热门
用MTX进行偏瘫步态的平衡和膝部延伸性评估
使用惯性传感器进行偏瘫步态的平衡和膝部延伸性评估
关键词：步态分析，身体传感器网；偏瘫步态；生物力学
背景
平衡障碍是偏瘫患者残疾的一个非常常见的原因[ 1 ]。大多数偏瘫患者行走时姿态控制困难，由于不对称的姿势和异常身体平衡，膝关节角度降低和步态异常。以前的报告已表明这些患者跌倒的风险增加[ 2 ]。康复通常用来保护并恢复运动功能，重点是步态的评估和治疗。康复 评估通常由医生采用临床量表进行，如布氏动作，但这种方法难以执行，也不能频繁使用。因此，需要定量分析偏瘫步态的特征，并发现这些特征和功能恢复之间的关系。评估将是简单的，康复实时评估可以开展。
步态分析广泛用于检测人体行走障碍。有两种主要的步态分析方法开发用于分析人类行走。一种方法使用标记系统，包括基于视频的系统，主动磁跟踪器，光学标记系统，以获得有关人体步态运动的信息，不过，依赖于标记的系统不能在实验室环境之外使用。以视频为基础的系统通常会导致侵犯个人隐私且费用较高。其他方法采用身体穿戴的低功率可穿戴式传感器，如惯性/磁性传感器系统，以及用于长期动态监测的便携式记录系统。这些系统不依赖于标记，并允许实时捕捉并分析实验室环境外的远距步态参数。
加速度计和/或陀螺仪已用于获得步态参数[ 3-11 ]，可由角加速度或角速度的整合而获得。但是，数据可能会存在偏移或偏差[12,13] 。为消除任何整合中的偏移，Morris [14]确定步态周期的开始与结束，并在周期重合的开始和结束时取得信号。一些研究者[13,15 ]利用固定在金属板上的加速度计和陀螺仪测量人体关节屈伸角度，但是他们发现金属板的使用很麻烦。L.Atallah和Benny Lo等[16,17]开发出一类耳戴式传感器进行步态监控。Dejnabadi等[18]开发出采用加速度计和陀螺仪的组合测量关节角的方法，为在旋转中心的相邻部位放置一对虚拟传感器。S. Kobashi等[19]使用惯性传感器结合磁传感器估计三维膝关节角度。后两种方法的限制在于 均需获得物理和虚拟传感器的准确位置，以尽量减少错误。
本文中介绍的方法为使用Xsens MTX动作跟踪器获取身体部位的姿态来估算膝关节角度并识别步态周期。并不需要取得一个膝关节点与相应传感器之间的准确距离。因而，使用我们的方法可定量分析偏瘫步态的参数，并找到偏瘫患者和正常人之间步态参数的差异。
方法
平台
商业设备可用于采集人体运动，适用于非视频监控环境时具有一种竞争优势。本文介绍的方法为使用MTX动作跟踪器（ Xsens Technologies B.V.，荷兰），以获取人体下肢的运动MTX为一款小而精确的三自由度惯性定位跟踪器，提供人体部位无偏移的3D方位和运动学数据：3D加速，3D速率陀螺仪和3D地球磁场。XBUS套件（ Xsens Technologies B.V.，荷兰）包含具有蓝牙无线连接功能的Xbus Master，无线接收器和一些MTX传感器模块。Xbus Master为轻巧、便携的设备，控制XBUS上的多个MTX控制模块。Xbus Master和MTX传感器模块由电池供电，可连续运行至少3小时。
传感器位置
六传感器节点用于实验（如图1）。四个传感器分别连接到大腿和小腿，膝关节和踝关节附近的外侧皮肤表面。其他两个传感器分别安装在脚的背部。
偏瘫患者穿戴惯性身体传感器网（一个Xbus Master和六个MTX传感器）。
在前后平面中调整传感器轴以精确测量矢状平面中的运动。
传感器采用医用固定带连接。传感器安装位置根据临床医生的知识和经验进行了优化，以减少皮肤的运动伪影[20]。加速度，角速度和磁性矢量在100赫兹的采样频率下获得。
坐标系
初始坐标系X0Y0Z0定义为：我们选择Z轴为向上定向，垂直于水平面，X轴为向前，平行于受试者的矢状面。Y轴是X轴和Z轴 的向量叉积。
股骨坐标系X1Y1Z1和X2Y2Z2使用三个解剖特征点来定义。Z轴朝向上髁外侧，其与肱骨内上髁连接。X轴垂直于Z轴，其指向大转子。Y轴是X轴和Z轴的向量叉积。
胫骨坐标系X3Y3Z3和X4Y4Z4由四个解剖特征点来定义。Z轴重合股骨坐标系的Z轴。To点为外上髁与肱骨内上髁之间的中间点。X轴定义为指向To点的线条，并将其与外踝与内踝之间的中间点连接。然后，Y轴为X轴和Y轴的向量叉积。
脚坐标系X5Y5Z5和X6Y6Z6 定义如下：Z轴垂直于每个足板，方向向上；X轴平行于每个足板，方向向前，Y轴为Z轴和X轴的向量叉积。
初始坐标系和体坐标系中定义如上所述，采用测得的解剖特征点。当传感器轴与初始系统的轴线准确对齐时，所有MT传感器的方位输出值设置为零。采用感器和人体部位坐标系统所需的旋转变换参数。从传感器获得的数据由旋转变换参数，以获得骨骼的加速度和磁场向量。
实验设计
20名受试者（ 10名偏瘫患者，10名正常人）进行招募。5例偏瘫患者左下肢异常，5例右下肢异常。实验程序为依照赫尔辛基宣言进行，并获得深圳先进技术研究院伦理委员会的批准。每位受试者测试之前均签署知情同意书。小组包括15名男性和5名女性，平均年龄58.3 ± 12.85岁。受试者要求在传感器校准时保持静止5秒，然后以自选舒适速度向地板上的目标线直走五米处。每位受试者进行该过程三次。每个受试者的行动由一个摄像头进行实时记录。
采集姿态数据
描述物体姿态的经典方法为用欧拉角，即侧倾角，横摆角和俯仰角。一个对象的姿态可通过仅整合角速率数据来确定。然而，这种解决方案容易随时间而发生偏移，由于偏置和偏移误差的积累。为避免偏移，必须使用另外的补充传感器。这些传感器包括加速度计和磁力计。用加速度计测量重力矢量可估计相对于水平面的方位，可由侧倾角和俯仰角进行描述。然而，对象绕垂直轴旋转时，加速度计各轴的重力矢量也不会改变。由于加速度计数据不能用来描述绕垂直轴的旋转，使用磁力计测量局部磁场矢量，以确定相对垂直的方向，通过计算对象和地磁北极之间的角度。多个传感器的数据采用卡尔曼或其他辅助滤波算法[ 21 ]融合。
旋转角度，源自对象从一个状态转向另一个，可由欧拉角表达，即X轴的旋转角对应于欧拉角的偏航角，可从四元数（描述姿态的另一经典方法）来导出。这项研究中，四元数直接源自Xsens MTX动作跟踪器的输出。
屈/伸角度
大腿和小腿（在同一肢侧）上传感器的Z轴调整为在同一方向。同样地，大腿和小腿在矢状平面的旋转角度可以看作是在 XY 平面两个传感器之间的角度。因此，一个虚拟点用作膝关节中心，两条虚线分别平行于各传感器的X轴。大腿和小腿上传感器可以视为沿着朝向膝关节的虚线移动，直到两传感器个中心重合。膝关节弯曲/伸展角度继而可由两条虚线之间的角度进行说明。
我们规定小腿传感器的坐标系将用作参考。大腿转动因此可相对于小腿描述。QTHigh和qshank代表描述相对于初始坐标系大腿和小腿上传感器姿态的四元数，qs-t代表描述相对于相对坐标系大腿和小腿上传感器姿态的四元数。旋转描述如下：
膝关节屈曲/伸展（ AK ）的角度幅度定义为一个步态周期中的最大膝关节屈曲/伸展。
步态周期
步态周期定义为重复行走事件之一的两次连续发生之间的时间间隔。许多研究者使用惯性传感器识别步态参数。Katia Turcot等[22]使用步态周期的最大和最小加速度值来识别事件为“初始接触”和“脚趾离地”。Arash等[23] 使用小腿传感器的角速度正负峰值来检测步态周期并估算步态的时空参数。我们的研究中，步态周期的“脚跟离地”从负值后俯仰角的零值开始。 “脚趾离地”事件由一个步态周期中的负峰值鉴定（图2）。
图2一名偏瘫患者（上）和正常受试者（下）的步态周期。脚传感器的Z轴方向周围正角度。初次接触，脚趾离地可以很容易地识别。
虽然任何事件可以选择来定义步态周期，本研究中，为从脚跟离开地面开始。如决定从右脚脚跟离地开始，则步态循环持续至直到同一腿的下一次脚跟离地。左脚发生与右脚完全相同的一系列事件，但在时间上相差半个循环。
一个完整步态周期持续时间称为一个步态周期时间，其中分为站立时间和旋转时间。下列术语用来识别步态周期中的重大事件：
1初次接触
2脚趾离地
这两个事件划分步态周期为两个时期，站立期，脚踏在地面上，及摆动期，脚向前移动。站立阶段是所谓的接触阶段，从最初接触持续到脚趾离地。摆动期从脚趾离地持续到下一次初次接触。初次接触（ AIC）和脚趾离地（ ATO ）的角度振幅定义分别为初次接触和脚趾离地的双肢角度。
从绑在脚上的传感器使用上述方法收集步态参数。Qfoot代表受试者在一个水平面上静止后从第一个步态周期开始时脚的姿态，qgait代表开始行走时脚的姿态，并且相对于初始坐标系。qf-g代表从qfoot 旋转到qgait的 四元数。qf-g值的获取方法为：
脚与水平面之间的角度可视为y轴的旋转角，对应于欧拉角的俯仰角。可来自于qf-g。
平衡等级定义
每个受试者在实验中执行多个步态周期，所有步态周期中左右肢的AK，AIC，以及ATO分别添加，以表示每个参数（AK，AIC和ATO ）的角度值。为定量分析受试者的平衡等级，每一个参数的平衡水平定义为：
BalanceH, BalanceN分别表示偏瘫步态和正常步态的平衡水平，meanAN 和 meanN分别代表偏瘫患者异常和正常肢体的参数平均值，meanL 和meanR分别代表正常人左下肢和右侧的平均值。
结果
方法验证
人体部位视为刚体。分析刚体运动的主策略为将动作分割成非惯性参考点的直线运动。
步态周期的数据库已经用于验证。该数据库包括一组10例正常人的步态周期。每个受试者进行了五次5米的步行试验，摄像头系统记录步态周期，使用便携式摄像机记录所有测量环节，以测定每次检验中步态周期的数量并计算系统灵敏度。然后使用我们的方法记录数据，基于数据库的参考系统用来测定该系统在检测步态和膝盖参数方面的准确性。
已使用Xsens MTX跟踪器完成人类运动评估精密度和准确度验证的大量研究 [ 24〜26]。为验证所提出的方法，其不需要获取传感器的准确位置，如上所述使用同一侧的四个传感器（大腿上2个传感器，小腿上2个传感器），与膝关节为随机距离。大腿上的传感器分别命名为T1和T2，小腿上的传感器分别命名为S1和S2。传感器校准后，要求受试者执行自由膝关节屈曲/伸展运动。然后，我们获得了2个膝盖弯曲/伸展角度，S1-S2和T1-T2，如图3所示。
图3两个膝关节屈曲/伸展角度，从膝关节自由屈曲/伸展运动中获得。两条曲线的相关系数均大于0.9999。
步态周期和膝关节角度
膝关节屈曲/伸展的角度，以及脚与水平面之间的夹角，通过当受试者静立时将其设置为0°而校准。如图2所示，步态周期可由脚传感器获得的角度来识别。图4显示了偏瘫病人和正常人膝关节屈曲/伸展角度之间的差异。
图4偏瘫受试者（上图）和正常人（下图）步态周期的膝关节屈曲/伸展角度（°）。
如表1所示，使用各受试者的步态周期分别计算每个参数的平均值。通过AIC，ATO，及 AK的比较，发现偏瘫患者和正常人之间下肢伸展性的显著差异。偏瘫患者三个参数的绝对值明显低于正常人，这意味着偏瘫患者下肢可伸展性与正常人相比显著更坏。偏瘫患者组中，异常侧三个参数的绝对值同样低于正常侧（分别为0.94± 2.42对4.92 ± 4.43，29.67 ± 6.58与44.91 ± 6.35，-31.6 ± 9.99对比-44.8 ± 10:17），这意味着偏瘫患者与正常人相比下肢平衡差。如图5 所示（a），考虑AK 参数时，BalanceH平均值高于BalanceH 平均值（ 0.21对0.01，P <0.01），偏瘫患者补充角度的平均值低于正常人（ 74.64与91.31，P < 0.01）。在图5（b ）中，考虑到ATO参数时，BalanceH 平均值高于BalanceN平均值（ 0.18与0.03，P <0.01），偏瘫患者增加角度的平均值低于正常受试者（ -76.48对-132.4，P <0.01）。图5 （ c）中，考虑到AIC参数，BalanceH平均值高于BalanceN平均值（ 0.92与0.03，P <0.01），偏瘫患者增加角度的平均值低于正常受试者（ 6.77与35.74，P = 0.02）。BalanceH和Balancen值越高，平衡水平越差。因此，可以得出结论为，偏瘫患者下肢可伸展性显著低于正常受试者。
表1偏瘫患者（ H1至H10 ）和正常人（ N1至N10 ）的初次接触（ AIC ），膝关节屈曲/伸展（ AK），以及脚趾离地（ ATO）的角振幅（°），“ _A ”表示偏瘫患者异常下肢，“ _N ”表示偏瘫患者的正常侧，“ _L ”和“ _R ”分别表示正常受试者左右下肢。
图5一个步态周期内，每一个参数（ A. AK，B，ATO，和c。AIC ）左肢和右肢平衡水平及附加值的比较。偏瘫步态与正常步态之间表现出显著差异。
讨论
量化偏瘫步态很复杂，尤其是在日常生活中自由运动的情况下。在这项研究中，我们使用可穿戴式传感器，仅采用膝盖角度和步态周期，这可以从日常生活的活动中容易获得，对偏瘫患者和正常受试者之间的差异进行描述，降低每日监测患者的难度。所建议的方法将对患者在家中的训练和康复锻炼极其有用，提供有关训练效果的实时反馈。
日常生活中，各种环境和远程监控应该予以关注。相比基于光学摄像系统或磁性位置传感器的常规监测系统，建议系统可用于长期日常监控。因为我们的方法为基于便携式传感器和无线通信，监测因此不受位置和持续时间的约束。
关节和部位运动学的自动评估对临床实践是有价值的，可以精确描述测量变化 提供人工检测方法无法获取的描述和量化信息 [ 27 ]。
使用加速度计，磁力计和陀螺仪来分析步态周期或膝盖弯曲/伸展角的方法，同样用在不同的研究中，但受限于传感器位置，或在长期监测中陀螺仪的偏移误差。利用陀螺仪来评估步态也在不同的研究中使用，但是，有很少的方法适用于长期监测，其也并未通过比较参考系统进行验证。我们的新方法是可行的，并不局限于传感器的位置。采用先进的信号处理方法和算法来获取步态参数。
Bohannon等[28,29]建议中风患者的最终康复目标是实现正常步态和速度。临床医生采用偏瘫步态来形容中风病人的肢体运动和身体姿势 [ 30 ]。
本研究中，我们使用初次接触，脚趾离地和膝关节屈曲/伸展角度，来获取下肢的延伸性和平衡数据，以定量分析偏瘫步态与正常步态之间的差异。图6显示了偏瘫步态的典型症状：
图6分别为所有偏瘫患者和所有正常人参数的绝对平均值，表明偏瘫步态的典型症状。“HA”代表偏瘫患者的异常下肢，“HN”代表偏瘫患者的正常下肢，“ NL ”和“ NR” 分别表示正常人左右下肢。
1 ）减少初步接触的角度幅度。迫使脚在接触地面之前先与之平行，而不是前脚与地面接触。由于脊屈肌降低偏心控制，该角度幅值也同样降低。
2 ）脚趾离地和挥动中膝关节屈曲增加而引起膝盖屈/伸角度幅度的降低，由于股四头肌痉挛。
3 ）脚趾离地时跖屈减少。
我们的方法在很多方面由于其他非住院系统。区别于基于脚踏开关或其它压力敏感设备的一些方法，长期监测无需使用特制鞋，这使得病人在监控中更为舒适。此外，可用脚踏开关设备限定步态分析为时间参数[31,32]，而我们的方法则提供了时间和空间的参数。
结论
目前的研究中，我们调查了脚和膝关节的矢状面运动（ 2 -D曲伸）。虽然结果是令人满意的，可以证明方法的适用性，对于真正的临床应用而言，需要更多的实验与分析获得更多的参数，从而确保偏瘫步态定量估计算法的最佳性能。此外，这项研究的未来扩展将探讨下肢完整的3 - D运动，使用参数如步长及臀部的角度，因为许多步态病理患者需要通过在其它平面运动来弥补在矢状面进行身体移动的困难性。
建议的穿戴式生物运动采集平台提供了一个实用的方法，是鉴别偏瘫步态和无症状受试者之间差异的一种有效工具。偏瘫病人训练的康复效果可以定量分析，其结果可成为康复的实时反馈。
在本文中，我们只是倾向于关注由我们的算法所提供的偏瘫步态定量分析及算法的适用性。为从系统获得合适的锻炼反馈，该算法的实时适用性很重要。我们打算在今后的工作中展开研究和评估。
缩略语
“ AIC ”：表示“初步接触”的角振幅（°）； “ ATO ”：表示“脚趾离地”的振幅角（°） ；“AK”：表示膝关节屈曲/伸展角振幅（°），“ _A”：代表偏瘫患者异常下肢，“ _N ”：代表 偏瘫患者正常下肢，“ _L ”：代表正常人左下肢； “ _R ”：代表正常人右下肢； “HA”：代表偏瘫患者异常的下肢，“ HN ”：代表偏瘫患者正常下肢，“ NL”：代表正常人左下肢； “ NR“：代表正常人右下肢。
YG负责平台执行，数据采集和分析。GZ参与实验设计和数据分析。QL促成数据采集和文章修改。ZM参与数据采集和数据分析。AI促成数据分析和文章修改。LW提供了实验基础设施和促成结果的讨论。所有作者阅读并同意最终的文本。
致谢
本研究部分资金支持来自中国国家自然科学基金项目（批准号：60932001，51105359和61072031 ），中国国家863计划（批准号2012AA02A604），中国国家973计划（批准号2010CB732606 ）和中国科学院“低成本医疗保健”项目，以及广东省创新科研团队低成本医疗保健基金。
作者所属机构
1、深圳先进技术研究院，深圳低成本医疗保健重点实验室，深圳大学城，1068学苑大道，深圳518055，中国深圳市
2、中国科学院研究生院，北京10049，中国
3、体育与运动科学学院，华南师范大学，中国广州
本文完整电子版在线浏览：http://www.biomedical-engineering-online.com/content/12/1/83
参考文献
1.Tyson SF, Hanley M, Chillala J等。 中风后的平衡障碍。Phys Ther 2006, 86:30-38. PubMed Abstract | Publisher Full Text OpenURL
2.Kwakkel G, Wagenaar RC, Kollen BJ, Lankhorst GJ：中风残疾预测：一次严格的文献审查。
Age Ageing 1996, 25:479-489. PubMed Abstract | Publisher Full Text OpenURL
3.Zhiqiang Z, Jian-Kang W, Zhipei H：高斯粒子滤波器适用于步态周期的髋部跟踪。
e-health Networking, Applications and Services, Health Com 2008, 177-189. OpenURL
4.Bouten CVC, Koekkoek KTM, Verduin M, Kodde R, Janssen JD：一个三轴加速度计和便携式数据处理单元用于日常体力活动评估。
IEEE Trans Biomed Eng 2002, 44:136-147. OpenURL
5.Sekine M, Tamura T, Akay M, Fujimoto T, Togawa T, Fukui Y：采用基于小波变换的分形分析区分行走模式。
IEEE Trans Neural Syst Rehabil Eng 2002, 10(3):188-196. PubMed Abstract | Publisher Full Text OpenURL
6.Aminian K, Najafi B, Büla C, Leyvraz PF, Robert P：利用微型陀螺仪通过动态系统测量步态的时空参数。
J Biomech 2002, 35:689-699. PubMed Abstract | Publisher Full Text OpenURL
7.Mayagoitia RE, Nene AV, Veltink PH：运动的加速度计和速率陀螺仪测量：光学运动分析系统一种低成本的替代方法。
J Biomech 2002, 35:537-542. PubMed Abstract | Publisher Full Text OpenURL
8.van den Noort JC, Scholtes VA, Harlaar J：使用惯性传感器评估脑瘫的临床痉挛状态。
Gait Posture 2009, 30(2):138-143. PubMed Abstract | Publisher Full Text OpenURL
9.Ferrari A, Cutti AG, Garofalo P等：首次“步行”体内评估：基于惯性与磁性传感器的临床步态分析的一种新方案。
Med Biol Eng Comput 2010, 48(1):1-15. PubMed Abstract | Publisher Full Text OpenURL
10.Gubbi J, Rao AS, Kun F等：后急性卒中患者中使用加速度测量进行行动恢复监测。
BioMedical Engineering OnLine 2013, 12:33. PubMed Abstract | BioMed Central Full Text | PubMed Central Full Text OpenURL
11.Caby B, Kieffer S等：用于目标步态分析和加速度计跌倒风险评估的特征提取和选择。
BioMedical Engineering OnLine 2011, 10:1. PubMed Abstract | BioMed Central Full Text | PubMed Central Full Text OpenURL
12.Aminian K, Najafi B：使用肢体固定传感器捕捉人体运动：户外测量和临床应用。
J Visual Comput Animat Comput Animation and Virtual Worlds 2004, 15:79-94. Publisher Full Text OpenURL
13.Willemsen ATM, Van JA, Boom HBK：利用加速度计的新方法进行实时步态评估。
J Biomech 1990, 23(8):859-863. PubMed Abstract | Publisher Full Text OpenURL
Morris JRW： 加速度计 – 一种测量人体运动的技术。
J Biomech 1973, 6(7):29-36. OpenURL
14.Heyn A, Mayagoitia RE, Nene AV, Veltink PH：从加速度计和陀螺仪测量获得的摆动阶段运动学。
IEEE Eng Med Biol Soc 1996, 2:463-464. OpenURL
15.Atallah L, Wiik A, Jones G, Lo B, Cobb J, Amis A, Yang GZ：使用测力设备跑台验证耳戴式传感器步态监测的有效性。
Gait and Posture 2012, 35:674-676. PubMed Abstract | Publisher Full Text | PubMed Central Full Text OpenURL
16.Atallah L, Aziz O, Lo B, Yang GZ：耳戴式传感器用于检测腹部手术后的步态障碍。
Surg Innov 2013, 20(1):86-94. PubMed Abstract | Publisher Full Text OpenURL
17.Dejnabadi H, Jolles BM, Aminian K：基于加速度计和陀螺仪的组合精确测量单轴关节角度的一种新方法。
IEEE Trans On Biomed Eng 2005, 52(8):1478-1484. Publisher Full Text OpenURL
18.Kobashi S, Kawano K等：使用惯性与磁性传感器的可穿戴关节运动监控系统。
Robotic Intelligence in Informationally Structured Space 2009, 25-29. OpenURL
19.Kim A, Golnaraghi MF：使用一个惯性测量单元的以四元数为基础的方位估计算法。
IEEE Position Location and Navigation Symposium 2004, 268-272. OpenURL
20.Xiaoping Y, Bachmann ER：用于人体运动跟踪的基于四元数的卡尔曼滤波器的设计，实施和实验结果。
IEEE Transactions on Robotics 2006, 22(6):1216-1227. OpenURL
21.Salarian A, Russmann H等：帕金森氏病步态评估：长期监测动态系统。
IEEE Transactions on Biomedical Engineering 2004, 51(8):1434-1443. PubMed Abstract | Publisher Full Text OpenURL
22.Turcot K, Aissaoui R等：新的加速计方法，用于区分判无症状受试者与内侧膝骨性关节炎患者的三维步态。
IEEE Transactions on Biomedical Engineering 2008, 55(4):1415-1422. PubMed Abstract | Publisher Full Text OpenURL
23.Matej S：使用惯性传感器动作捕捉服和GNSS RTK系统进行高山滑雪的三维测量。
Sports Sci 2010, 28(7):759-769. Publisher Full Text OpenURL
25.Saber-Sheikh K, Bryant EC, Glazzard C, Hamel A, Lee RY：使用惯性传感器评估人体运动的可行性。
Man Ther 2010, 15(1):122-125. PubMed Abstract | Publisher Full Text OpenURL
26.Raqqi M, Tura A, Rocchi L等：通过惯性传感器对经股截肢者进行步态分析：步伐和步幅规律性。
Gait Posture 2006, 24(1):S17-S18. OpenURL
27.Lucareli PR, Greve JM：中风后偏瘫步态中膝关节负载响应机制的改变，通过3维运动学进行分析。
Clinics (Sao Paulo) 2006, 61(4):295-300. Publisher Full Text OpenURL
28.Bohannon RW, Horton MG, Wikholm JB：中风患者四个步行变量的重要性。
Int J Rehabil Res 1991, 14(3):246-250. PubMed Abstract | Publisher Full Text OpenURL
29.Bohannon RW, Larkin PA, SMIth MB, Horton MG：轻偏瘫中风患者中静态肌力缺失和痉挛之间的关系。
Phys Ther 1987, 67(7):1068-1071. PubMed Abstract | Publisher Full Text OpenURL
30.Kuan TS, Tsou JY, Su FC：中风患者偏瘫步态：使用拐杖的效果。
Arch Phys Med Rehabil 1999, 80(7):777-784. PubMed Abstract | Publisher Full Text OpenURL
31.Pataky Z, Faravel L, Silva JD, Assal JP：适用于感觉障碍患者的一种新型动态足底压力设备。
J. Biomechan. 2000, 33(9):1135-1138. Publisher Full Text OpenURL
32.Lackovic I, Bilas V, Santic A, Nikolic V：自由移动受试者的步态参数测量。
Measurement 2000, 27:121-131. Publisher Full Text OpenURL
>>相关产品
电话：010-50951355 传真：010-50951352 邮箱：sales@souvr.com ；点击查看区域负责人电话
手机：13811546370 / 13720091697 / 13720096040 / 13811548270 /
13811981522 / 18600440988 /13810279720 /13581546145
