一种基于多传感器的腰背痛评估方法及系统技术方案

本发明专利技术公开了一种基于多传感器的腰背痛评估方法及系统，所述方法与系统协同工作，采集目标人体的第一数据、第二数据，其中第一数据包括目标人体运动相关参数，第二数据包括目标人体自身属性相关参数，根据第二数据和人体集群分类预测模型确定目标人体所属的集群，确定集群测试类型的规范范围，处理目标人体的第一数据，以确定目标人体是否属于该人体所属测试类型的集群的规范范围，系统包括可穿戴设备和计算设备，可穿戴设备接收与人体相对应的生物信号。所述可穿戴设备包括多个传感器，用于测量与测试类型相对应的第一数据，所述方法与系统以低成本的、便携的并且具有可穿戴的形状因素实现人体腰背状态评估。因素实现人体腰背状态评估。因素实现人体腰背状态评估。

【技术实现步骤摘要】
一种基于多传感器的腰背痛评估方法及系统


[0001]本专利技术涉及远程健康监测领域，具体涉及一种基于多传感器的腰背痛评估方法，还涉及一种基于多传感器的腰背痛评估系统。

技术介绍

[0002]传统上，人体腰背状态评估，如肌肉力量、耐力或关节活动范围是手动监测的，使用例如肌动描记术、X射线、计算机断层扫描(CT)、骨扫描、超声检查之类的昂贵技术。此外，监测还涉及使用昂贵设备，例如测角仪、等速测力计等，该类型监测技术或设备所监测的数据类型单一、缺乏对目标人体所属集群的生理特征进行针对性监测，且成本高，缺乏集成和便携性。
[0003]由于缺乏灵活的人体腰背状态评估系统设备，评估的准确性依赖于人工判断，无法确定目标人体当前状态的根本原因，因此可能误伤，从而降低后续治疗计划的有效性。此外，在缺乏足够的监测技术的情况下，可能会导致现有的人体损伤加重或可能导致再次受伤。

技术实现思路

[0004]本专利技术目的：在于提供一种基于多传感器的腰背痛评估方法及系统，解决了传统的腰背痛评估方法及系统所监测的数据单一、缺乏对目标人体所属集群的生理特征进行针对性监测等缺点。
[0005]为实现以上功能，本专利技术设计一种基于多传感器的腰背痛评估方法，针对目标人体，执行如下步骤S1
‑
步骤S5，完成对目标人体所属集群的分类，进一步完成对目标人体腰背状态的评估：
[0006]步骤S1：针对目标人体，采集该目标人体的第一数据和第二数据，其中第一数据包括目标人体运动相关参数，基于设置于目标人体腰背部位各预设位置的传感器采集获得；第二数据包括目标人体自身属性相关参数，基于通信网络采集获得；
[0007]步骤S2：采用ML/AI引擎，创建基于第二数据所划分的各人体集群，构建人体集群分类预测模型，采集预设群体中各人体的第二数据作为输入人体集群分类预测模型的训练样本，以预设群体中各人体分别所属的人体集群为输出，对人体集群分类预测模型进行训练，获得训练好的人体集群分类预测模型；
[0008]步骤S3：分别针对各人体集群，确定各人体集群的各测试类型，各测试类型用于评估人体状态；基于属于各人体集群中的各人体的第一数据，确定各人体集群的各测试类型的规范范围；
[0009]步骤S4：将目标人体的第二数据输入人体集群分类预测模型，获得该目标人体所属的人体集群；根据目标人体的第一数据，确定该目标人体是否在其所属的人体集群的各测试类型的规范范围内；
[0010]步骤S5：输出步骤S4的判断结果，完成对目标人体腰背状态的评估。
[0011]本专利技术还设计一种基于多传感器的腰背痛评估系统，包括柔性可穿戴设备、移动设备、计算设备，以实现所述的一种基于多传感器的腰背痛评估方法；
[0012]柔性可穿戴设备基于通信网络分别与移动设备、计算设备相连，柔性可穿戴设备还可以与移动设备以有线方式直接相连；
[0013]柔性可穿戴设备用于采集目标人体的第一数据，计算设备获得柔性可穿戴设备所采集的目标人体的第一数据，通过通信网络获得目标人体的第二数据，分析、存储目标人体的第一数据、第二数据，获得并存储目标人体腰背状态的评估结果，移动设备用于显示目标人体的第一数据、第二数据，以及目标人体腰背状态的评估结果。
[0014]有益效果：相对于现有技术，本专利技术的优点包括：
[0015]本专利技术设计了一种基于多传感器的腰背痛评估方法及系统，所述方法采集多种目标人体的运动相关参数、自身属性相关参数，对人体腰背状态的评估更为全面、精确，且本专利技术所设计的系统具备低成本的、便携、并且具有可穿戴的形状的优点。
附图说明
[0016]图1是根据本专利技术实施例提供的基于多传感器的腰背痛评估方法的流程图；
[0017]图2是根据本专利技术实施例提供的基于多传感器的腰背痛评估系统的示意图；
[0018]图3是根据本专利技术实施例提供的柔性可穿戴设备的结构图；
[0019]图4(a)是根据本专利技术实施例提供的柔性可穿戴设备用于数据采集时的背部示意图；
[0020]图4(b)是根据本专利技术实施例提供的柔性可穿戴设备用于数据采集时的右侧面示意图；
[0021]图4(c)是根据本专利技术实施例提供的柔性可穿戴设备用于数据采集时的左侧面示意图；
[0022]图5是根据本专利技术实施例提供的柔性可穿戴设备的模块示意图；
[0023]图6是根据本专利技术实施例提供的计算设备的模块示意图。
具体实施方式
[0024]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0025]本专利技术实施例提供的一种基于多传感器的腰背痛评估方法，针对目标人体，执行如下步骤S1
‑
步骤S5，参照图1，完成对目标人体所属集群的分类，进一步完成对目标人体腰背状态的评估：
[0026]步骤S1：针对目标人体，采集该目标人体的第一数据和第二数据，其中第一数据包括目标人体运动相关参数，基于设置于目标人体腰背部位各预设位置的传感器采集获得；第二数据包括目标人体自身属性相关参数，基于通信网络采集获得；
[0027]所述传感器包括惯性运动单元、表面肌电图传感器、皮肤压力传感器、力传感器，若传感器为惯性运动单元(IMU)，则目标人体的第一数据包括该传感器所设置位置的滚转角、俯仰角、偏航角、线性加速度、角加速度、肌肉振动、静态振动、重力矢量、四元数、旋转矩阵；若传感器为表面肌电图传感器(sEMG)，则目标人体的第一数据包括该传感器所设置位
置的肌肉活动、肌肉活动程度、肌肉活动持续时间；若传感器为皮肤压力传感器或力传感器，则目标人体的第一数据包括该传感器所设置位置的肌肉活动、肌肉活动程度、肢体活动力量、剪切力。
[0028]目标人体的第二数据包括该目标人体的年龄、身高、性别、职业类型、生活习惯类型、腰长、身长、四肢高度、地理位置、床上用品类型的全部或其中若干项的组合。
[0029]步骤S2：采用ML/AI引擎(机器学习/人工智能引擎)，创建基于第二数据所划分的各人体集群，构建人体集群分类预测模型，采集预设群体中各人体的第二数据作为输入人体集群分类预测模型的训练样本，以预设群体中各人体分别所属的人体集群为输出，对人体集群分类预测模型进行训练，获得训练好的人体集群分类预测模型；
[0030]所述预设群体中各人体的第二数据从腰椎没有任何问题的健康志愿者中获得。
[0031]采用ML/AI引擎，根据本领域已知的基于运动参数的质心来划分各人体集群，例如，对于一种测试类型，年龄小于30岁且身体质量指数(BMI)为21
‑
25的男性具有相似的测试结果，因此形成一个集群，而年龄小于30且BMI为26
‑
30的男性则形成另一个集群。在一个实施例中，考虑小于30岁、31
‑
40岁、41
‑
50岁、51
‑
60岁和大于61岁的年本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器的腰背痛评估方法，其特征在于，针对目标人体，执行如下步骤S1
‑
步骤S5，完成对目标人体所属集群的分类，进一步完成对目标人体腰背状态的评估：步骤S1：针对目标人体，采集该目标人体的第一数据和第二数据，其中第一数据包括目标人体运动相关参数，基于设置于目标人体腰背部位各预设位置的传感器采集获得；第二数据包括目标人体自身属性相关参数，基于通信网络采集获得；步骤S2：采用ML/AI引擎，创建基于第二数据所划分的各人体集群，构建人体集群分类预测模型，采集预设群体中各人体的第二数据作为输入人体集群分类预测模型的训练样本，以预设群体中各人体分别所属的人体集群为输出，对人体集群分类预测模型进行训练，获得训练好的人体集群分类预测模型；步骤S3：分别针对各人体集群，确定各人体集群的各测试类型，各测试类型用于评估人体状态；基于属于各人体集群中的各人体的第一数据，确定各人体集群的各测试类型的规范范围；步骤S4：将目标人体的第二数据输入人体集群分类预测模型，获得该目标人体所属的人体集群；根据目标人体的第一数据，确定该目标人体是否在其所属的人体集群的各测试类型的规范范围内；步骤S5：输出步骤S4的判断结果，完成对目标人体腰背状态的评估。2.根据权利要求1所述的一种基于多传感器的腰背痛评估方法，其特征在于，所述传感器包括惯性运动单元、表面肌电图传感器、皮肤压力传感器、力传感器，若传感器为惯性运动单元，则目标人体的第一数据包括该传感器所设置位置的滚转角、俯仰角、偏航角、线性加速度、角加速度、肌肉振动、静态振动、重力矢量、四元数、旋转矩阵；若传感器为表面肌电图传感器，则目标人体的第一数据包括该传感器所设置位置的肌肉活动、肌肉活动程度、肌肉活动持续时间；若传感器为皮肤压力传感器或力传感器，则目标人体的第一数据包括该传感器所设置位置的肌肉活动、肌肉活动程度、肢体活动力量、剪切力。3.根据权利要求1所述的一种基于多传感器的腰背痛评估方法，其特征在于，目标人体的第二数据包括该目标人体的年龄、身高、性别、职业类型、生活习惯类型、腰长、身长、四肢高度、地理位置、床上用品类型的全部或其中若干项的组合。4.根据权利要求2所述的一种基于多传感器的腰背痛评估方法，其特征在于，步骤S3的具体步骤如下：步骤S31：基于属于各人体集群中的各人体的第一数据，计算各中间测试参数，中间测试参数包括屈曲度、屈伸滞后、颤抖程度、活动节奏、左倾角度、右倾角度、肌肉疲劳度、最大自主力量、伸展坚持时长、推进力、制动力；定义惯性运动单元所采集的目标人体的第一数据为第一组参数，定义表面肌电图传感器所采集的目标人体的第一数据为第二组参数，定义皮肤压力传感器、力传感器所采集的目标人体的第一数据为第三组参数；其中，屈曲度、屈伸滞后、颤抖程度、左倾角度、右倾角度分别由第一组参数中的相关第一数据的组合表示；活动节奏由第一组参数、第二组参数、第三组参数中的相关第一数据的组合表示；肌肉疲劳度、最大自主力量分别由第二组参数中的相关第一数据的组合，或者第三组参数中的相关第一数据的组合表示；伸展坚持时长由第一组参数、第二组参数中的相关第一数据的组合，或者第二组参数、第三组中的相关第一数据的组合，或者第一组参数、
第三组参数中的相关第一数据的组合表示；推进力、制动力分别由第一组参数、第二组参数中的相关第一数据的组合，或者第二组参数、第三组中的相...

【专利技术属性】
技术研发人员：陈丽霞，张宇航，石伟宏，闵昂，袁望舒，张厚强，张慧玲，李云，
申请(专利权)人：北京家康众智科技有限公司，
类型：发明
国别省市：