System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医疗器械领域,具体涉及一种基于运动监测的关节炎矫正过程监测系统。
技术介绍
1、随着人口老龄化进程的加快,关节炎作为一种常见的慢性疾病,其发病率在全球范围内持续上升,严重影响着患者的生活质量。关节炎主要表现为关节疼痛、僵硬和功能障碍,其中步态异常是最直接的临床表现之一。为了有效监控疾病进展并评估治疗效果,关节炎的矫正治疗越来越注重个性化和动态监测。
2、传统上,关节炎的评估主要依赖于医生的临床经验、患者的主观描述以及定期的x光或mri检查,这些方法不仅主观性强、检测频率低,而且难以实时反映治疗过程中的细微变化。因此,开发一种能够实时、客观、准确监测关节炎矫正过程的技术显得尤为重要。
3、近年来,随着物联网、智能传感技术和计算机视觉的飞速发展,基于运动监测的健康管理系统逐渐成为研究热点。运动监测系统通过集成多种传感器设备,如压力传感器、图像采集设备等,能够在患者日常活动中连续、无创地收集大量生理和运动数据。这些数据为精准分析关节活动范围、步态模式以及矫正效果提供了可能性。
4、压力传感技术在生物力学分析中扮演着重要角色,尤其是对于评估步态特征和承重分布。通过鞋底内置的压力传感器,可以实时监测患者行走时双脚受力情况,揭示步态异常模式,如足底压力分布不均、步态周期改变等,这些都是关节炎诊断和疗效评估的重要指标。
5、同时,图像采集与处理技术,特别是结合红外光技术的应用,为非接触式的三维运动捕捉提供了新途径。红外发光器与专用摄像头的配合,可以穿透衣物捕捉深层关节运动轨迹,结合
技术实现思路
1、为了解决上述问题,本专利技术提供一种基于运动监测的关节炎矫正过程监测系统,包括监测主机、压力传感器、图像采集模块、存储模块和用户终端;
2、监测主机连接压力传感器、图像采集模块、存储模块和用户终端,用于控制整个监测系统的工作;
3、压力传感器设置于鞋底,用于实时检测患者双脚所受压力,并实时传送给监测主机,以实现对于患者行走过程的监测;
4、图像采集模块设置于患者活动场所,用于采集患者在行动时的视频图像,以发送给监测主机;
5、存储模块用于存储采集的数据和分析模型,以供监测主机分析患者矫正阶段;
6、用户终端设置提醒界面,用于显示分析结果给医生和患者。
7、压力传感器设置于鞋子的底板上,每一只鞋子设置两个压力传感器,两只鞋子共设置4枚压力传感器;每一只鞋子上设置一个压力检测芯片,压力检测芯片连接鞋子上的两个压力传感器,采集压力传感器的数据并实时发送给监测主机;
8、每只鞋子的前部和后部各设置一个压力传感器,前部的压力传感器位置对应脚掌的趾骨根部的下方,后部的压力传感器位置对应脚掌的根骨的下方;压力检测芯片设置于足弓下方。
9、图像采集模块包括穿戴发光器,穿戴发光器设置绑带和红外光发射器;绑带用于将红外发光器固定到患者的脚部、小腿部、膝部、大腿部和腰部;红外发光器为点光源,发射红外光的波长对于布料的穿透率高于50%;
10、穿戴发光器设置9个及以上,至少穿戴于脚部、小腿部、膝部、大腿部和腰部;
11、图像采集模块还设置有红外光摄像头和可见光摄像头,外光摄像头用于实时采集穿戴发光器发出的光,可见光摄像头用于实时采集患者的可见光图像;
12、图像采集模块将采集的红外图像和可见光图像实时发送给监测主机。
13、监测主机对红外图像和可见光图像进行位置配准:
14、特征点提取,在红外光图像和对应的可见光图像中,采用如sift(尺度不变特征变换)、orb(orientedfastandrotatedbrief)或akaze(accelerated-kaze)算法,自动提取稳定的特征点;
15、特征匹配,通过knn(k-近邻)搜索或者bfmatcher(暴力匹配)算法,对两幅图像中的特征点进行匹配,使用ratiotest策略去除错误匹配,获得特征点对应关系;
16、利用匹配的特征点对,采用透视变换或单应性矩阵计算方法,对红外光图像和可见光图像进行几何变换配准;
17、监测主机对红外图像中穿戴发光器的位置进行精确标定,具体如下:
18、采用图像分割算法,从红外图像中识别并分割出发光器产生的光斑区域;
19、对每个光斑轮廓进行提取,并根据光斑形状、大小及强度分布特征,采用质心法计算出每个穿戴发光器的实际位置,即确定光斑形状的质心,并将质心作为穿戴发光器的实际位置;
20、监测主机对可见光图像中患者的轮廓进行提取,具体如下:
21、首先对可见光图像进行预处理,包括灰度化、滤波去噪以减少图像中的噪声干扰;
22、应用边缘检测算法识别图像中的边界;边缘检测算法识包括canny边缘检测、sobel算子或laplacian算子;
23、基于边缘检测的结果,使用轮廓提取算法来获取图像中的封闭轮廓。
24、光斑形状的质心采用如下方法进行计算:
25、对每个光斑进行遍历,对于每个像素(xi,yi)其灰度值i(xi,yi)被视为该位置的“质量”;需要累积这些“质量”及其对应的坐标,以计算质心;光斑的质心坐标(cx,cy)通过下面的加权平均公式计算得出:
26、
27、
28、这里,求和是对光斑内所有像素i进行的,xi和yi分别是像素的横纵坐标,i(xi,yi)是该像素的强度值。
29、监测主机集成了分析模块,分析模块根据压力传感器和图像采集模块的数据分析患者所处的矫正阶段,具体如下:
30、时间序列数据整合:
31、直接收集前后脚掌压力传感器的实时压力值,形成两组随时间变化的一维序列数据,每只脚两个点共计四个数据序列;确保压力数据序列与红外图像中穿戴发光器位置变化、可见光图像中患者轮廓变化的时间轴精确对齐,使用时间戳确保跨数据源同步;
32、特征提取:
33、提取如下压力特征:
34、ppeak:前后脚掌的最大压力值序列,反映步行时的关键承重情况;
35、pratio:前后脚掌压力比序列,评估步态均衡性;
36、prate:压力变化速率,捕捉步态动力学特征;
37、提取如下穿戴发光器位置特征:
38、gankle,gknee,ghip:分别代表踝关节、膝关节、髋关节的角度变化序列,评估下肢关节活动范围和灵活性;
39、gamplitude:关节运动幅度序列,反映运动范围;
40、gsmoothness:运动流畅度指标,通过关节角速度和加速度的分析获得;
41、提取如本文档来自技高网...
【技术保护点】
1.一种基于运动监测的关节炎矫正过程监测系统,其特征在于:包括监测主机、压力传感器、图像采集模块、存储模块和用户终端;
2.根据权利要求1所述的基于运动监测的关节炎矫正过程监测系统,其特征在于:
3.根据权利要求2所述的基于运动监测的关节炎矫正过程监测系统,其特征在于:
4.根据权利要求3所述的基于运动监测的关节炎矫正过程监测系统,其特征在于:
5.根据权利要求4所述的基于运动监测的关节炎矫正过程监测系统,其特征在于:
6.根据权利要求5所述的基于运动监测的关节炎矫正过程监测系统,其特征在于:
7.根据权利要求6所述的基于运动监测的关节炎矫正过程监测系统,其特征在于:
【技术特征摘要】
1.一种基于运动监测的关节炎矫正过程监测系统,其特征在于:包括监测主机、压力传感器、图像采集模块、存储模块和用户终端;
2.根据权利要求1所述的基于运动监测的关节炎矫正过程监测系统,其特征在于:
3.根据权利要求2所述的基于运动监测的关节炎矫正过程监测系统,其特征在于:
4.根据权利要求...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。