步态分析方法及步态分析系统

摘要

本申请涉及一种步态分析方法及步态分析系统。一种步态分析方法由步态分析系统实施，步态分析系统包括感测单元、处理单元以及储存单元，处理单元分别与感测单元及储存单元电性连接，储存单元储存复数运算程序，步态分析方法包括：由感测单元感测步态并输出感测信号，其中步态周期包含站立期、推蹬期、摆动期及触地期；由处理单元依据感测信号得到向量振幅信号及振幅累积信号；依据向量振幅信号、振幅累积信号辨识站立期、推蹬期、摆动期及触地期，推蹬期、摆动期及触地期依据动态阈值来决定；以及依据站立期、推蹬期、摆动期及触地期对步态进行分类。本发明还公开一种步态分析系统。

说明书

技术领域

本发明涉及一种步态分析方法及步态分析系统。

背景技术

一般而言，神经病变与骨骼肌肉系统的疾病都会造成行走的问题，从临 床的角度来看，疾病的状态改变了肌肉、骨骼及神经，乃至于关节的协调平 衡及互动，因而影响了步态（gait），而步态分析（gait analysis）可以抽丝剥 茧帮我们分解出来，因此，在骨科学，复健学及神经学的领域里，应用步态 分析来解决临床问题的研究正如雨后春笋地发展了起来。

步态分析主要目的为提供医师详细的评估信息，以厘清受试者本身神经 肌肉骨骼系统的症结，经由这些评估结果，医师可拟定最佳的治疗计划，以 规划手术、复健或穿戴辅具的方式对患者进行治疗。另外，治疗后的步态分 析也可协助确认治疗效果以及供医师提出进一步的改善方案。以骨科治疗为 例，步态分析可以作为骨科疾病治疗前后的侦测及评估；以复健治疗为例， 步态分析可以作为治疗诊断、评估及恢复状态衡量的参考。在义肢装设上， 步态分析也可作为协助设计，测试及义肢或辅具适应优劣的协助，而在神经 学上，步态分析也可以用来测量特殊肢体活动来分析巴金森症的特性及治疗 效果的追踪。

此外，在预防医学与流行病学方面，我们知道“跌倒”已成为威胁老年 人的第三大危险因子，借助步态分析，也可找出导致跌倒的危险因素，通过 早期排除这些容易跌倒的危险因素，再给予老年人适当的卫教、训练，以作 为日常生活上的调适，或者再配予步行辅助器械，或由旁人特别照料，将可 大幅降低老年人因跌倒所致的伤害，进而大幅度地降低家庭及社会的负担。

发明内容

本发明的目的是提供一种步态分析方法及步态分析系统，可将受试者的 步态进行分析及辨识，进而根据分析及辨识结果供医师提供给受试者有关医 疗及健康方面的建议。

为达上述目的，依据本发明的一种步态分析方法，由步态分析系统实施， 步态分析系统包括感测单元、处理单元以及储存单元，处理单元分别与感测 单元及储存单元电性连接，储存单元储存复数运算程序，步态分析方法包括： 由感测单元感测步态并输出感测信号，其中步态周期包含站立期、推蹬期、 摆动期及触地期；由处理单元依据感测信号得到向量振幅信号及振幅累积信 号；依据向量振幅信号、振幅累积信号辨识站立期、推蹬期、摆动期及触地 期，其中推蹬期、摆动期及触地期依据动态阈值来决定；以及依据站立期、 推蹬期、摆动期及触地期对步态进行分类。

为达上述目的，依据本发明的一种步态分析系统包括感测单元、储存单 元以及处理单元。感测单元感测步态并输出感测信号，其中步态周期包含站 立期、推蹬期、摆动期及触地期。储存单元储存复数运算程序。处理单元分 别与感测单元及储存单元电性连接，处理单元依据感测信号得到向量振幅信 号及振幅累积信号，并依据向量振幅信号、振幅累积信号辨识站立期、推蹬 期、摆动期及触地期，以对步态进行分类，推蹬期、摆动期及触地期依据动 态阈值来决定。

在一个实施例中，处理单元通过向量振幅运算程序的运算而得到向量振 幅信号，并通过振幅累积运算程序的运算而得到振幅累积信号。

在一个实施例中，向量振幅运算程序依据感测信号的第一方向分量、第 二方向分量及第三方向分量进行运算，振幅累积运算程序依据向量振幅信号 及第二方向分量进行运算。

在一个实施例中，处理单元通过标准差运算程序对振幅累积信号进行运 算，标准差运算程序包含由振幅累积信号中计算标准差，并依据振幅累积信 号、标准差及时间阈值在振幅累积信号中辨识出站立期。

在一个实施例中，站立期的持续时间大于时间阈值。

在一个实施例中，动态阈值的初始值依据站立期而得到。

在一个实施例中，处理单元通过动态阈值运算程序的运算而得到动态阈 值，动态阈值运算程序依据不同时间点的向量振幅信号来决定动态阈值。

在一个实施例中，向量振幅信号及动态阈值分别具有相同的第一时间点 及第二时间点，当第二时间点的向量振幅信号的信号值大于或等于第一时间 点的动态阈值时，第二时间点的动态阈值不改变。

在一个实施例中，当第二时间点的向量振幅信号的信号值小于第一时间 点的动态阈值时，第二时间点的动态阈值改变。

在一个实施例中，处理单元通过时间运算程序的运算而得到触地期、站 立期、推蹬期及摆动期所占的比例。

在一个实施例中，当推蹬期加上摆动期的时间和小于或等于触地期的时 间时，步态为下楼，当推蹬期的时间大于触地期的时间时，步态为上楼。

在一个实施例中，步态分析方法还包括：由处理单元依据站立期、推蹬 期、摆动期及触地期计算步态的步数、步速、步长及步距。

承上所述，因本发明的步态分析方法及步态分析系统中，由感测单元感 测步态并输出感测信号，并由处理单元依据感测信号得到向量振幅信号及振 幅累积信号。另外，再依据向量振幅信号、振幅累积信号辨识站立期、推蹬 期、摆动期及触地期，其中推蹬期、摆动期及触地期依据动态阈值来决定。 此外，再依据站立期、推蹬期、摆动期及触地期步态进行分类。由此，可将 受试者的步态进行分析及辨识，进而根据分析及辨识的结果供医师提供给受 试者有关医疗及健康方面的建议。

附图说明

图1A为本发明优选实施例的一种步态分析方法的流程示意图。

图1B为步态周期的示意图。

图2为本发明优选实施例的一种步态分析系统的功能方块示意图。

图3A至图3C分别为受试者行走时的向量振幅信号的波形示意图。

图4A至图4C分别为受试者行走时的振幅累积信号的波形示意图。

图5A及图5B分别为受试者行走时的另一振幅累积信号的波形示意图。

图6为步态周期的信号波形示意图。

图7A至图7C分别为受试者行走时的向量振幅信号及其对应的动态阈值 的示意图。

图8为本发明的步态分类的判断流程图。

图9为本发明优选实施例的一种步态分析方法的另一流程示意图。

【符号说明】

1：步态分析系统

11：感测单元

12：处理单元

13：储存单元

DT：动态阈值

S01～S05：步骤

Tp：推蹬期的时间

Th：触地期的时间

Tw：摆动期的时间

TH2d：下边界

TH2u：上边界

具体实施方式

以下将参照相关附图，说明依据本发明优选实施例的步态分析方法及步 态分析系统，其中相同的元件将以相同的参考符号加以说明。

请参照图1A、图1B及图2所示，其中，图1A为本发明优选实施例的一 种步态分析方法的流程示意图，图1B为步态周期（gait cycle）的示意图，而 图2为本发明优选实施例的一种步态分析系统1的功能方块示意图。

本发明的步态分析方法由步态分析系统1实施。如图2所示，步态分析 系统1包括感测单元11、处理单元12以及储存单元13，处理单元12分别与 感测单元11及储存单元13电性连接，且储存单元13储存复数个运算程序。 另外，如图1A所示，步态分析方法包括步骤S01至步骤S04。

首先，步骤S01为：由感测单元11感测步态并输出感测信号，如图1B 所示，其中步态周期（即一个完整步伐）包含站立期（stance phase）、推蹬期 （push-off phase）、摆动期（swing phase）及触地期（heel-strike phase）。本发 明的感测单元11为可穿戴式，并例如但不限于为三轴的加速度计或角速度计。 在本实施例中，感测单元11以三轴的加速度计，并配戴于受试者的脚踝上为 例，因此，感测信号为三方向的加速度信号（包含第一方向分量、第二方向 分量及第三方向分量，图中未显示）。其中，步骤S01中所提到的步态可为一 个步伐或复数个步伐，并包含至少一个完整的步态周期。

一个步态周期（即一个完整步伐）包含站立期、推蹬期、摆动期及触地 期。换言之，受试者配戴感测单元11并实际行走一段离后，感测信号即为行 走该段距离所得到的三方向加速度信号。在此，“行走”指的是，受试者配戴 感测单元11在平地上行走，或上楼梯，或下楼梯。另外，在进行步骤S02之 前，处理单元12需先对感测信号进行信号的前处理，以降低基准线飘移 （baseline drift）及高频的噪声对后续步态分析的影响。

接着，执行步骤S02：由处理单元12依据感测信号得到向量振幅信号及 振幅累积信号。其中，在得到向量振幅信号及振幅累积信号的步骤S02中， 处理单元12先通过储存于储存单元13的向量振幅运算程序的运算而得到向 量振幅信号（以下称为SVM,Signal Vector Magnitude）。在此，向量振幅运算 程序依据感测信号的第一方向分量、第二方向分量及第三方向分量进行运算， 且经由以下的方程序计算而得到向量振幅信号SVM：

$\mathrm{SVM}\left(n\right)=\sqrt{a_x^2\left(n\right)+a_y^2\left(n\right)+a_z^2\left(n\right)}$

其中，a_x、a_y、a_z分别为感测信号的第一方向分量、第二方向分量及第三 方向分量的值，而n为取样时间点。

接着，请参照图3A～图3C所示，其中，图3A至图3C分别为受试者行 走时的向量振幅信号SVM的波形示意图。在此，图3A～图3C显示受试者分 别配戴感测单元11在平地行走、上楼及下楼后，经计算后得到的向量振幅信 号SVM的波形。其中，显示的取样时间为5秒，每秒取样数为30，故横坐 标共有150个取样点，而纵坐标为加速度值（g），因此，图3A～图3C内分 别具有复数个步态周期。上述取样时间为5秒，每秒取样数为30及共有150 个取样点只是为了说明本发明，在其它的实施态样中，取样时间、每秒取样 数及取样点可根据实际步态分析的需求进行变更，本发明并不限制。

得到了向量振幅信号SVM之后，处理单元12再通过储存于储存单元13 的振幅累积运算程序的运算得到振幅累积信号（以下称为SMS,Signal  Magnitude Subtraction，或SMA,Signal Magnitude Accumulation）。其中，振幅 累积运算程序依据向量振幅信号SVM及第二方向分量a_y进行运算而得到振幅 累积信号SMS（或SMA），如以下的方程序所示：

SMS(n)=SVM(n)-a_y(n)

其中，a_y为感测信号的第二方向分量，而第二方向即为重力方向。换言 之，如图4A至图4C所示，将图3A至图3C的向量振幅信号SVM分别减去 重力（1g）的影响后，就可得到图4A至图4C的振幅累积信号SMS。

接着，进行步骤S03：依据向量振幅信号SVM、振幅累积信号SMS辨识 站立期、推蹬期、摆动期及触地期，其中推蹬期、摆动期及触地期依据动态 阈值DT来决定。在此，处理单元12先依据振幅累积信号SMS辨识出站立期。 在步骤S03中，处理单元12先通过储存于储存单元13的标准差运算程序对 振幅累积信号SMS进行运算，以得到每一步态周期的站立期。在此，标准差 运算程序包含由振幅累积信号SMS中计算标准差，并依据振幅累积信号SMS、 此标准差及时间阈值ST_min在振幅累积信号SMS中辨识出每一步态周期的站 立期。

换言之，因为在每一步态周期的站立期时，受试者的脚并没有上、下移 动，故站立期的加速度值相对较为稳定。因此，为了得到步态周期的站立期， 需先排除振幅累积信号SMS中极高及极低的信号（由于地面的反作用所产生 者）。在本实施例中，处理单元12先计算振幅累积信号SMS的标准差，进而 得到上边界TH1u及下边界TH1d的值，再排除振幅累积信号SMS中，大于 上边界TH1u及小于下边界TH1d的信号。其方程序如下所示：

${\mathrm{TH}1}_u=\frac{{\Sigma }_{n=1}^L\mathrm{SMS}\left(n\right)}{L}+2$

$\times \sqrt{\frac{1}{L-1}\underset{n=1}{\overset{L}{\Sigma }}{(\mathrm{SMS}\left(n\right)-\overline{\mathrm{SMS}\left(n\right)})}^2}$

${\mathrm{TH}1}_d=\frac{{\Sigma }_{n=1}^L\mathrm{SMS}\left(n\right)}{L}-2$

$\times \sqrt{\frac{1}{L-1}\underset{n=1}{\overset{L}{\Sigma }}{(\mathrm{SMS}\left(n\right)-\overline{\mathrm{SMS}\left(n\right)})}^2}$

其中，Ｌ为信号窗口内的信号点数，为SMS(n)的平均值，SMS_m(n) 为振幅累积信号SMS(n)中，在上边界TH1u与下边界TH1d之间的信号，而 标准差为：$\sqrt{\frac{1}{L-1}\underset{n=1}{\overset{L}{\Sigma }}{(\mathrm{SMS}\left(n\right)-\overline{\mathrm{SMS}\left(n\right)})}^2}.$

接着，在上述的信号SMS_m(n)中，再依照以下的方程序计算另一上、下 边界TH2u及TH2d的值，如图5A所标示的TH2u及TH2d所示。

${\mathrm{TH}2}_u=\frac{{\Sigma }_{n=1}^l\mathrm{SM}{S}_m\left(n\right)}{l}$

$+\sqrt{\frac{1}{l-1}\underset{n=1}{\overset{L_m}{\Sigma }}{(\mathrm{SM}{S}_m\left(n\right)-\overline{\mathrm{SM}{S}_m\left(n\right)})}^2}$

${\mathrm{TH}1}_d=\frac{{\Sigma }_{n=1}^l\mathrm{SM}{S}_m\left(n\right)}{l}$

$-\sqrt{\frac{1}{l-1}\underset{n=1}{\overset{L_m}{\Sigma }}{(\mathrm{SM}{S}_m\left(n\right)-\overline{\mathrm{SM}{S}_m\left(n\right)})}^2}$

其中，小写的L等于信号窗口内去除过高及过低的信号数值后，所剩余 的数据点数，而为SMS_m(n)的平均值。

接着，如图5A所示，再排除振幅累积信号SMS_m(n)中，大于上边界TH2u 及小于下边界TH2d的信号（剩下上边界TH2u与下边界TH2d之间的信号）。 同时，由于一个步态周期中，站立期的信号通常会持续一段时间（即有一段 时间脚会站立于地面上），因此，本发明要辨识站立期时，除了排除振幅累积 信号SMS_m(n)中，大于上边界TH2u及小于下边界TH2d的信号之外，还需确 定信号中有一持续时间ΔT需大于时间阈值ST_min，才是属于站立期的信号， 亦即以下的方程序要同时成立时才是站立期的信号：

TH2_d<SMS_m(n)<TH2_u   ΔT>ST_min

因此，通过上述计算，如图5B的实线部分所示，可在振幅累积信号SMS_m(n) 中辨识出每一步态周期的站立期。由于一个完整步代具有一站立期，因此， 当找出站立期的数量时，即可得到受试者行走的步数。如图5B中，此段步态 中，具有13个步态周期，并有13个站立期，受试者行走的步数为13。

值得一提的是，上述计算方程序只是举例，设计者也可使用不用的计算 方程序来得到不同的上、下边界值，以排除较高或较低的振幅累积信号，再 由振幅累积信号SMSm(n)中辨识出每一步态周期的站立期。另外，根据统计， 一般人以正常速度行走时，一个完整步伐（一个步态周期）大约介于1.2秒至 1.3秒之间，而站立期大约是占整个步态周期的24.8%，因此，在本实施例中， 时间阈值ST_min设定为0.3秒（介于1.2×24.8%与1.3×24.8之间）。换言之，在 本实施例中，走路时脚的站立时间要超过0.3秒以上，才是步态周期的站立期。 不过，对不同的受试者而言，其时间阈值ST_min也可取决于受试者的实际状况。 例如受试者若是一位行动不是非常方便的人时，其时间阈值ST_min可大于0.3 秒；若是一位行动自如的年轻人时，其时间阈值ST_min可小于0.3秒，本发明 并不特别限定。此外，图5A与图5B只是举例说明上述计算，并没有延续图 4A至图4C的信号。

另外，请参照图6所示，其为一个步态周期之信号波形示意图。由于一 个步态周期中，接续着站立期之后，就是推蹬期、摆动期及触地期，且其顺 序不会改变。因此，若确定站立期的信号时，则可得知接下来的信号顺序分 别为推蹬期、摆动期及触地期。

因此，在辨识出步态中的所有站立期之后，处理单元12再依据向量振幅 信号SVM、站立期及动态阈值DT辨识出每一步态周期的推蹬期、摆动期及 触地期。其中，动态阈值DT的初始值依据站立期而得到的。在此，将每一站 立期的最后一个取样信号值当成同一步态周期中，推蹬期的动态阈值DT的初 始值。另外，处理单元12再通过动态阈值运算程序的运算而得到每一期间的 动态阈值DT，动态阈值运算程序依据不同时间点的向量振幅信号SVM来决 定动态阈值DT，并以以下的方程序来决定下一取样时间点的动态阈值DT：

其中，SVM(k)为第k个取样时间点的向量振幅信号的值，DT(k)为第k 个取样时间点的动态阈值DT，而S(j)为一个步态周期的向量振幅信号SVM 的总和。换言之，向量振幅信号SVM及动态阈值DT分别具有相同的第一时 间点k-1及第二时间点k（k-1与k为相邻的取样时间点），如果第二时间点k 的向量振幅信号SVM的信号值大于或等于第一时间点k-1的动态阈值DT(k-1) 时（即SVM(k)≧DT(k-1)），则第二时间点k的动态阈值DT(k)与第一时间点 k-1的动态阈值DT(k-1)相同而不改变（即DT(k)=DT(k-1)）。另外，若第二时 间点k的向量振幅信号SVM的信号值小于第一时间点k-1的动态阈值DT(k-1) 时（即SVM(k)＜DT(k-1)），则第二时间点k的动态阈值DT(k)就依照上述方 程序进行计算，以得到第二时间点k的动态阈值DT(k)（故称为“动态”阈值）。

因此，请同时参照图6及图7A～图7C所示，其中，图7A至图7C分别 为受试者行走时的向量振幅信号SVM及其对应的动态阈值DT的示意图。在 此，图7A～图7C分别显示受试者在平地行走、上楼及下楼时的向量振幅信 号SVM及其对应的动态阈值DT，而向量振幅信号SVM的实线部分仍代表 站立期。

经由上述动态阈值DT的判断式，可以找出每一步态周期中，站立期、推 蹬期、摆动期及触地期对应的动态阈值DT，如图7A～图7C所示。其中，依 照上述方程序的结果，本发明在站立期、推蹬期及触地期时，动态阈值DT并 不改变，只有在摆动期时，动态阈值DT才会动态地改变。另外，在站立期时， 动态阈值DT不改变，而站立期的最后一个取样信号值即作为推蹬期的动态阈 值DT的初始值。另外，推蹬期及触地期的向量振幅信号SVM分别大于动态 阈值DT，故推蹬期及触地期的动态阈值DT不改变。此外，摆动期的向量振 幅信号SVM小于动态阈值DT，故摆动期的动态阈值DT也跟着改变。由此， 就可辨识出每一步态周期的站立期、推蹬期、摆动期及触地期。

最后，进行步骤S04，步骤S04为：依据站立期、推蹬期、摆动期及触地 期对步态进行分类。在此步骤S04中，处理单元12通过储存于储存单元13 的时间运算程序的运算而得到触地期、站立期、推蹬期及摆动期所占的比例。 换言之，在步骤S03中，已辨识出每一步态周期的站立期、推蹬期、摆动期 及触地期，因此，处理单元12可进一步得到步态中，每一步态周期的站立期、 推蹬期、摆动期及触地期占该步态周期的时间比例。在此，将站立期的时间 定为Ts，推蹬期的时间定为Tp，摆动期的时间定为Tw，触地期的时间定为 Th。因此，一个步态周期的时间总和为(Ts＋Tp＋Tw＋Th)，而站立期占步态 周期的时间比例为：Ts÷(Ts＋Tp＋Tw＋Th)×100%，推蹬期占步态周期的时间 比例为：Tp÷(Ts＋Tp＋Tw＋Th)×100%、摆动期占步态周期的时间比例为： Tw÷(Ts＋Tp＋Tw＋Th)×100%，而触地期占步态周期的时间比例为：Th÷(Ts ＋Tp＋Tw＋Th)×100%。

请参照图8所示，其为本发明的步态分类的判断流程图。本发明在每一 步态周期中，由触地期的时间Th、摆动期的时间Tw及推蹬期的时间Tp来对 此步态周期中进行分类。其中，处理单元12通过储存于储存单元13的分类 运算程序对步态进行分类。

如图8所示，当推蹬期加上摆动期的时间和（Tp＋Tw）小于或等于触地 期的时间Th时，则此步态周期为下楼状态。若推蹬期加上摆动期的时间和（Tp ＋Tw）大于触地期的时间Th，且推蹬期的时间Tp大于触地期的时间Th时， 则此步态周期为上楼状态。此外，若推蹬期加上摆动期的时间和（Tp＋Tw） 大于触地期的时间Th，且推蹬期的时间Tp小于或等于触地期的时间Th时， 则此步态周期为平地行走状态。经由将受试者的步态中的每一步态周期进行 状态分类，可得到此受试者的步态的分类。由此，可让医师、复健师或保健 师，或受试者本身了解，在一段时间的走路形态中，是否对身体造成太大的 负担。举例而言，若一个膝盖功能不佳的受试者，由上述的分类中发现，其 步态周期中，上、下楼的比例偏高时，则医师、复健师或保健师可对该受试 者提出医疗及健康上的建议，例如请受试者减少上、下楼的比例，或者需多 吃适当的食物，以避免膝盖更大伤害。

另外，请参照图9所示，其为本发明优选实施例的一种步态分析方法的 另一流程示意图。

在此，除了上述步骤S01至步骤S04之外，本发明的步态分析方法更可 包括步骤S05：由处理单元12依据站立期、推蹬期、摆动期及触地期计算步 态的步数、步速、步长及步距。其中，由于受试者的步态中，每一步态周期 的站立期、推蹬期、摆动期及触地期的时间及其比例都已得到，就可据此计 算此受试者的步态的步数、步速、步长及步距。其中，步数即为步态中，步 态周期的数量（或者站立期，或推蹬期，或摆动期，或触地期的数量）。换言 之，向量振幅信号SVM的步态周期数量即为步数，步数乘以步长（Step_length） 即可得到步距。另外，本发明利用回归（regression）分析，并由以下的方程 序得到步速（Step_velocity）及步长（Step_length）：

Step_length=70.9-36.1Step_frequency+52.0Step_velocity

Step_velocity=0.64+0.26Variance_SVMxyz+0.59Average_Y

其中，Variance_SVMxyz为向量振幅信号SVM的变异数，Average_Y为向量振 幅信号SVM的第二方向分量，而Step_frequency为受试者走路时的步频。在此， 上述步速（Step_velocity）及步长（Step_length）的方程序只是举例，并不可用以限 制本发明。

综上所述，因本发明的步态分析方法及步态分析系统中，由感测单元感 测步态并输出感测信号，并由处理单元依据感测信号得到向量振幅信号及振 幅累积信号。另外，再依据向量振幅信号、振幅累积信号辨识站立期、推蹬 期、摆动期及触地期，其中推蹬期、摆动期及触地期依据动态阈值来决定。 此外，再依据站立期、推蹬期、摆动期及触地期步态进行分类。由此，可将 受试者的步态进行分析及辨识，进而根据分析及辨识的结果供医师提供给受 试者有关医疗及健康方面的建议。

以上所述仅为举例性，而非为限制性。任何未脱离本发明的精神与范畴， 而对其进行的等效修改或变更，均应包含于所附的权利要求范围中。