基于可穿戴系统的PD病人运动功能评价系统

邹亚，汪丰，高帅锋，

乔子晏1，毛成洁2，张惠钧2

基于可穿戴系统的PD病人运动功能评价系统

邹亚1，汪丰1，高帅锋1，

乔子晏1，毛成洁2，张惠钧2

1. 东南大学 生物科学与医学工程学院，江苏 南京 210096；2. 苏州大学附属第二医院 神经内科，江苏 苏州215004

背景 随着我国帕金森患者人数的不断上升，帕金森病的防御和治疗已成为社会各界热切关注的焦点。目的 设计一套基于穿戴式的惯性传感器网络系统，来评价帕金森患者的运动功能。方法 采用ZigBee技术组建短距离无线人体传感器网络，使用惯性传感器采集帕金森患者完成特定实验范式动作时的加速度和角速度数据，进而分析计算评估指标，评价患者的运动功能。结果 实验结果表明，本文开发的系统性能稳定，设计的实验范式动作具有很好的代表性，能够满足系统评价患者运动功能的要求。

帕金森病；运动功能；惯性传感器；可穿戴系统；ZigBee

0 前言

帕金森病（Parkinson’s disease，PD）又称震颤麻痹，是多发于中老年人的慢性神经系统变性疾病。帕金森病患者的临床特征主要包括静止性震颤、肌肉僵直、运动迟缓和姿势异常等[1]。帕金森病不仅严重影响了患者的日常生活水平，而且给家人和社会带来巨大的经济负担。据统计，帕金森患者人数呈现不断上升的趋势，帕金森病的治疗和防御已成为社会各界热切关注的焦点[2]。

由于帕金森病对患者运动功能影响较大，所以运动功能评价是临床诊断帕金森病的重要内容，其对评估药物效果，指导制定治疗方案和辅助诊断等具有重要作用。目前，临床上广泛使用量表评定法进行患者的运动功能评价。虽然量表评定法评价的视角比较全面，但依赖医护人员的主观判断，评价工作量较大，且病程发展过程中的细微功能变化不易被发现及评价。许多研究者探索客观运动功能评价的方法。其中，基于计算机视觉技术的方法[3]采用多个高速摄像头记录患者的运动过程，通过对患者身体主要关节处标记点的运动过程进行运动视频分析，评价患者的运动功能。由于基于计算机视觉技术的方法成本高，受环境因素和设备场地限制的影响严重而不利于在临床进行推广使用。随着电子器件微型化和低功耗技术的发展，近年来兴起的基于体域传感网（Body Sensor Network，BSN）的运动功能评价技术越来越引起人们的关注[4]。在现有技术的基础上，本文设计并实现了一套基于惯性传感网络的运动功能评估系统。

1 系统总体设计

本文所设计的运动功能评价系统包括：基于BSN的运动数据检测系统和基于PC机的数据采集及运动功能分析软件两大部分。

基于BSN的运动数据检测系统包括5个运动数据检测终端和1个数据接收终端，采用ZigBee通讯协议。其中5个运动数据检测终端分别佩戴在患者的腰部中心部位、左右手的手腕背侧和左右脚的脚踝部（图1）；数据接收终端通过USB接口与电脑相连，在PC机软件控制下，通过ZigBee协议向5个运动数据检测终端获取运动实验数据。基于PC机的数据采集及运动功能分析软件提供人机界面，用于管理患者的基本信息和控制患者的运动实验过程；运动功能分析则可分析患者以下运动功能：平衡协调功能、姿势控制、震颤、步态特征、关节柔软性和活动度等。

图1 系统结构框图

2 基于BSN的运动数据检测系统设计

基于BSN的运动数据检测系统设计主要包括；运动数据检测系统硬件设计和运动数据检测系统软件设计两部分。其中，运动数据检测系统硬件部分由5个运动数据检测终端和1个数据接收终端组成；运动数据检测系统软件部分主要是编程实现实验命令的收发和实验数据的传输。由于数据接收终端主要由CC2530芯片构成，与运动数据检测终端的无线通信模块相同，因此，硬件设计部分不再进行单独描述。

2.1 运动数据检测系统的硬件设计

运动数据检测终端主要由电源模块、传感器模块、无线通信模块、中央控制模块和存储器模块组成；数据接收终端主要由电源模块和无线通讯模块组成。运动数据检测终端和数据接收终端的具体结构，见图2。

图2 运动数据检测系统结构图

2.1.1 传感器模块

针对帕金森患者运动功能障碍的临床表现，本文选用三轴加速度传感器和三轴陀螺仪传感器采集患者的运动数据，进而从运动学角度来评价患者的运动功能。本系统选用MPU-6050传感器，该传感器为全球首例整合性六轴运动处理组件[5]，它集成了三轴MEMS陀螺仪和三轴MEMS加速度计，相对于多组件的方案，免除了陀螺仪与加速度传感器组合时坐标轴之间差值的问题，而且减少了大量的包装空间。MPU-6050的角速度测量量程包括±250o/s、±500o/s、±1000o/s与±2000o/s，可准确追踪快速与慢速动作；加速度的测量量程包括为±2 g、±4 g、±8 g、16 g（g为重力加速度）。根据本文所设计的实验范式动作和患者完成实验动作的实际情况可知，采集到的加速度和角速度信号属于低频、低速信号。因此，系统选用MPU-6050传感器的加速度量程为±4 g，角速度量程为±1000o/s，信号采样率统一为100 Hz，传感器模块的电路图，见图3。

图3 传感器模块电路图

2.1.2 无线通信模块

本文的无线通讯模块选择采用基于ZigBee技术的无线通信方式。ZigBee是ZigBee联盟开发的基于IEEE802.15.4标准的可靠、高性价比、短距离、低复杂度和低功耗的网络应用技术，其通信距离可达几十米至几百米，通信速率可达250 kbps。ZigBee技术的这些优势特征，决定了它可以满足短距离无线传感器网络数据采集和传输的要求[6]。另外，和其他几种短距离无线通信技术相比，ZigBee技术可以对监测对象进行多点同时控制，而且随着监测点数的增加，其成本不会大幅增加。因此，采用ZigBee技术组建简单短距离无线传感器网络是经济有效的选择。

运动数据检测系统的运动数据检测终端和数据接收终端均包括无线模块，而且它们的电路设计方案一致。该无线模块选用IT公司生产的最新一代ZigBee芯片CC2530，它优良的无线传输可靠性和强大的抗干扰能力能够满足系统设计的要求，无线模块的具体电路设计见图4。

2.1.3 中央控制模块

运动数据检测终端的中央控制模块选择MSP430F149单片机芯片（德州仪器公司生产），它以其超低的功耗成为本系统的首选。另外，选择使用该芯片还考虑到它的片内资源丰富、工作电压范围和方便高效的开发环境等因素。运动数据检测终端无线模块接收到的数据通过UART传递到MSP430中央控制模块，中央控制模块通过该数据解析出命令，然后控制传感器模块和存储器模块进行相应的操作。

图4 无线模块电路图

2.1.4 电源模块

电源模块作为整个硬件系统的动力源，为系统提供稳定的电压输入和合适的工作电流。本系统的运动数据检测终端和数据接收终端均包括电源模块，但它们的电路设计却相差甚远。运动数据检测终端的电源模块采用锂电池供电方式，且锂电池具有USB充电功能。系统选择的充电芯片为 LTC4054，该芯片预设 4.2 V 的充电电压，精度高达±1%。最大额定输出电流 850 mA。为了避免电源电压的变化引起系统工作的不稳定，电源电压需要经过线性稳压器输出一个稳定的电压。考虑到锂电池标称电压与系统所需电压之间的压差略小，系统选用低压差线性稳压器TLV70030，将系统的输出电压稳定在+3.0 V。由于数据接收终端与PC机通过USB相连，因此数据接收终端的电源模块可通过PC机的USB接口提供。

2.1.5 存储器模块

考虑到系统长时间采集患者运动数据的需要，本文设计的运动数据检测终端还包括外接Flash存储模块（图5）。该模块选用W25Q256 芯片，该芯片拥有 256 Mb 的存储空间，可支持双线和四线的SPI模式读写数据。根据本系统惯性传感器的数据产生率，该芯片可以连续存储实验数据长达15 h。

2.2 运动数据检测系统的软件设计

运动数据检测系统的软件设计主要是基于IAR Embedded Workbench开发环境，实现运动数据检测终端MSP430中央控制模块与ZigBee无线模块程序的编写和运动数据接收终端ZigBee无线模块程序的编写。根据ZigBee协议可知，ZigBee网络中设备节点有3种类型：协调器节点、路由器节点和终端节点。本系统所组建的ZigBee惯性传感器网络中的5个运动数据检测终端属于终端节点，数据接收终端属于协调器节点。

图5 存储器模块电路图

运动数据检测终端的ZigBee无线模块主要负责数据转发，即把接收到的中央控制模块的数据无线发送到数据接收终端和把接收到的数据接收终端的数据传递到中央控制模块。运动数据检测终端的MSP430中央控制模块主要通过UART的中断方式接收来自ZigBee无线模块的信号，然后根据所接收到的信号解析出对应的命令，进而控制传感器模块和存储器模块进行实验数据的采集、存储、上传和清空Flash等操作。运动数据检测终端的中央控制模块和无线模块的具体程序流程图，见图6(a)和图6(b)。

数据接收终端ZigBee无线模块的功能主要包括：接收来自PC上运动数据采集软件的命令并转发给每个运动数据检测终端，接收每个运动数据检测终端的上传的数据并通过USB接口传送到PC机。数据接收终端无线模块的具体流程图，见图6(c)。

3 运动数据采集及分析软件设计

本文运动数据采集及分析软件的设计基于Visual Studio 2010开发环境，采用MFC软件开发技术来完成，主要包括运动数据采集软件设计和运动数据分析软件设计两个部分。

图6 运动数据检测系统工作流程图

3.1 运动数据采集软件设计

运动数据采集软件由患者信息管理、实验数据管理和实验过程控制三部分组成。其中，患者信息管理主要包括：患者基本信息的登记注册、患者基本信息的增删改查、患者的分类管理等；实验数据管理主要包括：实验原始数据的存储、实验结果和实验报告的维护等；实验过程控制主要包括：实验开始、实验结束、实验暂停、数据上传和实验过程描述等功能。

3.2 运动数据分析软件设计

分析帕金森患者的临床特征，设计一套能够反映患者运动功能的实验范式动作是进行患者运动功能评价的前提和基础，本文的运动数据分析软件设计由实验范式动作设计和运动功能评价指标两部分组成。

3.2.1 实验范式动作设计

在听取医院专家建议的基础上，参照临床上普遍使用的评分量表（UPDRS、Berg、Tinetti、Fugl-Mcyer等），针对帕金森患者的临床表现，设计了一套行之有效的实验范式动作。主要包括：摆臂行走，连续翻腕，静坐抬腿，静止站立和反复起坐。

摆臂行走：测试对象以最快的速度，按照实验要求完成10 m折返行走实验。根据所采集到的实验数据，本文主要分析直线行走和转弯两个过程。其中，直线行走过程主要从步态特征，摆臂对称性和上下肢的协调平衡性分析。

连续翻腕：首先测试对象按照要求平举双臂，然后以最快的速度左右手同时完成20次左右的连续翻腕动作。这个实验动作主要是针对患者手部的运动功能减退进行设计的，利用所获得加速度和角速度数据，本文主要从左右手的对称性和活动度进行运动功能的评估。

静坐抬腿：首先测试对象静坐在高度适中的椅子上，然后以最快的速度完成20次左右的反复抬腿动作，实验过程中左右腿交替进行，抬腿高度固定。这个实验主要针对脚踝和膝关节的协同运动而设计的，根据脚踝部的周期性实验数据，分析左右脚的协调性和关节活动灵敏性等。

静止站立：测试对象分别完成睁眼静止站立和闭眼静止站立实验，实验过程中，测试对象双臂自然下垂，身体不接触任何物体。该实验主要是为了评价测试对象的静态平衡能力而设计的，动态平衡的评估主要根据摆臂行走实验来进行。

反复起坐：测试对象双手交叉于胸前，以最自然的速度连续完成5次由坐到站和由站到坐实验。这个实验主要是针对帕金森患者身体僵直和动态平衡能力减退的临床表现而设计的。

图7 运动功能评价指标框图

3.2.2 运动功能评价指标

根据实验所采集的患者完成以上实验范式动作的加速度和角速度数据，分析计算患者不同部位的评估指标，进而做出系统的运动功能评价，本系统的运动功能评价指标结构图，见图7。人体运行功能评价方法的分类有多种，本文采用按照身体不同部位进行评价分类，共分为上肢运动功能评价、下肢运动功能评价以及躯干和整体运动功能评价3种。

3.2.2.1 上肢运动功能评价

研究表明，运动时人体上肢有规律地摆动可以起到抵消身体沿中轴扭转力的作用，从而有利于维护身体的协调与稳定，而且上肢摆动幅度频率的变化可以调整人体运动过程中重心的偏移从而增加运动效率，减少不必要的能量消耗。针对上肢摆动的重要作用，系统分析计算的运动学参数主要包括：摆动幅度、摆动速度、摆动角度、摆动节律性、左右手摆动的对称性和手腕的震颤程度等[7-8]。

3.2.2.2 下肢运动功能评价

下肢运动功能的评价主要分析下肢的运动异常情况，目前主流技术就是基于步态参数的计算和分析。本系统针对帕金森患者下肢的临床表现，主要分析计算的运动学指标包括：步幅、步态节律性、步态对称性、跨步角度、步态相位检测、冻结步态和步态周期等[9-10]。

3.2.2.3 躯干及整体运动功能评价

躯干的评价主要是指身体在静止站立、旋转和伸曲时维持平衡的能力，一般情况下，躯干的评价在全身的整体运动功能评价之中。根据所设计的实验范式动作，系统评价的参数包括：躯干旋转的角度、摆动的面积、摆动的轨迹、摆动的频率、摆动的范围程度、动作转换的灵敏度、上下肢的协调性等[11-12]。

4 结语

本文设计开发的帕金森患者运动功能评价系统，选用了加速度和角速度传感器采集患者的运动数据、采用了基于ZigBee技术的无线通信方式传输患者的实验数据，设计了5个实验范式动作来反映患者的运动功能。经实际测量使用，该系统实现了患者运动数据的采集，满足了系统对患者上下肢、躯干和整体运动功能评价的要求。另外，该系统体积轻巧，简单高效，功能实用，不受环境和场地的限制，值得推广使用。

[1] 高强,何成奇.帕金森病患者运动功能评定与运动疗法的进展[J].中国康复医学杂志,2008,23(5):473-476.

[2] Horak F B,Mancini M.Objective biomarkers of balance and gait for Parkinson’s disease using body-worn sensors[J].Movement Disorders,2013,28(11):1544-1551.

[3] 刘蓉,黄璐,李少伟,等.基于步态加速度的步态分析研究[J].传感技术学报,2009 (6):893-896.

[4] Yang C C,Hsu Y L.A review of accelerometry-based wearable motion detectors for physical activity monitoring[J]. Sensors,2010,10(8):7772-7788.

[5] Xuan Y,Zhao Z,Fang Z,et al.Gait cycle recognition based on wireless inertial sensor network[J].IERI Procedia,2013,4:44-52.

[6] 杨诚,聂章龙.ZigBee 网络层协议的分析与设计[J].计算机应用与软件,2009,26(12):219-221.

[7] Zampieri C,Salarian A,Carlson-Kuhta P,et al.The instrumented timed up and go test:potential outcome measure for disease modifying therapies in Parkinson’s disease[J].Journal of Neurology,Neurosurgery & Psychiatry,2010,81(2):171-176.

[8] Salarian A,Horak F B,Zampieri C,et al.iTUG,a sensitive and reliable measure of mobility[J].Neural Systems and Rehabilitation Engineering,IEEE Transactions on,2010,18(3):303-310.

[9] Pappas I P I,Keller T,Mangold S,et al.A reliable gyroscopebased gait-phase detection sensor embedded in a shoe insole[J]. Sensors Journal,IEEE,2004,4(2):268-274.

[10] Salarian A,Russmann H,Vingerhoets F J G,et al.Gait assessment in Parkinson’s disease:toward an ambulatory system for long-term monitoring[J].Biomedical Engineering,IEEE Transactions on,2004,51(8):1434-1443.

[11] Mancini M,Salarian A,Carlson-Kuhta P,et al.ISway:a sensitive,valid and reliable measure of postural control[J].J Neuroeng Rehabil,2012,9(1):59-67.

[12] Mancini M,Horak F B,Zampieri C,et al.Trunk accelerometry reveals postural instability in untreated Parkinson’s disease[J]. Parkinsonism & related disorders,2011,17(7):557-562.

Movement Function Assessment System for Parkinson’s Patients Based on Wearable System

ZOU Ya1, WANG Feng1,

GAO Shuai-feng1, QIAO Zi-yan1, MAO Cheng-J ie2,

ZHANG Hui-jun2

1. School of Biological Science and Medical Engineering, Southeast University, Nanjing Jiangsu 210096, China; 2. Department of Neurology, The Second Hospital Affiliated to Suzhou University, Suzhou Jiangsu 215004, China

Background With the rising number of Parkinson's patients, prevention and treatment of Parkinson's disease have become the focus of academic study. Objective This paper designs a movement function system based on wearable sensor networks, to assist the rehabilitation and treatment of patients with Parkinson's. Methods The system uses ZigBee technology to build a short-range wireless sensor network, utilizes inertial sensors to collect the acceleration and angular velocity data of patients during exercise, then analyzes and calculates the evaluation parameters, finally, evaluates the movement function. Results Experimental results show that the system has stable performance to meet the requirements of movement function assessment, and the experimental actions are representative.

Parkinson’s disease; movement function; inertial sensor; wearable system; ZigBee

R197.39

A

10.3969/j.issn.1674-1633.2015.01.003

1674-1633(2015)01-0010-05

2014-10-05

本文作者：邹亚，东南大学生物科学与医学工程学院硕士研究生。通讯作者：汪丰，东南大学生物科学与医学工程学院副教授。

江苏省临床医学科技专项(BL2014042)；苏州市临床重点病种诊疗技术专项(LCZX201304)；苏州市科技发展计划(SZS201205)。通讯作者邮箱：feng.wang@seu.edu.cn