本發(fā)明涉及醫(yī)療預警設備，具體涉及一種便攜式人體跌倒風險的評價和預警系統(tǒng)及其評價和預警方法。

背景技術：

跌倒(fall)被定義為一個人無意地、突發(fā)地、非自主地從一個平坦的或其他固定的，安全的位置摔到地板、地面或一個更低的位置，包括暈厥或癲癇發(fā)作引發(fā)的狀況。跌倒在社區(qū)老年人中十分常見，在醫(yī)院和專業(yè)護理機構的發(fā)生率也相當普遍。

跌倒對醫(yī)療機構和醫(yī)務工作者而言是一個較大的醫(yī)療負擔。

每年有30～40％社區(qū)老年人至少跌倒一次，而專業(yè)護理機構的老年人跌倒比例是前者的三倍。

據(jù)估計，2～12％的住院病人在住院期間至少跌倒過一次；跌倒是醫(yī)院最常見的意外事件。超過84％的住院患者都會發(fā)生與跌倒相關的不良事件。

跌倒可引起明顯的不適和疼痛，從而延緩身體痊愈。此外，跌倒與病人的活動受限、發(fā)病率增加、僵化和死亡密切相關。

患者在醫(yī)療保健機構發(fā)生的跌倒不僅會導致自身住院時間和工作人員工作量的增加，同時，由于醫(yī)院管理機構需要處理跌倒患者/家屬的投訴，調(diào)解與患者之間的訴訟，甚至需要法醫(yī)勘驗，因此直接導致醫(yī)療機構成本的增加。

雖然我們無法預測跌倒的風險，但可以通過一系列預防措施減少跌倒發(fā)生跌倒預防的第一步是研究跌倒風險評估模型以確定高風險的跌倒患者，這是國際共識。

美國老年協(xié)會(theamericangeriatricssociety)和英國老年協(xié)會(thebritishgeriatricssociety)提倡要針對社區(qū)老年人跌倒、步態(tài)異常和/或平衡受損進行相關的多因素跌倒風險評估。

技術實現(xiàn)要素：

為了解決無法客觀量化人體在運動過程中人體跌倒風險的問題，并且無法對跌倒風險較高的人群進行跌倒風險預警，本發(fā)明提出了一種便攜式人體跌倒風險的評價和預警系統(tǒng)及其評價和預警方法，彌補目前沒有辦法提前預警跌倒風險的空白。

本發(fā)明的一個目的在于提出一種便攜式人體跌倒風險的評價和預警系統(tǒng)。

本發(fā)明的便攜式人體跌倒風險的評價和預警系統(tǒng)包括：加速度傳感器、人體姿態(tài)信號采集單元、信號預處理單元、跌倒風險指標分析單元、跌倒預警輸出單元和預警單元；其中，加速度傳感器佩戴或攜帶在人體上；加速度傳感器連接至人體姿態(tài)信號采集單元；人體姿態(tài)信號采集單元、信號預處理單元、跌倒風險指標分析單元、跌倒預警輸出單元和預警單元依次連接；加速度傳感器測量人體在運動過程中的加速度；人體姿態(tài)信號采集單元實時記錄，并形成加速度信號的時間序列；信號預處理單元將加速度信號進行相空間重構并完成去噪處理，得到去噪后的時間序列，按照伊藤方程模型通過極大似然方法估計出漂移項參數(shù)和擴散項參數(shù)；跌倒風險指標分析單元將估計得到的伊藤方程模型，利用首次穿越方法，得到狀態(tài)轉移概率密度分布，將狀態(tài)轉移概率密度分布的特征作為個體的當前跌倒風險指標，并將該個體的人體跌倒風險指標存入數(shù)據(jù)庫；跌倒預警輸出單元將個體的實時跌倒風險指標與數(shù)據(jù)庫不同人群的跌倒風險指標進行比對，輸出匹配的跌倒風險等級；如果當前的跌倒風險等級達到預先設定的預警等級時，立即通過預警單元進行語音、視覺或者振動的方式報警。

加速度傳感器單獨佩戴或攜帶在人體上，或者是內(nèi)置在由人體隨身佩戴或攜帶的便攜式設備，如手環(huán)、手機或手表中，或者與此便攜式設備配套的設備中。加速度信號的采樣頻率為100hz～300hz。

預警單元內(nèi)置在由人體隨身佩戴或攜帶的便攜式設備中。

本發(fā)明的另一個目的在于提供一種便攜式人體跌倒風險的評價和預警系統(tǒng)的預警方法。

本發(fā)明的便攜式人體跌倒風險的評價和預警系統(tǒng)的預警方法，包括以下步驟：

1)建立跌倒風險指標的數(shù)據(jù)庫：

a)來自多個不同跌倒風險等級的人群的個體作為樣本，按照跌倒風險的不同，從低到高劃分為多個跌倒風險等級；

b)樣品佩戴或攜帶的加速度傳感器測量一個樣本在運動過程中的加速度；

c)人體姿態(tài)信號采集單元實時記錄，并形成加速度信號的時間序列；

d)信號預處理單元將加速度信號進行相空間重構并完成去噪處理，得到去噪后的時間序列，按照伊藤方程模型通過極大似然方法估計出漂移項參數(shù)和擴散項參數(shù)；

e)跌倒風險指標分析單元將估計得到的伊藤方程模型，利用首次穿越方法，得到狀態(tài)轉移概率密度分布，將狀態(tài)轉移概率密度分布的特征作為樣本的跌倒風險指標pt；

f)重復步驟b)～e)，直至完成所有樣本的跌倒風險指標；

g)統(tǒng)計位于不同跌倒風險等級的樣本的跌倒風險指標所在的區(qū)間，并將此區(qū)間作為相應跌倒風險等級的跌倒風險指標區(qū)間，建立跌倒風險指標的數(shù)據(jù)庫，存在跌倒預警輸出單元；

h)根據(jù)跌倒風險等級由低到高，設定預警等級；

2)佩戴或攜帶在人體上的加速度傳感器測量人體在運動過程中的加速度；

3)人體姿態(tài)信號采集單元實時記錄，并形成加速度信號的時間序列st；

4)信號預處理單元將加速度信號進行相空間重構并完成去噪處理，得到去噪后的時間序列xt，按照伊藤方程模型通過極大似然方法估計出漂移項參數(shù)和擴散項參數(shù)；

5)跌倒風險指標分析單元將估計得到的伊藤方程模型，利用首次穿越方法，得到狀態(tài)轉移概率密度分布，將狀態(tài)轉移概率密度分布的特征作為個體的當前跌倒風險指標pt；

6)跌倒預警輸出單元將個體的實時跌倒風險指標與數(shù)據(jù)庫的跌倒風險指標區(qū)間進行比對，輸出相匹配的跌倒風險等級；并將該個體的人體跌倒風險指標存入數(shù)據(jù)庫；

7)如果當前的跌倒風險等級達到預先設定的預警等級時，立即通過預警單元進行語音、視覺或者振動的方式報警。

其中，在步驟1)中，樣本的數(shù)量為500人以上；跌倒風險等級為4～10級。

在步驟4)中，具體包括以下步驟：

i.采用塔肯斯定理(takens’theorem)相空間重建方法，其中通過關聯(lián)維數(shù)和互信息方法確定嵌入維數(shù)m和延遲時間τ；

ii.采用局部流形投影方法或基于相空間辛幾何的主成分分析完成相空間去噪；

iii.對相空間去噪后的信號進行經(jīng)驗模式分解去除波動趨勢，得到去噪后的時間序列xt；

iv.基于xt和伊藤方程，利用極大似然估計方法估計得到伊藤方程的兩個參數(shù)：漂移項μt和擴散項參數(shù)σt。

在步驟5)中，具體包括以下步驟：

i.將估計得到的伊藤方程模型作為人體跌倒風險的預測模型；

ii.利用首次穿越方法求解得到的狀態(tài)轉移概率密度分布，選擇分布曲線的最大值與對應的時間的比值特征作為個體當前跌倒風險指標pt；其中，個體的當前跌倒風險指標pt是由個體行走的當前時刻的前20秒至180秒內(nèi)的加速度信號確定。

本發(fā)明的優(yōu)點：

本發(fā)明首先加速度傳感器的加速度信號，按照伊藤方程模型估計出漂移項參數(shù)和擴散項參數(shù)；將估計得到的伊藤方程模型，利用首次穿越方法，得到狀態(tài)轉移概率密度分布；最后，將狀態(tài)轉移概率密度分布的特征作為個體的當前跌倒風險指標，輸出匹配的跌倒風險等級，如果當前的跌倒風險等級達到預先設定的預警等級時，立即通過語音、視覺或者振動的方式報警。本發(fā)明首先是從便攜式設備入手，例如簡易加速度傳感器、手機和手環(huán)等配備，通過記錄人體運動行為的加速度序列，對人體跌倒風險進行評價、預測和預警。

本發(fā)明主要是運用了非線性隨機動力學里面的首次穿越的分析方法對加速度信號進行處理，首次將可用于處理非線性隨機信號的方法運用到了人體身上，這種方法分析得到的數(shù)據(jù)更能體現(xiàn)出人體本質(zhì)的運動規(guī)律，預測得到的跌倒風險指數(shù)更準確；由于這套系統(tǒng)簡約方便，便于為大眾日常鍛煉提供客觀量化的依據(jù)；本發(fā)明的方法具有良好的魯棒性以及運算速度，能夠快速全面準確的評價出跌倒的風險指標。

附圖說明

圖1為本發(fā)明的便攜式人體跌倒風險的評價和預警系統(tǒng)的結構框圖；

圖2為本發(fā)明的便攜式人體跌倒風險的評價和預警系統(tǒng)的預警方法的流程圖。

具體實施方式

下面結合附圖，通過具體實施例，進一步闡述本發(fā)明。

如圖1所示，本實施例的便攜式人體跌倒風險的評價和預警系統(tǒng)包括：加速度傳感器、人體姿態(tài)信號采集單元、信號預處理單元、跌倒風險指標分析單元、跌倒預警輸出單元和預警單元；其中，加速度傳感器佩戴或攜帶在人體上；加速度傳感器連接至人體姿態(tài)信號采集單元；人體姿態(tài)信號采集單元、信號預處理單元、跌倒風險指標分析單元、跌倒預警輸出單元和預警單元依次連接。

本實施例的便攜式人體跌倒風險的評價和預警系統(tǒng)的預警方法，包括以下步驟：

1)建立跌倒風險指標的數(shù)據(jù)庫：

a)來自500不同跌倒風險等級的人群的個體作為樣本，按照跌倒風險的不同，從低到高劃分為4個跌倒風險等級，分別為：無跌倒風險等級、輕度跌倒風險等級、中度跌倒風險等級和高危跌倒風險等級；

b)樣品佩戴加速度傳感器測量一個樣本在運動過程中的加速度；

c)人體姿態(tài)信號采集單元實時記錄，并形成加速度信號的時間序列；

d)信號預處理單元將加速度信號進行相空間重構并完成去噪處理，得到去噪后的時間序列，按照伊藤方程模型通過極大似然方法估計出漂移項參數(shù)和擴散項參數(shù)；

e)跌倒風險指標分析單元將估計得到的伊藤方程模型，利用首次穿越方法，得到狀態(tài)轉移概率密度分布，將狀態(tài)轉移概率密度分布的特征作為樣本的跌倒風險指標pt；

f)重復步驟b)～e)，直至完成所有樣本的跌倒風險指標；

g)統(tǒng)計位于不同跌倒風險等級的樣本的跌倒風險指標所在的區(qū)間，并將此區(qū)間作為相應跌倒風險等級的跌倒風險指標區(qū)間，建立跌倒風險指標的數(shù)據(jù)庫；

h)根據(jù)跌倒風險等級由低到高，將中度跌倒風險等級和高危跌倒風險等級設定為預警等級；

2)佩戴在人體上的加速度傳感器(如手環(huán)或手表，包含加速度傳感器的腰帶，加速度傳感器模塊等)或者攜帶在身體上的手機等，測量人體在運動過程中的加速度；

3)人體姿態(tài)信號采集單元實時記錄，并形成加速度信號的時間序列st；

4)信號預處理單元將加速度信號進行相空間重構并完成去噪處理，得到去噪后的時間序列xt，按照伊藤方程模型通過極大似然方法估計出漂移項參數(shù)和擴散項參數(shù)；

5)跌倒風險指標分析單元將估計得到的伊藤方程模型，利用首次穿越方法，得到狀態(tài)轉移概率密度分布，將狀態(tài)轉移概率密度分布的特征作為個體的當前跌倒風險指標pt；

6)跌倒預警輸出單元將個體的實時跌倒風險指標與數(shù)據(jù)庫的跌倒風險指標區(qū)間進行比對，輸出相匹配的跌倒風險等級；并將該個體的人體跌倒風險指標存入數(shù)據(jù)庫；

7)如果當前的跌倒風險等級為中度跌倒風險等級或高危跌倒風險等級時，立即通過預警單元進行語音、視覺或者振動的方式報警。

最后需要注意的是，公布實施例的目的在于幫助進一步理解本發(fā)明，但是本領域的技術人員可以理解：在不脫離本發(fā)明及所附的權利要求的精神和范圍內(nèi)，各種替換和修改都是可能的。因此，本發(fā)明不應局限于實施例所公開的內(nèi)容，本發(fā)明要求保護的范圍以權利要求書界定的范圍為準。