基于Android智能手机的可靠性和有效性步态分析.doc

基于Android智能手机的可靠性和有效性步态分析 翻译：张师琲 A6作者：Shu Nishiguchi, R.P.T. Minoru Yamada, R.P.T., Ph.D.Koutatsu Nagai, R.P.T.,M.S.,1 Shuhei Mori, R.P.T.Yuu Kajiwara, R.P.T. Takuya Sonoda, R.P.T.Kazuya Yoshimura, R.P.T. Hiroyuki Yoshitomi, M.D., Ph.D.Hiromu Ito, M.D.Ph.D.Kazuya Okamoto, Ph.D.Tatsuaki Ito, M.E. Shinyo Muto, M.E.Tatsuya Ishihara, M.E.and Tomoki Aoyama, M.D., Ph.D.摘要：智能手机是日常生活中很常见的设备,它拥有一个内置的三轴加速计。类似以前开发的加速度计的智能手机可以用来评估步态样式。然而，很少有步态分析使用在智能手机上，而且其可靠性和有效性也尚未得到评估。本研究的目的是评估智能手机加速计的可靠性和有效性。30名健康年轻成年人参与了这项研究。他们以他们各自的速度走了20米，我们用了一部拥有三轴加速器的智能手机，上面装了一个L3多刺的程序，用来测量他们身体的加速度。我们开发了一个步态分析的应用程序，并把它安装到智能手机用来测量加速度。经过信号处理，我们计算出每个测量终端的步态参数：加速度峰值的时间间隔的峰值频率（PF），均方根（RMS），自相关峰值（AC）和系数方差（CV）。通过一次又一次的可靠性测试，我们获取了智能手机中的步态参数，并可以看出其显著的一致性。所有的步态参数的智能手机取得的成果表明统计具有相同参数的重要和相当相关三轴加速度计(PF r = 0.99,RMS r = 0.89, AC r = 0.85, CV r = 0.82; p 0.01).我们的研究表明，在这次测试中所使用的装有步长分析应用的智能手机能够比拥有三轴加速器的测出更精确的步长参数。关键词：智能手机，加速计，步长分析，可靠性，有效性引言：走路的是一条天然的运动形式，而大多数人每天步行，是为了进行各种各样常见的活动。如购物和旅游。然而，这最自然的能力，通常主要被脑损伤，严重的肌肉骨骼疾病，和老龄化所影响。人体运动的研究，多年来一直积极研究的领域，被认作是寻求步态识别和描述。多年来，定量分析的步态模式已研究步态实验室，配备有许多复杂的测量和分析设备，如地面反作用力板和三维运动运动分析系统。然而，这些设施的使用需要专门的人员和实验室环境。此外，大部分设备是昂贵的，数据采集程序往往繁琐。事实上，一段时间以来，这些设施的使用被限定于步态分析领域的研究和临床设置。 最近，无线三轴加速度计被广泛的用于步态分析，因为它们是容易使用，而且便宜，他们并不需要实验室环境。亨里克森等人发现的躯干加速计的步态分析的可靠性是令人满意的，因为它产生内相关系数（ICC）和测量误差和变异系数低值的高值。通过个人电脑进行原料从一个人的步态加速度数据的收集分析，这是可以量化的变异性，规律性和节奏模式的人的步态。加速计的步态分析，使我们能够稳定评估步态，这是与以前使用的运动方式不同的角度来看的。当前和相当最近的趋势已经看到的现成手机，如智能手机，并预期姿势调整的步态分析和测量的研究已经尝试使用加速度计的部署智能加速度。勒莫安等进行步态分析实验使用的智能手机，证明有足够的一致性水平的能力，准确地量化步态参数。不过，使用智能手机的步态分析并没有被广泛探讨，其可靠性和有效性尚未评估。因此，本研究的目的是评估智能手机的加速度计的可靠性和有效性。在这项研究中，一个从智能手机获得的步态参数与那些由传统的加速计中得到的参数进行了比较。主题和方法： 主题：京都大学的学生被招募为研究对象。 17名男子和13名妇女自愿，他们没有报道目前或因以前的疾病或受伤，步态和/或平衡障碍。知情同意之前，他们的参与，获得所有科目中按照批准由京都大学研究生院医学（批准文号E1095）和人权，赫尔辛基，1975年宣言“的指导方针。测试程序:受试者指示步行25米的光滑，水平的人行道上，一个2.5米的空间，在加速和减速的走道两端。因此，超过20米的距离进行了测量。受试者走在他们的首选速度，这个走廊的长度的三倍，穿的鞋不影响他们的步态。器具：我们使用两种加速度测量端子：配备的智能手机之一（的Xperia的SO-01B，Android作业系统2.1版本，139克，119路60路13.1毫米，索尼爱立信公司，日本）和其他配备一个三轴向加速度计（型号腕踝针-006，17克，38路39路10毫米，ATR-促销公司，日本）。智能手机和三轴加速度计，一起记录。与Moe- Nilssen和Helbostad的使用方法，取得了L3的地区，这是接近身体的重心，被认为是在安静的站在位于终端。我们开发了一种步态分析中的应用，并把它安装在智能手机来衡量加速终端。此应用程序测量加速Android智能手机和智能手机的屏幕上立即显示步态分析的结果。在我们的步态分析，智能手机的加速度测量的采样率在SENSOR_DELAY_FASTEST，这是列在Android智能手机的规格最高的模式设置。因为采样率不是恒定的，我们在智能手机的加速度测量的采样率调整到0.03小号在插值。共获得256个样本的加速数据（7.68）从每个测量终端和分析。对于上述同样的原因，三轴加速度计的采样率设置为0.03小号。数据处理:我们根据以往的研究选择了以下的步态参数：峰值频率（PF），均方根（RMS），自相关峰值（AC）和变异系数（CV）的加速度峰值间隔。PF值表示的步态周期，这是一个步骤所花费的时间。RMS值表示步态不稳的程度，因此，较高的RMS值表明一个稳定的程度较低。AC值表示的步态平衡的程度，所以一个更高的AC值表示更大程度的平衡。CV值表示的步态变异程度（即在两个连续的脚步第一次接触之间的运行时间的变化）。计算步态参数，我们使用的三轴加速度数据的绝对值测量终端的姿势，以减少影响。让at1:tn = at1 , at2 , . . . , atn表示所有加速度绝对值集从时间t1 到 tn,。让我们用at和n，分别表示在时间t的加速度的绝对值和所有的数量从时间t1 到tn获得加速度绝对值。PF检测程序:检测精度高的加速度数据AT1 PF FP：TN基于PF候选人FP美分，这是从平滑的加速度数据的检测，以减少高频测量噪声陪同犯规检测的影响。PF的检测过程如图1所示。首先，加速数据AT1：TN使用低通滤波器平滑。第二，PF的候选人，FP美分，检测，功率谱在频率fp是在空间平滑的加速度数据进行快速傅立叶变换转换频率最高峰。RMS的计算程序:RMS加速度数据AT1：TN计算公式如下： 在这里，让T1和TN，分别表示我们的步态分析测量的开始时间和停止时间。 图1：峰值频率的检测程序，FFT快速傅里叶变换。图2：自相关峰值检测程序AC检测程序: 检测交流的过程如图2所示。 ACRP从自相关函数检测使用FP fp。这使得我们检测的高精确度交流卢比的基础上，假设步态周期有关，当AC检测时间滞后。AC检测方法如下。首先，自相关从加速度数据计算功能。at1:tn 。超过时间的增加，自相关函数由RXX以下的自相关系数（K）的序列表示的滞后K： 在这里，让XT表示归加速度数据，计算由平均aMEAN和标准偏差aSD的加速度数据AT1：TN;这就是： 设n表示在我们的步态加速度数据样本分析。最后，交流RP检测到周围的最高峰步态周期T（=1/fp）滞后有关。CV计算程序:CV的计算使用的组积极高峰时间的候选人，在平滑的加速度数据检测。这减少了，伴随着积极的峰值检测的高频测量噪声的影响。在这里，正峰值表示以积极的加速度波形凸形状的加速度数据。首先，加速数据AT1：TN使用低通滤波器平滑。第二，每个平滑的加速度波形的正峰值检测为一组正峰候选人。这些测量的时间分别提取作为一个积极的高峰时间候选人。第三，每个正峰加速度数据AT1：TN检测每个峰周围的每一个积极的高峰时间上的加速度波形候选人最高。邻近的正峰之间的间隔时间，然后计算。最后，CV的时间间隔TSD平均tMEAN和标准偏差的计算如下： 统计分析: 步态分析的重测信度进行使用评估智能手机使用的步态参数值的国际商会（ICC1，1）智能手机（PF，有效值，交流，和CV）获得。智能手机和三轴加速度计，使用Spearman相关系数r获得的步态参数之间的相关性评价，确定相关标准的有效性。数据记录和分析使用的社会科学“（Windows版本19.0）统计软件包。 P 0.01被认为是统计学意义。结果： 受试者特征：受试者为18和27岁之间，平均年龄20.9 - 2.1岁。平均身高和体重分别为167.3 - 7.8厘米60.4 - 7.7公斤，分别。平均步态速度和节奏1.41 - 0.03米/ s和121.03 - 1.35步/分钟。重测信度:我们可以看到显着的一致性，在所有的步态参数的智能手机得到的结果（P 0.001）重测信度：ICC1犯规，1= 0.906，95可信区间（CI）0.83-0.95;有效值ICC1，1= 0.90295CI为0.82-0.95; AC ICC1，1=0.752，95CI为0.55-0.87;和CV ICC1，1= 0.777，95CI为0.59-0.89。标关联效度: 该智能手机和三轴加速度计，加速度波形如图3所示。所有步态参数的智能手机得到的结果表明：与三轴加速度计（P 0.01）（见表1）获得可观的统计学意义的相关性。 图3：智能手机和三轴加速度计的加速度波形讨论:这项研究的结果表明，智能手机的步态参数是可靠的。此外，智能手机和三轴加速度计显示类似的加速度波形（图3）。智能手机获得的参数进行了大幅度的三轴加速度计获得的相关。因此，在这项研究中使用的智能手机与步态分析中的应用提供高可靠性和重测有能力作为一个三轴加速度计准确量化的步态参数。在这项研究中所使用的步态参数（PF，有效值，交流，和CV），可以从不同的角度来评估步态。PF的指示步态周期。 RMS表示步态不稳的程度;较高的RMS，较低的是稳定的程度。AC表示步态平衡度更高的交流，更大的是平衡的程度。 CV表示步态变异程度。这是可能的，使用这些参数可以预测老人意外跌倒。这表明，智能手机有潜力的跌倒风险评估，并能被用来作为预防跌倒在未来的新的工具。智能手机提供了几个重要的优势，是一个潜在的便携式医疗设备。首先，智能手机是现在普遍存在的设备，他们是小于昂贵传统的加速度。其次，他们可以处理和保存大量的数据和传达步态数据，通过无线传输和e-mail。这使我们能够评估步态模式很容易在日常生活中。第三，智能手机配备的应用是灵活的，可以很容易地改善。基于上述原因，智能手机是比传统的加速度为步态分析更有利。然而，这个应用程序似乎难以操作需要更大的易用性提高。最近，一些研究人员研究使用智能手机作为一种自我监督或管理工具，例如，在心脏和肺康复。我们认为这样的应用程序可以用于促进公众健康。在此背景下，有必要开发与应用，如在这项研究中所使用的装备智能。这种新的医疗设备就可以被使用，不仅为年轻人，但也为老人预防跌倒，使自我监测患者，骨科等活动.致谢:我们非常感谢他们的帮助与数据收集人类健康科学部在京都大学的学生。 披露声明:Tatsuaki Ito, Shinyo Muto和Tatsuya Ishihara员工商NTT赛博解决方案实验室。所有其他作者没有利益冲突。 参考书目：1. Rueterbories J, Spaich EG, Larsen B, et al. Methods for gait event detection andanalysis in ambulatory systems. Med Eng Phys 2010;32:545552.2. Ornetti P, Maillefert JF, Laroche D, et al. Gait analysis as a quantifiable outcomemeasure in hip or knee osteoarthritis: A systematic review. Joint Bone Spine2010;77:421425.3. Alexander NB, Goldberg A. Gait disorders: Search for multiple causes. Cleve ClinJ Med 2005;72:586600.4. Hreljac A, Marshall RN. Algorithms to determine event timing during normalwalking using kinematic data. J Biomech 2000;33:783786.5. Menz HB, Latt MD, Tiedemann A, Kwan MMS, Lord SR. Reliability of theGAITRite_ walkway system for the quantification of temporospatial parametersof gait in young and older people. Gait Posture 2004;20:2025.6. Henriksen M, Lund H, Moe-Nilssen R, et al. Test-retest reliability of trunkaccelerometric gait analysis. Gait Posture 2004;19:288297.7. Kavanagh JJ, Menz HB. Accelerometry: A technique for quantifying movementpatterns during walking. Gait Posture 2008;28:115.8. Rigoberto MM, Toshiyo T, Masaki S. Smart phone as a tool for measuringanticipatory postural adjustments in healthy subjects, a step toward morepersonalized healthcare. Conf Proc IEEE Eng Med Biol Soc 2010;2010:8285.9. Lemoyne R, Mastroianni T, Cozza M, et al. Implementation of an iPhone as awireless accelerometer for quantifying gait characteristics. Conf Proc IEEE EngMed Biol Soc 2010;2010:38473851.10. Moe-Nilssen R, Helbostad JL. Trunk accelerometry as a measure of balancecontrol during quiet standing. Gait Posture 2002;16:6068.11. Auvinet B, Berrut G, Touzard C, et al. Reference data for normal subjectsobtained with an accelerometric device. Gait Posture 2002;16:124134.12. Moe-Nilssen R, Helbostad JL. Estimation of gait cycle characteristics by trunkaccelerometry. J Biomech 2004;37:121126.13. Hausdorff JM, Rios DA, Edelberg HK. Gait variability and fall risk in communitylivingolder adults: A 1-year prospective study. Arch