冻结步态(freezing of gait,FOG)是帕金森病(Parkinson’s disease,PD)一种常见步态障碍，是患者跌倒的重要原因[1-2]。Plotnik等基于轨道压力传感器的研究发现，冻结步态与多种受损步态(如节律控制、步态对称性、双侧协调性等、多样姿势控制、步幅变化等)有关，且能够由一些外因如语音、节奏暗示等方式来减轻；而可穿戴设备在实现了对冻结步态的实时检测后，很容易实现这些提示[3-5]。

Bächlin设计减轻冻结步态的可穿戴装置，通过半实时(3 s延迟)识别冻结步态(敏感性为73.1%，特异性为81.6%)，在患者步态显现出冻结步态倾向时，自动放出修正步态的听觉提醒(语音/节律性暗示)[6-7]。其中识别算法用Moore等开发的方法，实验中冻结步态持续时间2～128 s，50%以上持续时间在10 s以下；功率谱密度(power spectral density,PSD)分析显示，冻结步态伴随2～6 Hz下肢震颤，站立时无，行走为1～2 Hz,关期踏步频率平均1.9 Hz(0.6～3.2 Hz)；在转身和越过障碍时的冻结步态频谱分析结果无明显差别，可合并为一项分析。以此为依据，定义冻结带为3～8 Hz，定义PSD提取的主峰为冻结步态标签FI (freeze index，FI)，并以FI是否落在冻结带来识别冻结步态。做频谱分析时，窗宽选取最短冻结步态持续时间的2倍6 s(实际上，14/46次冻结步态持续6 s-，7/46持续4 s-)[8]。许多PD患者，尤其冻结步态的步行信号通常较健康老年人的小，且冻结步态信号的幅度往往越来越小并趋于停止，使得信号分析时易受噪声影响。在固定窗宽和无法确定加窗位置的情况下，小信号和零点漂移及噪声的叠加影响，使实际数据偏离理想模型，步态变化处容易造成误判。

根据以上因素，本研究采用了结合时域分析得到的步态周期结果，进行频域分析识别冻结步态的优化方法。结合步态周期控制加窗位置和窗宽与有效信号的比例，在一定程度上减小因窗内信号复杂而造成的误判。现报告如下。

1 资料与方法

1.1 一般资料 选取2015～2017年间在南京医科大学附属脑科医院门诊或住院的Hoehn&Yahr分期(H-Y分期)2～4级的PD患者。患者诊断符合英国PD协会制定的PD诊断标准，能独自行走，无并发症，年龄50～90岁；临床上有明显的影响步行疾病的患者被排除在外。另选择性别、年龄相当的17名健康老年人为对照组，除PD项要求健康外，其余“健康”排除标准与PD组的要求相同。

从比较法视角来看，在英美法国家，小额诉讼程序是治安法院(庭)适用的非正式程序;在日本等大陆法国家，小额诉讼程序是普通程序、简易程序之外独立的第三种程序;在韩国，小额诉讼程序是普通程序之外的独立程序。基于我国的国情和传统，我国的小额诉讼程序可以借鉴大陆法国家(地区)的日本和我国台湾地区，将其定位于普通程序、简易程序之外的第三种程序，具有独立的程序构造。正如我国著名法学家常怡教授所言:“小额诉讼程序在性质上绝不是简易程序的附属程序，也不是简易程序的分支程序，而是与简易程序相互联系，并且并列存在的一种独立的第一审程序。”［13］

惯性传感器以50 Hz频率记录实验中的加速度和角速度。加速度精度(g重力加速度)，量程±8 g；角速度(顺时针)，量程±2 000°/s。

本研究从理论出发，兼顾实际情况，结合了时、频域分析，改进原方法加窗策略(窗宽和位置)和静止站立判据。其中，方法3获得了较原方法更加优秀的识别结果，验证并发展了Moore关于步态主频分析的相关研究结果[8]。

1.2.1 冻结步态检测 患者及健康对照者佩戴5个节点一套的惯性传感器(实际分析仅用腿部两个节点)，在医院走廊或大厅做10 m往返及双任务往返，走路姿势尽量自然[9]。其中双任务往返的认知任务为数字连续减3[10-11]。排除部分走路有多余动作(如揉腿)的特殊实验例次后，统计共18例PD合并存在冻结步态(PD+FOG)患者在不同时间的总计24例次行走实验；59例PD不合并存在冻结步态(PD-FOG)患者不同时间的69例次实验，其中1例患者因脑深部电刺激术改善；前后两组实验分别分在PD+FOG和PD-FOG中。健康对照组为18例次。

水泥窑协同处置垃圾技术实际上是垃圾焚烧技术（机械炉排炉技术、流化床技术、热解气化技术、水泥窑协同处置技术）中的一种，是将水泥窑生产水泥熟料的过程与固体废弃物处理的过程结合到一起，使二者的优势能够互补，提高水泥生产效率与废弃物处理效果。与传统的焚烧处理方法不同，水泥窑协同处置技术在利用废弃物热值的基础上，还能够将废弃物中残存的难以热分解的物质固定在生产的水泥之中，减少这些物质在环境中渗出的可能性[1]。

1.2 方法

1.2.2.2 步态周期的标记 目的是识别出步态周期，预筛非标准步态。采用较简洁的四期分析方法[12]，分期示意图见图1。(1)静止识别，在最大合理一步窗宽内(在2b步骤中两相邻脚跟着地点>2.5 s为非正常步态)；若三轴加速度的极差均<0.1 g，定为静止。(2)脚跟着地点(图1)，阈值法预选脚跟着地点：寻找<阈值(-20)的谷值，作为脚跟着地点；然后检测两相邻脚跟着地点之间距离(步态周期)，以物理意义修正或排除判断错误的点，(a)<30点(0.6 s)：老年人正常走路时0.6 s内无法完成一个步态周期(左右两步)，角速度数值较大点为错误识别点，放弃该点；(b)>125点(2.5 s)的，标记为非正常步态，若包含静止，则整段标记静止。(3)在两个脚跟着地点间寻找三个步态特征点，(a)摆动相中期：脚跟着地点间加速度最大处；(b)支撑相中期：脚跟着地点后的首个峰值；(c)脚趾离地点：在两脚跟着地点间寻找向下的谷值，筛选最小的一个，并根据着地、离地点间采样点个数(时间)判断合理性，如没有找到该点或没有找到合理点，标记为病态步态。(4)对左右侧边界(首尾步)进行处理，在起步和停步时，脚跟着地前和后都各有一个特征点，直接舍弃；在首尾步位置，向外侧标记静止站立状态。

1.2.2.1 改进的原方法 对步行信号的X轴(竖直轴)加速度加6 s窗做PSD分析，得到主频和能量。主频幅度>0.07的定为有效信号，将主频赋值给该窗的步态标签FI；否则定为噪声主导的静止站立信号，予以舍弃；若X轴信号过小被全部滤掉，改用Y轴(前进轴)信号处理。 若FI落在3～8 Hz内，认为此段冻结，3 Hz以下定为正常步态，8 Hz以上为不明异常步态(本研究中未出现)。

1.2.2 分析方法

  

图1 步态周期的z轴角速度(A)及示意图(B)

固定窗宽方法下，误识别少，漏识别多。本研究的改进方法大大改善了原方法的漏识别，但在提升敏感性的同时，可能对FOG-PD患者偶发不良表现产生较多误识别结果(图5)。另外，随着调整加窗策略(位置和窗宽)，漏诊、误诊率明显变化。加窗位置固定后，漏诊率下降，而误诊率上升，整体表现略有提高。窗宽则对不同长度的冻结步态片段敏感，小窗宽的片段识别更好一些，但同时假阳性也会更多一些。随着研究的进展，可以在完成了个性化阈值研究的基础上，根据识别出冻结步态片段的长短，重新再分PD+FOG与正常对照组。

2 结 果

2.1 3组的一般资料比较 见表1。3组的性别、年龄比较，差异无统计学意义。与PD-FOG组患者比较，PD+FOG组患者的病程更长(P=0.017)，H-Y分期更高(P=0.006)，临床症状更严重。

Norman JL等[19]考察了药师在疼痛药物治疗管理工作中的作用，对患者各项临床指标进行了评估。包括：疼痛评分、疼痛控制满意度、不良反应、疼痛情况对日常生活的影响、阿片类药物的日剂量、辅助镇痛药物的剂量变化、神经病理性疼痛的用药情况和控制状况。研究结果显示，药师主导的MTM对于接受3个月以上阿片类药物治疗的患者，可明显改善其疼痛药物使用效果。

2.2 冻结步态分析结果

2.2.1 各方法对冻结步态的识别 各种方法都能在一定程度上标记出冻结带(图2)。分析结果与检测时目测发生明显的冻结步态，视频复查有冻结步态比较。对各方法的输出做受试者工作特征曲线(receiver operating characteristic curve，ROC)分析，取得最优区分点继续分析，结果见表2。ROC分析显示，最优的是方法3，敏感性为100%，特异性为88.9%；方法2、3对数据的敏感性更高。ROC趋势对比见图3，方法2、3表现出较高的一致性；方法1内部表现出相似性，与方法2、3的表现不同。因为实验结果分布较特殊,做ROC曲线下面积一致性检验(u检验)，U=1.6934(<1.96)，P>0.05，尚不能认为方法3与原方法的差异有统计学意义。若与原方法的文献描述特异性、敏感性(73.1%，81.6%)的期望值进行对比，则这两种方法的差异有统计学意义(P=0.048)。另外，方法1.1、1.2(60点，90点)均比原方法表现更好。

高校文书档案记录着高校发展的各种信息，反映了高校发展过程中所遇到的问题及处理手段、单位建设情况、领导决策等。主要包括学校的重大会议、重要举措、下发文件、请示汇报、教学管理、社会服务、科学研究、改革创新等多方面内容，还包括上级主管部门下发的指示、规定、办法批复等，具有真实性和服务性。

 

表1 3组的一般资料比较例)

  

资料PD+FOG组PD⁃FOG组对照组P值男/女(例)14/1035/348/90．595年龄(岁)68．75±6．1566．19±7．9468．11±8．500．327病程(月)112．8±63．577．2±59．100．017H⁃Y分期2．98±0．682．44±0．7700．006

  

图2 单次实验的冻结步态识别结果(PD+FOG，左腿)

 

表2 各方法的ROC分析结果对比

  

方法面积标准误a渐进Sig．b渐近95%置信区间下限上限区分点敏感度特异性一致率0原方法1500．8750．0570．0000．7640．9860．0175．0%100．0%85．7%1．1固定600．9410．0360．0000．8711．0000．01195．8%83．3%90．4%1．2固定900．9170．0470．0000．8241．0000．00683．3%100．0%90．5%1．3固定1200．7920．0700．0020．6540．9300．14558．3%100．0%78．6%1．4固定1800．7860．0710．0020．6460．9250．0162．5%94．4%76．2%2伪3∗GC0．9280．0400．0000．8501．0000．0124100．0%72．2%88．1%3真3∗GC0．9770．0210．0000．9371．0000．01100．0%88．9%95．2%

2.2.2 各方法对冻结步态片段识别的敏感性 见表3。对比片段识别的准确性，在冻结步态组内统计识别成功和失败的段数，并计算敏感性；在对照组内统计识别失败的例数和段数。在FOG片段识别的敏感性中，方法3仍表现最突出。改进的原方法保持特异性高、敏感性低的趋势，但数值上与文献记载的识别结果相差较大，不作为评价依据。以文献记载作为参考：在46段FOG中，识别率78%，误识别20%[6]；识别出237段冻结步态，敏感性为73.1%[8]。以此计算实际的识别例数与误识别例数，两文献方法的敏感性比较，差异无统计学意义(P=0.46)；而本研究的方法2、3的敏感性与文献方法比较，差异均有统计学意义(均P<0.05)。

  

图3 方法0、2、3与改进的原方法(A)及方法1(B)的ROC对比

 

表3 各方法对冻结步态片段识别的敏感性

  

方法FOG(段数)对照组失败成功失败敏感性例数段数0固定150616648．0%001．1固定601132979．6%222伪3∗GC1413182．0%4533∗GC1602984．7%14

2.2.3 各方法对冻结步态片段识别的特异性 对表1中一致率>87%的方法，按照最优区分点对PD-FOG人群做冻结步态风险识别，结果见表4。有3例患者在所有分析方法下，均表现出较高的冻结步态风险；5例患者在方法2、3中均能检测到较高的风险，而在方法1中不明显。表明方法2、3的特异性明显高于方法1。

 

表4 各方法对冻结步态的漏识别、误识别和风险识别(组)

  

方法PD+FOG漏识别(24组)PD⁃FOG风险判定(69组)对照组误识别(18组)0原方法1506801．1固定6011021．2固定904602伪3∗GC02643真3∗GC0181

2.3 单任务与双任务结果对比 见表5。共有72组单、双重任务对比实验。应用方法3对单、双任务分段识别，结果分为仅单任务表现冻结步态(仅单)，仅双重任务表现冻结步态(仅双)，双重任务检测到的冻结点多于单任务(双>单)，双重任务检测到的冻结点少于单任务(双<单)。前述3例可能存在较高冻结步态风险的患者中，2例患者有单、双任务测试，1例患者因状态太差仅做单任务测试；这两例患者的结果分别落在仅单、双>单，类似于多数PD+FOG患者的表现。

高潮在自己的《工作备忘录》上写下一行字：明天，给黑海市相关部门联系，发传真。然后走到床边，对着空空如也的床铺说，亲爱的，我来陪你了。高潮把自己疲惫的身躯扔到床上，在想象的一幕幕与“诗的妾”的恩爱场景中，呼呼大睡。

 

表5 单、双任务结果对比(例)

  

组别仅单仅双双>单双<单对照组1000PD+FOG组2653PD⁃FOG组2310

3 讨 论

我们知道，传统报纸，一个读者买一份，最多的时候是几个读者共同看一份报纸。对于传统报纸来说，消费的人群比较少，而且传统报纸产生的影响力也比较小，这样就在一定程度上造成了成本浪费。报纸和新媒体融合以后就是新鲜的报纸，这种方式和以前的方式大不相同，除了改变传统的邮局投递，还能够进行网络传播，实现了现代化的刊行。

(2)对样本库中数据进行PCA方法降维。对上浆浓度、上浆流量、清水加入量、浆厚度、洗涤水温度、纸浆硬度进行主元分析，得到载荷矩阵和特征值矢量。寻找第一个载荷矢量中绝对值最大的系数对应的变量，并剔除。再次进行主元分析。

本研究针对行走过程的控制，选用了10 m折返和双重任务，提高了冻结步态的发生率。结果发现，有少数病例，各方法都较难识别出其冻结步态片段。这些数据多表现出在冻结时确实表现出FI上升，但并未上升到识别阈值(如pID=43的3组数据)。也就是说如果针对某一组数据，重新调整静止信号阈值或冻结带阈值(比如3～8 Hz调整为2.5～8 Hz)，就可能标记出冻结步态片段(图4)；这也与Moore的研究结果相符。正如Moore主张的“冻结步态 2～6 Hz，站立时无，行走1 Hz，踏步2 Hz(0.6～3.2 Hz)，冻结带为3～8 Hz”和“对各人用不同的阈值能够得到更好的结果”。本研究的测试数据和分析也表明，冻结步态和踏步、行走的FI实际上是有重叠的，而这些重叠主要是伴随个体差异表现出来，而非在单次实验中表现出无法区分冻结步态和正常步行。这与Plotnik等研究[3]所提及的，冻结步态是一个多重步态损伤，当多重步态损伤的总和达到了某个阈值就触发冻结，而这个阈值并非一成不变，甚至可以通过训练来提升的观点；有一定的相似性。在进一步的研究中，可以设法计算有个体差异的个性化的FI阈值，以继续提高识别效果。

1.2.2.3 时频域结合的冻结步态标记方法 不改变阈值，完成以下修改了加窗策略的识别方法。(1)做PSD分析时，选取不同的固定窗宽60×2、90×2、120×2、180×2点。判断冻结步态时，左右任一侧(任一侧腿)数据判断为冻结步态的，本段计为冻结步态；最终输出FI阳性点占整段信号的比例，以此判断FI判据标定是否有效(参考)。(2)结合步态周期(gait cycle，GC)标记结果，以每步脚跟离地点为基点，取步态周期GC窗宽的加速度信号的伪周期延长做分析。具体就是，在做PSD分析时，用单步周期内的信号的重复为PSD信号源(原始信号为[2 3 4]，信号源加工成[234234234])，以此强调步态周期性，减少左右边缘锐利或不对称而造成的冲激响应。同样，根据任一侧表现判断冻结步态。最终输出FF：结合时域分析，两侧都标记为优良步态的，如果被判为冻结步态，FF标记为0.5，以表示权重降低；任一侧标记为病态步态的，FF标记为1；标记为静止的不判定为冻结。(3)类似方法(2)，以每步脚跟离地点为基点，对加速度原信号取每步时间宽度GC×3为窗宽加窗分析。

  

图4 冻结步态片段的典型漏识别(A)与误识别(B)

  

图5 冻结步态漏识别与误识别的关系及必然性

测试进行前需使受试者提前熟悉测试流程。健康对照组中识别失败部分，多发生在测试开始、结束或单、双任务切换中的转身阶段，而行走中途(包括绕障、转弯)的误识别较少。这些位置的测试命令对受试者的影响较大。因此，尽量让受试者保持自然行进，减少发出命令的次数，将有助于减少误诊。

同时，本研究也发现3例临床并无冻结步态主诉的PD-FOG患者，检测出若干阳性结果，很可能这些患者已存在临床尚不能发现的早期冻结步态，或者这些患者为发展冻结步态的高危人群，还需要通过个性化阈值重新识别，值得进行长期观察。

近年来，以模式识别[13]、机器学习[14]等技术来区分冻结步态，或标记其他步态状态的方法应用崭露头角。随着数据的标准化、数据库(样本量)的不断扩充，技术的进步等；机器学习的优势将能得到更大的发挥[15]。以机器学习在其他领域取得的优秀成果来推断，将来机器测试分析很可能超越传统的测试方法，成为新的步态识别手段。

与传统烧结矿- 高炉熔炼工艺相比，富氧侧吹煤粉熔融还原工艺处理红土镍矿新工艺特征：不需使用焦炭或焦煤；可使用广泛的煤种；有利于环保和降低成本。必要时也可用天然气或其他燃料来代替煤粉，新工艺特别适合在基础设施薄弱、电力供应缺乏的国家地区建厂，不受能源结构限制。

[参 考 文 献]

[1] Chee R,Murphy A,Danoudis M,et al.Gait freezing in Parkinson’s disease and the stride length sequence effect interaction[J].Brain,2009,132:2151.

[2] Hausdorff JM.Gait dynamics,fractals and falls:finding meaning in the stride-to-stride fluctuations of human walking[J].Hum Mov Sci,2007,26:555.

水库始建于1955年，建成于1973年，运行50年来，大坝出现了渗漏、滑坡等安全问题，经2007年大坝安全鉴定，为 “三类坝”，并于2010年年初起对水库进行除险加固，重点对大坝进行了综合防渗处理。工程于2011年10月完工，同年12月通过了验收。实践证明防渗效果显著。

[3] Plotnik M,Giladi N,Hausdorff JM.Is freezing of gait in Parkinson’s disease a result of multiple gait impairments? Implications for treatment[J].Parkinsons Dis,2012，2012:459321.

[4] Iansek R,Huxham F,McGinley J.The sequence effect and gait festination in Parkinson disease:contributors to freezing of gait?[J].Mov Disord,2006,21:1419.

[5] Plotnik M,Giladi N,Balash Y,et al.Is freezing of gait in Parkinson’s disease related to asymmetric motor function?[J].Ann Neurol,2005,57:656.

[6] Bächlin M,Plotnik M,Roggen D,et al.Wearable assistant for Parkinson’s disease patients with the freezing of gait symptom[J].IEEE Trans Inf Technol Biomed,2010,14:436.

[7] Bächlin M,Plotnik M,Roggen D,et al.A wearable system to assist walking of Parkinson’s disease patients[J].Methods Inf Med,2010,49:88.

[8] Moore ST,Macdougall HG,Ondo WG.Ambulatory monitoring of freezing of gait in Parkinson’s disease[J].Mov Disord,2007,22:S79.

[9] 汪丰，高帅锋，薛诗静．基于体感网的可穿戴运动监测系统[J]．电子产品世界，2015，24：64．

[10] 彭雅祺．羅世忠,陳惠雅.減算任務之三種難易度對感覺整合測試下姿勢控制的影響[J]．物理治療，2012， 37：60．

[11] Yogev-Seligmann G,Rotem-Galili Y,Dickstein R,et al.Effects of explicit prioritization on dual task walking in patients with Parkinson’s disease[J].Gait Posture,2012,35:641.

[12] 汪丰，邹亚，乔子晏，等．帕金森患者步行运动的定量分析[J]．东南大学学报:自然科学版，2015，45：266．

[13] Khan FM,Barnathan M,Montgomery MA,et al.A wearable accelerometer system for unobtrusive monitoring of parkinson’s diease motor symptoms[C].IEEE International Conference on Bioinformatics and BioEngineering,2014:120.

[14] 徐诚,王存达,何杰.基于可穿戴传感器的步态冻结检测：模板匹配方法[EB/OL].中国科技论文在线，2017-08-08.

2.3 并发症与复发情况对比 改良组的并发症发生率（2.4%）低于传统组（11.9%）；传统组的复发率为16.7%，改良组的复发率为4.8%，改良组低于传统组；各组差异均显著（P＜0.05）。见表3。

[15] Intel and the Michael J.Fox Foundation Data Center Software Division.Using wearable technology to advance Parkinson’s research[EB/OL].https://www.intel.com/content/www/us/en/big-data/wearable-technology-parkinsons-research.html,2014-08-13.