利技术实施例中足底压力和机器学习回归算法的足内翻角度检测建模系统结构示意图。
[0039]图5为本专利技术实施例中提供的一种基于足底压力步态监测系统结构示意图。
[0040]图6为本专利技术实施例中建立的三种机器学习回归模型检测足内翻角度的效果图。
具体实施方式
[0041]为使本专利技术实施例的目的、技术方案和优点更加清楚，下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种足内翻角度检测建模方法，其特征在于，包括如下步骤：在足底的受力位置放置多个压力传感器，制作可穿戴式足底压力系统；采集足底压力数据并进行数据预处理；把布置压力传感器的受力位置划分成不同的区域，并根据划分的区域和压力传感器的压力值提取患者的步态特征；获取足内翻角度标签；将步态特征作为模型的输入参数，将足内翻角度标签作为模型的输出，通过机器学习回归算法构建并训练足内翻角度检测模型，得到最终用于检测足内翻程度的足内翻角度检测模型。2.根据权利要求1所述的一种足内翻角度检测建模方法，其特征在于，所述采集足底压力数据并进行数据预处理，包括：通过单片机采集足底压力数据；对采集到的足底压力数据进行滤波降噪处理；对经滤波降噪处理后的足底压力数据进行加窗处理获取多组样本数据。3.根据权利要求1所述的一种足内翻角度检测建模方法，其特征在于，划分的区域包括：足底内侧区、足底外侧区、前足区、中足区、后足区、全足区。4.根据权利要求3所述的一种足内翻角度检测建模方法，其特征在于，所述步态特征包括：前足区、中足区、后足区和全足区的各区域的最大压力，左右压力比值，站立期，加载响应阶段，横/纵向位移和横/纵向位移偏差。5.根据权利要求4所述的一种足内翻角度检测建模方法，其特征在于，所述4个区域最大压力分别为前足区、中足区、后足区三个区域和全足区内所有压力传感器的最大受力之和与体重的比值；所述左右压力比值为全足区所有压力传感器的压力值之和最大时的内外侧区域对应的所有压力传感器压力之和的比值；所述站立期为患侧足底接触地面阶段占整个步态周期的时间比例；所述加载响应阶段为健侧脚跟着地到患侧脚尖离地的加载响应时间长度和步态周期的比值；所述横/纵向位移为患侧压力中心位置左右/前后最大位移；所述横/纵向位移偏差为一个样本中所有的步态周期左右/前后最大位移求平均后的偏差值。6.根据权利要求4所述的一种足内翻角度检测建模方法，其特征在于，所述步态周期为任意一个压力...

【专利技术属性】
技术研发人员：谢龙汉，农金进，冼晓明，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：