运动机能减退和/或运动机能亢进状态的检测的制作方法

专利名称：运动机能减退和/或运动机能亢进状态的检测的制作方法
技术领域：
本发明涉及通过监视动作症状对人的运动状态进行分析，以检测运动迟缓和/或 运动障碍或者运动机能亢进。
背景技术：
非常多的疾病、药物、创伤及其他因素可能致使一个人具有诸如运动障碍或者运 动迟缓的动作症状，其中具有运动障碍症状的人处于运动机能亢进状态，而具有运动迟缓 症状的人处于运动机能减退状态。例如，运动迟缓是帕金森症的一种关键症状。通常令患有帕金森症的病人服用 L-Dopa或者左旋多巴，这种药可具有使病人在服药之后的一段时期内变为运动障碍的效 果。随着帕金森症的发展，左旋多巴的半衰期缩短，有效剂量范围减少，使得剂量控制极其 困难和复杂。通常通过增加服药频率来对此进行控制，有时每天服用十次剂量之多，以求控 制症状以及使病人能够具有适当的生活质量。因此，具有帕金森症的病人可能在一天内以 及单次剂量的左旋多巴的整个疗程内，若干次地体验到运动迟缓、运动障碍和正常运动机 能的周期。即使在一个时间点建立了令人满意的服药剂量制度，帕金森症的进行性特性意味 着神经科医生必须定期地复查病人的症状，以便有效地控制该病人的不断增加的治疗剂 量。如果没有客观和不断跟进的监视，医生很难避免开出过度增加运动障碍发作的过量剂 量、或者不能防止运动迟缓发作的不足剂量。此外，也没有用以表明剂量的变化是否对改善 症状起到了效果的客观量度。从临床观察来看，有经验的神经科医生通常能够检测出运动迟缓和运动障碍的存 在。在一种方式中，进行临床观察的医生给出一个O到20范围内的分数，以指示所观察到 的发病的严重程度。图1示出由三名神经科医生给出的分数，每一个标记点表示两名神经 科医生观察一次运动障碍发作时给出的分数。相对于神经科医生2的分数，绘出了神经科 医生1的分数(三角形)和神经科医生3的分数(圆形)。显然，这种评分方法的主观特性 导致了相当大的差异。在一个极端范例中，神经科医生2为一次运动障碍发作评分为严重 程度10 (当注意到神经科医生2曾给出的最高分数是13时，可知这次发作是非常严重的)， 而神经科医生3对同一发作评分为严重程度0(没有观察到运动障碍)。因此，尽管医生通 常能够在观察期间检测出运动障碍及其他运动状态，然而这些状态不容易被量化，使得剂 量控制非常主观。此外，临床观察一般仅在病人在场的短时间内做出，通常约为数十分钟，每6或者8周一次。而运动状态在全天内、以及在每天之间的波动显著增加了评估病人的运动状态的 困难度。临床医生常常依靠病人的回忆和/或日记，来了解该病人在各次临床约诊之间的 不断变化的运动状态。然而，病人很少能够给出客观的分数，并且运动病症发作本身的影响 可能常常使病人难以做出任何关于运动症状波动的性质和时间的任何记录。帕金森症的另一常见症状例如是颤抖。帕金森症的颤抖比大多数的颤抖形式缓 慢，其频率为4-6周/秒。与其他运动构成相比较，颤抖由具有相对很少的频率分量的振动 构成。在频谱分析上，它表现为窄频率范围G-6Hz)内的离散峰值，通常明显地高于普通运 动的频率范围(小于4Hz)。颤抖已经成为大量研究的主题，尤其是利用频谱分析对其进行 研究。颤抖相对来说易于检测，因为它是连续的重复运动，具有正弦波的特征，易于与很少 如此连续的正常人动作区分开。与运动障碍和运动迟缓相比，在帕金森症的控制中颤抖容 易处理得多。已经尝试根据颤抖的测量结果来推断人的运动迟缓状态，以用于调整药物。然 而，对于很多病人来讲，在颤抖和运动迟缓之间并不存在紧密的相关性，这使得使用这种技 术可能会不正确地用药。对于本说明书中现已包括的文件、技术、材料、设备、制品等等的任何讨论都仅仅 是为了提供本发明的上下文环境。并不应当将其视为承认这些内容中的任何或者全部构成 了在本申请的每一权利要求的优先权日之前存在的现有技术基础的一部分、或是本发明的 相关领域内的公知常识。在整个说明书中，措辞“包括”或其变型比如“包含”、“含有”都应理解为其意味着 包含所表述的单元、整体或步骤、或者单元、整体或步骤的组，但并不排除任何其他的单元、 整体或步骤、或者单元、整体或步骤的组。

发明内容
根据第一方面，本发明提供了一种确定人的运动状态的自动方法，该方法包括从佩戴在人的肢体上的加速度仪获得数据；以及对该数据进行处理，以确定运动状态的量度，该运动状态是运动迟缓、运动障碍和 运动机能亢进中的至少一种。根据第二方面，本发明提供了一种用于确定人的运动状态的设备，该设备包括处理器，被配置为处理从佩戴在人的肢体上的加速度仪获得的数据，并根据该数 据确定运动状态的量度，所述运动状态是运动迟缓、运动障碍和运动机能亢进中的至少一 种。根据第三方面，本发明提供了一种计算机程序产品，包括用于使计算机执行确定 人的运动状态的程序的计算机程序装置，所述计算机程序产品包括用于从佩戴在人的肢体上的加速度仪获得数据的计算机程序代码装置；以及用于处理所述数据以确定运动状态的量度的计算机程序代码装置，所述运动状态 是运动迟缓、运动障碍和运动机能亢进中的至少一种。值得注意的是，本发明由此能够根据从佩戴在人的肢体上的一个加速度仪获得的 测量结果，做出有关人的运动状态的判定。在本说明书中，术语运动状态被定义为一种运动 异常状态。本发明认识到，佩戴在肢体上的一个传感器提供了足以做出运动迟缓和/或运 动障碍或运动机能亢进状态的判定的足够的运动相关数据。因而，本发明的实施例对于虚弱、年老或残疾人士特别适合，为这些人士配置多于一个的传感器是不实际的。在某些实施 例中，加速度仪被佩戴在肘部下方，比如手腕上。在其他实施例中，传感器可以被佩戴在膝 部下方，比如脚踝上。此外，本发明提供了一种运动状态的自动判定，该运动状态是运动迟缓和运动障 碍中的至少一种，因而提供了一种技术，其不依赖于根据颤抖量度的可能不精确的运动迟 缓推断。在优选实施例中，处理加速度仪数据，以便确定运动迟缓量度和运动障碍量度两者ο运动迟缓在确定运动迟缓量度的一些实施例中，对来自加速度仪的数字数据进行带通滤 波，以提取所关注频带的数据。所关注频带可以具有被选择用于去除DC的下端截止频率。 该下端截止频率例如可以在0. 05Hz至IHz范围内，优选的是0. 2Hz。所关注频带可以具有 被选择用于消除高频分量的上端截止频率，该高频分量一般不是由正常人动作引起。该上 端截止频率例如可以在3Hz至15Hz范围内，优选的是4Hz。大约4Hz的上端截止对于避免 或最小化通常超过4Hz的颤抖的影响而言是有益的。附加地或者替代地，在确定运动迟缓量度的一些实施例中，从数据的时间序列中 提取数字加速度数据的时间块或“选区(bin)”并对其单独考虑，每一选区是一持续时间， 该持续时间被选择为短到足以确定运动迟缓的相对规律的量度，而又长到足以提供由人在 该选区时间做出显著运动的合理可能性。例如，该选区持续时间可以在2秒至60分钟范围 内，更优选的是在15秒至4分钟范围之内，最优选的是在30秒至2分钟范围之内。附加地或者替代地，在确定运动迟缓量度的一些实施例中，搜索数字数据中的最 大值，优选的是使用具有时窗长度(window length)的移动平均值，该时窗长度是正常人 动作的持续时间的几分之一，例如该移动平均值的时窗长度可以是在0. 02秒至30秒范围 内，并且可以基本上是0. 2秒。其中发现数据具有最高平均值的时窗被认为是表示人的具 有峰值加速度的运动。这种实施例认识到，处于正常运动状态的人的运动一般具有高于运 动迟缓的人的峰值加速度，因而峰值加速度是一种可以用来检测和量化运动迟缓状态的指 标。在评估数据选区的实施例中，对于选区i，用PKi表示最高平均值，其是峰值加速度的时 窗。考虑到对于某些选区，运动迟缓的人和运动状态正常的人都可能完全保持静止，可以应 用阈值，借以排除低于该阈值的PKi值。额外地或者替代地，在确定运动迟缓量度的一些实施例中，获得包括峰值加速度 之前和之后的多个数据点的子选区。所述子选区优选的是包括多个为2的幂次的数据点， 并且所述子选区优选的是对称地位于该峰值加速度周围。所述子选区优选的是包括在与 单个正常人运动的持续时间基本上相同的一段时间内获得的数据点，例如所述子选区的持 续时间可以在0. 5秒至30秒范围内，更优选的是在1秒至3秒范围内，例如可以基本上是 2. 56秒。如果可以的话，，所述子选区还优选的是相关选区的长度的一小部分。优选的是， 例如对子选区的数据进行快速傅里叶变换来执行所述子选区的频谱分析，以获得子频带频 谱量度。所述子频带的宽度可以大约为所关注频带的四分之一。所述子频带的宽度可以在 0. IHz至2Hz范围内，更优选的是在0.6Hz至IHz范围内，并且可以基本上是0. 8Hz。所述 子频带可以在频域中重叠，例如可以考虑八个部分重叠的子频带。
因而，这种实施例能够获得具有峰值加速度的单个运动的频谱分量，其认识到如 果人的峰值运动具有强的低频分量，则表示运动迟缓。因而，一些实施例可以识别哪一单个 子频带具有最大功率，并且当低频子频带具有最大功率时，给出存在运动迟缓的较强指示。 额外地或者替代地，可以对子频带频谱量度的一些或全部进行加权，以产生加权平均谱功 率(MSPi),使得当最大值(MSPi)很小并且存在于较低频率的子频带中时，给出运动迟缓的 较强指示，而当最大值(MSPi)很高并且存在于高频率的子频带中时，给出运动迟缓的较弱 指示。额外地或者替代地，在确定运动迟缓量度的一些实施例中，可以考虑多个(η个) 连续选区，对每一选区确定PKi和MSPi，并且从所有η个选区中选择PKi的最大值(PKi._)， 以及选择MSPi的最大值(MSP,max)。然后可以如下计算运动迟缓分数BK:BK = PKlmx X MSPldim替代地，可以如下计算运动迟缓分数BK = AX Iogc (PKi.^xXMSPldiJ-B其中A、c和B是可选择的调谐常数。在一非限制性的范例中，A = 16. 667，η = ΙΟ,Β = 116. 667。这种实施例认识到，如果人保持静止，则单个选区可能几乎不包含能够用 以在运动状态正常的人和运动迟缓的人之间进行区分的信息。考虑选区的序列增加了将实 际运动纳入考虑的可能性。附加的或替代的实施例使BK分数能够受到人是否长时间不运动的影响。这种实 施例认识到运动状态正常的人和运动迟缓的人之间的关键区分因素，即运动状态正常的人 很少在任意一段明显很长的时间内保持完全不动，而运动迟缓的人能够在一段明显很长的 时间内保持不动。这种实施例例如可以考虑多个选区的I3Ki的阈值加速度值，比如取一小值 的I3Ki值模式。如果人的PKi在一段长时期(被称为静态时间或QT)内都未超过该阈值， 则在这种实施例中，可以将其视为表示运动迟缓状态。例如，可以如下计算运动迟缓分数BK = AXlogc (PKi. max X MSPi. m J /QTm-B大的QT减少了该BK分数，从而更强地表示运动迟缓。m的值优选是大于或等于 1，使得长时间的QT更强地影响BK分数。应注意的是，这种实施例产生了与常见临床主观量度一致的BK分数，其对于运动 状态正常的人为大值，而对于运动迟缓的人为接近于零的小值。在另一实施例中，QT可以独立用作BK的附加指标。大的QT将恰好为BK。可以输出多个连续BK分数的移动平均值，以使结果平滑。在一些实施例中，可以 在一段时间内重复地确定运动迟缓的量度，例如可以每隔几分钟确定该量度。在这种实施 例中，可以确定包括各个量度之和的累积的运动迟缓分数，以便提供运动状态的累积指示。 例如，可以在单次剂量的左旋多巴的疗程期间确定该累积分数，或者可以在一天的疗程期 间确定该累积分数。因而，本发明的一些实施例认识到，运动迟缓型运动具有较低的加速度和速度，并 且在所有频率中由于频谱分析在低频和低功率具有相对优势，在频谱分析中显现出运动迟 缓型运动的低的频率、幅度、速度和加速度。运动障碍在确定运动障碍量度的一些实施例中，对来自加速度仪的数字数据进行带通滤波，以提取所关注频带的数据。所关注频带可以具有被选择为去除DC分量的下端截止频 率，例如在0. 05Hz至2Hz范围之内，优选为1Hz。所关注频带可以具有被选择用于消除高频 率分量的上端截止频率，例如在3Hz至15Hz范围之内，优选为4Hz，该高频率分量一般不是 由正常人动作引起。大约4Hz的上端截止对于避免或最小化通常超过4Hz的颤抖的影响而 言可以是有益的。附加地或者替代地，在确定运动障碍量度的一些实施例中，从数据的时间序列中 提取数字加速度数据的时间块或“选区”并对其单独考虑，每一选区是一持续时间，该持续 时间被选择为短到足以确定运动障碍的相对规则的量度，而又长到足以提供运动状态正常 的人在该选区期间内的部分时间极少或无运动的合理可能性。例如，该选区持续时间可以 在10秒至10分钟范围内，更优选的是在30秒至4分钟范围之内，最优选的是基本为2分 钟。这种实施例认识到，运动状态正常的人和运动障碍的人之间的区分因素在于，运动状态 正常的人具有极少运动或无运动的时间，而运动障碍的人一般无法保持静止，因而几乎没 有极少运动或无运动的时间。额外地或者替代地，在确定运动障碍量度的一些实施例中，可以将数据与阈值进 行比较，并且可以确定该数据保持低于该阈值的时间长度或时间所占的比例。这种量度涉 及人减少运动的时间长度或时间所占的比例，在此被称为减少运动时间(Tem)。所述阈值可 以是数据的平均值。可以将数据的移动平均值与该阈值进行比较，以便减少噪声效应。例 如，移动平均值的时窗长度可以在0.5秒至4秒范围内，优选的是基本为1秒。在这种实施 例中产生的Tkm量度对于运动障碍的人很小，因为他们几乎没有无运动时间，但是对于运动 状态正常的人较大，因而能够检测和量化运动障碍。额外地或者替代地，在确定运动障碍量度的一些实施例中，可以将数据与阈值进 行比较，并且可以确定低于该阈值的数据的功率量度。这种实施例认识到，运动障碍的人的 低于阈值的数据的功率将比运动状态正常的人的低于阈值的数据的功率高，因为运动障碍 的人很少是真正不动的。该阈值可以是数据的平均值，其对于运动障碍的人将取更高的值， 导致低于该阈值的数据的更高功率，从而增强了检测和量化运动障碍的能力。所述低于该 量度的数据的功率量度可以包括通过对低于阈值的数据进行快速傅里叶变换而获得的平 均谱功率(SPkm)。可以取SPkm的均方根(RMS)值，以获得SPm_。额外地或者替代地，在确定运动障碍量度的一些实施例中，可以获得该数据的频 率分量的方差(VAR)。这种实施例认识到，运动障碍常常产生宽频率范围的运动，这导致 大的VAR，而运动状态正常的人倾向于对于大多数动作都以类似的速度运动，这导致小的 VAR0因而，VAR提供了可以用来检测和量化运动障碍的进一步的量度。在确定运动障碍量度的一些实施例中，可以如下计算运动障碍分数DK = AX Iogc (SPEM/Tffl)额外地或者替代地，在确定运动障碍量度的一些实施例中，可以如下计算运动障 碍分数DK = AXlogc (Acc X SPEM/Tffl)。额外地或者替代地，在确定运动障碍量度的一些实施例中，可以如下计算运动障 碍分数DK = AXlogc(MSJTm)
其中A和c是可选择的调谐常数，Tem是减少运动的时间，RMSkm是低于阈值的加速 度仪数据的均方根值。额外地或者替代地，在确定运动障碍量度的一些实施例中，可以如下计算运动障 碍分数DK = AXlogc(VAR/TEM)额外地或者替代地，在确定运动障碍量度的一些实施例中，可以如下计算运动障 碍分数DK = AXlogc (VARxSP履/Tem)由于SPKM、SPffl.EMS, VAR和Acc对于运动障碍的人是大值，而Tkm对于运动障碍的人 是小值，因此上述分数以高数值表示运动障碍，与常见临床主观量度一致。可以输出多个连续DK分数的移动平均值，以使结果平滑。在一些实施例中，可以 在一段时间内重复地确定运动障碍量度，例如可以每隔几分钟确定该量度。在这种实施例 中，可以确定包括各个量度之和的累积运动障碍分数，以便提供运动状态的累积指示。例 如，可以在单次剂量的左旋多巴的疗程期间确定该累积分数，或者可以在一天的疗程期间 确定该累积分数。因而，本发明的一些实施例认识到，运动障碍的运动具有更高的功率，增大的幅 度，并具有连续不间断的特性。在一些实施例中，对数据进行处理，以便产生运动迟缓量度和运动障碍量度两者。 这种实施例认识到，人可能同时或接连遭受运动迟缓和运动障碍两者，可以根据由加速度 仪返回的数据对每一状态独立地进行量化。因而，本发明的一些实施例能够客观地检测和量化运动迟缓和/或运动障碍状 态，这无论是在临床试验还是在正常临床环境中，对于评估治疗药物的效果都很重要，对于 指导改善病情的介入治疗(intervention)的使用尤为重要。即使是运动症状波动的情况 下，这些实施例仍可以通过全天基本连续地或频繁地测量，来实现客观的检测和量化。而 且，并不是依赖于病人或神经科医生的主观量度，本发明的实施例提供了客观量度，因而能 够在一段较长时期内进行自动的比较分析，比如在M小时期间内。这种实施例认识到，为 了更好地评估治疗药物比如左旋多巴的影响，较长时期的分析是有益的。在一些实施例中，加速度仪是3轴加速度仪，其为灵敏性的每一轴提供与沿着该 轴的加速度成比例的输出。优选的是，对每一输出进行采样以获得表示相对于时间变化的 加速度的数据。例如，可以使用IOOHz采样。在本发明第二方面的一些实施例中，该设备可以是与人相隔远距离的中央计算设 备，其被配置为经由通信网络从加速度仪接收数据。在这种实施例中，所述中央计算设备可 被进一步配置为将所确定的运动状态量度传送到与该人往来的医生或临床医生等。在本发明第二方面的其他实施例中，该设备可以是身体佩戴设备，其包括从中获 得数据的加速度仪。这种实施例可以进一步包括输出装置，比如显示器，以便向人显示所确 定的运动状态量度。在这种实施例中，该设备的处理器可以进一步配置为使用该运动状态 量度更新该人的药物治疗方案，并为该人显示该更新的方案。可以通过改变服药剂量和/ 或更新服药剂量的时间，来更新药物治疗方案。


现在将参考附图，说明本发明的范例，其中图1示出由三名神经科医生给出的运动障碍分数的图示，每一个标出点表示由两 名神经科医生在观察一次运动障碍发作时给出的分数；图2是根据本发明实施例的用于检测各种帕金森症临床状态的设备的图解视图；图3示出了根据本发明的一个实施例的运动状态监视和报告；图4是运动障碍分数的图示，每一点示出本发明的一个实施例为一次运动障碍发 作生成的分数，该分数相对于三名神经科医生观察同一发作所给出的分数的平均值而绘 制；图5示出为每一受验组(C =对照者，B =运动迟缓受验者，D =运动障碍受验者) 绘制的任务2 (运动迟缓分数)期间获得的平均峰值加速度(APA)；图6A示出从静坐(虚线，任务3)和进行自主运动(任务1，粗实线)的正常受验 者获得的功率谱；图6B示出当受验者被要求使用食指横跨示波器屏幕地移动以跟踪2Hz和4Hz振 荡时的频谱输出；图7示出从书写单词"minimum"的正常受验者获得的功率谱；图8是对于每一频带的进行任务1或任务3的正常(C)、运动迟缓(B)和运动障碍 (D)的受验者的MSP的图示；图9A是相对于ABS的APA的图示；图9B示出相对于时间绘制的单个病人在服用左旋多巴之后的运动迟缓的变化， 粗实线表示通过APA确定的运动迟缓，虚线表示通过ABS确定的运动迟缓；图IOA示出相对于ADS绘制的IMS ；图IOB示出相对于时间绘制的单个病人在服用左旋多巴之后的运动障碍的变化， 粗实线表示通过APA确定的运动障碍，虚线表示通过ADS确定的运动障碍；图11是使用本发明的装置和系统的病人的扫描结果以及产生的判定；图12示出可以在用于实现本发明的示例性系统中使用的通用计算设备；图13示出与全身的IMS分数相比的手腕的IMS分数；图14是示出在全天疗程中的个人的基本连续的DK和BK评分的图表。图15是示出一种可用于提供本发明结果的替代方式的图表，绘制了每次剂量之 后的时期内的DK分数的累加和、连同全天的BK分数值；以及图16是描绘运动障碍病人的DK和BK分数的图表。
具体实施例方式图2是根据本发明实施例的用于检测各种帕金森症或者运动状态的设备15的图 解视图。设备15是手腕安装式的，本发明人已认识到手腕提供了全身运动状态的充分精确 的表现。例如，图13中示出了手腕的IMS分数与全身的IMS分数的比较，其说明手腕给出 了足够的运动状态信息。设备15包括用于获得人的肢体的运动数据的三个部件。设备15 包括加速度仪形式的动作监视器21，以提供运动迟缓和运动障碍的客观判定的方式记录和 分析所接收数据的评估器22，以及用于输出运动迟缓或者运动障碍在时间段内的客观判定以使临床医生能够开出药方或者使患者能够更好地了解其自身运动状态的输出装置23。设备15是一种重量轻的设备，目的是佩戴在人的受到最大影响的手腕上。该设备 被安装在弹性的腕带上，以便受到足够牢固的支撑，使其不会在手臂上摇晃，且不会因此放 大加速度。该设备被配置为从人的手腕升高最小的量，以便使运动的放大最小化。该设备 可以位于通过带扣固定的腕带上，由此通过解开带扣和去除设备的动作来中断电路，以及 向记录器告知现在未佩戴该设备。优选的是，病人在服用他们当天的首次药物之前的至少 30分钟内佩戴该设备，直到就寝时间为止。这使得该设备能够记录清晨的运动迟缓，而此时 运动迟缓常常处于最差状态。然后，该设备接着记录对于当天的所有药物的运动响应。加速度仪21在O-IOHz的带宽记录三个轴X、Y、Z上的加速度，并将三个通道的数 据存储在该设备的机载存储器中。该设备具有250MB的存储量，以便能够在该设备上存储 多达3天的数据，之后可以将该设备提供给管理人员以下载和分析数据。此外，在本实施例 中，在每晚的病人睡眠时间去除该设备的时候，该设备被配置为放置在底座(dock)中并与 该底座连接，以使得该设备将数据传送到底座，而该底座随后经由无线宽带将数据发送给 总公司处的分析服务器(参见图3中的114)。与底座的连接还为设备的电池充电。作为预期被潜在的虚弱人士携带的腕带式设备，该设备具有极小的尺寸和重量。 此外，由于这个缘故，设计了底座接口，使得该设备方便地放置就位以实现接口连接，并提 供了非常清楚的实现连接的反馈。在一种替代方案中，可以通过蓝牙等将来自数据记录器 的信息无线发送到PDA (个人数字助理)，使病人无需底座便可实现数据传送。图3示出了根据本发明的一个实施例的运动状态监视和报告。病人112佩戴着图 2的设备。该设备15记录加速度仪数据，并将其传送到中央计算设施114。计算设施114 使用算法(下文将进一步讨论)分析该数据，以获得人112的运动迟缓状态分数的时间序 列，以及该人的运动障碍状态分数的时间序列。以能够被神经科医生116快速解读的格式， 将这些分数报告给神经科医生116，以确保有效利用神经科医生的时间。该报告显示主要运 动类别，并被直接发送到医生的电子信箱，或者可在网站上查阅。根据该报告，可以使病人 的用药方案最佳化。神经科医生116随后解读该运动状态报告，并据此更新病人的药物处 方。通过使用频率范围0至10赫兹、测量范围+/_4g的单轴加速度仪，加速度仪测量 加速度。替换地，可以使用三轴加速度仪来提供更强的灵敏度。该设备存储数据多达7天，每天16小时。然后人工地或者通过无线宽带，将所存储 的数据传送到中央计算设施114，或者通过蓝牙将所存储的数据无线传送到PDA，等等。因 此，该记录系统是完全移动式的，并可以由病人在家佩戴。在本实施例中，由中央计算设施114对所获得的数据应用算法，以便生成运动障 碍分数和运动迟缓分数。运动迟缓评分算法用于产生自动运动迟缓分数(BK)的算法基于如下认识运动迟缓受验者在运动 之间具有较长间隔，并且当他们运动时，该运动的加速度较低。因此，运动迟缓病人运动的 时间百分比低。运动状态正常的人的运动时间百分比较高且运动峰值加速度较高。与目前 使用的基于临床观察的主观量度一致，在本算法中，低BK分数表示较严重的运动迟缓，而 高BK分数表示几乎没有或无运动迟缓。该运动迟缓评分算法按以下步骤对所记录的数据进行运算。BKl 对数据进行带通滤波，以提取0. 2至4Hz范围内的分量，以便去除DC、手腕旋 转、4Hz以上的颤抖、以及对记录器的偶然碰撞等等。BK2 在某一时间检索数据的短选区，在本实施例中为每一选区30秒或者3000个 数据点。选区长度足够长到使人在该选区时间内有机会进行显著运动，使得可能由这种运 动中产生参数PKi和SPmaxi (下文将详细描述)。步骤BK3至BK9被设计为查找该选区中的最大加速度以及该加速度发生的频率。 这是认识到，正常运动具有以较高频率发生的较高加速度，而运动迟缓的特征在于以较低 频率发生的较低峰值加速度。BK3 搜索第i个选区中的最大加速度值，该最大加速度值使用0. 2秒QO个数据 点)的移动平均值以消除噪声。具有最高平均值的0.2秒时间被视为是峰值加速度H(i。 在其他实施例中，可以通过采用中值，或者除去高值，或者低通滤波，来去除噪声。BK4 采集PKi两侧的X个点，以创建将要进行FFT的2X个数据点的子选区。在本 实施例中，在每一侧获取128个点，以产生256个点(2. 56s)的子选区。BK5 对原始加速度仪信号上的峰值加速度子选区执行FFT，以查找PKi周围存在 的频率分量。BK6 考虑重叠的0. 8Hz频带，即A 0. 2-1. OHzB0.6_l.4HzC 1.0-1.8HZD 1.4-2. 2HzE 1. 8-2. 6HzF 2. 2-3. OHzG2.6_3.4HzH 3. 0-3. 8Hz识别出包含最大平均谱功率SPmaxi的频带。BK7 如下对八个频率选区的每一个中的值进行加权ΑΧΟ. 8ΒΧ0. 9CXL 0DXl. 1EXl. 2FXl. 3GXl. 4HXl. 5使用线性查找函数，从加权后的频带值中识别出最大加权平均谱功率(MSPMAX)。ΒΚ8 具有高频率和高振幅的高MSPmax被视为更可能表示非运动迟缓状态，而小 MSPmax更可能表示运动迟缓。ΒΚ9 对于每个30秒选区重复步骤ΒΚ3至ΒΚ8，以获得一系列的MSPmax. i值。
BKlO 识别和记录一组分析选区中的最大运动。例如，该组分析选区可以遍布四个 选区，以便每2分钟产生一个BK分数，或者可以遍布六个选区，以便每3分钟产生一个BK 分数。选择该组选区的最大PKi以及该组选区的最大加权MSP.」，应注意的是，这两个值可 能不在同一选区中出现。通过如下计算来产生运动迟缓分数BK = AXloglO (MSPmaxXPKi) -B因此，这一步骤对每一个2-3分钟时窗中的“最大”或者最剧烈运动进行计算。然 后相对于时间绘制出BK分数。BKll 在2至10分钟时窗(时窗长度是变量)中获取BK值的移动平均值，并相对 于时间绘制该移动平均值，由此对结果进行过滤，以便为神经科医生提供直观显示。因此，由该算法产生的BK分数使得能够对每一药物引起的随时间的BK变化进行 评估，并能够对从服药时间开始的BK相对变化进行度量。这还允许对病人在每天或者每次 服药期间处于每一 BK分数的时间所占百分比进行评估。应注意，运动状态正常的人可能在 短时期内表现出运动迟缓的行为，评估人的运动迟缓的持久度和深度是很重要的，通过本 实施例可以实现这一点。运动障碍评分算法用于产生自动运动障碍分数的算法基于如下认识运动障碍受验者在运动之间几 乎没有间隔或者停顿，而非运动障碍的人具有较长的无运动时期。运动障碍的人还会以较 大的谱功率运动。因此，本算法用于对经历过多自主运动时期的运动状态正常的人与经历 过多非自主运动的运动障碍的人进行区分。该运动障碍评分算法按以下步骤对所记录的数 据进行运算。DKl 对原始数据进行带通滤波，以提取l-4Hz范围内的分量，以便去除DC、手腕旋 转、颤抖和传感器碰撞。DK2:空步骤DK3至DK7的目的是去除超过平均加速度的数据部分，以便从数据集合中去 除自主的正常运动。DK3 将数据分解为120s的选区，每一选区均被独立考虑。选区宽度是变量，在本 实施例中选区包括12000个数据点。较长的选区周期更有可能排除加速度高的运动，因为 大多数信号将具有较小振幅。DK4 对于每个120s的选区i，使用数据的绝对振幅测量平均加速度振幅(Acci)。 Acci被用作阈值，低于该阈值的数据被认为表示“减少的运动”。DK5 计算整个选区的一秒(100个数据点)的移动点平均值。DK6 不再考虑任何平均加速度大于Acci的数据的一秒的时间段，以排除自主的正常运动。DK7 选区中的剩余数据被假定为与减少运动的时期有关，因此被称为减少运动 (RM)的数据集合。选区内的减少运动的时间段是TKM。选区中的剩余RM数据被简单地串接起来。步骤DK8-DK12的目的在于对留在数据中的“非自主”运动集合的属性进行量度， 评估对RM数据的非自主运动中的功率进行量度的几种方式。应注意的是，运动障碍病人的 非自主运动具有高功率。
DK8A 对每一 120s选区中的RM数据集合执行FFT。每一 120s选区中的RM的平均 谱功率是SPKM。由于DKl步骤中的滤波，该功率是对于1-4HZ范围而言的。在运动障碍中， 该功率将高于运动状态正常的人的情况。DK8B 获取该减少运动数据集合绝对值的RMS值，以得出该减少运动的功率。DK8C 获得120s选区中全部频率的或者RM数据集合中频率的方差(VAR)或者标准差。DK9 如下计算DK分数DKsp = A SPeiZTkm并绘制DKsp。DKlO 如下计算DK分数DKacc = Iogc (Acci X SPem) /Tem并绘制DKacc。DKll 如下计算DK分数DKrms = A Iogc RMSEM/Tffl并绘制DKrms。DK12 如下计算DK分数DKvar = A Iogc VAR/TEM并绘制DKvar。在2至10分钟时窗(时窗长度是变量)中获取DK值的移动平均值，并相对于时 间绘制该移动平均值，由此对结果进行过滤，以便为神经科医生提供直观表示。此外，评估 在每一天或者每一服药期间内病人处于不同的绝对DK分数的时间所占的百分比。这是认 识到运动状态正常的人可能在短时期内进行类似运动障碍的运动，但是只有运动障碍病 人才会具有不间断运动的自然状态，本方法正是对此进行测量。本实施例还提供了来自每日用药时间的DK分数，例如上午9:00至下午12:00这 段时期，将多天的这种数据进行平均，以获得更权威的测量。图4是运动障碍分数的图示，每一点示出本发明的一个实施例为一次运动障碍发 作生成的DK分数，其相对于三名神经科医生观察同一事件所给出的运动障碍分数的平均 值而绘制。可以看出，与三名神经科医生的平均分数(被称为“黄金标准”)相比，本发明毫 不逊色(特异性(specificity) 93. 6%;灵敏度84.6% )，其表明本实施例是每日临床监护 的可接受的替代方案。图11示出将图2的系统和上述算法用于一位病人所获得的结果。该病人在上午 6:15醒来，戴上该腕式记录设备。她的运动状态致使该设备和算法在此时给出极低的BK 分数BK4，这表示她具有严重的运动迟缓症状，而这是帕金森症的本源特征。然后她在上午 700服用了两片左旋多巴，但是她仍为运动迟缓状态，直到药片被吸收，这时大脑中存在足 够的左旋多巴浓度，开始减轻她的运动迟缓症状。从大约上午8:00直到上午9:30，她的运 动迟缓状态持续地从BK4改善到BKl，BKl是正常模式的运动。然而，在大约上午9 00，此阶 段的左旋多巴的浓度开始引入峰值剂量运动障碍。在上午10:00左右，她回复到BK状态。 她在上午10:45第二次服用药物，这使她很快恢复到正常的BK分数BKl。在下午12:30左 右，再次发展为运动障碍。
正如所能理解的，这种对于运动迟缓和运动障碍两者的同时的、不断跟进的和客 观的量度为神经科医生提供了详细的信息，以帮助制订合适的用药方案。例如，根据该记 录，神经科医生可以选择将左旋多巴的第一次剂量移动到早晨的更早时候，以便减少她的 运动迟缓时间，然后将第二次剂量的时间间隔稍微缩短，同时保持与第三次剂量之间的间 隔。对于该病人，目标在于保持较高百分比的BK处于BKl状态的时间，同时还目标在于降 低DK分数，以便在DK2和DK3状态中度过的时间更少。当然，可以根据本发明进行进一步 的测量，以监视这种改变的效果。因此，本实施例能够以高选择性和灵敏性识别和量化人的运动迟缓和运动障碍状 态，甚至是当此人正在进行涉及大量自然运动的日常活动、而不是临床环境中的受控运动 的时候。图14示出在全天疗程中的个人的基本连续的DK和BK评分。在垂直线表示的时 刻进行左旋多巴治疗。由本发明的实施例产生的该图表清楚地表明，该病人具有极低的运 动障碍和非常显著的运动迟缓，使神经科医生能够迅速地推断该病人好像是治疗不足。图15示出一种替代方式，其中可以通过绘制每次剂量之后的时期内的DK分数的 累加之和，来提供本技术的结果。实际的DK分数以虚线示出，而累积的DK分数(CUSUM DK) 由实线表示。同样，每一用药的时间由垂直线表示。平的CUSUM表示正常的运动状态，因此 图15示出该病人经历了显著的运动障碍，特别是在下午期间。在该情况下，本发明由此为 神经科医生提供了有关于全天疗程中每一次特定剂量导致的运动障碍的有价值信息。图15 也绘制了全天的BK分数的值。图16绘制了另一病人的DK和BK分数，由这些结果可以看出，该病人具有严重的 运动障碍。该病人的BK分数基本上正常，因此为神经科医生提供了有价值的信息可以减 弱用药，因为运动迟缓已经得到完全治疗，但是发生了很高的运动障碍。上午8:15左右的 异常BK分数可能是由于该病人去除了记录器，例如淋浴时。按如下情况，对测试受验者测试该设备和系统的一种形式对十二名帕金森症病 人受验者和八名健康受验者(对照者)进行研究(表1)。受验者被识别为运动迟缓[B]、 运动障碍[D]和正常[C]。这些帕金森症病人是从一个诊所抽取的，并且正在接受帕金森症 的药物治疗。这些对照者没有已知的神经系统紊乱。所有程序都符合世界医学协会赫尔辛 基宣言，并得到了人体研究与伦理委员会的批准和监督。所有受验者已允诺遵循该试验程 序的具体说明。表1.受验者
权利要求
1.一种确定人的运动状态的自动方法，该方法包括从佩戴在人的肢体上的加速度仪获得加速度仪数据；以及对该加速度仪数据进行处理，以确定运动状态的量度，该运动状态是运动迟缓、运动障 碍和运动机能亢进中的至少一种。
2.根据权利要求1所述的方法，还包括对加速度仪数据进行带通滤波，以提取所关注 频带的数据。
3.根据权利要求2所述的方法，其中所关注的频带具有被选择用于去除DC的下端截止 频率，和被选择用于消除高频率分量的上端截止频率，该高频率分量一般不是由正常人动 作引起的。
4.根据权利要求3所述的方法，其中所述运动状态是运动迟缓，并且所述下端截止频 率在0. 05Hz至IHz范围之内。
5.根据权利要求4所述的方法，其中所述下端截止频率是0.2Hz。
6.根据权利要求4或5所述的方法，其中所述上端截止频率在3Hz至15Hz范围之内。
7.根据权利要求6所述的方法，其中所述上端截止频率是4Hz。
8.根据先前权利要求中任一项所述的方法，其中所述运动状态是运动迟缓，并且所述 方法还包括从所述加速度数据的时间序列中提取加速度数据的一个或多个选区，每一选区 具有一持续时间，该持续时间被选择为短到足以确定运动迟缓的相对规律的量度，而又长 到足以提供使人在该选区时间内做出显著运动的合理可能性。
9.根据权利要求8所述的方法，其中所述选区持续时间在两秒至60分钟范围之内。
10.根据权利要求9所述的方法，其中所述选区持续时间在15秒至4分钟范围之内。
11.根据权利要求10所述的方法，其中所述选区持续时间在30秒至2分钟范围之内。
12.根据先前权利要求中任一项所述的方法，其中所述运动状态是运动迟缓，并且所述 方法还包括搜索使用移动平均值的加速度仪数据以便发现最大值，该移动平均值具有正常 人动作的持续时间的几分之一的时窗长度。
13.根据权利要求12所述的方法，其中所述移动平均值的时窗长度在0.02秒至30秒 范围之内。
14.根据先前权利要求中任一项所述的方法，其中所述运动状态是运动迟缓，并且所述 方法还包括获得子选区，该子选区包括在峰值加速度PKi之前和之后的多个数据点。
15.根据权利要求14所述的方法，其中所述多个数据点是2的幂次，并且所述子选区对 称地位于峰值加速度周围。
16.根据权利要求15所述的方法，其中所述数据点可在一段基本上与单个正常人运动 的持续时间相同的时期上获得。
17.根据权利要求16所述的方法，还包括对该子选区进行频谱分析，以获得子频带频 谱量度。
18.根据权利要求17所述的方法，其中所述子频带频谱量度具有0.IHz至2Hz范围内 的宽度。
19.根据权利要求18所述的方法，其中所述子频带频谱量度具有0.6Hz至IHz范围内 的宽度。
20.根据权利要求17至19中任一项所述的方法，其中所述运动状态是运动迟缓，并且所述方法还包括对所述子频带频谱量度的至少一个子集进行加权，以产生加权平均谱功率 (MSPi),其中当最大(MSPi)很小并且存在于较低频率子频带中时，给出较大的运动迟缓指 示，而当最大(MSPi)很高并且存在于较高频率子频带中时，给出较小的运动迟缓指示。
21.根据权利要求20所述的方法，其中所述运动状态是运动迟缓，并且所述方法还包括选择η个的多个连续的选区；以及为每一个选择的选区确定峰值加速度(PKi)和MSPi，并且从所有η个选区中选择PKi 的最大值(PU，并选择MSPi的最大值(MSP^ax)。
22.根据权利要求21所述的方法，还包括根据如下公式计算运动迟缓分数BK BK = PKLmaxXMSPLmax。
23.根据权利要求21所述的方法，还包括根据如下公式计算运动迟缓分数BK BK = AX Iogc (PKlmxXMSPldiJ-B其中A、c和B是可选择的调谐常数。
24.根据权利要求22或23所述的方法，还包括在一段时期内重复地计算运动迟缓分数BK0
25.根据权利要求24所述的方法，还包括计算包含所确定的各个量度之和的累积运动 迟缓分数，以便提供运动状态的累积指示。
26.根据权利要求3所述的方法，其中所述运动状态是运动障碍，并且所述下端截止频 率在0. 05Hz至2Hz范围之内。
27.根据权利要求26所述的方法，其中所述下端截止频率是1Hz。
28.根据权利要求26或27所述的方法，其中所述上端截止频率在3Hz至15Hz范围之内。
29.根据权利要求28所述的方法，其中所述上端截止频率是4Hz。
30.根据权利要求26至29中任一项所述的方法，其中所述运动状态是运动障碍，并且 所述方法还包括从所述加速度数据的时间序列中提取加速度数据的一个或多个选区，每一 选区是一持续时间，该持续时间被选择为短到足以确定运动障碍的相对规律的量度，而又 长到足以提供使人在该选区期间做出显著运动的合理可能性。
31.根据权利要求30所述的方法，其中所述选区持续时间在2秒至60分钟范围之内。
32.根据权利要求31所述的方法，其中所述选区持续时间在10秒至10分钟范围之内。
33.根据权利要求32所述的方法，其中所述选区持续时间在30秒至4分钟范围之内。
34.根据权利要求26至33中任一项所述的方法，其中运动状态的所确定量度是运动障 碍，并且所述方法还包括将所述加速度仪数据与阈值进行比较；以及确定所述加速度仪数据保持在所述阈值之下的时间所占的比率，其中所确定的时间所 占比率表示减少运动时间(Tw)。
35.根据权利要求34所述的方法，其中所述阈值是加速度仪数据的平均值Acc。
36.根据权利要求34或35所述的方法，其中所述将加速度仪数据与阈值进行比较的步 骤包括将所述加速度仪数据的移动平均值与所述阈值进行比较，以减少噪声效应。
37.根据权利要求36所述的方法，其中所述移动平均值的时窗长度在0.5秒至4秒范围之内。
38.根据权利要求37所述的方法，其中所述移动平均值的时窗长度基本上为1秒。
39.根据权利要求26至38中任一项所述的方法，其中所述运动状态是运动障碍，并且 所述方法还包括将所述加速度仪数据与阈值进行比较；以及确定低于所述阈值的加速度仪数据的功率量度。
40.根据权利要求39所述的方法，其中所述低于阈值的数据的功率量度包括通过对低 于阈值的加速度仪数据执行快速傅里叶变换而获得的平均谱功率(SPEM)。
41.根据权利要求40所述的方法，其中所述运动状态是运动障碍，并且所述方法还包 括计算所述加速度仪数据的频率分量的方差(VAR)。
42.根据权利要求41所述的方法，还包括计算运动障碍分数DK，以确定运动障碍的量 度，其中 DK 是根据公式 DK = AXlogc(VARXSPem/Tem)和 DK = AXlogc(VAR/Tffl)之一计算 的，其中A和c是可选择的调谐常数，Tem是减少运动时间。
43.根据权利要求所述的方法，还包括计算运动障碍分数DK，以确定运动障碍的量 度，其中 DK 是根据公式 DK = AXlogc(SPEM/TEM)，DK = AXlogc(AccXSPEM/Tffl)和 DK = AX Iogc (SPeeemsAem)之一计算的；其中A、c和Acc是可选择的调谐常数，Tem是减少运动时间，SPeeems可获得自SPem的均方根值。
44.根据权利要求42或43所述的方法，还包括在一段预定时期内重复地计算运动障碍 分数DK。
45.根据权利要求44所述的方法，还包括计算包含所确定的各个量度之和的累积运动 障碍分数，以便提供运动状态的累积指示。
46.一种用于确定人的运动状态的设备，该设备包括处理器，被配置为处理从佩戴在人的肢体上的加速度仪获得的加速度仪数据，并根据 该加速度仪数据确定运动状态的量度，所述运动状态是运动迟缓、运动障碍和运动机能亢 进中的至少一种。
47.根据权利要求46所述的设备，还包括加速度仪。
48.根据权利要求47所述的设备，其中所述加速度仪是3轴加速度仪，其为灵敏性的每 一轴提供与沿着该轴的加速度成比例的输出。
49.根据权利要求47所述的设备，其中对每一输出进行采样以获得表示相对于时间的 加速度的数据。
50.根据权利要求46至49中任一项所述的设备，其中所述设备包括与所述人相隔远距 离的中央计算设备，其被配置为经由通信网络从所述加速度仪接收数据。
51.根据权利要求50所述的设备，其中所述中央计算设备可被配置为将所确定的运动 状态量度传送给与所述人往来的医生或临床医生等。
52.根据权利要求46至51中任一项所述的设备，还包括用于向所述人显示所确定的运 动状态的量度的显示装置。
53.一种计算机程序产品，包括用于使计算机执行用于确定人的运动状态的程序的计算机程序装置，所述计算机程序产品包括用于从佩戴在所述人的肢体上的加速度仪获得数据的计算机程序代码装置；以及 用于处理所述数据以确定该运动状态的量度的计算机程序代码装置，所述运动状态是 运动迟缓、运动障碍和运动机能亢 进中的至少一种。
全文摘要
本发明涉及一种确定人的运动状态的自动方法。该方法从佩戴在人的肢体上的加速度仪获得加速度仪数据，并处理该加速度仪数据以确定该运动状态的量度。本发明还涉及一种用于确定人的运动状态的设备。该设备包括处理器，被配置以处理从佩戴在人的肢体上的加速度仪获得的数据，并根据该数据确定该运动状态的量度。在该方法和系统中，该运动状态是运动迟缓、运动障碍和运动机能亢进中的至少一种。
文档编号A61B5/11GK102056541SQ200980121933
公开日2011年5月11日 申请日期2009年6月12日 优先权日2008年6月12日
发明者罗伯特·欧文·格里菲思, 马尔科姆·肯尼思·霍恩 申请人:全球动力股份有限公司