基于MEMS的帕金森病人体姿态分类监测系统
鲁鹏威 贾方秀 郄剑文
摘 要： 帕金森病有较高的患病率和致残率，已成为危害老年人健康的主要疾病之一，针对这种情况，开发了一套人体姿态监测与分类的系统，以便在危险发生时能够及时发现，避免情况进一步恶化。设计了一个便携式人体加速度信息采集装置，通过无线数据传输技术，将采集到的人体加速度信息传送到上位机PC中，根据相应算法，在上位机PC中编写相应的程序，提取不同姿态下的人体特征，然后根据这些姿态特征，实现人体姿态的实时监测，并且将人体姿态分类成平躺、坐、站、行走、起立等。实验结果表明该系统有良好的识别能力。
关键词： PD患者； 加速度计； 姿态监测； 人体姿态分类
中图分类号： TN931+.3?34； TN492 文献标识码： A 文章编号： 1004?373X（2017）16?0161?04
Abstract： Parkinson′s disease （PD） has high rate of disability and morbidity， and becomes one of the major diseases endangering the health of the elderly. In view of this situation， a human?body posture monitoring and classification system was developed to discover the danger timely， and prevent the further deterioration. A portable acquisition device of human?body acceleration information was designed. The collected human?body acceleration information is transmitted to the PC by means of wireless data transmission technology. According to the corresponding algorithm， the appropriate program is written in PC to extract the human?body characteristics of different postures. In accordance with the posture characteristics， the human?body posture is monitored in real time， and classified as lying， sitting， standing， walking and standing up. The experimental results show that the system has good recognition ability.
Keywords： PD patient； accelerometer； posture monitoring； human?body posture classification
0 引 言
帕金森病（PD）又名震颤麻痹，是最常见的神经退行性疾病之一，主要临床症状是：震颤、僵直、运动迟缓、步态失调和姿势不稳等[1]，PD有较高的患病率和致残率，已经成为危害老年人健康的主要疾病之一。如果能够对PD患者进行实时的姿态检测和分类，建立大样本的运动数据库，进而通过对运动信息的数据挖掘和分析，实现PD患者运动能力的评估和预测，并对潜在的跌倒风险进行预警，则可以将帕金森病的危害大大降低。与传统监护方法相比，人体姿态监测技术可以实现低生理、心理负担情况下的人体生理信息的采集，具有体积小、功耗小、成本低、方便携带等优点；同时它的应用极大地提高了医疗资源共享效率，增加了紧急情况处理的及时性[2]。
目前，人体姿态检测识别的方法主要有基于计算机视觉的姿态监测和基于加速度传感器的姿态监测。基于计算机视觉的姿态监测有很高的准确率，系统的效率也较高[3?5]。2013年，Ji S等将广泛用于图像分类的卷积神经网络扩展到三维空间，将原先的二维感受野增加一个时间维度，扩展为三维感受野，并利用多个卷积层和下釆样层，学习视频数据的特征表达，最终利用线性分类模型进行姿态检测和分类[6]。但是该系统的缺点也十分明显，由于监控设备的监测范围有一定限制，当被监测者离开这个范围时，系统就无法进行姿态监测和分类；还有就是这类系统成本比较高，不利于推广和使用；最后，这类系统不能很好地保护被监测者的个人隱私[7?8]。本文提出的基于MEMS帕金森病人体姿态监测系统是基于加速度传感器的姿态监测，操作方法简单，能够很好地保护个人隐私；通过LabVIEW软件对数据处理、分类和比较，实现人体平躺、坐姿、站姿、行走、起立等日常姿态的识别。
1 系统设计
为了实现对被测对象的姿态监控和分类，准备将加速度的测量装置固定在被测对象的足部、大腿、胸腔、手腕处，测量这些部位的加速度和角速度，对被测对象的“平躺”、“坐”、“站”、“起立”、“行走”等行为状态进行正确的分类，如图1所示。
该系统惯性传感器单元中选用InvenSense公司的MPU6050三轴加速度和陀螺仪传感器。该传感器将测得的数据传输给发送端，经接收端接收后传输至上位机，以实现原始信号的采集。该系统无线发送及接收端均选用NORDIC公司NRF24L01无线6通道收发芯片，其工作在2.5 GHz世界通用ISM频段。将每一个惯性传感器单元都安装在独立的壳体中，在其内部完成原始动态数据的测量与采集，各个子系统单元之间互不影响，并通过各自无线通信传输至接收端，避免了传感器之间的硬件连接，提高了系统的稳定性。本系统以Cortex?M3内核的32位微处理器为核心，选用STM32F103RE型号，图2所示是惯性传感器单元的原理框图。
摘 要： 帕金森病有较高的患病率和致残率，已成为危害老年人健康的主要疾病之一，针对这种情况，开发了一套人体姿态监测与分类的系统，以便在危险发生时能够及时发现，避免情况进一步恶化。设计了一个便携式人体加速度信息采集装置，通过无线数据传输技术，将采集到的人体加速度信息传送到上位机PC中，根据相应算法，在上位机PC中编写相应的程序，提取不同姿态下的人体特征，然后根据这些姿态特征，实现人体姿态的实时监测，并且将人体姿态分类成平躺、坐、站、行走、起立等。实验结果表明该系统有良好的识别能力。
关键词： PD患者； 加速度计； 姿态监测； 人体姿态分类
中图分类号： TN931+.3?34； TN492 文献标识码： A 文章编号： 1004?373X（2017）16?0161?04
Abstract： Parkinson′s disease （PD） has high rate of disability and morbidity， and becomes one of the major diseases endangering the health of the elderly. In view of this situation， a human?body posture monitoring and classification system was developed to discover the danger timely， and prevent the further deterioration. A portable acquisition device of human?body acceleration information was designed. The collected human?body acceleration information is transmitted to the PC by means of wireless data transmission technology. According to the corresponding algorithm， the appropriate program is written in PC to extract the human?body characteristics of different postures. In accordance with the posture characteristics， the human?body posture is monitored in real time， and classified as lying， sitting， standing， walking and standing up. The experimental results show that the system has good recognition ability.
Keywords： PD patient； accelerometer； posture monitoring； human?body posture classification
0 引 言
帕金森病（PD）又名震颤麻痹，是最常见的神经退行性疾病之一，主要临床症状是：震颤、僵直、运动迟缓、步态失调和姿势不稳等[1]，PD有较高的患病率和致残率，已经成为危害老年人健康的主要疾病之一。如果能够对PD患者进行实时的姿态检测和分类，建立大样本的运动数据库，进而通过对运动信息的数据挖掘和分析，实现PD患者运动能力的评估和预测，并对潜在的跌倒风险进行预警，则可以将帕金森病的危害大大降低。与传统监护方法相比，人体姿态监测技术可以实现低生理、心理负担情况下的人体生理信息的采集，具有体积小、功耗小、成本低、方便携带等优点；同时它的应用极大地提高了医疗资源共享效率，增加了紧急情况处理的及时性[2]。
目前，人体姿态检测识别的方法主要有基于计算机视觉的姿态监测和基于加速度传感器的姿态监测。基于计算机视觉的姿态监测有很高的准确率，系统的效率也较高[3?5]。2013年，Ji S等将广泛用于图像分类的卷积神经网络扩展到三维空间，将原先的二维感受野增加一个时间维度，扩展为三维感受野，并利用多个卷积层和下釆样层，学习视频数据的特征表达，最终利用线性分类模型进行姿态检测和分类[6]。但是该系统的缺点也十分明显，由于监控设备的监测范围有一定限制，当被监测者离开这个范围时，系统就无法进行姿态监测和分类；还有就是这类系统成本比较高，不利于推广和使用；最后，这类系统不能很好地保护被监测者的个人隱私[7?8]。本文提出的基于MEMS帕金森病人体姿态监测系统是基于加速度传感器的姿态监测，操作方法简单，能够很好地保护个人隐私；通过LabVIEW软件对数据处理、分类和比较，实现人体平躺、坐姿、站姿、行走、起立等日常姿态的识别。
1 系统设计
为了实现对被测对象的姿态监控和分类，准备将加速度的测量装置固定在被测对象的足部、大腿、胸腔、手腕处，测量这些部位的加速度和角速度，对被测对象的“平躺”、“坐”、“站”、“起立”、“行走”等行为状态进行正确的分类，如图1所示。
该系统惯性传感器单元中选用InvenSense公司的MPU6050三轴加速度和陀螺仪传感器。该传感器将测得的数据传输给发送端，经接收端接收后传输至上位机，以实现原始信号的采集。该系统无线发送及接收端均选用NORDIC公司NRF24L01无线6通道收发芯片，其工作在2.5 GHz世界通用ISM频段。将每一个惯性传感器单元都安装在独立的壳体中，在其内部完成原始动态数据的测量与采集，各个子系统单元之间互不影响，并通过各自无线通信传输至接收端，避免了传感器之间的硬件连接，提高了系统的稳定性。本系统以Cortex?M3内核的32位微处理器为核心，选用STM32F103RE型号，图2所示是惯性传感器单元的原理框图。
