CN112768034A - 一种基于医疗大数据的康复管理平台 - Google Patents
一种基于医疗大数据的康复管理平台 Download PDFInfo
- Publication number
- CN112768034A CN112768034A CN202110093979.1A CN202110093979A CN112768034A CN 112768034 A CN112768034 A CN 112768034A CN 202110093979 A CN202110093979 A CN 202110093979A CN 112768034 A CN112768034 A CN 112768034A
- Authority
- CN
- China
- Prior art keywords
- rehabilitation training
- rehabilitation
- action
- module
- vector
- 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.)
- Pending
Links
- 238000012549 training Methods 0.000 claims abstract description 385
- 230000009471 action Effects 0.000 claims abstract description 191
- 238000010276 construction Methods 0.000 claims abstract description 45
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000010354 integration Effects 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 61
- 210000003414 extremity Anatomy 0.000 claims description 56
- 230000000474 nursing effect Effects 0.000 claims description 18
- 239000000284 extract Substances 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 210000003141 lower extremity Anatomy 0.000 claims description 4
- 210000001364 upper extremity Anatomy 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 29
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明涉及智慧医疗领域，公开了一种基于医疗大数据的康复管理平台，康复管理平台分别与每个康复辅助设备具有通信连接。康复管理平台包括：图像处理模块、核心点获取模块、核心点定位模块、动作轨迹识别模块、康复训练动作构建模块、康复训练整合模块、康复训练特征融合模块、康复训练指令生成模块和数据库，各模块间具有通信连接。康复辅助设备采集康复训练图像数据、康复训练受力数据和康复训练时间数据并将其发送到康复管理平台。康复管理平台对其进行分析处理以得到康复训练指令，并将康复训练指令与患者基本信息进行映射匹配以得到对应患者的康复训练数据并将其存储在数据库。
Description
技术领域
本发明涉及智慧医疗和医疗大数据领域，尤其涉及一种基于医疗大数据的康复管理平台。
背景技术
智慧医疗是通过打造健康档案区域医疗信息平台，利用物联网、大数据和人工智能等技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步实现普适化、个性化、智慧化的健康医疗。智慧医疗为发展中国家的医疗卫生服务提供了一种有效方法，在医疗人力资源短缺的情况下，通过移动医疗可解决发展中国家的医疗问题。
近年来随着社会发展、饮食结构和外界环境的不断变化，车祸和疾病的概率大大上升，这使得患者肢体运动功能障碍的情况大大增加，合理的康复训练可以帮助患者一定程度地重建肢体运动功能。
传统康复训练方法一般采用医护人员手动为患者进行康复训练，这种基于人工辅助的康复治疗手段的成本较高、效率较低，难以满足康复需求。
发明内容
针对现有技术之不足，本发明提供了一种智慧医疗康复辅助管理系统，其包括：若干个康复辅助设备和康复管理平台，康复管理平台分别与每个康复辅助设备具有通信连接。
康复管理平台包括：图像处理模块、核心点获取模块、核心点定位模块、动作轨迹识别模块、康复训练动作构建模块、康复训练整合模块、康复训练特征融合模块、康复训练指令生成模块和数据库，其中各模块间具有通信连接。
康复辅助设备采集康复训练图像数据、康复训练受力数据和康复训练时间数据并将其发送到康复管理平台；
图像处理模块将康复训练图像数据中的康复训练图像划分为若干个子区域，并筛选出康复训练图像中的若干个独立子区域，独立子区域为与其他子区域不连续的子区域；
图像处理模块根据康复训练图像中前景图像和背景图像的像素分布特点过滤出面积大于噪声阈值的独立子区域以得到康复训练前景图像；
核心点获取模块通过均值聚类从康复训练前景图像获取患者在进行对应康复训练动作时的肢体核心点；
核心点定位模块获取每个肢体核心点的置信度和每个肢体核心点在第一康复坐标系下的第一康复坐标位置，然后通过坐标映射函数将每个肢体核心点的第一康复坐标位置映射到第二康复坐标系以得到第二康复坐标位置；
动作轨迹识别模块根据每个肢体核心点的第二康复坐标位置将每个肢体核心点映射到相应的动作轨迹以获取对应康复训练动作的动作核心序列；
康复训练动作构建模块根据动作核心序列和康复训练动作构建函数进行康复训练动作构建以得到对应的康复训练动作；
康复训练整合模块将康复训练图像数据中每张康复训练图像对应的康复训练动作按照时间顺序进行排序以得到康复训练动作集；
康复训练特征融合模块提取康复训练动作集的多维动作特征，并提取康复训练时间数据的多维时间特征，然后提取康复训练受力数据的多维受力特征；
康复训练特征融合模块将多维动作特征、多维时间特征和多维受力特征在多维空间中进行多维特征融合以得到多维融合特征；
康复训练指令生成模块根据多维融合特征进行角度和力度分解以生成康复训练指令，然后将康复训练指令与患者基本信息进行映射匹配以得到对应患者的康复训练数据并将其存储在数据库。
根据一个优选实施方式，所述康复辅助设备用于辅助护理人员对患者进行康复训练，其包括：上肢康复机器人、下肢康复机器人、辅助行走康复机器人和外骨骼康复机器人。
根据一个优选实施方式，康复训练图像数据包括若干张康复训练图像，康复训练图像用于记录康复训练动作，每张康复训练图像对应一个康复训练动作。
根据一个优选实施方式，所述患者基本信息包括：姓名、性别、病床号和康复类型。
根据一个优选实施方式，所述第一康复坐标系是以康复辅助设备中心点位坐标原点的坐标系，所述第二康复坐标系是以大地中心点为坐标原点的坐标系。
根据一个优选实施方式，所述肢体核心点为识别康复训练动作的关键点，肢体核心点的置信度用于指示相应肢体核心点被正确识别的概率。
根据一个优选实施方式，康复训练受力数据包括患者在进行康复训练时执行每个康复训练动作的受力数据。
根据一个优选实施方式，所述康复训练包括若干个按照时间进行排序的康复训练动作。
根据一个优选实施方式，康复训练指令生成模块根据多维融合特征进行角度和力度分解以生成康复训练指令包括：
康复训练指令生成模块根据多维融合特征获取在康复训练中每个康复训练动作中护理人员对第二康复坐标系产生的康复引力向量；
康复训练指令生成模块根据多维融合特征中多维受力特征获取在康复训练中每个康复训练动作中患者对第二康复坐标系产生的康复斥力向量；
康复训练指令生成模块通过康复引力向量和康复斥力向量进行合成操作以得到每个康复训练动作的康复合力向量；
康复训练指令生成模块根据每个康复训练动作的康复合力向量计算每个康复训练动作的康复训练动作角度和康复训练动作力度，并根据所述康复训练动作角度和康复训练动作力度生成每个康复训练动作的训练参数；
康复训练指令生成模块根据每个康复训练动作的训练参数生成康复训练指令。
根据一个优选实施方式，康复训练动作构建模块根据动作核心序列和康复训练动作构建函数进行康复训练动作构建以得到康复训练动作包括：
康复训练动作构建模块根据动作核心序列提取动作核心序列中每个肢体核心点的第二康复位置坐标；
康复训练动作构建模块根据动作核心序列中每个肢体核心点的第二康复位置坐标获取康复训练动作轨迹向量；
康复训练动作构建模块根据康复训练动作轨迹向量计算康复训练动作轨迹向量的方差以得到康复训练动作方差向量；
康复训练动作构建模块将康复训练动作方差向量中的每个方差与方差阈值进行比较，并提取方差大于方差阈值的肢体核心点的第二康复坐标位置作为特征向量；
康复训练动作构建模块将所有方差大于方差阈值的肢体核心点的特征向量进行处理以得到康复训练动作向量；
康复训练动作构建模块根据康复训练动作向量和康复训练动作构建函数进行康复训练动作构建以得到康复训练动作。
根据一个优选实施方式，在康复管理平台生成康复训练数据后，护理人员在康复辅助设备中输入患者基本信息以生成康复训练请求；
康复辅助设备将康复训练请求发送到康复管理平台；
康复管理平台根据康复训练请求从数据库中调取相应的康复训练数据，并获取其中的康复训练指令并将其发送到康复辅助设备；
康复辅助设备响应于接收到的康复训练指令对患者执行康复训练。
本发明具有以下有益效果：通过康复管理平台对康复辅助设备采集的康复训练图像数据、康复训练受力数据和康复训练时间数据进行分析处理以得到相应患者的康复训练指令，并将其与患者疾病数据进行映射匹配以便在下一次对该患者进行康复训练时利用康复辅助设备辅助护理人员对患者进行康复训练，从而减轻了护理人员的负担，使得护理人员可以在康复机器人辅助患者进行康复训练的同时完成需要靠近患者进行的工作，监督治疗过程，提高了康复训练的操作效率。
附图说明
图1为一示例性实施例提供的智慧医疗康复辅助管理系统的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
需要理解的是，尽管第一、第二、第三等术语在本文中可以用来描述各种设备、元件、部件或元素，但是这些设备、元件、部件或元素不应当由这些术语限制。这些术语仅用来将一个设备、元件、部件或元素与另一个设备、元件、部件或元素相区分。
参见图1，在一个实施例中，智慧医疗康复辅助管理系统可以包括：康复管理平台和若干个康复辅助设备，康复管理平台分别与每个康复辅助设备具有通信连接。
康复辅助设备用于辅助护理人员对患者进行康复训练，其包括：上肢康复机器人、下肢康复机器人、辅助行走康复机器人和外骨骼康复机器人。
康复辅助设备采集康复训练图像数据、康复训练受力数据和康复训练时间数据并将其发送到康复管理平台。
康复管理平台包括：图像处理模块、核心点获取模块、核心点定位模块、动作轨迹识别模块、康复训练动作构建模块、康复训练整合模块、康复训练特征融合模块、康复训练指令生成模块和数据库，其中各模块间具有通信连接。
图像处理模块将康复训练图像数据中的康复训练图像划分为若干个子区域，并筛选出康复训练图像中的若干个独立子区域，独立子区域为与其他子区域不连续的子区域。
图像处理模块根据康复训练图像中前景图像和背景图像的像素分布特点过滤出面积大于噪声阈值的独立子区域以得到康复训练前景图像。
核心点获取模块通过均值聚类从康复训练前景图像获取患者在进行对应康复训练动作时的肢体核心点。
核心点定位模块获取每个肢体核心点的置信度和每个肢体核心点在第一康复坐标系下的第一康复坐标位置，然后通过坐标映射函数将每个肢体核心点的第一康复坐标位置映射到第二康复坐标系以得到第二康复坐标位置。
动作轨迹识别模块根据每个肢体核心点的第二康复坐标位置将每个肢体核心点映射到相应的动作轨迹以获取对应康复训练动作的动作核心序列。
康复训练动作构建模块根据动作核心序列和康复训练动作构建函数进行康复训练动作构建以得到对应的康复训练动作。
康复训练整合模块将康复训练图像数据中每张康复训练图像对应的康复训练动作按照时间顺序进行排序以得到康复训练动作集。
康复训练特征融合模块提取康复训练动作集的多维动作特征，并提取康复训练时间数据的多维时间特征，然后提取康复训练受力数据的多维受力特征。
康复训练特征融合模块将多维动作特征、多维时间特征和多维受力特征在多维空间中进行多维特征融合以得到多维融合特征。
康复训练指令生成模块根据多维融合特征进行角度和力度分解以生成康复训练指令，然后将康复训练指令与患者基本信息进行映射匹配以得到对应患者的康复训练数据并将其存储在数据库。
在一个实施例中，智慧医疗的康复辅助方法可以包括：
S1、护理人员在对患者进行康复训练之前通过康复辅助设备将患者基本信息发送到康复管理平台；在护理人员对患者进行康复训练时，护理人员将康复辅助设备与患者的康复部位相连，康复辅助设备采集康复训练图像数据、康复训练受力数据和康复训练时间数据并将其发送到康复管理平台。
康复训练图像数据包括若干张康复训练图像，康复训练图像用于记录康复训练动作，每张康复训练图像对应一个康复训练动作。
患者基本信息包括：姓名、性别、病床号和康复类型。
康复训练受力数据包括患者在进行康复训练时执行每个康复训练动作的受力数据。
康复训练时间数据为护理人员在进行康复训练时每个康复训练动作的绝对时间和相对时间，所述绝对时间为每个康复训练动作执行的时间点，相对时间为每个康复训练动作持续的时间段。
护理人员为患者进行康复训练的医护人员。
康复部位为执行康复训练的部位，包括：上肢、腰部和下肢。
康复辅助设备用于辅助护理人员对患者进行康复训练，其包括：上肢康复机器人、下肢康复机器人、辅助行走康复机器人和外骨骼康复机器人。
康复训练包括若干个按照时间进行排序的康复训练动作。
S2、康复管理平台的图像处理模块将康复训练图像数据中的康复训练图像划分为若干个子区域，并筛选出康复训练图像中的若干个独立子区域；图像处理模块根据康复训练图像中前景图像和背景图像的像素分布特点过滤出面积大于噪声阈值的独立子区域以得到康复训练前景图像。
具体地，独立子区域为与其他子区域不连续的子区域。
可选地，康复训练前景图像为去除背景图像的康复训练图像，在识别康复训练动作过程中去除康复训练图像的背景的影响，以提高康复训练动作识别的准确度。
S3、核心点获取模块通过均值聚类从康复训练前景图像获取患者在进行对应康复训练动作时的肢体核心点。
可选地，肢体核心点为识别康复训练动作的关键点，肢体核心点的置信度用于指示相应肢体核心点被正确识别的概率。
S4、核心点定位模块获取每个肢体核心点的置信度和每个肢体核心点在第一康复坐标系下的第一康复坐标位置，然后通过坐标映射函数将每个肢体核心点的第一康复坐标位置映射到第二康复坐标系以得到第二康复坐标位置。
可选地，将每个肢体核心点的第一康复坐标位置映射到第二康复坐标系以得到第二康复坐标位置包括：
具体地，
第i个肢体核心点在第二康复坐标系下的第二康复坐标位置，plo(.)为坐标映射函数，
为第i个肢体核心点在第一康复坐标系下的第一康复坐标位置。
可选地，第一康复坐标系是以康复辅助设备中心点位坐标原点的坐标系，所述第二康复坐标系是以大地中心点为坐标原点的坐标系。
肢体核心点为识别康复训练动作的关键点，肢体核心点的置信度用于指示相应肢体核心点被正确识别的概率。
S5、动作轨迹识别模块根据每个肢体核心点的第二康复坐标位置将每个肢体核心点映射到相应的动作轨迹以获取对应康复训练动作的动作核心序列。
可选地，获取每个肢体核心点的第二康复坐标位置，并将其按照位置顺序排列，形成动作轨迹的动作核心序列。
S6、康复训练动作构建模块根据动作核心序列和康复训练动作构建函数进行康复训练动作构建以得到对应的康复训练动作。
具体地，康复训练动作构建模块根据动作核心序列提取动作核心序列中每个肢体核心点的第二康复位置坐标。
康复训练动作构建模块根据动作核心序列中每个肢体核心点的第二康复位置坐标获取康复训练动作轨迹向量。
康复训练动作构建模块根据康复训练动作轨迹向量计算康复训练动作轨迹向量的方差以得到康复训练动作方差向量。
康复训练动作构建模块将康复训练动作方差向量中的每个方差与方差阈值进行比较，并提取方差大于方差阈值的肢体核心点的第二康复坐标位置作为特征向量。
康复训练动作构建模块将所有方差大于方差阈值的肢体核心点的特征向量进行处理以得到康复训练动作向量。
康复训练动作构建模块根据康复训练动作向量和康复训练动作构建函数进行康复训练动作构建以得到康复训练动作。
具体地，康复训练动作构建模块根据康复训练动作向量和康复训练动作构建函数进行康复训练动作构建以得到康复训练动作包括：
其中，ri为康复训练动作向量的第i个特征向量，vi康复训练动作向量的第i个特征向量对应的肢体核心点的置信度，αi为松弛系数，n为康复训练动作向量中特征向量的个数，i为特征向量索引。
S7、康复训练整合模块将康复训练图像数据中每张康复训练图像对应的康复训练动作按照时间顺序进行排序以得到康复训练动作集。
在采集康复训练图像时获取每张康复训练图像的采集时间，并根据康复训练图像的采集时间将康复训练图像进行排序以得到康复训练图像数据。
康复训练整合模块获取每张康复训练图像对应的康复训练动作，并将每个康复训练动作按照对应的康复训练图像的采集时间的先后顺序进行排序以得到康复训练动作集。
S8、康复训练特征融合模块提取康复训练动作集的多维动作特征，并提取康复训练时间数据的多维时间特征，然后提取康复训练受力数据的多维受力特征；康复训练特征融合模块将多维动作特征、多维时间特征和多维受力特征在多维空间中进行多维特征融合以得到多维融合特征。
S9、康复训练指令生成模块根据多维融合特征进行角度和力度分解以生成康复训练指令，然后将康复训练指令与患者基本信息进行映射匹配以得到对应患者的康复训练数据并将其存储在数据库。
康复训练指令生成模块根据多维融合特征进行角度和力度分解以生成康复训练指令包括：
康复训练指令生成模块根据多维融合特征获取在康复训练中每个康复训练动作中护理人员对第二康复坐标系产生的康复引力向量。
康复训练指令生成模块根据多维融合特征中多维受力特征获取在康复训练中每个康复训练动作中患者对第二康复坐标系产生的康复斥力向量。
康复训练指令生成模块通过康复引力向量和康复斥力向量进行合成操作以得到每个康复训练动作的康复合力向量。
康复训练指令生成模块根据每个康复训练动作的康复合力向量计算每个康复训练动作的康复训练动作角度和康复训练动作力度，并根据所述康复训练动作角度和康复训练动作力度生成每个康复训练动作的训练参数。
康复训练指令生成模块根据每个康复训练动作的训练参数生成康复训练指令。
在一个实施例中在康复管理平台生成康复训练数据后，护理人员在康复辅助设备中输入患者基本信息以生成康复训练请求。
康复辅助设备将康复训练请求发送到康复管理平台。
康复管理平台根据康复训练请求从数据库中调取相应的康复训练数据，并获取其中的康复训练指令并将其发送到康复辅助设备。
康复辅助设备响应于接收到的康复训练指令对患者执行康复训练。
本发明通过康复管理平台对康复辅助设备采集的康复训练图像数据、康复训练受力数据和康复训练时间数据进行分析处理以得到相应患者的康复训练指令，并将其与患者疾病数据进行映射匹配以便在下一次对该患者进行康复训练时利用康复辅助设备辅助护理人员对患者进行康复训练，从而减轻了护理人员的负担，使得护理人员可以在康复机器人辅助患者进行康复训练的同时完成需要靠近患者进行的工作，提高了康复训练的操作效率。
本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。一般地，这些模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元素、组件、数据结构等。本文所使用的术语“模块”，“功能”和“组件”一般表示软件、固件、硬件或其组合。本文描述的技术的特征是与平台无关的，意味着这些技术可以在具有各种处理器的各种计算平台上实现。
所描述的模块和技术的实现可以存储在某种形式的计算机可读介质上或者跨某种形式的计算机可读介质传输。计算机可读介质可以包括可由计算设备访问的各种介质。作为示例而非限制，计算机可读介质可以包括“计算机可读存储介质”和“计算机可读信号介质”。
应当理解，为清楚起见，参考不同的功能模块对本发明的实施例进行了描述。然而，在不偏离本发明的情况下，每个功能模块的功能性可以被实施在单个模块中、实施在多个模块中或作为其它功能模块的一部分被实施。例如，被说明成由单个模块执行的功能性可以由多个不同的模块来执行。因此，对特定功能模块的参考仅被视为对用于提供所描述的功能性的适当模块的参考，而不是表明严格的逻辑或物理结构或组织。因此，本发明可以被实施在单个模块中，或者可以在物理上和功能上被分布在不同的模块和电路之间。
尽管已经结合一些实施例描述了本发明，但是其不旨在被限于在本文中所阐述的特定形式。相反，本发明的范围仅由所附权利要求来限制。特征在权利要求中的次序不暗示特征必须以其工作的任何特定次序。此外，在权利要求中，词“包括”不排除其它元件，并且不定冠词“一”或“一个”不排除多个。
Claims (9)
1.一种基于医疗大数据的康复管理平台，其特征在于，其包括：所述图像处理模块、核心点获取模块、核心点定位模块、动作轨迹识别模块、康复训练动作构建模块、康复训练整合模块、康复训练特征融合模块、康复训练指令生成模块和数据库，其中各模块间具有通信连接；所述康复管理平台分别与每个康复辅助设备具有通信连接；
图像处理模块将康复训练图像数据中的康复训练图像划分为若干个子区域，并筛选出康复训练图像中的若干个独立子区域，独立子区域为与其他子区域不连续的子区域；图像处理模块根据康复训练图像中前景图像和背景图像的像素分布特点过滤出面积大于噪声阈值的独立子区域以得到康复训练前景图像；
核心点获取模块通过均值聚类从康复训练前景图像获取患者在进行对应康复训练动作时的肢体核心点；
核心点定位模块获取每个肢体核心点的置信度和每个肢体核心点在第一康复坐标系下的第一康复坐标位置，然后通过坐标映射函数将每个肢体核心点的第一康复坐标位置映射到第二康复坐标系以得到第二康复坐标位置；所述第一康复坐标系是以康复辅助设备中心点位坐标原点的坐标系，所述第二康复坐标系是以大地中心点为坐标原点的坐标系；
动作轨迹识别模块根据每个肢体核心点的第二康复坐标位置将每个肢体核心点映射到相应的动作轨迹以获取对应康复训练动作的动作核心序列；
康复训练动作构建模块根据动作核心序列和康复训练动作构建函数进行康复训练动作构建以得到对应的的康复训练动作；
康复训练整合模块将康复训练图像数据中每张康复训练图像对应的康复训练动作按照时间顺序进行排序以得到康复训练动作集；
康复训练特征融合模块提取康复训练动作集的多维动作特征，并提取康复训练时间数据的多维时间特征，然后提取康复训练受力数据的多维受力特征；
康复训练特征融合模块将多维动作特征、多维时间特征和多维受力特征在多维空间中进行多维特征融合以得到多维融合特征；
康复训练指令生成模块根据多维融合特征进行角度和力度分解以生成康复训练指令。
2.根据权利要求1所述的系统，其特征在于，所述康复辅助设备采集康复训练图像数据、康复训练受力数据和康复训练时间数据并将其发送到康复管理平台。
3.根据权利要求1或2所述的系统，其特征在于，所述康复辅助设备用于辅助护理人员对患者进行康复训练，其包括：上肢康复机器人、下肢康复机器人、辅助行走康复机器人和外骨骼康复机器人。
4.根据权利要求3所述的系统，其特征在于，康复训练指令生成模块根据多维融合特征进行角度和力度分解以生成康复训练指令包括：
康复训练指令生成模块根据多维融合特征获取在康复训练中每个康复训练动作中护理人员对第二康复坐标系产生的康复引力向量；
康复训练指令生成模块根据多维融合特征中多维受力特征获取在康复训练中每个康复训练动作中患者对第二康复坐标系产生的康复斥力向量；
康复训练指令生成模块通过康复引力向量和康复斥力向量进行合成操作以得到每个康复训练动作的康复合力向量；
康复训练指令生成模块根据每个康复训练动作的康复合力向量计算每个康复训练动作的康复训练动作角度和康复训练动作力度，并根据所述康复训练动作角度和康复训练动作力度生成每个康复训练动作的训练参数；
康复训练指令生成模块根据每个康复训练动作的训练参数生成康复训练指令。
5.根据权利要求4所述的系统，其特征在于，康复训练动作构建模块根据动作核心序列和康复训练动作构建函数进行康复训练动作构建以得到康复训练动作包括：
康复训练动作构建模块根据动作核心序列提取动作核心序列中每个肢体核心点的第二康复位置坐标；
康复训练动作构建模块根据动作核心序列中每个肢体核心点的第二康复位置坐标获取康复训练动作轨迹向量；
康复训练动作构建模块根据康复训练动作轨迹向量计算康复训练动作轨迹向量的方差以得到康复训练动作方差向量；
康复训练动作构建模块将康复训练动作方差向量中的每个方差与方差阈值进行比较，并提取方差大于方差阈值的肢体核心点的第二康复坐标位置作为特征向量；
康复训练动作构建模块将所有方差大于方差阈值的肢体核心点的特征向量进行处理以得到康复训练动作向量；
康复训练动作构建模块根据康复训练动作向量和康复训练动作构建函数进行康复训练动作构建以得到康复训练动作。
6.根据权利要求5所述的系统，其特征在于，所述肢体核心点为识别康复训练动作的关键点，肢体核心点的置信度用于指示相应肢体核心点被正确识别的概率。
7.根据权利要求6所述的系统，其特征在于，康复训练动作构建模块根据康复训练动作向量和康复训练动作构建函数进行康复训练动作构建以得到康复训练动作包括：
其中，ri为康复训练动作向量的第i个特征向量，vi康复训练动作向量的第i个特征向量对应的肢体核心点的置信度，αi为松弛系数，n为康复训练动作向量中特征向量的个数，i为特征向量索引。
8.根据权利要求1至7之一所述的系统，其特征在于，所述康复训练图像数据包括若干张康复训练图像，康复训练图像用于记录康复训练动作，每张康复训练图像对应一个康复训练动作。
9.根据权利要求8所述的系统，其特征在于，所述康复训练受力数据包括患者在进行康复训练时执行每个康复训练动作的受力数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110093979.1A CN112768034A (zh) | 2020-08-24 | 2020-08-24 | 一种基于医疗大数据的康复管理平台 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110093979.1A CN112768034A (zh) | 2020-08-24 | 2020-08-24 | 一种基于医疗大数据的康复管理平台 |
| CN202010859972.1A CN111951941B (zh) | 2020-08-24 | 2020-08-24 | 智慧医疗康复辅助管理系统 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010859972.1A Division CN111951941B (zh) | 2020-08-24 | 2020-08-24 | 智慧医疗康复辅助管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112768034A true CN112768034A (zh) | 2021-05-07 |
Family
ID=73360447
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010859972.1A Active CN111951941B (zh) | 2020-08-24 | 2020-08-24 | 智慧医疗康复辅助管理系统 |
| CN202110093979.1A Pending CN112768034A (zh) | 2020-08-24 | 2020-08-24 | 一种基于医疗大数据的康复管理平台 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010859972.1A Active CN111951941B (zh) | 2020-08-24 | 2020-08-24 | 智慧医疗康复辅助管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN111951941B (zh) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2693095T3 (es) * | 2014-07-03 | 2018-12-07 | Teijin Pharma Limited | Dispositivo de asistencia de rehabilitación y programa para controlar el dispositivo de asistencia de rehabilitación |
| US10244990B2 (en) * | 2015-09-30 | 2019-04-02 | The Board Of Trustees Of The University Of Alabama | Systems and methods for rehabilitation of limb motion |
| CN108814894A (zh) * | 2018-04-12 | 2018-11-16 | 山东大学 | 基于视觉人体位姿检测的上肢康复机器人系统及使用方法 |
| CN108986884A (zh) * | 2018-05-31 | 2018-12-11 | 杭州同绘科技有限公司 | 一种平衡康复与认知康复相融合的训练系统和方法 |
| CN109102857B (zh) * | 2018-05-31 | 2021-08-27 | 杭州同绘科技有限公司 | 一种智能化肢体康复训练系统和方法 |
| CN109243572B (zh) * | 2018-11-08 | 2021-09-21 | 中科数字健康科学研究院（南京）有限公司 | 一种精准运动评估和康复训练系统 |
| CN111345823B (zh) * | 2018-12-24 | 2023-05-09 | 中国移动通信有限公司研究院 | 一种远程运动康复方法、装置和计算机可读存储介质 |
| CN110215676A (zh) * | 2019-06-17 | 2019-09-10 | 上海大学 | 一种上肢双臂康复训练人机交互方法和系统 |
| CN111145865A (zh) * | 2019-12-26 | 2020-05-12 | 中国科学院合肥物质科学研究院 | 一种基于视觉的手部精细动作训练指导系统及方法 |
-
2020
- 2020-08-24 CN CN202010859972.1A patent/CN111951941B/zh active Active
- 2020-08-24 CN CN202110093979.1A patent/CN112768034A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN111951941B (zh) | 2021-05-11 |
| CN111951941A (zh) | 2020-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110334573B (zh) | 一种基于密集连接卷积神经网络的人体运动状态判别方法 | |
| de San Roman et al. | Saliency driven object recognition in egocentric videos with deep CNN: toward application in assistance to neuroprostheses | |
| CN114099234B (zh) | 一种用于辅助康复训练的智能化康复机器人数据处理方法及系统 | |
| CN111951940A (zh) | 一种智慧医疗的康复辅助方法 | |
| CN113435236A (zh) | 居家老人姿态检测方法、系统、存储介质、设备及应用 | |
| CN115462783A (zh) | 一种基于骨骼关键点检测的婴幼儿爬行姿态分析系统 | |
| CN112200074A (zh) | 一种姿态对比的方法和终端 | |
| Mehrizi et al. | Automatic health problem detection from gait videos using deep neural networks | |
| CN111639533A (zh) | 基于步态特征的体态检测方法、装置、设备及存储介质 | |
| CN111951941B (zh) | 智慧医疗康复辅助管理系统 | |
| CN109634419A (zh) | 康复机器人运动意图识别方法及其计算机可读存储介质 | |
| CN111951950B (zh) | 基于深度学习的三维数据医疗分类系统 | |
| CN117237351A (zh) | 一种超声图像分析方法以及相关装置 | |
| CN117392746A (zh) | 康复训练评估辅助方法、装置、计算机设备和存储介质 | |
| Hai et al. | PCA-SVM algorithm for classification of skeletal data-based eigen postures | |
| CN113487579B (zh) | 自动勾画模型的多模态迁移方法 | |
| CN110694149A (zh) | 一种超声辅助肌肉识别方法、系统及辅助注射装置 | |
| CN116543455A (zh) | 建立帕金森症步态受损评估模型、使用方法、设备及介质 | |
| CN115154828A (zh) | 一种基于脑机接口技术的大脑功能重塑方法、系统、设备 | |
| CN114092449A (zh) | 一种基于深度学习的人体脏器和经络的视觉定位方法 | |
| CN113768471A (zh) | 一种基于步态分析的帕金森疾病辅助诊断系统 | |
| Katiyar et al. | Clinical gait data analysis based on spatio-temporal features | |
| CN112233769A (zh) | 一种基于数据采集的患后康复系统 | |
| CN112861699A (zh) | 一种基于单张深度图像和多阶段神经网络的任意姿势人体身高估计方法 | |
| CN115985464B (zh) | 一种基于多模态数据融合的肌肉疲劳度分类方法及系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210507 |
|
| WD01 | Invention patent application deemed withdrawn after publication |