基于极限学习机的跌倒检测分类识别研究

由于年龄和身体条件的限制,在老年人群中跌倒是非常普遍的现象。因此,根据老年人跌倒的运动特征,远程监测他们在各个时间段的状态,以便在其摔倒或突发状况时及时采取措施显得尤为重要。针对人体运动状态进行监测,分析人体运动学特征,提出基于极限学习机的跌倒检测算法。运用三维加速度传感器采集人体的三维加速度值,建立跌倒检测特征模型。在此基础上,建立基于极限学习机的跌倒检测分类器,完成对老年人的计算机辅助跌倒检测。实验数据共540例样本,选用了不同数量的训练集和测试集,其中440例作为训练数据,其余100例为测试数据。测试结果表明,准确率为93%,敏感度为87.5%,特异性为91.7%,具有良好的分类性能。在对分类训练的运行时间方面,基于极限学习机的跌倒检测方法与传统的机器学习方法相比具有明显优势。     

基于MEMS传感器的可穿戴式老年人跌倒监测系统的设计

为了缩短老年人跌倒后的救助时间和提高安全保障,我们设计了一种基于加速度和角速度传感器的跌倒监测装置。该装置结合机械微电子系统(microelectro mechanical system,MEMS)传感器、数字信号处理及无线传输技术应用于智能手机上。为区分人体跌倒事件和日常行为,结合人体三轴加速度和角速度联合对跌倒事件进行判断,通过大量实验选取合适阈值。针对老年人的生活特点,数据通过蓝牙装置发送至手机上进行处理,通过手机语音报警、手机GPS定位系统和短信通知医院和用户监护人,使得老年人跌倒后能够在第一时间获得救治,减小伤害。经过大量的实验测试结果统计,相比较于传统的三轴加速度判断跌倒事件,结合三轴加速度和加速度联合判断使该系统的准确率从84.29%提高至100%。结果表明:基于MEMS传感器的可穿戴式跌倒监测系统具有便捷、准确、功耗低的特点,能够准确监测出跌倒事件并进行报警。     

基于多传感器数据融合的跌倒检测算法

目的跌倒在老年人生活中是一种常见的现象,是致使老年人发病和死亡的主要原因之一。实时的跌倒检测系统能够及时报警,缩短等待救治的时间,减少由跌倒引起的意外伤害。可是,在大多数的跌倒检测系统中,人们仅利用加速度计设计检测系统,基于单一数据的算法不能完整表征跌倒时身体姿态变化的信息。为此本文拟采用陀螺仪和加速度计的数据设计跌倒检测的算法。方法首先介绍了利用MEMS惯性传感器设计置于腰间的可穿戴的跌倒检测系统,然后对跌倒的规律进行了分析,基于此提出了基于多传感器数据融合的跌倒检测算法,即通过数据融合的技术提取出身体加速度及其动态量和静态量、加速度变化量、身体姿态角、角速度绝对值之和等特征参数,利用多参数设计了基于阈值判定的跌倒检测算法。结果收集10名志愿者做模拟跌倒以及日常活动的数据,对算法的有效性进行验证,取得96.67%的灵敏度和97%的特异性,并且此指标高于Kagans等算法的结果。结论本文提出的算法在跌倒检测中具有较好的有效性及优点。     

跌倒检测中人体头部和腰部相关性的研究

本研究采用惯性传感器对跌倒过程中人体头部和腰部的运动学数据进行相关性分析,由志愿者模拟五种日常活动动作和四种跌倒动作,进行大量模拟试验。发现在实验条件下,人体头部和腰部的合加速度相关性极低或不相关,头部和腰部的合加速度偏离竖直方向的角度在大部分日常活动中相关性极低或不相关,但在跌倒过程中,具有较高相关性。该结论可为跌倒的预测及检测提供一种新方法。     

基于倾角的跌倒检测方法与系统研究

跌倒作为一种伤害性动作,威胁着人的安全与健康,特别是对于老年人,跌倒往往造成损伤甚至因伤死亡的严重后果。本文提出一种基于角度的跌倒检测方法。首先,利用安装在腰部的便携式角度传感装置,采集人体运动时的角度信息,并通过无线数据传输装置发送到计算机。然后,将跌倒过程分为3个检测阶段(跌倒初期、跌倒碰撞、倒后姿势),通过对每个阶段的角度数据进行短时特征提取与分析,做出基于阈值的判决。最终,综合3个阶段的判决结果给出较为稳健的跌倒检测结果。实验结果表明,本文采用的基于角度的跌倒检测方法较为有效,跌倒检测正确率达到97.23%,且同时漏检率为0。     

基于三维加速度传感器设计的跌倒检测

背景:老年人的机体会随着年龄的增长而发生一定的变化,急、慢性疾病的病理性改变可能会影响感觉输入、中枢神经系统功能和骨骼肌肉力量的协调,从而导致老年人发生意外跌倒的事故也越来越多。如果在日常生活中,老年人发生跌倒的时候,能够及时发现,就能避免更严重的后果。目的:设计一个基于三维加速度传感器的跌倒检测装置。方法:结合ZigBee无线通信技术,设计一个基于三维加速度传感器的跌倒检测装置。将采集的加速度信号通过ZigBee方式无线发送至上位机进行数据分析处理。结果与结论:实验证实,该装置可以实现对跌倒发生的准确判断,并能对发生跌倒的类型进行分类,使得老年人在发生跌倒后可以及时得到医疗救护,并为医生对老年人的健康状况的判断提供了可参考的信息。     

跌倒检测系统的研究进展

目的：随着社会老龄化的迅速发展,针对老年人群的健康安全监护的需求日益增加。跌倒检测系统能够有效检测老年人跌倒事件的发生并及时报警,保护老年人的健康及安全。方法：对一些常见的跌倒检测的系统、算法、设备及其应用进行了比较研究,并提出了一些关于系统评价标准设定的建议。结果：本文将跌倒检测系统分为基于视频图像的跌倒检测系统、可穿戴式的跌倒检测系统和环境式的跌倒检测系统三大类,并从舒适性、实用性、准确率等方面进行比较,还从实验对象选择、实验环境设置、样本动作分类和检测指标确立四个方面对建立跌倒检测系统的评价标准进行了阐述。结论：本文进行的比较研究系统地概述了跌倒检测系统的常见技术和算法,提出了其评价标准的基础框架,对于其进一步的研究设计、商品化开发具有一定指导意义。     

面向医疗护理的视觉监控医院患者跌倒检测

提出一种面向医院患者的视觉监控跌倒检测算法,解决患者由于意外跌倒不能被及时发现的问题,为医护人员快速处理患者跌倒等异常行为提供必要的技术保障。方法:首先,基于深度神经网络模型检测监控图像中人体关节点（如肩部、肘部、腕部、胯部、膝关节等）在图像中的位置,再根据亲和度向量场模型提取人体骨架,最后计算患者躯干、腿部与地面的夹角作为判别性特征,判断监控区域内是否有患者出现意外跌倒。结果:实验结果表明,本文所提算法在实际的医院监护环境中的处理速度高达25帧/s,检测准确率高达96%。结论:该方法能够实时、准确地提取医院环境下患者的行为特征,并针对意外跌倒情况发出警报,为医护人员监测患者跌倒等异常行为提供更准确、方便的计算机辅助医疗护理方法。     

一种老年人移动健康监护系统的研究

目的:设计一种老年人移动监护系统,实现移动心率检测,跌倒检测,紧急情况自动电话呼叫与GPS定位,减少突发事件对老年人的健康威胁。方法:采用分层的体系结构,第一层为传感器层,用于采集并实时分析ECG信号以及加速度数据,第二层为手持终端,用于汇集各传感器数据,综合判断并实现数据远程传输、呼叫以及定位,第三层位于远程服务器,实现数据库管理,数据显示等。结果:分层的体系结构有利于系统功能的扩展,有利于传感器单元的可穿戴性。结论:基于无线传感器网络与GPRS网络的移动健康监护系统能够有效实时地对老年人的健康与安全状况进行监护,对老年人生命安全保障具有重要意义。     

基于步态特征的老年人跌倒风险预警模型

目的根据6种步态的测试参数分别构建老人跌倒风险预警模型。方法使用数字化场地采集有跌倒史和无跌倒史老年人的6种步态参数,采用二项logistic回归分析法,建立预测老人跌倒风险的回归方程,构建跌倒预警模型。结果根据6种步态的测试参数所构建的回归方程均具有统计学意义,预测总体正确率由高到底依次为:闭眼正走(97.1%)、睁眼倒走(92.9%)、闭眼倒走(88.6%)、睁眼正走(87.1%)、睁眼上下转头(85.7%)、睁眼左右转头(82.9%)。所构建的老年人跌倒风险预警模型主要包括判定、测试、提取、计算、预警5个步骤,适合在实验室内对老年人进行步态测试与跌倒风险评估。结论 6种步态的测试参数都能够预测老年人的跌倒风险,其中闭眼正走的预测效果最好,是预测老年人跌倒风险的最佳步态。所构建的老年人跌倒风险预警模型用于预测65～75岁老年人1年内的跌倒风险,并可根据跌倒概率发出预警,对预防老年人跌倒具有积极作用。     

基于支持向量机-隐马尔科夫模型的外骨骼穿戴者步速意图识别

为了提高下肢外骨骼机器人及其穿戴者行走的流畅性和人机相互协调性,本文提出了一种基于惯性传感器信号的下肢外骨骼穿戴者行走步速识别方法。首先选取大腿处和小腿处的三轴加速度和三轴角速度信号,随后根据时间窗口提取当前时刻前0.5 s的信号,以频域信号中的傅里叶变换系数为特征值。接着将支持向量机(SVM)与隐马尔科夫模型(HMM)结合作为分类模型,对该模型进行训练和步速识别。最后结合步速变化规律与人-机约束力,预测当前时刻步速大小。试验结果表明,本文提出的方法能够有效识别下肢外骨骼穿戴者的步速意图,七种步速模式识别率可达到92.14%。本文方法为实现外骨骼与穿戴者之间的人机协调控制提供了新思路和新途径。     

A solid-state ambulatory physical activity monitor and its application to measuring daily activity of the elderly

An ambulatory acceleration monitor was developed and used to evaluate physical activity in the elderly. The ECG and accelerations at the wrist, waist, and ankle were recorded, and the heart rate and frequency and amplitude of accelerations per unit time were evaluated in both working and retired elderly women performing normal daily activities. The heart rate closely paralleled wrist acceleration. The behaviour patterns of the subjects could be differentiated by time interval signals and histogram distributions. This system appears to be an effective method of understanding and describing the characteristic activities of the elderly in a quantitative and objective fashion.     

可穿戴式跌倒防护装置充气机构的设计与研究

目的跌倒对老年人身心健康有着巨大威胁。针对现存跌倒防护装置结构复杂且充气方式不安全等问题,设计一套基于检测跌倒能自动充气的机械装置,以帮助老人在意外跌倒时能够通过气囊充气防护免受伤害。方法该保护装置由压缩二氧化碳气瓶、充气机构和保护气囊3部分组成,首先防护模块以CO_2为充气源,传动机构采用大功率舵机带动同轴的凸轮旋转,随着凸轮旋转刺针直线运动刺破气瓶;然后采用拉伸机对刺针刺破钢瓶力度进行测试,进而通过最大刺穿力和凸轮推程选定合适扭矩舵机;最后利用气体动力学等熵流公式预测气囊充气时间。结果对身高在163~174 cm的学生进行测试,模仿老人步态分别进行向前、向后和侧面跌倒实验,测得3种方式跌倒的时间分别为(865±41.49)ms、(788±53.56)ms和(852±65.37)ms;同时通过模拟气囊充气过程,获得气囊充气时间为(441±29.6)ms。将实验获得的跌倒时间和气囊充气时间进行对比可知,在老人跌倒过程中有较为充裕的时间为气囊充气,验证了利用压缩二氧化碳对气囊充气实现跌倒保护的可行性。结论本跌倒防护装置在跌倒检测的基础上,能够实现跌倒防护、减少跌倒带来的伤害,且装置具有结构简单、可靠性高、价格低廉等优点,适宜于推广应用。     

Revealing Molecular Targets for Enterovirus Type 71 Detection by Profile Hidden Markov Models

The enterovirus infection in 1998 claimed 78 deaths in Taiwan, with an average of 40 fatalities each year after. Traditional serum-based diagnostic methods often fail to detect enteroviruses due to antigenic changes. As a result, many isolates remain untyped and are absent from the enterovirus surveillance and epidemiological investigations. We present a profile hidden Markov model (HMM) method for molecular typing of enterovirus 71 (EV71). Based on the enteroviral sequences retrieved from GenBank, we build a nucleotide-based and an amino acid-based profile HMM for each EV71 gene using the package HMMER. HMMER bit score-based Z-scores for EV71 and non-EV71 sequences are calculated for each of these profile HMMs. In a genome-wide analysis, we find that the distribution of the EV71 Z-scores and that of the non-EV71 Z-scores have disjoint support for nucleotide-based VP1 profile HMM if the sequence is longer than 150 bases; a VP1-based molecular typing method for EV71 is thus proposed. We also report VP4 an alternative molecular target for detecting EV71, while the two UTRs and all the genes coding the internal proteins cannot be used for such purpose. To demonstrate the performance of the nucleotide-based EV71 VP1 profile HMM, 330 enterovirus VP1 nucleotide sequences newly reported to GenBank are typed with this method. All the EV71 sequences are detected with no error.     

Combining novelty detectors to improve accelerometer-based fall detection

Research on body-worn sensors has shown how they can be used for the detection of falls in the elderly, which is a relevant health problem. However, most systems are trained with simulated falls, which differ from those of the target population. In this paper, we tackle the problem of fall detection using a combination of novelty detectors. A novelty detector can be trained only with activities of daily life (ADL), which are true movements recorded in real life. In addition, they allow adapting the system to new users, by recording new movements and retraining the system. The combination of several detectors and features enhances performance. The proposed approach has been compared with a traditional supervised algorithm, a support vector machine, which is trained with both falls and ADL. The combination of novelty detectors shows better performance in a typical cross-validation test and in an experiment that mimics the effect of personalizing the classifiers. The results indicate that it is possible to build a reliable fall detector based only on ADL.     

基于PCNN-LSTM神经网络的膝关节摆动信号分类识别

膝关节摆动(VAG)信号是指膝关节屈曲或伸展时发出的声音或振动信号,可灵敏、客观地描述膝关节的健康状态,在膝关节疾病的无创检测中具有重要作用.现有的对VAG信号正常和异常分类方法自动化程度低,且分类准确度较低,总体性能有待进一步提升.因此,提出一种基于改进卷积神经循环网络(PCNN-LSTM)的VAG信号分类算法.首先...     

Evaluation of a fall detector based on accelerometers: A pilot study

As falls and fall-related injuries remain a major challenge in the public health domain, reliable and immediate detection of falls is important so that adequate medical support can be delivered. Available home alarm systems are placed on the hip, but have several shortcomings. A fall detector based on accelerometers and placed at head level was developed, as well as an algorithm able to distinguish between activities of daily living and simulated falls. Accelerometers were integrated into a hearing-aid housing, investigation into the acceleration patterns of the head of a young volunteer during intentional falls. The specificity was assessed by investigation into activities of daily living of the same volunteer. In addition, a healthy elderly woman (83 years) wore the sensor during the day. Three trigger thresholds were identified so that a fall could be recognised: the sum-vector of acceleration in the xy-plane higher than 2 g; the sumvector of velocity of all spatial components right before the impact higher than 0.7ms⁻¹; and the sum-vector of acceleration of all spatial components higher than 6g. The algorithm was able to discriminate activities of daily living from intentional falls. Thus high sensitivity and specificity of the algorithm could be demonstrated that was better than in other fall detectors worn at the hip or wrist at the same stage of development.     

不同跌倒风险老年人跨越障碍前后足底压力特征

目的 探索不同跌倒风险老年人在跨越障碍前后的步态动力学特征。方法 采用坐 立行走计时测试和5次坐立测试对27名社区老年人进行跌倒风险分级,应用足底压力测量系统对老年人跨越障碍前后的足底压力参数进行测试分析。结果 高、低跌倒风险组老年人在跨越障碍前后整体足底压力双峰曲线特征值组间无显著差异（P＞0.05）。高跌倒风险组在跨越障碍后X方向压力中心（center of pressure, COP）运行轨迹显著大于低跌倒风险组（P＜0.05）。跨越障碍前,高跌倒风险组支撑足第3跖骨峰值压力大于低跌倒风险组（P＜0.05）。在跨越障碍后,高跌倒风险组支撑足第1趾骨峰值压力明显小于低跌倒风险组（P＜0.05）,而高跌倒风险组足跟外侧冲量明显大于低跌倒风险组（P＜0.05）。高、低跌倒风险组老年人在跨越障碍前后足底接触面积分布规律基本一致,各区域接触面积组间均无显著差异（P＞0.05）。结论 高跌倒风险老人相对低跌倒风险老年人跨越障碍时支撑时间延长,跨越腿足底跖骨区域峰值压力增加,足底COP曲线表现出不对称性,且在冠状面横向变化范围增大。在临床评估中应重点关注跌倒风险人群跨越障碍的足底压力特征。