CN106485069A - 康复信息推送的方法及系统 - Google Patents

Abstract

本发明申请涉及运动康复系统技术领域，具体涉及一种康复信息推送的方法及系统。该方法包括，过智能终端设备接收用户基于评估问卷答复的关于用户当前身体状况的描述信息；抽取描述信息中与康复治疗相关的待康复数据；根据待康复数据、每个康复信息的综合参数以及康复信息组合的限定参数，计算出最优化的康复信息组合发送给用户；所述每个康复信息的综合参数由专业人士针对所述待康复数据制定。具有，使得康复信息组合的选取更为更为精确；节约人力的效果。

Description

康复信息推送的方法及系统

技术领域

本发明涉及运动康复系统技术领域，具体涉及一种康复信息推送的方法及系统。

背景技术

随着生活节奏的加快，越来越多的上班族都不同程度地遭受“白领病”的困扰，特别是因为长时间坐在电脑前面引起的,颈椎,腰盘等疾病；事实上，这些症状可以通过专业的，有规律的康复训练来得以缓解。然而，苦于工作需要，许多上班族未能及时进行专业的康复训练导致其长期处于亚健康状况，严重影响其工作和生活。

在公开号为号CN 104794354 A的专利申请文件中公开了一种技术方案，该方案根据接收到的用户自身基本状况数据和疾病状况的测评结果，提取其中的年龄、性别、疾病类型、体重类型和运动强度，其中体重类型由身高、年龄、体重共同决定，包括瘦弱、正常、超重、肥胖四种，运动强度由前述的测评结果决定，包括初级、中级和高级三种，根据年龄、性别、疾病类型、体重类型和运动强度从一视频数据库中进行匹配，在该视频数据库预先存储的运动康复指导动作视频中查询条件匹配的预定数目的视频，然后将这些视频合并生成视频处方。

然而，该方案中生成的处方，缺乏专业人员对于病情的判断，完全依靠数据的匹配得出，导致康复效果差，无法达到预期的康复效果。

而在公开号为CN 105031875 A的专利申请文件中公开了一种技术方案；该方案中系统完成用户信息的录入之后，通过云平台可以将用户的信息传输给康复训练师；获取康复训练师输入的训练计划信息，康复训练师可以根据用户的情况制定相应的康复计划；将训练计划信息通过云平台传送给康复训练机，并且将训练计划信息存入数据库终端:康复训练机显示训练计划，用户可以接收康复训练机的训练计划，并且根据训练计划进行训练。

该方案通过将信息传输给专业人员(康复训练师)，专业人员可以根据用户的情况制定相应的康复计划，这样的技术手段，提高了处方(康复计划)的准确性，但用户的每一次请求都需要康复训练师单独的去作出判断，消耗大量人力，效率低下。

发明内容

本发明意在提供一种康复信息的推送方法，以解决现有技术为了准确制定处方(康复计划)，需要康复训练师单独的去作出判断，消耗大量人力，效率低下的问题。

本发明中的方法，包括：通过智能终端设备接收用户基于评估问卷答复的关于用户当前身体状况的描述信息；

抽取描述信息中与康复治疗相关的待康复数据；

根据待康复数据、每个康复信息的综合参数以及康复信息组合的限定参数，计算出最优化的康复信息组合发送给用户；

所述每个康复信息的综合参数由专业人士针对所述待康复数据制定。

本方案的工作原理为：每个康复信息的综合参数由专业人士针对所述待康复数据制定，使得康复信息的选取具有了专业的判断依据；

再结合康复信息组合的限定参数和待康复信息数据，以合理的计算方式(如规划模型，AHP决策法，灰关联分析，熵权法等等)，就可以得出最优化的康复信息组合，这些计算方式可以方便的用计算机程序实现；

本方案将专业人员的意见量化为康复信息的综合参数，并引入到康复信息组合选择的计算中，使得康复信息组合的选取更为精确；而专业人员们只需提供出所述的综合参数，便不用参与到康复信息组合的制定中去；节约了人力。

本文所述的待康复数据指的是，用户对自身病痛的判断的表述，可以是文字、图片或其他带有这些信息的载体形式；可以是预先定义的选项，也可以是主观的描述。

本文所述的康复信息组合的限定参数，指的是对于康复信息的组合进行限制的参数，是对本方法所选择的康复信息组合的约束，也就是说，是康复信息组合必须满足的一些前提条件。

进一步，本方法还包括：将计算出的康复信息组合与专业人士根据同样的用户数据制定的康复信息组合进行比对；

根据比对结果更新每个康复信息的综合参数。

通过这一手段，综合参数被逐步完善，进而根据综合参数所得到的康复信息组合逐步逼近专业认识所给出的组合，更为精准。不仅可以提高整个推送方法的准确性，还降低了整个方法对于康复视频初始效力参数的依赖，如果反复迭代的次数足够，可以使得最终结果不再受对专业人士意见进行量化时(康复信息的初始综合参数)所产生的误差影响。

进一步，所述评估问卷为专业人士事先编制问的题库，用户根据自身症状选择答案选项，其答案选项为用户当前身体状况的描述信息。

进一步，所述待康复数据为症状的描述信息，这样使得康复信息组合的推送有针对性，更为准确。

进一步，所述康复信息为康复训练视频、康复指导图文以及康复训练解说音频中的一种或多种。

用户可以更为直接的得到执行康复训练所需的信息，方便了康复训练的执行。

进一步，所述综合参数包括，单个康复信息对于与多项待康复数据分别的效力参数、以及单个康复信息的优先级参数。

例如：康复信息A对应于病症B的效力参数为r_AB，其值的大小可以衡量该康复信息有效治疗能力的强弱。

优先级参数，则是对康复信息进行优先序排序，先筛选出与待康复信息相关联的康复信息与无关联的康复信息，设定无关联的康复信息优先序列为0，相关联的康复信息则按优先序列等级设定1，2，3，……，且1＜2＜…＜n(存在多个康复信息均处于同一优先级的情况)；针对处于同一优先级的信息，将根据综合效力参数的高低来决定该类信息输出的个数。

这样，更多的综合参数信息维度增加了专业人士意见在计算中的信息量，提高了视频信息组合计算的准确性。

进一步，所述康复信息组合的限制参数为，单个康复信息组合所包含的单个康复信息的数量；该数量可由专业人士直接设定，也可以根据康复信息总数设定函数映射而成，这样的限制条件简单直接，方便操作。

进一步，所述康复信息的综合参数还包括，表征某康复信息处与第几个康复阶段的阶段参数；以此对用户在不同康复阶段进行智能化信息推送。

若用户进行第i轮康复训练后，将参与新一轮问卷诊断，当诊断结果显示该用户仍需接受下一轮训练，系统则根据次轮诊断数据，推荐该轮进行的康复训练以及相应的训练天数，训练过程中的反馈情况进行第i+1轮康复信息推送，直至用户能够完全达到医学健康标准为止。这种大量而不重复的针对性康复信息推送能实现对用户健康状况的实时监控，有利于用户身体的逐步康复。

进一步，所述康复信息组合的计算采用规划模型求解。

规划模型是辅助人们进行科学管理的一种数学方法，是运筹学的一个重要分支，广泛应用于军事作战、经济分析、经营管理和工程技术等方面。为合理地利用有限的人力、物力、财力等资源作出的最优决策，提供科学的依据。根据约束条件函数的类型可分为线性规划模型和非线性规划模型；根据目标函数的类型可分为目标最大化规划模型和目标最小化规划模型；根据目标的数量可以分为单目标模型和多目标规划模型。

在本方案中，可用的规划模型可以是但不限于，将信息将康复信息作为随机变量，以最大化康复信息组合对于用户的效力为目标，根据康复信息组合的限定参数设立约束条件建立 了规划模型，最终求得康复信息组合的结果。

进一步，基于所述规划模型求解的结果与医学专家所提供的指导意见数据进行建模分析，并采用改进的智能算法，更新每个康复信息的综合参数。

本文所述的“改进的智能算法”指的是对传统的智能算法(如退火算法、粒子算法、进化算法等可以对复杂的分析模型通过逐次迭代进行优化求解的算法)进行进一步、改进后的算法，常见的如遗传退火算法、改进粒子算法、自适应调整的差分进化算法等，或是加快了最优解的搜寻速度，或是提高了最优解的精度，适合于本发明中的分析模型在计算设备上的实施，具有更高计算效率和搜索精度。

本发明还是提出了一种康复信息推送的系统，包括通过网络连接的智能终端设备和服务器端；所述系统根据本发明所述方法中的一种向用户推送康复信息。

进一步，所述服务器端包括中心处理器和存储器；

所述存储器用于存放康复信息的效力参数、优先级参数以及阶段参数；

所述存储器还用于存储最优康复信息组合的计算方法；

所述处理器通过调用所述各参数以及所述计算方法，计算出最优康复信息组合。

进一步，所述存储器内储存有用于对所述效力参数进行更新的医生建议参数，以及用于更新所述效力参数的计算方法。

所述处理器通过调用所述医生建议参数以及所述更新效力参数的计算方法，计算出所述效力参数的更新量。

附图说明

图1为实施本发明的康复信息推送的系统的功能框图。

具体实施方式

下面通过具体实施方式对本发明作进一步详细的说明。

通过智能终端设备接收用户基于评估问卷答复的关于用户当前身体状况的描述信息；

所述的智能终端可以是个人电脑、平板电脑或智能手机等智能设备；

评估问卷采取医生，康复训练师等专业人士事先编制问题库的形式，用户根据自身症状回答问题，其答案选项为用户当前身体状况的描述信息；

用户当前身体状况的描述信息收集完成后，与康复治疗相关的待康复数据将会被抽取出来用于下一步康复信息组合的生成；

所述的待康复数据为症状的描述信息。

事先设定好的康复信息优选的为康复训练视频、康复指导图文以及康复训练解说音频中 的一种或多种；每个独立的康复信息都被专业人士人为的赋予了综合参数；

优选的，这些参数包括但不限于：单个康复信息对于与多个项待康复数据分别的效力参数、单个康复信息的优先级参数等；

例如：康复信息A所对应于病症B的有效治疗能力为r_AB(r_AB∈[0,1])，其值的大小可以衡量该康复信息有效治疗能力的强弱。

优先级参数为,康复信息进行优先序排序，先筛选出与待康复信息相关联的康复信息与无关联的康复信息，设定无关联的康复信息优先序列为0，相关联的康复信息则按优先序列等级设定1，2，3，……，且1＜2＜…＜n(存在多个视频均处于同一优先级)，针对同一优先关系的信息将根据综合有效治疗能力高低进行个数限制输出。

同时，康复信息组合也被事先设定了限定参数，该限定参数优选的为单个康复信息组合所包含的单个康复信息的数量；

根据上述待康复数据、每个康复信息的综合参数以及康复信息组合的限定参数，计算出最优化的康复信息组合发送给用户。

若用户进行第i轮康复训练后，将参与新一轮问卷诊断，当诊断结果显示该用户仍需接受下一轮训练，系统则根据次轮诊断数据，推荐该轮进行的康复训练以及相应的训练天数，训练过程中的反馈情况进行第i+1轮康复训练推送，直至用户能够完全达到医学健康标准为止。这种大量而不重复的针对性康复信息推送能实现对用户健康状况的实时监控，有利于用户身体的逐步康复。

优选的实施例中采用建立规划模型的方式来求解最优康复信息组合。

将康复信息作为随机变量，以最大化康复信息组合对于用户的效力为目标，根据康复信息组合的限定参数设立约束条件建立了规划模型，最终求得康复信息组合的结果。

更为优选的，还可以将计算出的康复信息组合与专业医生根据同样的用户数据制定的康复信息组合进行比对；根据比对结果更新每个康复信息的综合参数。

事前，医学专家编制常见的几十类病症，并召开医学专家研讨会对每一个症状给出客观准确的康复信息组合。每次计算出用于推送的康复信息组合后，以综合参数的更新量为变量，针对同一症状，模型计算出的康复信息组合和专家给出组合的最大治疗程度之差的绝对值为目标函数，采用智能算法进行逐次迭代得到多组综合参数更新量，熵权法对更新量进行多因素分配，最终将视频对应的整个参数表进行更新优化。该步骤的意义在于，使得不行所计算

传统的智能算法，通过模拟某一自然过程来解决一些复杂的工程问题；例如遗传算法模拟自然界的物竞天择，以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编 码的参数空间进行高效搜索；模拟退火算法的则是依据是固体物质退火过程和组合优化问题之间的相似性。将热力学的理论套用到统计学上，将搜寻空间内每一点想像成空气内的分子；分子的能量，就是它本身的动能；而搜寻空间内的每一点，也像空气分子一样带有“能量”，以表示该点对命题的合适程度。算法先以搜寻空间内一个任意点作起始：每一步先选择一个“邻居”，然后再计算从现有位置到达“邻居”的概率。

如今，出现了更多的改进的智能算法，具有更高计算效率和搜索精度；这些算法都可以用于本发明的实施例中，这些算法包括但不限于遗传退火算法/改进粒子算法/自适应调整的差分进化算法。

通过这一步骤，最终得到最为接近真实情况的综合参数

下面，进一步结合具体参数设定和算法设定，说明实施本发明的非限制性实例。

在本实施例中，通过智能终端设备接收用户基于评估问卷答复的关于用户当前身体状况的描述信息；

待康复数据为抽取出的症状描述信息，即问题和用户所选择的选项；

康复信息为康复训练视频；

具体问卷形式，包括多个问题，每个为问题包括多个选项，每个选项具体为一种症状描述，I为问题的数目，J_i为第i个问题的选项总数；

针对每个选项，则用一个权重参数表征该选项对与所属问题的重要程度；

针对每个问题，则用另一个权重参数表征该问题对与康复视频组合的选择的重要程度；

康复训练视频的综合参数包括取值为0-100％的多个效力参数、取值为0、1、2、3……M的优先级参数(M表示最大优先级数)，以及表示视频所属阶段的阶段参数，取值为1、2、3……K(K表示最大优先级数)；

康复视频组合的限定参数优选的为单个康复视频组合所包含的康复训练视频的数量；

这些参数均可通过预设在存储设备中的参数对应表进行查询。

于是，在本实施例中的参数设定具体如表1所示:

表1

于是，推送结果的选择问题被转换为O-1整数规划模型；具体地说，即在满足一定条件下的最大化计算。

max g(x)＝Kernel(Kernel(R,Handamard(λ,U)),x)

式中Hadamard符号表示矩阵/向量的Hadamard乘积；Kernel表示向量数量积。

该最大化计算需要满足如下约束条件：

视频的数量为N；

在用户所处的康复阶段，不得输出不符合该阶段训练的视频

只包含同属一阶段的视频，根据用户所对应的康复阶段和每个视频的阶段参数选取；

在同样满足治疗的情况下，选择优先级高的视频(由视频的优先级参数决定)；

具体的最大化计算为求解：

最大化计算的目的是求解满足约束条件的X，解出的X中，根据其结果选取对应的康复视频组合推送给用户，而此时最大化的数值则是该视频组合的综合效力参数，以下记为g。

为了进一步的优化更新，本实施里进一步的采用了医生指导意见配合参数表进行更新量计算。

医生建议数据的来源为，事前，专家编制常见的几十类病症，每一类病症包含多个症状，等同于在问卷中选择了多个症状选项；如果有P个病症，每个病症的症状选项可以用一个答案向量U^p来表示；

而后，召开专家研讨会对每一个病症给出客观准确的康复信息组合。

进一步的参数设定如表2所示：

表2

于是，对于综合参数的更新转化为以下的最小化问题：

本实施例使用改进的智能算法对该最小化问题进行求解；此处可供选择的采用了，遗传退火算法/改进粒子算法/自适应调整的差分进化算法，三种算法。

遗传退火算法中，具体采用二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出最好的x^p的近似解；而为了加快搜索速度和增强算法的局部搜索能力，通过定义单个个体的能量评估函数以及初始温度，使用模拟退火算法进行搜索。

改进的粒子算法中，使用了新的群体极值以及个体极值的计算方式。

对于每个个体极值Pb_i，从剩余的同代其他个体极值中随机选取一个个体的极值记作Pbj,新产生的个体极值记作Pb_i则：

Pb_i(t)＝r*Pb_i(t)+(1-r)*Pbj(t)

其中t表示运行到第t代,i表示第i个粒子,j表示第j个粒子,r是随机产生的[0,1]之间的数。

对个群体极值Gb的改进如下:

将所有的个体极值进行排序,然后从其中挑选出最好的K个个体Pb₁′,Pb₂′,,,Pb′_k,用这K个个体的加权平均值表示Gb′，则

其中t表示运行到第t代,i表示挑选出的第i个粒子,a_i满足

自适应调整的差分进化算法中，在传统差分进化算法中加入了自适应算子λ如下：

式中：F₀为基准变异率；G_m为最大进化代数：G为当前进化代数，F为当前进化的变异率，在算法初始，自适应变异算子保持为F₀～2F₀，具有较大值，在初期保持个体多样性；后期则接近F₀，保留优良信息，增加搜索到全局最优解的概率。

通过上述方法中的一种，最终求解出x^p的最优近似解，并依据权重得到最终的微调矩阵Y^p，即：

Y^p＝Kernel(x^p,π^p)；

对所有病症单独计算一次Y^p；

最后，利用该微调矩阵对康复视频与症状描述信息的关联矩阵R进行更新，即：

R′则为更新后的关联矩阵。

上述的数学模型，对每个症状作单独的计算，再通过权重回归计算，将调整量返回到每个视频的效力参数上，最终形成最优效力参数，不仅可以提高整个推送方法的准确性，还降低了整个方法对于康复视频初始效力参数的依赖，如果反复迭代的次数足够，可以使得最终结果不再受对专业人士意见进行量化(康复训练视频的初始效力参数)时所产生的误差影响。在某些实施例中，即便康复训练视频的初始效力参数为随机数，通过一定数量的迭代后，人可以形成有效的康复训练视频效力参数。

如图1所示，本实施例可以通过康复信息推送的系统来实现。

其中，接收用户基于评估问卷答复的关于用户当前身体状况的描述信息，在智能终端设备中完成；

本实施里中，客户通过点选智能终端显示设备上呈现出的选项，来获取用户当前身体情况的描述。

描述信息通过网络发送到服务器端，服务器端根据本实施里中的参数设定和算法设定来进行视频信息的推送以及综合参数的更新。

各参数通过输入设备输入，并以参数表的形式存储在服务器端的存储器中；

算法则以计算机程序的形式存放在存储器中；

服务器端的处理器接收到用户数据后，先调用规划模型以及相应的参数表进行最优康复信息组合计算；

得到最大化的综合效力参数后，处理器调用专业人士所给出的视频组合，将该视频组合本身以及其所包含视频的各项参数作为医生指导意见数据，利用参数优化模块调用所需算法，进行康复信息效力参数的更新量的计算，而后将该更新量根据权重做分配计算，最终更新现有的康复信息效力参数。

实验例

本实验例采用某现有康复视频推送系统与本实施里中的康复视频推送系统进行视频康复准确率的测试，现有系统根据接收到的用户自身基本状况数据和疾病状况的测评结果，提取其中的年龄、性别、疾病类型、体重类型和运动强度，其中体重类型由身高、年龄、体重共同决定，包括瘦弱、正常、超重、肥胖四种，运动强度由前述的测评结果决定，包括初级、中级和高级三种，根据年龄、性别、疾病类型、体重类型和运动强度从一视频数据库中进行匹配，在该视频数据库预先存储的运动康复指导动作视频中查询条件匹配的预定数目的视频，然后将这些视频合并生成视频处方。

本实验例里的两个系统采用完全相同的康复视频库作为康复视频组合的输出来源。

实验选取两组各60名志愿者，这些志愿者均为上班族，都不同程度地遭受“白领病”的困扰，特别是因为长时间坐在电脑前面引起的,颈椎,腰盘等疾病；

第一组志愿者使用现有系统，第二组志愿者使用本实施里中的系统；3个月后两组志愿者对于自己的病痛的缓解程度通过选项进行自测，选项以及结果统计如表3所示：

表3志愿者自测结果统计(人)

	完全消除	大部分缓解	部分缓解	轻微缓解	没有缓解
						第一组	20	10	15	7	8
第二组	32	20	6	1	1

其中，第一组志愿者中，感觉症状大部分消除的只占到30人；而第二组志愿者中，这个数字达到了52人，结果显示，本实施里的系统所推送的视频组合对于患者的症状有着更好的缓解效果。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术 知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (13)

1.康复信息推送的方法，其特征在于，包括：通过智能终端设备接收用户基于评估问卷答复的关于用户当前身体状况的描述信息；

抽取描述信息中与康复治疗相关的待康复数据；

根据待康复数据、每个康复信息的综合参数以及康复信息组合的限定参数，计算出最优化的康复信息组合发送给用户；

所述每个康复信息的综合参数由专业人士针对所述待康复数据制定。

2.根据权利要求1所述的康复信息推送的方法，其特征在于：还包括，将计算出的康复信息组合与专业人士根据同样的客户数据制定的康复信息组合进行比对；

根据比对结果更新每个康复信息的综合参数。

3.根据权利要求1所述的康复信息推送的方法，其特征在于：所述评估问卷为专业人士事先编制问的题库，用户根据自身症状选择答案选项，其答案选项为用户当前身体状况的描述信息。

4.根据权利要求3所述的康复信息推送的方法，其特征在于：所述待康复数据为症状的描述信息。

5.根据权利要求1所述的康复信息推送的方法，其特征在于：所述康复信息为康复训练视频、康复指导图文以及康复训练解说音频中的一种或多种。

6.根据权利要求1所述的康复信息推送的方法，其特征在于：所述综合参数包括，单个康复信息对于与多个项待康复数据分别的效力参数、以及单个康复信息的优先级参数。

7.根据权利要求6所述的康复信息推送的方法，其特征在于：所述康复信息的综合参数还包括，表征某康复信息处与第几个康复阶段的阶段参数；还包括，根据用户所处于的康复阶段选择康复信息组合。

8.根据权利要求1所述的康复信息推送的方法，其特征在于：所述康复信息组合的限制参数为，单个康复信息组合所包含的单个康复信息的数量。

9.根据权利要求1所述的康复信息推送的方法，其特征在于：所述康复信息组合的计算采用规划模型求解。

10.根据权利要求9所述的康复信息推送的方法，其特征在于：还包括，基于所述规划模型求解的结果与医学专家所提供的指导意见数据进行建模分析，并采用改进的智能算法更新每个康复信息的综合参数。

11.康复信息推送的系统，包括通过网络连接的智能终端设备和服务器端，其特征在于：采用权利要求1-10的所述康复信息推送的方法向用户推送康复信息。

12.根据权利要求11所述的康复信息推送的系统，其特征在于：所述服务器端包括中心处理器和存储器；

所述存储器用于存放康复信息的效力参数、优先级参数以及阶段参数；

所述存储器还用于存储最优康复信息组合的计算方法；

所述处理器通过调用所述各参数以及所述计算方法，计算出推送给用户的最优康复信息组合。

13.根据权利要求12所述的康复信息推送的系统，其特征在于：所述存储器内储存有用于对所述效力参数进行更新的医生建议参数，以及用于更新所述效力参数的计算方法；

所述处理器通过调用所述医生建议参数以及所述更新效力参数的计算方法，计算出所述效力参数的更新量。