富士通实验室有限公司和富士通有限公司已经开发出一种技术，可以数字化和量化由于不同疾病的影响而导致运动发生变化的患者的行走方式。

免费图片

医疗专业人员可以通过观察患者的行走方式来识别患者的症状。但是，很难对症状进行数字化处理，因为许多步行特征会随疾病的类型和严重程度而有所不同，到目前为止，物理治疗师在大多数情况下都进行了目视检查。

现在，富士通已经开发出一种技术，可以自动准确地量化左右腿的摆动时间和站立时间(1)等因素，以及双腿之间的运动差异。

在新的开发中，将使用从连接到患者脚踝的市售陀螺仪传感器发出的信号波形来确定运动变化时的特征点。

据说肌肉骨骼，神经和心血管疾病等各种症状会影响患者的行走特性。这项新技术将使医疗保健专业人员能够量化在这种情况下行走的病人的步态，因此，他们将能够记录康复过程并帮助对病人进行远程监测，从而提高医疗服务的效率。 。

背景

在医学领域，分析患者的行走情况以检查他们不断变化的症状和恢复状态至关重要。实际上，众所周知，肌肉骨骼，神经和心血管疾病等症状会导致行走异常。

因此，需要一种步行分析技术，该技术可以数字地捕获与物理治疗师相同的信息以检测疾病症状的早期征兆。

问题

已经提出了许多基于机器学习和基于规则的算法的方法，作为比较和分析作为定量数据的步行特征的常规技术，并且引起了医疗保健专业人员的关注。

尽管如此，物理治疗师仍与被诊断出患有多种疾病的患者一起工作，其行走方式的影响因疾病的性质，严重程度和残障区域的位置等因素而有很大差异。因此，传统技术不能高精度地量化各种步行特征，因为它们只能分析有限数量的步行模式或无法准备足够的步行数据以供学习。

关于最新技术

富士通已经开发出一种技术，该技术可以根据附着在患者脚踝上的陀螺仪传感器发出的信号来量化各种步行方式的特征。该技术利用了基于运动定律的最新开发的模型，例如步行过程中左右腿的运动之间的关系以及不同的步行特征随时间变化的方式，检测特征点并为信号波形分配含义从陀螺仪传感器发出。

以此方式，可以清楚地识别步行步骤的信号，并且无论脚步如何，都可以识别出当脚后跟接触地面或脚趾离开地面时步行步骤的特征点。通过测量这些特征点，可以高精度地量化步幅，摆动时间等步行特性。

结果

这项新技术利用市售的陀螺仪传感器评估各种步行方式，包括9种类型的步行异常(短距离步行，绕行，改组等)，从而能够精确计算多种步行特征。

具体地，步行段对步行运动的自动识别精度为96.5%，步幅时间(姿势时间和摆动时间之和)的提取误差为1.8%。换句话说，与需要手动输入行走部分的传统商用产品相比，新技术将测量误差降低了1/3倍。

前景

富士通将继续开发新的数字化技术，以利用医疗专业人员的步行观察数据以及对数量迅速增加的家庭患者进行远程监控。

(1)左右腿的摆动时间和站立时间在一个步行周期中，一只腿没有接触地面的时间称为摆动时间，而一只腿停留在地面上的时间称为站立时间。