反应性皮层响应的时频线性化的早期检测平衡损失

文摘

旨在找到一种快速、准确的preimpact秋天检测(PIFD)策略,本文提出了一种新颖的方法,极具歧视的发生意外损失的平衡稳定的行走,通过分析受试者的大脑皮层信号修改(在头皮级别)的时频域。在这项研究中,受试者被要求在跑步机上走在他们喜欢的速度平台编程提供意想不到的双边控制不力。拟议中的PIFD方法利用同步记录肌(肌电图:2频道从相同的下肢肌肉束,双边)和electro-encephalographic(脑电图:13频道从电机、感觉器官和顶叶皮层区域)的信号。离线验证方法,此外,下肢运动学已经重建通过运动捕捉系统(23反光标记和8固定相机)。在PIFD系统功能,从外侧gastrocnemii EMG信号首先被翻译成二进制波形,然后用于触发脑电图分析。一旦启用通过肌电图(每一个步态周期),脑电图计算分支提取和渗流速度变化的脑电图功率谱密度(PSD)五个乐队的利益:θ(4 - 7赫兹),α(8 - 12 Hz),β我,β二世,β三世节奏(13 - 15赫兹,16 - 20赫兹和第21至28 Hz)。标识的斜率线性化趋势,在这种背景下,皮质反应参数。实验结果从六个受试者显示,该系统可以区分平衡的整体精度的损失~ 96%(敏感性和特异性之间的平均值)。处理请求的歧视,平均370.6 ms。这个值可以被认为是适合的实现对策旨在恢复平衡。

1。介绍

世界卫生组织(WHO)统计表明,下降是常见和严重的健康问题。事实上,2019年,仅在美国,2900万年的记录,导致无效的700万受伤。此外,据估计,每19分钟一个年长的成年人死于秋天,虽然每11秒钟一个年长的成人治疗在急诊室出于同样的原因。根据美国疾病控制中心(CDC),下降的主要原因是致命伤害老成年人以及非致命伤最常见的原因(1,2]。这些统计数据支持的临床证据根据自然衰老过程会改变平衡的能力面对意想不到的扰动通过补偿和预期的对策3,4]。在这方面,秋天检测(FD)上下文出现的主要目的创建系统或设备,能够自动检测跌倒事件在短时间内,具有良好的精度。

FD的第一个分类策略的算法分为两个macroareas: Postfall流动检测(PFMD)和Preimpact检测(PIFD)算法。

从第一个macroarea算法(即。,PFMD) detect the fall events when they already occurred. Typically, they assess the posthumous state of the subject mobility. The paradigm of these systems is as follows: (1) identify the fall, (2) evaluate the user mobility, and (3) call the assistance to avoid death due to “long-lie” phenomenon [5,6](“long-lie”关注老年人无力起床后再下降事件)。PFMD架构存在一种内在的局限性:瀑布只能探测到由于body-ground冲击;因此,它不可能防止受伤造成的直接影响。这个限制可以克服使用PIFD策略(7,8]。PIFD架构利用技术能够认识到秋天事件之前,身体与地面影响破坏性的方式(7]。

不同于PFMD技术,PIFD策略需要很短的时间来检测事件,试图保持高精度在秋天的认可。事实上,这些策略是设计开发集成到一个闭环控制系统,按需摔落保护设备或对姿态控制的支持。虽然这些系统仍在调查,市场上没有可用的(如果不是为了研究目的),合并的想法PIFD策略和保护对策被认为是一种很有前途的解决方案领域的秋天预防(8]。表1提供了一个详细的概述PIFD策略和最先进的解决方案。表所示,对于每个文章认为,秋天的技术用于收集数据检测的实现,秋天指标,分类方法,分析了瀑布的类型,和性能(Se)的敏感性,特异性(Sp)和平均检测时间(DT)。

这些设备用于检测早期下降可分为环境敏感设备或可穿戴设备。在工作分析表1三项研究[9- - - - - -11)是基于上下文感知技术和配合相关的识别从诱导下滑。这些研究使用动作捕捉系统(MCS)为主要采集设备。MCS分析运动学决心通过反光标记放置在特定的人体解剖参考点。因此标记的轨迹跟踪的摄像头安装在固定位置。使用MCS的主要优点是,秋天非常精确的指标可以确定(7,8,12),而最主要的缺点是成本和有限的操作量,可以陷害的相机。

表1提出了一些研究的检测瀑布是由使用单一类型的可穿戴传感器(13- - - - - -15]。使用单一类型的传感器的优点是大大减少了计算复杂度和请求PIFD系统(8]。然而,它已被证实,目前,唯一辨别的加速度信号不允许失去平衡从瀑布等活动的现象(例如,跑或跳)16]。惯性测量单元(imu)解决问题的同时嵌入三轴加速度计和陀螺仪。另一个有趣的PIFD策略是在[提出17- - - - - -22]。作者提出一个完全生理ieee cyber-physical系统检测。它由一个可穿戴和无线采集接口,利用脑电图和肌电图的数据。

在表的分类方法1可以分为以下几点:单个和多个基于阈值的算法,基于机器学习的方法或统计模型。在分析方法中,阈值算法当然是最简单的在很多方面。基于阈值的算法通常计算效率,适合实时PIFD应用程序。尽管一个快速检测,在大多数情况下,这些方法提供准确性低于90%。改善PIFD策略歧视能力,实现更高效的基于阈值系统,几个解决方案使用毫升方法(10,14,23]。然而,ML算法要求长时间的分类器训练阶段。作者在17]分析脑电图和肌电图信号通过一个基于逻辑的匹配算法,它允许快速分类的不自愿的运动。值得注意的是在表的大部分解决方案1分析模拟瀑布(SF),受试者被要求自愿或者与特定的姿势。然而,大多数现实秋天事件发生时由于意想不到的扰动,表现为一种无意识的自然。

PIFD策略的性能可以表达的准确性和效率。精度是由两个参数:定义的敏感性和特异性。通常,定义的敏感性参数之间的数量比例正确认识秋天事件和评估的总数下降。同样,特异性可以被定义为成功地检测到活动的数量之间的比例不像瀑布可识别(例如,步行步骤),这些活动的总数。效率的策略是,评估检测时间,时间范围从扰动初始化和事件识别。

最终,在性能方面,表1表明,提出的解决方案的灵敏度范围在88%和100%之间( ),虽然特异性88.5%和100%之间( )。数据显示,最大的问题提出的解决方案(在术语的准确性)与大量的假警报,减少PIFD系统的特异性。它会导致整个系统的精度 。自补偿动作相关的输出PIFD战略必须旨在避免瀑布,检测时间必须精确地估计系统的演示时间合规。在这方面,作者在24)设置一个检测时间550毫秒的最大干预限制的实施对策旨在恢复平衡。数据表1表明,解决在检测时间 ,在评估工作中,只有系统提出了(10,11,15)提供检测次低于550 ms的门槛,铺平了道路,他们可能在策略使用姿势复苏。其他的解决方案,相反,通常用于触发全身或臀部airbag-based保护系统,可减少body-ground影响的程度(发展在700 ms - 1000 ms)。

在这种背景下,这里提出的工作旨在解决以下挑战:(我)创建一个低计算密集型算法,可以在时间和频率域分析皮层反应动力学(在scalp-level)参与平衡调整稳定行走时突然摄动控制不力(2)设计一个方法来达到高值的准确性(> 95%),同时保持检测时间在[作者所强加的限制下24]:550毫秒(3)实现第一个全新理念完全可穿戴传感器PIFD策略在滑动识别中,通常是委托MCS

在这方面,该研究调查皮质的变化当志愿者积极参与管理意想不到的控制不力的交付在稳定行走。该方法同步记录电极电生理信号从2 EMG双边gastrocnemii和13个脑电图电机、感觉器官和顶叶区域。EMG信号从外侧gastrocnemii是第一个比特数字化,然后使用触发脑电图分析。在皮质分析,系统提取的脑电图功率谱密度的变化五个乐队感兴趣的(例如,(4 - 7赫兹),(8 - 12 Hz), , ,和节奏)(13 - 15、16 - 20和第21至28 Hz)通过使用滑动窗口快速傅里叶变换(FFT)。然后趋势是通过使用一个线性数据拟合近似。斜率的线性化的趋势, ,标识一个近似版本的临床皮层响应参数。

实验结果从六个年轻人和健康受试者显示nonlateralized急剧增加发病后的扰动。此外,结果显示一个有趣的和混凝土检测失去平衡引起滑倒的可能性与良好的精度(96.02%)和检测时间短于平均状态的艺术( )。

本文的组织结构如下:部分2简要地定义了医学背景,为了便于理解算法的详细的方法论基础。部分3讨论了实验结果与艺术的状态提供一个完整的比较,和部分4总结,提出未来的观点。

2。材料和方法

2.1。医学背景:皮质反应动力学

最近的研究(27- - - - - -36]表明大脑皮层的兴奋性调节皮层下姿势维持姿势稳定中心根据环境要求28]。几项研究脑电图信号(27- - - - - -35]分析了皮质参与平衡控制。通常,他们专注于与事件相关电位(erp)研究机械扰动引起的受试者的平衡。拟议的研究治疗皮质反应时扰动直立的姿势(提供28,29日]。

一些研究结果提供无功控制光谱分析(30.- - - - - -35]。他们发现重要的相关性在特定的振荡节律,认知功能,和感觉运动的。简单地说,事实证明(32,33],低频皮质节奏(< 13赫兹)与知觉和认知控制。在秋天事件背景下,这些振荡节律的调制可以与视野稳定和活跃的解码的数据来自前庭系统。通常,这些节奏开始振荡在第一阶段的秋天,涉及利益的乐队:和 。

时间顺序,大脑皮层参与收益高频调制的节奏(> 13赫兹)。后者与运动功能有关,特别是活动主题集中在肌肉燃烧操作对补偿的行为(34,35]。根据感兴趣的特定于应用程序的乐队,在这个类别中,我们考虑的乐队(即 , ,和 )。力量增加上述乐队必须认真分析。事实上,即使是在走路,皮层动态呈现显著的冲动的腿部肌肉运动皮层边摇摆的阶段。然而,预期的响应性皮质活动期间观察到的行走是,在任何情况下,低于预期在体位复苏阶段。此外,自乐队与规划精确而突然的变化,他们将不介入的情况下平静的散步。在这一假设下,功率在这些乐队可以被认为是一个最的上下文中识别参数的识别。

2.2。实验装置

这项研究的主要目的是分析受试者的大脑皮层反应动力学在稳定行走时(他们喜欢速度)的平衡被意想不到的突然不安双边控制不力。在这方面,在试验中,参与者身穿32路无线脑电图耳机(g。鹦鹉螺g.Tec)和2无线肌电图的研究表面电极(Cometa波加Cometa系统),如图1。

表2提供了采用采集设备(即信息。,脑电图和肌电图)。对于每一个设备,表报告监控节点的数量或渠道,设备特性,比如尺寸和重量,和电极特点和采集参数:分辨率和采样频率。

十三脑电图网站监控:F3, Fz, F4, C3, C4、Cz, Cp5, Cp1, Cp2, Cp6, P3, Pz、和P4,根据国际10 - 20系统(37]。氧电极用于噪声抑制,AFz地面,A2(右耳垂)作为参比电极。EEG数据采样与24位分辨率(500赫兹37]。

十表面EMG渠道是从以下两国肌肉群:监控前胫骨外侧腓肠肌、股内侧肌、股直肌和股二头肌。EMG信号记录采样率为2048 Hz,采样到500赫兹(16位分辨率)与EEG信号采样频率(22]。在这项研究中,只保留EMG信号与外侧腓肠肌(两个EMG表面电极)。

脑电图和肌电图都通过蓝牙传输低能量(bie)协议专用的网关和收集的一个仿真软件模型。

图1支持的数据表2,展示了低累赘的最终的架构。完全无线和光采集设备的选择使得preimpact检测体系结构可穿戴。尽管如此,因为使用凝胶或pregelled电极不能被认为是舒适,不同的解决方案仍在调查之中。

图1还显示一组23反光标记的3 d重建放在受试者的下肢运动学和8相机。具体来说,球标记( )安装双边在髂前上棘,骶骨,突出大转子的外表面,外侧和内侧股骨上髁,腓骨、横向和内踝,跟骨,和第一和第五跖骨。额外的标记是严格放在魔杖midfemurs和midshaft胫骨。重要的是要强调MCS-oriented标记只用于时间相干性验证的脑电图、肌电图信号,他们不建议的体系结构的一部分。事实上,运动记录、电生理信号和扰动的爆发是同步离线系统在同一时间验证。

2.3。试验协议

在试验中,受试者被要求管理意想不到的控制不力而走在自我选择的速度在一个名叫森机电整合平台(38)(图1标签# 5)。由于安全原因,志愿者获得了利用附加额外的开销记录。

森是一个平台旨在破坏平衡控制在电机任务(38- - - - - -40]。它由一个接合皮带跑步机,皮带可以移动在水平面,纵向和横向。平台配备了力传感器识别行走时步态周期的各个阶段(40]。

在目前的研究中,森提供的扰动由突然朝前后方向向前运动。具体来说,选择带加速和减速带停止了一个三角形的速度剖面(斜率8 m / s²总位移为0.15米)。带运动检测脚的脚跟罢工引发的微扰的任命。

第一个适应阶段后(约5分钟),协议由一系列连续10试验的步态是由滑移摄动。交付的控制不力也同样交替foot-related带和左脚。

2.4。Preimpact跌倒检测策略

这项工作提出了一个创新的解决方案领域的PIFD策略,其主要目标是实时检测失去平衡的生理信号(即同步分析。,脑电图和肌电图)。

图的框图2提供了一个通用的实现架构的概述。

如图所示,该系统由三个主要部分:采集系统,微扰协议,计算单位。后者可以进一步分为EMG处理(即。,Muscle-based Trigger) and the cortical analysis block that comprises the sliding window FFT, the band multiplexing process, and the ordinary least square (OLS) estimation of the power spectrum density trend.

从图2,可以注意到这个架构进行了优化和验证认可的资产损失引起意想不到的控制不力的惩罚(微扰protocol-Figure sen2)。

节中详细2。2采集系统图1由一个架构,获得和同步脑电图和肌电图信号。具体来说,系统监控2表面EMG表面电极放置在外侧gastrocnemii (R (L) _LG-Figure1)和13个脑电图渠道之间的分布式电机、感觉运动和顶叶皮层。(即获得生理信号。,脑电图描记器和肌电图)are then wirelessly transmitted to a common gateway that deals with synchronizing, in real time, the data coming from the two different acquisition systems.

在这部作品中,网关由接收站连接,通过USB接口,一个笔记本电脑专用实时Simulink-MATLAB®2017运行模型。

计算系统工作原理可以描述如下:收集到的EMG信号无线发送到第一个块(即。”再也触发器)的电生理活动转换为二进制信号。触发器算法分析了EMG取样,将肌肉收缩值“1”,否则“0”值

肌肉活动的过程数字化是委托给一个移动平均的方法,这是能够适应主题的肌肉张力的变化22]。然后使用这两个二进制波形独立触发皮质分析。在这种情况下,它是有用的识别一个特定阶段的步骤循环,激活大脑皮层的分析。这个选择允许系统排除,从总量计算,皮质活动不严格有关特定的运动,减少大量的数据分析和可能出现的假警报脑电图仪的概要文件。触发器与此相关的肌肉叫主触发(MT)以下。我们选择侧腓肠肌太因为它惟一地标识双支撑阶段的步态周期。

如前所述,太使皮质的前沿分析(即每一步。独立,左翼和右翼腓肠肌收缩)。脑电图计算块量化的大脑信号的力量的变化,考虑五个乐队通过滑动窗口FFT的兴趣。每个窗口返回一个功率值在每个评估乐队,建筑五矢量的测量,以普遍性的原因——““在图2。然后,该算法提取,为每一个向量PSD的线性近似通过普通最小二乘法(OLS)估计。这些模型允许系统来提取,从PSD测量( ),两个参数( )通过基函数的矩阵( ):的截距和斜率的线性化PSD的趋势。脑电图反应参数实际上在于斜率。EEG响应参数,通过线性模型提取,有助于系统校准的阶段。在这个阶段,系统定义了“标准”在乐此不疲的模型识别皮质的行为。

在这个阶段,实现算法提取阈值的序列。后者用于识别和分类的所有统计“非标准”的行为(包括资产的潜在损失)在实时操作。这种分类阶段由相关,相互之间,通过一个逻辑网络的阈值条件。网络关闭处理,输出的结果中提供二进制分类:平静的步骤或潜在损失的平衡。如果逻辑网络的输出提供的时间符合动力学,该系统警报可以用来使姿势恢复策略。

2.4.1。数据预处理

here-proposed系统在线治疗(即电生理信号。后,脑电图和肌电图)以下指南:

(1)肌电图。表面emg在线高通滤波和一个八阶巴特沃斯滤波器截止频率10 Hz拒绝运动构件。

(2)脑电图。符合的主要研究领域(28,29日,36),脑电图是逐步band-filtered 1赫兹和40 Hz之间使用一个八阶巴特沃斯滤波器在传输之前。

在每次试验中,所有脑电图电极的阻抗检查是为了确保一个值低于40 kΩ。

数字陷波滤波器(52赫兹)实现对脑电图和肌电图信号。

(4)特殊的预防措施。脑电图工件可以分类,一般来说,生理或non-physiological [41]。前者类型包括眼球运动(闪烁,横向和垂直运动),肌肉收缩(收紧下巴,颈部肌肉的收缩),和心脏工件。non-physiological构件包括线路噪声、阻抗转变,从电缆和干扰运动(41]。EEG信号的采集步态中增加这些构件的影响。虽然没有永久删除所有上述构件的方法,是采取特别的措施在录音限制的影响。

使用活跃preamplified湿电极,电极的阻抗检查和修复程序PCB连接线路,保证non-physiological工件的衰减。此外,在实验测试中,受试者被要求解决他们的目光在眼睛水平和锋面在实验中,放松颈部肌肉,尽可能避免或在走路时摆动头部。

限制进一步的干扰,环境照明是保持不变,环境噪音减少,录音设备和运营商都拒之门外的视野。

剩下的工件将被拒绝在皮质分析阶段通过嵌入仿真软件模型工件拒绝阶段:黎曼工件(rASR)子空间表示方法(42]。

2.4.2。”再也触发的一代

如图2”再也触发块用于识别的事件为一个特定的肌肉收缩。为特定应用程序,深入了解EMG信号的水平不一样有用的知道它的二进制近似(例如,开/关)。虽然开/关状态概念和计算简化了EMG信号的分析,提取的算法肌肉诱因,提出了原理图3,必须能够适应的特点(i)的肌肉张力测试主题(主体间变异性)和(2)在审判期间遵循肌肉张力变化。

在这方面,对于这个应用程序,我们将提出一个方法在我们之前的工作22,43)以前用于步态分析应用程序。简单地说,它是一个动态阈值方法,在每个EMG信号(16位)为一个二进制信号(名为触发)。它假定一个逻辑值高,如果肌肉收缩,低否则(放松肌肉)。图3显示了触发器生成的所有步骤。

中描述的方法,原则,比较信号的平均功率大的时间跨度 女士(PM)和信号功率的平均在一个较短的时间跨度 (即女士。,the last 250 ms of the登记,PN)。这个过程是刷新取样。

为th样本,PN比较点。如果 ,触发1,否则为0。

2.4.3。皮质分析系统

在这种背景下,尝试,选择的MTs(横向gastrocnemii)通常反应 控制不力。从文献[36),我们知道更快的乐队(暂时)与权力干预变异(峰值检测~ 185 ms从扰动出现),因此最重要的重建,在线性模型的拟合的角度通过太。

在这方面,在这项研究中,系统提取一个脑电图的时间窗口,从800 ms(即开始。400样品)太收缩开始之前和结束。如前所述,EEG子集进行工件的第一阶段通过rASR拒绝。然后分裂artifact-free脑电图子集在20重叠(10-sample一步)200 -样品长时间窗口。

在每个评估时间窗口,系统运行一个FFT的光谱分辨率2.5赫兹( 样品/ s, 样本)。然后评估根据光谱行为 在哪里长200 -样本评估和滑动窗口吗是样品的数量组成分析数据系列。一旦光谱功率 为每个窗口已经提取,系统开始乐队多路复用阶段根据图2(44,45]。在带多路复用阶段,系统提取的行为(4 - 7赫兹),(8 - 12 Hz)乐队和 , ,和(13 - 15、16 - 20和意向Hz)节奏考虑到光谱分辨率。在这方面,为每一个分析窗口,系统提取的向量 ,与 ,参与多路复用的乐队的数量。这个向量(即 )由光谱贡献的总和下跌的范围内分析了乐队,据

最终,对应的太收缩,(1)系统提取的向量(方程(2)的所有20滑动寡妇作曲EEG块进行分析(2)所有的向量是嵌入在一个二维矩阵的大小 。不得不这个矩阵的每一列、20分,功率谱测量特定的男孩在太发病前的800 ms(3)然后计算扩展到监控通道( ),导致了一个三维矩阵

考虑,为了清晰,一个乐队感兴趣的一个通道,相关的测量20 windows终于送到一个计算单元,用于处理提取线性模型的最小二乘拟合(即。OLS估计)。特别是,这个阶段的皮层响应计算是基于大脑反应的简化近似,所描述的20分,可以被认为是一条直线 。

图4显示了一个示范,强调比较(通过引用实验基础),之间的线性模型在行走(图中提取4(一)蓝)和线性模型从被动地应对扰动(图4(b)红色)。板参考通道F3和相同的乐队感兴趣的(例如, )。相关数据(图4(一)指太# 16子4-Trial。2。所选的太收缩了腓肠肌F3(同侧)。

作为最后一步,系统丢弃的信息被认为是无用的在这种情况下,如估计拦截,推导一个矩阵,其中只包含估计斜坡, 。对于每一个太收缩,定义一个二维矩阵: ,的元素是上述的斜率估计OLS-based模型乐队感兴趣的和通道。例如,在图4,皮层响应的程度是由系统中提取的非微扰步态(太# 16) ;同样,在微扰(太# 41)的情况下,该参数 。请注意, - - - - - -轴报告窗口数量,每个窗口由20 ms的一步。

2.4.4。逻辑标识符

如上所述节2.4。3,大脑皮层分析系统提取响应矩阵为每个评估太的收缩。

在第一个校正阶段,系统收集一些矩阵从平静的走的步骤。因此,构建一个“标准”的统计皮质为被测对象的行为。

更详细,系统标定需要的存储矩阵的一个数字,数控,平静的太收缩。一旦这个数据收集,一个三维矩阵 可进一步计算。一般MC元素, ,代表了的价值乐队感兴趣的和th通道提取通用的通信太收缩。通过隔离通道和乐队感兴趣的数据(即从3 d皮层响应矩阵。,通过选择th通道和th乐队),可以提取65矢量大小{ }。65年向量提取的EEG分支架构受到泛化一步,系统的平均水平,在几个频道,的值在一个特定的乐队。结果平均构成组脑电图通道称为功能性皮质组。有四个功能皮层组织大致确定监控macroareas:(我)补充运动区。有nBoI = 5向量,每一个感兴趣的乐队,包括值平均通道:{Fz F3, F4}(2)运动区。有nBoI = 5向量,每一个感兴趣的乐队,包括值平均通道:{Cz C3, C4}(3)感觉运动区域。有nBoI = 5向量,每一个感兴趣的乐队,包括值平均通道:{Cp5 Cp1, Cp2, Cp6}(iv)顶叶区域。有nBoI = 5向量,每一个感兴趣的乐队,包括值平均通道:{Pz P3, P4}

这一步的泛化允许系统获得立即控制一般皮质参与主体的地位。一旦控制结构被泛化了明确的步骤,校准算法必须统计分析只有20个向量( 组)。从这些向量,系统提取相同数量的阈值基于百分比的分析。具体地说,所有的阈值与95年一致^th百分位数的矢量分析。这些阈值是用来确定系统的初始状态(校准)。在第一次收缩的太,丢弃第一个值的阈值将被更新(最古老的按时间顺序),换成了新的。考虑到最后一个向量,将周期性更新的阈值。一旦系统是逐步调整,分类器分析每个功能性组整体的贡献参与。

伪代码的伪代码1总结和广泛评论分类的例程和感兴趣的校准考虑一个乐队。

更多的细节,根据第1行系统比较每个功能组的值(imX X集团缩写)与专用的阈值(ThrX, X集团)的缩写。然后,如果> 50%的评估组织感兴趣的权力增加皮质活动,推广国旗(Gen_flag)设置为1。打开第二个条件嵌套程序,lateral_check(行5)。这个例程评估如果功率增量利益的一侧大脑皮层(通过之间的差异值从左边和右边的频道)。如果差异低于一定的公差,偏侧性标志(Lat_flag)设置为1时,表明普遍增加。如果泛化和偏侧性标志设置系统调用Alarm_on_BoI例程。这意味着在特定的乐队感兴趣的(例如, )大脑皮层的活动是不正常的。如果至少3感兴趣的乐队感兴趣广泛的增加,分类发布全球警报,要求外部干预恢复平衡(检测到潜在的下降)。

3所示。实验结果

3.1。参与者

秋天检测系统已经验证六位年轻和健康受试者,其个人数据和人体测量( )报道在表3。

没有落在试验报告。所有与会者都能恢复平衡。

所有参与者在实验开始前会议,签署了知情同意。研究程序都符合赫尔辛基宣言,并经当地伦理委员会批准(防。不。0028266/2019)。

3.2。PIFD算法性能

介绍了在节1指标常用的量化的性能PIFD策略的准确性、敏感性和特异性,通过检测时间和效率7,8]。

在目前的研究中,上述表现实验通过提取协议中描述的部分2。3,问这个话题进行试验,连续十intertrial时间为2分钟(休息)。最后一个数据集的计算性能60扰动为每个分析主体(10)。

3.2.1之上。PIFD算法性能:准确性

表4总结了系统性能方面:肌肉反应方面,活跃大脑皮层组织,许多假警报,,最后,敏感性和特异性。“响应”列标识腓肠肌外侧的第一个干预尝试避免下降。实验结果表明,在存在平衡扰动交付(50%在生活方面,50%在右边),受试者的反应的病例的57.22%左腓肠肌收缩。这个值不考虑缺失的数据(MD)由于误分类。报告显示,三个科目(地铁1、5、6)潜在的反应根据医学文献[12,36]通过收缩的腓肠肌镇定的腿恢复平衡。在剩余的情况下,一个异常僵硬右侧肢体被记录。

“活跃的皮层组织”列标识功能皮层组织的数量通常高于阈值,平均5乐队的兴趣。在这方面,表4表明,平均而言,一个“非标准”的神经行为检测到 皮质组(5日平均值和标准偏差的利息)的扰动(F-Table4)。同样,皮质组织积极参与稳定(W-Table行走4),平均而言, 。后面的结果支持假设的理论逻辑网络分类:一个普遍的(不是边音的)和一般皮质活动增量可以识别可能失去平衡。

表4还表明,该系统可以达到一个整体的敏感性 和特异性 ,完全竞争与艺术的状态。定量对比如图以上详细的最先进的解决方案5。

3.2.2。性能:PIFD算法效率

PIFD策略的效率通常是评估的时间间隔来可靠地检测失去平衡。这个参数可以作为微扰开始之间的时间间隔和失去平衡状态识别。在这种背景下,提出的系统验证了动作捕捉系统(MCS)入手,通过适当的精度,提供的扰动出现森平台在前后方向上的选择肢。

检测时间,提取实验测试过程中,总结了表5。他们计算考虑扰动出现瞬间的电压提供给步森通过Vicon Nexus软件编程(MCS)。这个上升的时间分辨率边缘≤10 ms,但保守,我们认为它在检测时间。

在表5“操作时间”列显示了计算时间与完整的计算机系统(图有关2)工作流程,(我)由肌肉触发激活,(ii)滑动窗口FFT, (iii)带多路复用(iv)泛化和偏侧性步骤,(v)逻辑网络分类和阈值(vi)的修订完善。

更普遍的是,这份报告在表5表明,6个分析对象,系统需要实现,平均而言, 检测诱导下降。更详细,只计算系统(图2)要求,平均 结论上述定义六个业务从肌肉触发激活阈值的调整。

剩余时间(平均~ 350毫秒),以其高可变性,严格相关选择太函数(即肌肉束。侧腓肠肌)。事实上,最好记住,系统开始工作从腓肠肌的收缩(左右独立)。《纽约时报》与此相关的生理过程仍没有可决定的确定性。在这方面,腓肠肌的响应时间是不可避免的延迟承认损失的平衡,很大程度上决定了系统的效率。

的效率,提供一个更完整的概述6显示了trial-by-trial实现系统的响应时间。在最坏的情况下(即。,Sub 2 and Trial 5), the system takes about 634 ms to intervene, while in the best case (i.e., Sub 6 and Trial 4), the system recognizes the loss of balance in about 160.4 ms.

实现了检测时间竞争的最先进的解决方案,强调环境的系统适用性姿势恢复策略的实现。

最后一个比较图与图提供先进的解决方案7。图显示了检测时间和总体精度(即。,mean between Se (%) and Sp (%)), providing an interesting metric for the performance assessment of the PIFD algorithm. Ideally, the algorithms should tend to the bottom-right corner.

4所示。结论

在本文中,一个新颖的方法,早期歧视意外失去平衡从日常生活动作事件,通过分析受试者的大脑皮层信号修改(在头皮级别)的时频域提出了。

系统成功测试的早期检测和优化平衡损失发生意想不到的控制不力时在行走,实现第一个全新可穿戴传感器识别系统感应控制不力。

六个年轻人证明了系统上实验验证承认失去平衡的敏感性为93.33%,特异性为98.91%。在效率方面,系统要求370.62女士认识到平衡扰动。

的here-proposed PIFD战略设计是计算密集型的低,因此适合单片机和FPGA实现。

性能(精度和检测时间)建议用于实时应用程序的技术。尽管如此,未来的视角关注PIFD方法集水区域的应用更贴近目标人65 +(集团),以及识别合适的保护或缓解策略(例如,通过使用可穿戴机器人平台)和采集系统的改善耐磨性。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持的项目AMICO (Assistenza医学研究院在上下文感知、AMICO项目ARS01_00900)由国家项目(其)意大利教育部,大学和研究(MIUR)(法令。267)。

引用

1. j . Massion“姿势控制系统”,目前在神经生物学的观点,4卷,不。6,877 - 887年,1994页。视图:出版商的网站|谷歌学术搜索
2. m·p·默里a . a . Seireg和s . b . Sepic“正常姿势稳定和稳定:定量评估,”《骨与关节外科杂志》上卷,57号4、510 - 516年,1975页。视图:出版商的网站|谷歌学术搜索
3. d . s .万寿菊和j . e . Misiaszek”全身反应:神经康复,预防控制和影响,“神经学家,15卷,不。1,36-46,2009页。视图:出版商的网站|谷歌学术搜索
4. j . e . Misiaszek“神经控制行走的平衡:如果下降那么其他反应继续下去,”运动和体育科学的评论,34卷,不。3、128 - 134年,2006页。视图:出版商的网站|谷歌学术搜索
5. n . Noury t . Herve诉Rialle et al .,“监控行为在国内使用智能传感器和位置传感器,”第一届国际IEEE-EMBS专题会议上制造技术在医学和生物学。程序(猫。No.00EX451),页607 - 610,法国里昂,2000。视图:出版商的网站|谷歌学术搜索
6. 共和党Ryynanen, s . l . Kivela r . Honkanen和p . Laippala“瀑布和无助的躺在老人,”Zeitschrift毛皮Gerontologie,25卷,不。4、278 - 282年,1992页。视图:谷歌学术搜索
7. s乔杜里·h·汤普森,g . Demiris“老年人跌倒检测设备及其使用:系统回顾,“老年物理治疗》杂志上,37卷,不。4、178 - 196年,2014页。视图:出版商的网站|谷歌学术搜索
8. 胡锦涛和瞿x, x“Pre-impact检测,”生物医学工程在线,15卷,不。1,p。61年,2016。视图:出版商的网站|谷歌学术搜索
9. 胡锦涛和瞿x x”,细化跌倒检测模型基于统计过程控制图,“安全科学卷。64年,13-21,2014页。视图:出版商的网站|谷歌学术搜索
10. 马特利d, f . Artoni诉摩纳哥,a . m .萨巴蒂和s . Micera”Pre-impact跌倒检测:最优传感器定位基于机器学习的范例,”《公共科学图书馆•综合》,9卷,不。第三条e92037, 2014年。视图:出版商的网站|谷歌学术搜索
11. j·刘,t·e·洛克哈特prior-to-impact下降事件检测算法的开发和评估,”IEEE生物医学工程,卷61,不。7,2135 - 2140年,2014页。视图:出版商的网站|谷歌学术搜索
12. d . a .冬天,人体运动的生物力学和运动控制约翰•威利& Sons 2009。
13. a·k·伯克,k . j .,马路,g . OLaighin”标识的垂直速度概要文件使用一个惯性传感器调查pre-impact检测下降,”医学工程与物理,30卷,不。7,937 - 946年,2008页。视图:出版商的网站|谷歌学术搜索
14. l .通问:歌曲、y .通用电气和m .刘”HMM-based人类使用三轴加速度计检测和预测方法,”IEEE传感器杂志,13卷,不。5,1849 - 1856年,2013页。视图:出版商的网站|谷歌学术搜索
15. 诉摩纳哥,p . Tropea f . Aprigliano et al .,“ecologically-controlled外骨骼可以改善平衡复苏滑移后,“科学报告,7卷,不。1,第46721条,2017。视图:出版商的网站|谷歌学术搜索
16. n . Pannurat s Thiemjarus,大肠Nantajeewarawat“自动监测:审查,”传感器,14卷,不。7,12900 - 12936年,2014页。视图:出版商的网站|谷歌学术搜索
17. d . De Venuto v . f . Annese m·德托马索·e·维奇和a . l . Sangiovanni Vincentelli,“结合脑电图和肌电图信号在无线系统中防止神经退行性疾病,”环境辅助生活诉Marletta, b .安藤,p .西西里岛舞蹈,和a . Monteriu Eds。11卷生物系统与生物机器人施普林格,可汗,瑞士,2015。视图:出版商的网站|谷歌学术搜索
18. v . f . Annese和d . De Venuto跌倒风险评估结合运动相关势和co-contraction指数监测”2015年IEEE生物电路与系统会议(BioCAS)美国,页1 - 4,亚特兰大,乔治亚州,2015年。视图:出版商的网站|谷歌学术搜索
19. d . de Venuto d·t·卡斯特罗y尚未知晓,和e . Stikvoort”0.8μW 12位SAR ADC为RFID应用中,传感器接口”微电子学杂志第41卷。。11日,第751 - 746页,2010年。视图:出版商的网站|谷歌学术搜索
20. v . f . Annese和d . De Venuto非随意运动的真理机:基于FPGA cortico-muscular秋天预防分析”2015年IEEE信号处理和信息技术国际研讨会(ISSPIT),页553 - 558,阿布扎比,阿拉伯联合,2015年。视图:出版商的网站|谷歌学术搜索
21. d . De Venuto m . j . Ohletz, Ricco,“混合信号集成电路数字DfT窗口比较器方案,”杂志的电子测试,18卷,不。2、121 - 128年,2002页。视图:出版商的网站|谷歌学术搜索
22. d . De Venuto和m . j . Ohletz“片上测试使用双模混合信号asic bias-programmable参考电压比较器,”杂志的电子测试,17卷,不。3/4,243 - 253年,2001页。视图:出版商的网站|谷歌学术搜索
23. o·阿齐兹,c·m·拉塞尔·e·j .公园,美国成员,和s . n . Robinovitch”窗口大小的影响和铅时间pre-impact秋天使用支持向量机检测精度分析,腰挂载惯性传感器数据,”IEEE 2014年第36届国际会议在医学和生物学社会工程美国IL,页30-33,芝加哥,2014年。视图:出版商的网站|谷歌学术搜索
24. y Lajoie s p·加拉格尔,“预测属于老年人社区:比较姿势的影响,反应时间,Berg余额规模和Activities-specific跌幅比较平衡的信心(ABC)量表和non-fallers,”老年学和老年病学档案,38卷,不。1,11-26,2004页。视图:出版商的网站|谷歌学术搜索
25. 吴和雪,“便携式preimpact下降与惯性传感器,探测器”IEEE神经系统和康复工程,16卷,不。2、178 - 183年,2008页。视图:出版商的网站|谷歌学术搜索
26. 梁g .赵z梅,d . et al .,“pre-impact秋天识别方法的探索和实现基于惯性身体传感器网络,”传感器,12卷,不。11日,第15355 - 15338页,2012年。视图:出版商的网站|谷歌学术搜索
27. d . De Venuto v . f . Annese, g . Mezzina“嵌入式系统远程驱动机械装置由P300大脑活动,”设计、自动化和测试在欧洲会展(日期),2017年瑞士洛桑,页1014 - 1019,,2017。视图:出版商的网站|谷歌学术搜索
28. j.p. Varghese、r . e . McIlroy开发和m . Barnett-Cowan”Perturbation-evoked势:意义和应用程序在平衡控制的研究中,“神经科学和生物行为的评论卷,83年,第280 - 267页,2017年。视图:出版商的网站|谷歌学术搜索
29. 大肠威滕伯格,j·汤普森,c . s .南和j·r·弗朗茨“神经影像学的人类平衡控制:系统回顾,“人类神经科学前沿p . 170,卷。11日,2017年。视图:出版商的网站|谷歌学术搜索
30. a . Mierau纠缠,t . Hulsdunker k . Schiecke Struder h . k和h·威特,“皮质人类平衡控制的关联,”大脑地形,30卷,不。4、434 - 446年,2017页。视图:出版商的网站|谷歌学术搜索
31. s . Makeig k . Gramann陈宗柏。荣格、t . j . Sejnowski和h .鲍泽纳“连接大脑,心理和行为,”国际心理生理学杂志,卷73,不。2、95 - 100年,2009页。视图:出版商的网站|谷歌学术搜索
32. j . f . Cavanagh m·j·弗兰克,“额θ为认知控制机制”,认知科学趋势,18卷,不。8,414 - 421年,2014页。视图:出版商的网站|谷歌学术搜索
33. w . Klimesch、r .感觉和r . Freunberger“阿尔法振荡和视觉编码的早期阶段,”心理学领域,卷2,p。118年,2011年。视图:出版商的网站|谷歌学术搜索
34. a·k·恩格尔和p .薯条,“β波振荡信号现状?”目前在神经生物学的观点,20卷,不。2、156 - 165年,2010页。视图:出版商的网站|谷歌学术搜索
35. c . Neuper和g . Pfurtscheller”与事件相关的动力学皮质节奏:frequency-specific特性和功能相关,”国际心理生理学杂志,43卷,不。1,41-58,2001页。视图:出版商的网站|谷歌学术搜索
36. t . Solis-Escalante j . van der Cruijsen d·德锦,j . van Kordelaar诉Weerdesteyn和a·c·思,“皮质的准备和执行过程中动态无功平衡反应与不同的体位要求,“科学杂志卷,188年,第571 - 557页,2019年。视图:出版商的网站|谷歌学术搜索
37. d . De Venuto和j . Rabaey“RFID收发无线供电的大脑植入微电极和反散射神经数据收集,”微电子学杂志,45卷,不。12日,第1594 - 1585页,2014年。视图:出版商的网站|谷歌学术搜索
38. l . b . Luciani热那亚诉,诉摩纳哥,l . Odetti e . Cattin和s . Micera”设计和评估一个新的机械电子平台的评估和预防风险,”神经工程学和康复杂志》上,9卷,不。1,p。51岁,2012。视图:出版商的网站|谷歌学术搜索
39. f . Aprigliano d·马特利·Tropea g . Pasquini s Micera诉摩纳哥,“衰老并不影响intralimb协调阴沟翻船扰动引起的强度不同,“神经生理学杂志,卷118,不。3、1739 - 1748年,2017页。视图:出版商的网站|谷歌学术搜索
40. 马特利d, f . Aprigliano p . Tropea g . Pasquini s Micera诉摩纳哥,“稳定与反向平衡损失:老年性阴沟翻船后修改多个振幅扰动,”步态和姿势53卷,第214 - 207页,2017年。视图:出版商的网站|谷歌学术搜索
41. m . Sazgar和m . g .年轻,“脑电图工件,”绝对癫痫和脑电图旋转审查施普林格,页149 - 162年,可汗,瑞士,2019。视图:谷歌学术搜索
42. s .布卢姆n·s·j·雅各布森,m·g . Bleichner和岁以上,”一个黎曼修改工件子空间重建脑电图工件处理,”人类神经科学前沿,13卷,p。141年,2019年。视图:出版商的网站|谷歌学术搜索
43. v . f . Annese和d . De Venuto步态分析预测使用EMG触发运动相关势下跌,”2015年10日国际会议集成系统的设计和技术在纳米时代(dti)2015年,页1 - 6,那不勒斯,意大利。视图:出版商的网站|谷歌学术搜索
44. m·布拉格杰维克m . Kayal m·杰维斯,d . De Venuto“能源SOI hall-sensor前端测量,”IEEE传感器杂志》第六卷,没有。4、1016 - 1021年,2006页。视图:出版商的网站|谷歌学术搜索
45. 美国卡拉拉,m·d·托瑞a . Cavallini d . De Venuto和g . De Micheli”在分子生物传感器多路复用pH值和温度2010生物电路与系统会议(BioCAS)帕福斯,页146 - 149年,2010年塞浦路斯。视图:出版商的网站|谷歌学术搜索

版权

版权©2019 Giovanni Mezzina和丹妮拉·德·Venuto。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。