CN112309578B - 一种提高骨质疏松性椎体骨折患者康复效率的方法及系统 - Google Patents
一种提高骨质疏松性椎体骨折患者康复效率的方法及系统 Download PDFInfo
- Publication number
- CN112309578B CN112309578B CN202011212252.2A CN202011212252A CN112309578B CN 112309578 B CN112309578 B CN 112309578B CN 202011212252 A CN202011212252 A CN 202011212252A CN 112309578 B CN112309578 B CN 112309578B
- Authority
- CN
- China
- Prior art keywords
- patient
- information
- obtaining
- rehabilitation
- obtaining unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种提高骨质疏松性椎体骨折患者康复效率的方法及系统，通过影像学检查设备获得第一患者的第一图像信息；获得第一患者的历史病例信息；将第一图像信息和历史病例信息输入第一训练模型，获得第一训练模型的第一输出结果，根据第一输出结果，获得第一受力信息；获得所述第一患者的体质信息；将所述体质信息输入第二训练模型，获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据第一修正参数对第一受力信息修正。解决了现有技术中缺少根据患者的不同体质及情况准确获得所述患者的实时状态，帮助所述患者康复的技术问题。
Description
技术领域
本发明涉及椎体骨折患者康复领域，尤其涉及一种提高骨质疏松性椎体骨折患者康复效率的方法及系统。
背景技术
发生骨质疏松性椎体骨折后，椎体压缩，将导致患者身高变矮、脊柱后凸、侧弯、畸形和驼背等，进而造成患者背痛，心、肺功能显著下降和胃肠功能紊乱等，骨质疏松性椎体骨折老年患者骨折后骨愈合过程减缓，易出现骨折延迟愈合或不愈合；骨折后卧床制动则可引起骨量快速丢失，进一步加重骨质疏松症，并引起各种并发症，致残率及致死率较高。骨质疏松性椎体骨折发生后，可以进行卧床休息、抗骨质疏松、佩戴支具等保守治疗，保守治疗无效可进行骨质疏松性椎体骨折术治疗，包括微创手术如椎体成形术以及开放手术等。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中缺少根据患者的不同体质及情况准确获得所述患者的实时状态帮助所述患者康复的技术问题。
发明内容
本申请实施例通过提供一种提高骨质疏松性椎体骨折患者康复效率的方法及系统，解决了现有技术中缺少根据患者的不同体质及情况准确获得所述患者的实时状态，帮助所述患者康复的技术问题，达到准确评估患者的实时状态，获得所述患者的受力情况制定康复运动，提高患者康复效率的技术效果。
鉴于上述问题，本申请实施例提供一种提高骨质疏松性椎体骨折患者康复效率的方法及系统。
第一方面，本申请实施例提供了一种提高骨质疏松性椎体骨折患者康复效率的系统，所述系统应用于医院患者管理系统，所述系统与影像学检查设备、第一摄像头及各医院患者管理系统连接，所述系统包括：第一获得单元，所述第一获得单元用于通过所述影像学检查设备获得第一患者的第一图像信息；第二获得单元，所述第二获得单元用于根据所述医院患者管理系统获得所述第一患者的历史病例信息；第一输入单元，所述第一输入单元用于将所述第一图像信息和所述历史病例信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；第三获得单元，所述第三获得单元用于获得所述第一训练模型的第一输出结果，所述第一输出结果包含所述第一患者的椎体骨折程度等级信息；第四获得单元，所述第四获得单元用于根据所述第一输出结果，获得第一受力信息；第五获得单元，所述第五获得单元用于获得所述第一患者的体质信息；第二输入单元，所述第二输入单元用于将所述体质信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述体质信息和标识所述第一患者康复情况的标识信息；第六获得单元，所述第六获得单元用于获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；第一修正单元，所述第一修正单元用于根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正。
另一方面，本申请还提供了一种提高骨质疏松性椎体骨折患者康复效率的方法，所述方法应用于医院患者管理系统，所述系统与影像学检查设备、第一摄像头及各医院患者管理系统连接，所述方法包括：通过所述影像学检查设备获得第一患者的第一图像信息；根据所述医院患者管理系统获得所述第一患者的历史病例信息；将所述第一图像信息和所述历史病例信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包含所述第一患者的椎体骨折程度等级信息；根据所述第一输出结果，获得第一受力信息；获得所述第一患者的体质信息；将所述体质信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述体质信息和标识所述第一患者康复情况的标识信息；获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正。
第三方面，本发明提供了一种提高骨质疏松性椎体骨折患者康复效率的系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述系统的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了将第一图像信息及第一患者的病例信息输入第一训练模型，根据所述第一训练模型获得第一患者的椎体骨折程度等级信息，将所述体质信息输入第二训练模型，根据第二训练模型获得所述第一患者的康复情况，据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正的方式，基于训练模新不断自我修正调整的特性，达到获得准确所述第一患者的最大受力情况，根据所述最大受力情况对所述第一患者进行康复动作调整，以达到准确评估患者的实时状态，获得所述患者的受力情况制定康复运动，提高患者康复效率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提高骨质疏松性椎体骨折患者康复效率的方法的流程示意图；
图2为本申请实施例一种提高骨质疏松性椎体骨折患者康复效率的系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第一输入单元13，第三获得单元14，第四获得单元15，第五获得单元16，第二输入单元17，第六获得单元18，第一修正单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
本申请实施例通过提供一种提高骨质疏松性椎体骨折患者康复效率的方法及系统，解决了现有技术中缺少根据患者的不同体质及情况准确获得所述患者的实时状态，帮助所述患者康复的技术问题，达到准确评估患者的实时状态，获得所述患者的受力情况制定康复运动，提高患者康复效率的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
发生骨质疏松性椎体骨折后，椎体压缩，将导致患者身高变矮、脊柱后凸、侧弯、畸形和驼背等，进而造成患者背痛，心、肺功能显著下降和胃肠功能紊乱等，骨质疏松性椎体骨折老年患者骨折后骨痂形成愈合过程减缓，易出现骨折延迟愈合或不愈合；骨折后卧床制动则可引起骨量快速丢失，进一步加重骨质疏松症，并引起各种并发症，致残率及致死率较高。骨质疏松性椎体骨折发生后，可以进行卧床休息、抗骨质疏松、佩戴支具等保守治疗，保守治疗无效可进行骨质疏松性椎体骨折术治疗，包括微创手术如椎体成形术以及开放手术等。但现有技术中缺少根据患者的不同体质及情况准确获得所述患者的实时状态帮助所述患者康复的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种提高骨质疏松性椎体骨折患者康复效率的系统，所述系统应用于医院患者管理系统，所述系统与影像学检查设备、第一摄像头及各医院患者管理系统连接，所述系统包括：第一获得单元，所述第一获得单元用于通过所述影像学检查设备获得第一患者的第一图像信息；第二获得单元，所述第二获得单元用于根据所述医院患者管理系统获得所述第一患者的历史病例信息；第一输入单元，所述第一输入单元用于将所述第一图像信息和所述历史病例信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；第三获得单元，所述第三获得单元用于获得所述第一训练模型的第一输出结果，所述第一输出结果包含所述第一患者的椎体骨折程度等级信息；第四获得单元，所述第四获得单元用于根据所述第一输出结果，获得第一受力信息；第五获得单元，所述第五获得单元用于获得所述第一患者的体质信息；第二输入单元，所述第二输入单元用于将所述体质信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述体质信息和标识所述第一患者康复情况的标识信息；第六获得单元，所述第六获得单元用于获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；第一修正单元，所述第一修正单元用于根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种提高骨质疏松性椎体骨折患者康复效率的方法，其中，所述方法应用于医院患者管理系统，所述系统与影像学检查设备、第一摄像头及各医院患者管理系统连接，其中，所述方法包括：
步骤S100：通过所述影像学检查设备获得第一患者的第一图像信息；
具体而言，所述影像学检查设备包括但不限于X线、双能X线吸收检测法、CT、MRI、全身骨骼核素成像等。通过上述影像学检查设备获得所述第一患者的第一图像信息。
步骤S200：根据所述医院患者管理系统获得所述第一患者的历史病例信息；
具体而言，所述医院患者管理系统为与其他医院患者管理系统通信连接的系统，通过获得所述第一患者的个人信息，从其他医院患者管理系统及本医院的医院患者管理系统调出所述第一患者的历史病例信息，本患者同时患有其他病或者以前有过骨质疏松性椎体骨折史都将对所述第一患者的康复起到负面作用，通过历史病例信息的获得为后续准确判断所述第一患者的最大受力信息夯实了基础。
步骤S300：将所述第一图像信息和所述历史病例信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；
具体而言，所述第一训练模型为能给根据训练数据进行不断的自我训练学习的模型，进一步而言，所述第一训练模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。基于大量的训练数据的训练，其中，训练数据中的每一组训练数据均包括所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；所述神经网络模型不断地自我的修正，当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的数据训练，进而使得所述神经网络模型处理所述输入数据更加准确，进而使得输出的所述第一患者的椎体骨折程度等级信息更加准确。基于训练模型进过训练后处理数据更加准确的特性，将所述第一图像信息和所述历史病例信息输入第一训练模型，通过训练模型的输出信息准确获得所述第一患者的椎体骨折程度等级信息方式，使得所述判断结果更加准确，进而达到准确获得第一受力信息的技术效果。
步骤S400：获得所述第一训练模型的第一输出结果，所述第一输出结果包含所述第一患者的椎体骨折程度等级信息；
步骤S500：根据所述第一输出结果，获得第一受力信息；
具体而言，根据所述训练模型输出的所述第一患者的椎体骨折程度等级信息，获得所述第一患者的最大受力信息，所述最大受力信息为所述第一受力信息，后续可根据所述受力信息为所述第一患者提供相适宜的康复锻炼运动。
步骤S600：获得所述第一患者的体质信息；
步骤S700：将所述体质信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述体质信息和标识所述第一患者康复情况的标识信息；
具体而言，所述第二训练模型同样为神经网络模型，这里不再展开进行详细介绍，所述第一患者的体质信息为判断所述第一患者是否骨折延迟愈合或是不愈合的重要标志。将所述体质输入训练模型，基于训练模型的监督学习及特征库的不断的丰富，所述第二训练模型输出的所述第一患者的康复情况愈加贴合真实预测的情况，进而根据所述第二训练模型的输出结果可获得更加准确的康复情况。
步骤S800：获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；
步骤S900：根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正。
具体而言，所述第二训练模型的第二输出结果为所述第一患者的康复情况，根据所述康复情况及第二患者的体质获得所述第一患者此时的最大受力信息，根据所述此时的最大受力信息可调整所述第一患者的推荐康复动作，根据所述实时调整的康复动作，可对所述第一患者进行更加适合的康复锻炼，进而达到准确评估患者的实时状态，获得所述患者的受力情况制定康复运动，提高患者康复效率的技术效果。
进一步而言，所述根据所述第一输出结果，获得第一受力信息，本申请实施例步骤S500还包括：
步骤S510：获得第一患者的椎体骨折位置信息；
步骤S520：通过所述椎体骨折位置信息和所述椎体骨折程度等级信息获得第一高危动作；
步骤S530：通过所述第一摄像头获得所述第一患者的第一动作信息；
步骤S540：当所述第一动作信息与所述第一高危动作匹配时，获得第一评估指令，根据所述第一评估指令对所述第一患者的受力信息重新评估。
具体而言，根据所述第一患者的椎体骨折位置的不同，获得不同位置下所述第一患者不可以做的动作，所述动作可能会导致所述第一患者病情进一步的加重，通过所述第一摄像头，当发觉所述第一患者出现上述高危动作时，产生第一评估指令，根据所述第一评估指令对所述第一患者进行重新的评估，此时的第一患者很可能已经进一步病情加重，如果仍采用之前的康复动作锻炼可能会进一步的加重病情，甚至死亡。根据所述第一评估指令对所述第一患者进行最大受力重新评估，为其匹配此时适宜的康复动作，以达到准确评估患者的实时状态，获得所述患者的受力情况制定康复运动，提高患者康复效率的技术效果。
进一步而言，所述根据所述第一输出结果，获得第一受力信息，本申请实施例步骤S500还包括：
步骤S550：获得所述第一患者的第一治疗方案；
步骤S560：根据所述第一受力信息和所述第一治疗方案获得第一康复动作；
步骤S570：将所述第一康复动作更新至所述第一治疗方案。
具体而言，根据所述医院管理系统获得所述第一患者的第一治疗方案，根据所述第一患者的最大受力信息及椎体骨折位置获得适宜所述第一患者的第一康复动作，将所述第一康复动作添加至所述第一患者的治疗方案，康复运动配合药物治疗使得所述第一患者更快的康复。
进一步而言，本申请实施例还包括：
步骤S1010：获得第一路径信息；
步骤S1020：获得所述第一路径下不同时间的人流量信息；
步骤S1030：根据所述人流量信息获得第一推荐时间，根据所述第一推荐时间推荐所述第一患者外出。
具体而言，所述第一路径信息为所述第一患者去卫生间的路径或者是所述第一患者去室外进行康复锻炼的路径，通过所述第一摄像头获得所述第一路径的人流量信息，根据所述每天不同时段所述第一路径的人流量信息获得人流量较少的时间段。进一步而言，跌倒和碰撞是导致骨质疏松患者的重要因素，骨质疏松性椎体骨折则更应该注意人群，避免在人流量大的时候出行，以免路人对所述第一患者产生伤害。根据所述人流量少的第一时间推送给所述第一患者，让他尽量在所述推荐时间外出。
进一步而言，所述根据所述第一推荐时间推荐所述第一患者外出，本申请实施例步骤S1030还包括：
步骤S1031：获得第一推荐时间的第一天气情况；
步骤S1032：判断所述第一天气情况是否有助于所述第一患者康复；
步骤S1033：当所述第一天起情况有助于所述第一患者康复时，将所述第一推荐时间推荐给所述第一患者。
具体而言，当所述第一患者想进行外出康复运动时，获得推荐的第一时间下的第一天气情况，判断所述第一天气是否符合所述第一用户进行康复锻炼。进一步而言，多晒阳光有助于所述第一患者的钙离子吸收，增强体质，当所述阳光适宜所述第一患者康复锻炼时，将所述第一时间推荐给所述第一患者。
进一步而言，本申请实施例还包括：
步骤S1040：根据所述第一患者的康复情况获得第一营养计划；
步骤S1050：获得第一患者的家庭情况；
步骤S1060：根据所述第一患者的家庭情况对所述第一营养计划进行修改；
步骤S1070：将修改后的第一营养计划发送给第一用户。
具体而言，所述第一用户为所述第一患者的家属或亲属，第一营养计划为根据所述第一用户的病情及实际的营养元素需求补充情况获得的营养计划，通过所述营养计划可加快所述第一患者的康复速度。所述第一患者的家庭情况具体为所述第一患者的家庭经济情况，判断所述患者的家庭经济情况后根据所述患者家庭经济情况对所述第一计划进行修改。举例而言，当所述第一患者家庭经济状况不好时，将所述可补充相关元素且吸收性好但昂贵的素材/食物用具备相同作用但效果稍差一些价格偏低的素材/食物替代。将所述修改后的第一营养计划发送给所述第一患者的家属。
进一步而言，将所述体质信息输入第二训练模型之前，本申请实施例步骤S700还包括：
步骤S710：根据第一体质信息生成第一标识码，所述第一标识码与所述第一体质信息一一对应；
步骤S720：根据第二体质信息和所述第一标识码生成第二标识码，以此类推，根据第N体质信息和第N-1标识码生成第N标识码，所述第N标识码与所述第N体质信息一一对应，其中，N为大于1的自然数；
步骤S730：将所述体质信息及标识码分别复制保存在M台电子设备上，M为大于1的正整数。
具体而言，区块链技术也被称之为分布式账本技术，是一种由若干台计算设备共同参与“记账"，共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性，使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一体质信息生成第一标识码，所述第一标识码与第一体质信息一一对应；根据第二体质信息和第一标识码生成的第二标识码，第二标识码与第二体质信息一一对应；以此类推，根据第N体质信息和第N-1标识码生成的第N标识码，其中，N为大于1的自然数。将所有体质信息和标识码分别复制保存在M台设备上，其中，所述第一体质信息和所述第一标识码作为第一存储单位保存在一台设备上，所述第二体质信息和所述第二标识码作为第二存储单位保存在一台设备上，所述第N体质信息和所述第N标识码作为第N存储单位保存在一台设备上，当需要调用所述体质信息时，每后一个节点接收前一节点存储的数据后，通过“共识机制”进行校验后保存，通过哈希函数对于每一存储单位进行串接，使得训练数据不易丢失和遭到破坏，通过区块链的逻辑对所述训练数据进行加密处理，保证了所述体质信息的安全性，并存储于多台设备上，所述存储于多台设备上的数据通过共识机制进行处理，即少数服从多数，当一台或多台设备被篡改时，只要存储正确数据的设备数量大于被篡改的设备数量，则获得的体质信息仍然是准确的，进一步的保证了体质信息的安全性，达到通过所述训练数据训练获得的训练模型的准确性，进而达到对所述第一患者的康复情况准确判断的技术效果。
综上所述，本申请实施例所提供的一种提高骨质疏松性椎体骨折患者康复效率的方法及系统具有如下技术效果：
1、由于采用了将第一图像信息及第一患者的病例信息输入第一训练模型，根据所述第一训练模型获得第一患者的椎体骨折程度等级信息，将所述体质信息输入第二训练模型，根据第二训练模型获得所述第一患者的康复情况，据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正的方式，基于训练模新不断自我修正调整的特性，达到获得准确所述第一患者的最大受力情况，根据所述最大受力情况对所述第一患者进行康复动作调整，以达到准确评估患者的实时状态，获得所述患者的受力情况制定康复运动，提高患者康复效率的技术效果。
2、由于采用了根据最大受力信息实时调整康复动作的方式，对所述第一患者进行更加适合的康复锻炼，进而达到准确评估患者的实时状态，获得所述患者的受力情况制定康复运动，提高患者康复效率的技术效果。
3、采用了通过区块链的逻辑对所述训练数据进行加密处理的方式，保证了所述体质信息的安全性，并存储于多台设备上，所述存储于多台设备上的数据通过共识机制进行处理，即少数服从多数，当一台或多台设备被篡改时，只要存储正确数据的设备数量大于被篡改的设备数量，则获得的体质信息仍然是准确的，进一步的保证了体质信息的安全性，达到通过所述训练数据训练获得的训练模型的准确性，进而达到对所述第一患者的康复情况准确判断的技术效果。
实施例二
基于与前述实施例中一种提高骨质疏松性椎体骨折患者康复效率的方法同样发明构思，本发明还提供了一种提高骨质疏松性椎体骨折患者康复效率的系统，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于通过所述影像学检查设备获得第一患者的第一图像信息；
第二获得单元12，所述第二获得单元12用于根据所述医院患者管理系统获得所述第一患者的历史病例信息；
第一输入单元13，所述第一输入单元13用于将所述第一图像信息和所述历史病例信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；
第三获得单元14，所述第三获得单元14用于获得所述第一训练模型的第一输出结果，所述第一输出结果包含所述第一患者的椎体骨折程度等级信息；
第四获得单元15，所述第四获得单元15用于根据所述第一输出结果，获得第一受力信息；
第五获得单元16，所述第五获得单元16用于获得所述第一患者的体质信息；
第二输入单元17，所述第二输入单元17用于将所述体质信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述体质信息和标识所述第一患者康复情况的标识信息；
第六获得单元18，所述第六获得单元18用于获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；
第一修正单元19，所述第一修正单元19用于根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正。
进一步的，所述系统还包括：
第七获得单元，所述第七获得单元用于获得第一患者的椎体骨折位置信息；
第八获得单元，所述第八获得单元用于通过所述椎体骨折位置信息和所述椎体骨折程度等级信息获得第一高危动作；
第九获得单元，所述第九获得单元用于通过所述第一摄像头获得所述第一患者的第一动作信息；
第十获得单元，所述第十获得单元用于当所述第一动作信息与所述第一高危动作匹配时，获得第一评估指令，根据所述第一评估指令对所述第一患者的受力信息重新评估。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于获得所述第一患者的第一治疗方案；
第十二获得单元，所述第十二获得单元用于根据所述第一受力信息和所述第一治疗方案获得第一康复动作；
第一更新单元，所述第一更新单元用于将所述第一康复动作更新至所述第一治疗方案。
进一步的，所述系统还包括：
第十三获得单元，所述第十三获得单元用于获得第一路径信息；
第十四获得单元，所述第十四获得单元用于获得所述第一路径下不同时间的人流量信息；
第十五获得单元，所述第十五获得单元用于根据所述人流量信息获得第一推荐时间，根据所述第一推荐时间推荐所述第一患者外出。
进一步的，所述系统还包括：
第十六获得单元，所述第十六获得单元用于获得第一推荐时间的第一天气情况；
第一判断单元，所述第一判断单元用于判断所述第一天气情况是否有助于所述第一患者康复；
第一推荐单元，所述第一推荐单元用于当所述第一天起情况有助于所述第一患者康复时，将所述第一推荐时间推荐给所述第一患者。
进一步的，所述系统还包括：
第十七获得单元，所述第十七获得单元用于根据所述第一患者的康复情况获得第一营养计划；
第十八获得单元，所述第十八获得单元用于获得第一患者的家庭情况；
第一修改单元，所述第一修改单元用于根据所述第一患者的家庭情况对所述第一营养计划进行修改；
第一发送单元，所述第一发送单元用于将修改后的第一营养计划发送给第一用户。
进一步的，所述系统还包括：
第十九获得单元，所述第十九获得单元用于根据第一体质信息生成第一标识码，所述第一标识码与所述第一体质信息一一对应；
第二十获得单元，所述第二十获得单元用于根据第二体质信息和所述第一标识码生成第二标识码，以此类推，根据第N体质信息和第N-1标识码生成第N标识码，所述第N标识码与所述第N体质信息一一对应，其中，N为大于1的自然数；
第一保存单元，所述第一保存单元用于将所述体质信息及标识码分别复制保存在M台电子设备上，M为大于1的正整数。
前述图1实施例一中的一种提高骨质疏松性椎体骨折患者康复效率的方法的各种变化方式和具体实例同样适用于本实施例的一种提高骨质疏松性椎体骨折患者康复效率的系统，通过前述对一种提高骨质疏松性椎体骨折患者康复效率的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种提高骨质疏松性椎体骨折患者康复效率的系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种提高骨质疏松性椎体骨折患者康复效率的方法的发明构思，本发明还提供一种提高骨质疏松性椎体骨折患者康复效率的系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种提高骨质疏松性椎体骨折患者康复效率的方法的任一方法的步骤。
其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种提高骨质疏松性椎体骨折患者康复效率的方法，所述方法应用于医院患者管理系统，所述系统与影像学检查设备、第一摄像头及各医院患者管理系统连接，所述方法包括：通过所述影像学检查设备获得第一患者的第一图像信息；根据所述医院患者管理系统获得所述第一患者的历史病例信息；将所述第一图像信息和所述历史病例信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包含所述第一患者的椎体骨折程度等级信息；根据所述第一输出结果，获得第一受力信息；获得所述第一患者的体质信息；将所述体质信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述体质信息和标识所述第一患者康复情况的标识信息；获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正。解决了现有技术中缺少根据患者的不同体质及情况准确获得所述患者的实时状态，帮助所述患者康复的技术问题，达到准确评估患者的实时状态，获得所述患者的受力情况制定康复运动，提高患者康复效率的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种提高骨质疏松性椎体骨折患者康复效率的系统，其中，所述系统应用于医院患者管理系统，所述系统与影像学检查设备、第一摄像头及各医院患者管理系统连接，其中，所述系统包括：
第一获得单元，所述第一获得单元用于通过所述影像学检查设备获得第一患者的第一图像信息；
第二获得单元，所述第二获得单元用于根据所述医院患者管理系统获得所述第一患者的历史病例信息；
第一输入单元，所述第一输入单元用于将所述第一图像信息和所述历史病例信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；
第三获得单元，所述第三获得单元用于获得所述第一训练模型的第一输出结果，所述第一输出结果包含所述第一患者的椎体骨折程度等级信息；
第四获得单元，所述第四获得单元用于根据所述第一输出结果，获得第一受力信息；
第五获得单元，所述第五获得单元用于获得所述第一患者的体质信息；
第二输入单元，所述第二输入单元用于将所述体质信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述体质信息和标识所述第一患者康复情况的标识信息；
第六获得单元，所述第六获得单元用于获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；
第一修正单元，所述第一修正单元用于根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正；
其中，所述第四获得单元还包括：
第七获得单元，所述第七获得单元用于获得第一患者的椎体骨折位置信息；
第八获得单元，所述第八获得单元用于通过所述椎体骨折位置信息和所述椎体骨折程度等级信息获得第一高危动作；
第九获得单元，所述第九获得单元用于通过所述第一摄像头获得所述第一患者的第一动作信息；
第十获得单元，所述第十获得单元用于当所述第一动作信息与所述第一高危动作匹配时，获得第一评估指令，根据所述第一评估指令对所述第一患者的受力信息重新评估；
其中，所述第四获得单元还包括：
第十一获得单元，所述第十一获得单元用于获得所述第一患者的第一治疗方案；
第十二获得单元，所述第十二获得单元用于根据所述第一受力信息和所述第一治疗方案获得第一康复动作；
第一更新单元，所述第一更新单元用于将所述第一康复动作更新至所述第一治疗方案。
2.如权利要求1所述的系统，其中，所述系统还包括：
第十三获得单元，所述第十三获得单元用于获得第一路径信息；
第十四获得单元，所述第十四获得单元用于获得所述第一路径下不同时间的人流量信息；
第十五获得单元，所述第十五获得单元用于根据所述人流量信息获得第一推荐时间，根据所述第一推荐时间推荐所述第一患者外出。
3.如权利要求2所述的系统，其中，所述第十五获得单元还包括：
第十六获得单元，所述第十六获得单元用于获得第一推荐时间的第一天气情况；
第一判断单元，所述第一判断单元用于判断所述第一天气情况是否有助于所述第一患者康复；
第一推荐单元，所述第一推荐单元用于当所述第一天气 情况有助于所述第一患者康复时，将所述第一推荐时间推荐给所述第一患者。
4.如权利要求1所述的系统，其中，所述系统还包括：
第十七获得单元，所述第十七获得单元用于根据所述第一患者的康复情况获得第一营养计划；
第十八获得单元，所述第十八获得单元用于获得第一患者的家庭情况；
第一修改单元，所述第一修改单元用于根据所述第一患者的家庭情况对所述第一营养计划进行修改；
第一发送单元，所述第一发送单元用于将修改后的第一营养计划发送给第一用户。
5.如权利要求1所述的系统，其中，所述第二输入单元还包括：
第十九获得单元，所述第十九获得单元用于根据第一体质信息生成第一标识码，所述第一标识码与所述第一体质信息一一对应；
第二十获得单元，所述第二十获得单元用于根据第二体质信息和所述第一标识码生成第二标识码，以此类推，根据第N体质信息和第N-1标识码生成第N标识码，所述第N标识码与所述第N体质信息一一对应，其中，N为大于1的自然数；
第一保存单元，所述第一保存单元用于将所述体质信息及标识码分别复制保存在M台电子设备上，M为大于1的正整数。
6.一种提高骨质疏松性椎体骨折患者康复效率的方法，其中，所述方法应用于医院患者管理系统，所述系统与影像学检查设备、第一摄像头及各医院患者管理系统连接，其中，所述方法包括：
通过所述影像学检查设备获得第一患者的第一图像信息；
根据所述医院患者管理系统获得所述第一患者的历史病例信息；
将所述第一图像信息和所述历史病例信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述第一图像信息、所述历史病例信息和标识所述第一患者椎体骨折程度的标识信息；
获得所述第一训练模型的第一输出结果，所述第一输出结果包含所述第一患者的椎体骨折程度等级信息；
根据所述第一输出结果，获得第一受力信息；
获得所述第一患者的体质信息；
将所述体质信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述体质信息和标识所述第一患者康复情况的标识信息；
获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一患者的康复情况；
根据所述第一患者的康复情况及所述体质信息产生第一修正参数，根据所述第一修正参数对所述第一受力信息修正；
其中，所述根据所述第一输出结果，获得第一受力信息还包括：
获得第一患者的椎体骨折位置信息；
通过所述椎体骨折位置信息和所述椎体骨折程度等级信息获得第一高危动作；
通过所述第一摄像头获得所述第一患者的第一动作信息；
当所述第一动作信息与所述第一高危动作匹配时，获得第一评估指令，根据所述第一评估指令对所述第一患者的受力信息重新评估；
获得所述第一患者的第一治疗方案；
根据所述第一受力信息和所述第一治疗方案获得第一康复动作；
将所述第一康复动作更新至所述第一治疗方案。
7.一种提高骨质疏松性椎体骨折患者康复效率的系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-5任一项所述系统的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011212252.2A CN112309578B (zh) | 2020-11-03 | 2020-11-03 | 一种提高骨质疏松性椎体骨折患者康复效率的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011212252.2A CN112309578B (zh) | 2020-11-03 | 2020-11-03 | 一种提高骨质疏松性椎体骨折患者康复效率的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112309578A CN112309578A (zh) | 2021-02-02 |
| CN112309578B true CN112309578B (zh) | 2021-06-15 |
Family
ID=74334043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011212252.2A Expired - Fee Related CN112309578B (zh) | 2020-11-03 | 2020-11-03 | 一种提高骨质疏松性椎体骨折患者康复效率的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112309578B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112951422A (zh) * | 2021-02-03 | 2021-06-11 | 浙江大学 | 一种骨科患者康复自检方法及系统 |
| CN113284616A (zh) * | 2021-03-08 | 2021-08-20 | 陕西省肿瘤医院 | 一种肿瘤科患者化疗前身体评估方法及系统 |
| CN114822810A (zh) * | 2022-03-18 | 2022-07-29 | 三偲科技(北京)有限公司 | 骨骼恢复状况监测方法、装置、设备及可读存储介质 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102813998B (zh) * | 2012-08-01 | 2015-01-14 | 上海交通大学 | 中枢神经损伤患者用多功能复合康复系统 |
| CN106175774A (zh) * | 2016-07-07 | 2016-12-07 | 清华大学 | 一种新型的膝/髋关节置换术术后康复行走监测系统 |
| CN108234956A (zh) * | 2018-02-05 | 2018-06-29 | 龙马智芯（珠海横琴）科技有限公司 | 医护监控方法、装置和系统、设备 |
| CN108538393B (zh) * | 2018-04-02 | 2021-12-10 | 重庆邮电大学 | 基于大数据的骨质质量评估专家系统及预测模型建立方法 |
| CN109256212A (zh) * | 2018-08-17 | 2019-01-22 | 上海米因医疗器械科技有限公司 | 骨健康评估模型构建方法、装置、设备、介质及评估方法 |
| CN109949914A (zh) * | 2019-03-06 | 2019-06-28 | 北京大学第一医院 | 一种匹配患者需求和服务人员能力的方法及系统 |
| CN110197721B (zh) * | 2019-05-06 | 2023-06-06 | 平安科技（深圳）有限公司 | 基于深度学习的肌腱状况评估方法、装置及存储介质 |
| CN110097978A (zh) * | 2019-05-29 | 2019-08-06 | 上海理工大学 | 骨折和关节置换患者固定钢板使用后续康复监测方法 |
| CN110491479A (zh) * | 2019-07-16 | 2019-11-22 | 北京邮电大学 | 一种基于神经网络的骨质状态评估模型的构建方法 |
| CN111105859A (zh) * | 2019-11-13 | 2020-05-05 | 泰康保险集团股份有限公司 | 康复疗法的确定方法与装置、存储介质、电子设备 |
| CN110812798B (zh) * | 2019-11-14 | 2021-03-09 | 复旦大学 | 基于vr的前臂内外旋转训练评估系统、方法及存储介质 |
| CN111815489B (zh) * | 2020-08-20 | 2023-04-25 | 西安石油大学 | 一种基于大数据的算法分析设计教学方法及装置 |
-
2020
- 2020-11-03 CN CN202011212252.2A patent/CN112309578B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN112309578A (zh) | 2021-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112309578B (zh) | 一种提高骨质疏松性椎体骨折患者康复效率的方法及系统 | |
| Rane et al. | Deep learning for musculoskeletal force prediction | |
| US11568864B2 (en) | Processing speech signals of a user to generate a visual representation of the user | |
| CN112086166B (zh) | 一种骨科患者皮肤牵引护理方法与系统 | |
| CN113181605B (zh) | 一种呼吸康复功能训练的管理方法及系统 | |
| CN110349642A (zh) | 智能麻醉实施方法、装置、设备及存储介质 | |
| CN112842261B (zh) | 一种基于复杂网络的婴儿三维自发运动智能化评估系统 | |
| CN112289423A (zh) | 一种基于智慧社区病患的复诊及康复的方法及系统 | |
| CN108743222B (zh) | 一种基于Leap Motion的手指对称康复误差修正方法 | |
| CN112734746A (zh) | 一种基于图像识别的骨科伤病谱匹配系统及方法 | |
| Williams et al. | Assessment of physical rehabilitation movements through dimensionality reduction and statistical modeling | |
| CN111798961A (zh) | 一种基于心脏病的健康处方生成方法 | |
| CN113053539A (zh) | 一种脊柱侧凸患者的护理方法及系统 | |
| Zhao et al. | [Retracted] Study of Trunk Morphological Imbalance and Rehabilitation Outcome of Adolescent Idiopathic Scoliosis with Intelligent Medicine | |
| CN116313046A (zh) | 基于数据分析的中医临床辅助决策系统 | |
| KR102323968B1 (ko) | 근막 관리에 기반한 사용자 맞춤형 체형교정 서비스 제공 장치 및 방법 | |
| WO2021241676A1 (ja) | 運動解析装置、システム及び記憶媒体、並びにリハビリテーションシステム | |
| Chen et al. | Research on EEG classification with neural networks based on the Levenberg-Marquardt algorithm | |
| CN109659005A (zh) | 信息推送方法及系统 | |
| CN115762708A (zh) | 利用多源信息和案例推理的下肢康复方案设计方法和装置 | |
| CN113140311A (zh) | 一种预防脊柱侧弯的方法及系统 | |
| CN112992312A (zh) | 一种脊髓损伤康复训练合格监测方法及系统 | |
| CN110085294A (zh) | 一种处方视频的推送方法、装置、终端及存储介质 | |
| Rao et al. | Influencing Factors Analysis of Rehabilitation for Patients with Spinal Cord Injury. | |
| Yu et al. | Research on Feature Selection of Human Physical Activity Recognition for IOT Wearable Devices |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210615 Termination date: 20211103 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |