CN113180647B - 一种ai肢体功能康复预干涉的行为采集系统及方法 - Google Patents
一种ai肢体功能康复预干涉的行为采集系统及方法 Download PDFInfo
- Publication number
- CN113180647B CN113180647B CN202110632857.5A CN202110632857A CN113180647B CN 113180647 B CN113180647 B CN 113180647B CN 202110632857 A CN202110632857 A CN 202110632857A CN 113180647 B CN113180647 B CN 113180647B
- Authority
- CN
- China
- Prior art keywords
- engine
- intelligent
- limb
- combination sensor
- voice
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000033001 locomotion Effects 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 13
- 210000003414 extremity Anatomy 0.000 claims description 54
- 238000012360 testing method Methods 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 6
- 230000005021 gait Effects 0.000 claims description 6
- 210000003141 lower extremity Anatomy 0.000 claims description 6
- 210000003205 muscle Anatomy 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 2
- 201000010183 Papilledema Diseases 0.000 claims description 2
- 206010038862 Retinal exudates Diseases 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 201000002166 optic papillitis Diseases 0.000 claims description 2
- 208000033538 Cross type oculocerebral hypopigmentation syndrome Diseases 0.000 claims 1
- 206010028980 Neoplasm Diseases 0.000 claims 1
- 208000014062 Oculocerebral hypopigmentation syndrome, Cross type Diseases 0.000 claims 1
- 208000006011 Stroke Diseases 0.000 description 15
- 206010008190 Cerebrovascular accident Diseases 0.000 description 11
- 230000002490 cerebral effect Effects 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 11
- 230000006872 improvement Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 3
- 206010019468 Hemiplegia Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 206010021403 Illusion Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 208000015114 central nervous system disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000008449 language Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004089 microcirculation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Ophthalmology & Optometry (AREA)
- Computational Linguistics (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明提出一种AI肢体功能康复预干涉的行为采集系统,包括智能组合传感器、可穿戴设备以及AI引擎;可穿戴设备包括多个运动传感器和微型边缘计算芯片;智能组合传感器采集肢体运动参数发送至微型边缘计算芯片进行边缘计算处理得出边缘计算结果;当边缘计算结果满足第一预设条件时发送反馈信号给所述AI引擎,AI引擎直接获取所述多个运动传感器的多个实时肢体运动参数;AI引擎基于AI模型对所述多个实时肢体运动参数进行分析得出第一分析结果;当第一分析结果满足第二预设条件时,AI引擎设定智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测。本发明还公开了对应的行为采集方法。
Description
技术领域
本发明属于脑卒中康复技术领域,尤其涉及一种AI肢体功能康复预干涉的行为采集系统、方法以及实现该方法的计算机程序指令。
背景技术
脑卒中发作后常会伴随着患者的运动、 语言和感知等方面的障碍。脑卒中患者的康复治疗是降低脑卒中致残率的最有效方法并能减少运动障碍对患者正常生活的影响。临床中为使康复治疗人员有效评估患者运动功能的状态并进而合理地制定患者的康复治疗计划, 就必须对患者进行系统的康复治疗监测。
此外,随着医学水平的提高,脑卒中死亡率明显下降,但其致残率仍高企,大部分患者基本康复后,都留有严重后遗症,偏瘫则是其中最为常见的表现之一,严重影响了人们的生活水平及质量。对于脑卒中导致的偏瘫,康复治疗介入的时间越晚,患者患肢功能恢复的希望就越小,这就使得患者家属及社会需要花费极大的代价来治疗和护理患者,给家庭和社会带来了巨大的经济及精神压力。因此,寻求快速而有效地康复治疗手段防止脑卒中复发,改善病人的各种功能和预后,提高病人的生活质量是目前人们关注的重点问题。
申请号为CN201910677478.0的中国发明专利申请提出一种基于眼部特征的脑卒中人工智能筛查方法,其具体步骤是:(1)标注及预处理已收集的眼底彩照;(2)构建及优化深度卷积神经网络模型;(3)获取待识别患者眼底图像,利用深度卷积神经人工智能模型对眼底特征进行识别,获得有无脑卒中的眼底图像分类结果;该方法能高效、便捷、无创地进行脑卒中高危人群筛查。
申请号为CN201910816430.3的中国发明专利申请提出基于特征选择的人工智能医疗诊断系统,包括人体状态感知系统模块、机器学习系统模块、诊断推理系统模块、历史数据库和结果输出模块;人体状态感知系统模块用于采集反映人体状态的数据,并将其发送至机器学习系统模块;机器学习系统模块用于对采集到的数据进行处理后,基于特征选择算法选择出部分数据特征并将其按重要性由大到小的顺序输出后,发送至诊断推理系统模块;诊断推理系统模块用于特征筛选和特征匹配,查找其对应的诊断结果,并发送至结果输出模块;历史数据库用于储存不同的数据特征及其对应的诊断结果;结果输出模块用于显示诊断结果。该人工智能医疗诊断系统,能够帮助医生快速判断病情,减少人为诊断误差。
上述现有技术都是针对个体进行诊断,并且只考虑了单一因素;此外,针对脑卒中患者尤其是术后肢体恢复患者,如何进行行为采集,在恢复锻炼中及时预介入,现有技术并未给出有效的技术方案。
发明内容
为解决上述技术问题,本发明的技术方案在硬件上包括智能组合传感器、可穿戴设备以及AI引擎;可穿戴设备包括多个运动传感器和微型边缘计算芯片;智能组合传感器采集肢体运动参数发送至微型边缘计算芯片进行边缘计算处理得出边缘计算结果;当边缘计算结果满足第一预设条件时发送反馈信号给所述AI引擎,AI引擎直接获取所述多个运动传感器的多个实时肢体运动参数;AI引擎基于AI模型对所述多个实时肢体运动参数进行分析得出第一分析结果;当第一分析结果满足第二预设条件时,AI引擎设定智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测。本发明还公开了对应的行为采集方法。
在具体实现上,本发明的技术方案包含三个方面的方案。
在第一个方面,本发明提出一种AI肢体功能康复预干涉的行为采集系统,所述系统包括智能组合传感器和可穿戴设备。
作为改进之一,所述系统还包括AI引擎,所述AI引擎连接所述智能组合传感器;所述可穿戴设备包括多个运动传感器和微型边缘计算芯片;
作为上述改进的具体关键技术手段,所述多个运动传感器采集目标康复患者的肢体运动参数,并按照第一周期将所述肢体运动参数发送至所述微型边缘计算芯片进行边缘计算处理得出边缘计算结果;
当所述边缘计算结果满足第一预设条件时,所述可穿戴设备发送反馈信号给所述AI引擎;
基于所述反馈信号,所述AI引擎直接获取所述多个运动传感器的多个实时肢体运动参数。
更具体的,基于所述反馈信号,所述AI引擎直接与所述可穿戴设备的多个运动传感器通信,获取所述多个运动传感器的多个不同时间节点的多个实时肢体运动参数。
作为另一个改进,所述AI引擎基于AI模型对所述多个实时肢体运动参数进行分析,得出第一分析结果;
当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测。
所述AI引擎设定所述语音传感器的所述语音测试序列的输出级别,并对所述目标康复患者执行语音测试,所述语音测试包括播放所述语音测试序列,并接收所述目标康复患者的语音反馈序列。
作为另一个改进,所述AI引擎采用所述智能组合传感器对所述目标康复患者执行智能检测结果,基于所述智能检测结果和所述第一分析结果,调节所述第一周期。
在本发明的第二个方面,提供一种AI肢体功能康复预干涉的行为采集方法,所述方法包括如下步骤:
S701:采集目标康复患者的第一肢体运动参数,并按照第一周期对所述第一肢体运动参数进行边缘计算处理得出边缘计算结果;
S702:判断所述边缘计算结果是否满足第一预设条件;
如果是,则进入下一步;
如果否,返回上一步;
S703:生成反馈信号给AI引擎;
S704:所述AI引擎直接获取所述目标康复患者的多个第二实时肢体运动参数;
S705:基于AI模型对所述多个第二实时肢体运动参数进行分析,得出第一分析结果;
S706:判断所述第一分析结果是否满足第二预设条件;
如果是,则生成预干涉措施;
所述预干涉措施包括智能检测,所述智能检测包括语音测试和/或眼底图像分析。
可以理解的,上述方法可以基于第一个方面的所述行为采集系统实现。
本发明的上述方法可以通过包含处理器和存储器的终端设备,尤其是图像处理终端设备,包括移动终端、桌面终端、服务器以及服务器集群等,通过程序指令自动化的执行,因此,在本发明的第三个方面,还提供一种计算机可读存储介质,其上存储有计算机程序指令;通过包含处理器和存储器的图像终端处理设备,执行所述程序指令,用于实现第二个方面所述方法的全部或者部分步骤。
需要指出的是,在不同实现方案中,出现的“第一”或“第二”限定的“预设条件”,并不代表各个“预设条件”一定存在区别或者不存在区别。在本发明的上述不同技术方案中的判断条件中使用到的各种“预设条件”,本领域技术人员可以根据实际情况进行合理设置,本发明对此不作具体限定。后续在具体实施例介绍部分,相关的实施例可能也对部分“预设条件”给出了具体的限定条件,但是这仅仅是众多合理设置中的一种或者几种举例,并不是穷举式限定,也不构成对本发明实际保护范围的限定,任何符合实际情况的“预设条件”都应该属于本发明的保护范围之内。
结合后续整体的方案也可以理解,本发明的改进和核心构思也不在于“预设条件”本身,因此,根据实际情况进行合理设置的不同预设条件,只要符合客观情况,均可以实现本发明。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种AI肢体功能康复预干涉的行为采集系统的层次结构图;
图2是图1所述系统中使用的智能组合传感器的部分结构示意图;
图3是图1所述系统的具体工作原理的部分示意图;
图4是基于图1所述系统实现的一种AI肢体功能康复预干涉的行为采集方法主体流程图;
图5是实现图4所述方法的计算机介质或者系统的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对发明做出进一步的描述。
参照图1,是本发明一个实施例的一种AI肢体功能康复预干涉的行为采集系统的层次结构图。
在图1中,所述系统包括智能组合传感器、可穿戴设备以及AI引擎,所述AI引擎包括至少一个AI模型;
在图1示意性的实例中,所述可穿戴设备包括运动传感器和微型边缘计算芯片,所述可穿戴设备由脑卒中目标康复患者佩戴,基于所述可穿戴设备的所述运动传感器采集目标康复患者的肢体运动参数。
微型边缘计算芯片是可以在本地针对所述肢体运动参数执行边缘计算的芯片设备,其至少内置一个数据处理模型,基于所述数据处理模型,所述微型边缘计算芯片可以在不与远端平台通信的情况下,自主的在本地进行数据处理。
具体来说,所述多个运动传感器采集目标康复患者的肢体运动参数,并按照第一周期将所述肢体运动参数发送至所述微型边缘计算芯片进行边缘计算处理得出边缘计算结果。
所述AI引擎连接所述智能组合传感器。当所述边缘计算结果满足第一预设条件时,所述可穿戴设备发送反馈信号给所述AI引擎;基于所述反馈信号,所述AI引擎直接获取所述多个运动传感器的多个实时肢体运动参数;
所述AI引擎基于AI模型对所述多个实时肢体运动参数进行分析,得出第一分析结果;
当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测。
在上述实施例中,所述智能组合传感器包括语音传感器和图像传感器;所述语音传感器输出不同级别的语音测试序列,并接收语音反馈序列;所述图像传感器用于捕获眼底图像。
接下来具体介绍上述智能组合传感器的部分结构,可参见图2。
所述智能组合传感器包括图像传感器,所述图像传感器为眼底图像成像仪,例如眼底照相机。
所述眼底图像成像仪用于采集目标康复患者的多张眼底图片。
图2中,所述眼底图像成像仪包括透镜模组、投影模组以及成像模组,所述成像模组还包括光模组,所述光模组包括焦距调整模组。
这里的眼底图像传感器为眼底照相机。
人的瞳孔很小,光照射进去的光通量很小,而且瞳孔遇到强光后会自动缩小,能到达眼底的光通量就更小了,因此要想看到眼底更大的范围,必须要用专业的眼底照相机才行。眼底照相机的原理是基于光学成像技术的眼底摄影系统,通过白光LED照明照亮视网膜,将眼底图像成像于传感器上,从而将所获取的图片呈现在显示屏幕上。
更具体的,所述成像模组还包括显示与输出模组(图中未标注),所述显示与输出模组连接人机操作界面、语音输出组件以及语音接收组件。
所述语音输出组件以及语音接收组件为所述语音传感器的组成部分,语音输出组件输出不同级别的语音测试序列,语音接收组件接收语音反馈序列。
基于上述结构,当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测,具体包括:
所述AI引擎设定所述语音传感器的所述语音测试序列的输出级别,并对所述目标康复患者执行语音测试,所述语音测试包括播放所述语音测试序列,并接收所述目标康复患者的语音反馈序列。
当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测,具体包括:
所述AI引擎设定所述图像传感器的图像采集模式,并获取所述目标康复康复患者的多张眼底图片。
接下来,以图4的流程图为例,再次详细介绍本发明的具体工作原理。
首先,由目标康复患者佩戴的可穿戴设备的多个多个运动传感器采集目标康复患者的肢体运动参数;
具体的肢体运动参数,在本实施例中,可以包括步态、步速、下肢肌力之一或者组合;
然后,可穿戴设备存储所述肢体运动参数,按照第一周期将所述肢体运动参数发送至所述微型边缘计算芯片进行边缘计算处理得出边缘计算结果。
这里的边缘计算处理,可以包括步态模式分析、步速变化趋势分析、下肢肌力变化值分析等。
当所述边缘计算结果满足第一预设条件时,所述可穿戴设备发送反馈信号给所述AI引擎;
以上述肢体运动参数为步态、步速、下肢肌力为例,这里的缘计算结果满足第一预设条件,可以是如下之一或者其组合:
步态符合预设模式;步速低于第一阈值或者变化率超出第二阈值;下肢肌力超过第三阈值等。
基于所述反馈信号,所述AI引擎直接获取所述多个运动传感器的多个实时肢体运动参数;
所述AI引擎基于AI模型对所述多个实时肢体运动参数进行分析,得出第一分析结果;
当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测。
值得指出的是,在正常情况下,所述AI引擎或者AI模型不与所述可穿戴设备通信。
为了确保计算能力和准确性,AI引擎或者AI模型通常位于远端和云端。
更具体的,每个AI引擎需要同时管理多个目标患者,尤其是一定目标患者内的大量的目标患者的数据。在此种情况下,如果每一个目标患者在任何情况下,都直接将数据传输给AI引擎,将大概率的引发数据堵塞,从而使得目标患者事实上不能得到及时响应。
为避免此种问题,本发明的技术方案中,基于可穿戴设备配置微型边缘计算芯片,只有当微型边缘计算芯片的所述边缘计算结果满足第一预设条件时,所述可穿戴设备才发送反馈信号给所述AI引擎,使得所述AI引擎直接与所述可穿戴设备的多个运动传感器通信,获取所述多个运动传感器的多个不同时间节点的多个实时肢体运动参数。
换句话说,大部分情况下,一个目标患者的无需可穿戴设备与远端或者云端通信,就能够及时的做出判断,这里集合了边缘计算与云计算的优点,并且区分了不同的情况,从而避免数据堵塞。
作为示例,所述第一分析结果满足第二预设条件,可以是:
所述第一分析结果符合第一预设条件;
或者;
所述第一分析结果不符合第一预设条件,但是所述第一分析结果与所述边缘计算结果的差异度低于第四预设阈值。
此时,所述AI引擎设定所述语音传感器的所述语音测试序列的输出级别,并对所述目标康复患者执行语音测试,所述语音测试包括播放所述语音测试序列,并接收所述目标康复患者的语音反馈序列。
脑卒中发作、潜在发作或者复发或者潜在复发后常会伴随着患者的运动、 语言和感知等方面的障碍。
此时AI引擎根据所述第一分析结果,判断患者的发作或者潜在程度,从而确定将进行何种级别/难度的语音测试,即设定所述语音传感器的所述语音测试序列的输出级别,然后接受患者的反馈。
在另一个方面,视网膜及视神经作为间脑的直接延伸,与中枢神经系统具有高度同源性。眼底微血管是人体唯一可以在活体上观察到的微循环血管 为研究中枢神经系统疾病提供了可靠、易行的观察窗口。自上世纪80年代开始,眼底照相技术开始应用于探索眼底病变与脑卒中的相关性研究,并对研究脑卒中发病机制显示出了独特的优势。
因此,当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测,具体包括:
所述AI引擎设定所述图像传感器的图像采集模式,并获取所述目标康复康复患者的多张眼底图片。
这里的图像采集模式包括采集数量设定、采集分辨率设定等。
所述AI引擎采用所述智能组合传感器对所述目标康复患者执行智能检测结果,基于所述智能检测结果和所述第一分析结果,调节所述第一周期。
智能检测结果可以是针对语音反馈序列和语音测试序列的相似度比对,也可以是针对多张眼底图像执行计算分析,分析内容包括:广泛性及局灶性小动脉缩窄、动静脉交叉证、小动脉铜丝征、微动脉瘤、棉絮斑、硬性渗出、视盘水肿等。
从而,基于所述智能检测结果和所述第一分析结果,调节所述第一周期,例如增大或者缩小第一周期,以便下一个循环的行为采集。
基于图1-图3的实施例,本发明还提出一种AI肢体功能康复预干涉的行为采集方法,所述方法的主体步骤包括S701-S707,各个步骤实现的功能简介如下:
S701:采集目标康复患者的第一肢体运动参数,并按照第一周期对所述第一肢体运动参数进行边缘计算处理得出边缘计算结果;
S702:判断所述边缘计算结果是否满足第一预设条件;
如果是,则进入下一步;
如果否,返回上一步;
S703:生成反馈信号给AI引擎;
S704:所述AI引擎直接获取所述目标康复患者的多个第二实时肢体运动参数;
S705:基于AI模型对所述多个第二实时肢体运动参数进行分析,得出第一分析结果;
S706:判断所述第一分析结果是否满足第二预设条件;
如果是,则生成预干涉措施;
所述预干涉措施包括智能检测,所述智能检测包括语音测试和/或眼底图像分析。
在所述步骤S706之后,所述方法还包括:
S707:执行所述预干涉措施。
可以理解上述步骤的具体实现和前述图3所述实施例的具体细节可以一一对应。限于篇幅,针对图4所述的步骤,不再一一展开。
图4的上述方法可以通过包含处理器和存储器的终端设备,尤其是图像处理终端设备,包括移动终端、桌面终端、服务器以及服务器集群等,通过程序指令自动化的执行。因此,在更多的实施例中,参见图5,还提供一种计算机可读存储介质,其上存储有计算机程序指令;通过包含处理器和存储器的图像终端处理设备,执行所述程序指令,用于实现图4所述方法的全部或者部分步骤。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种AI肢体功能康复预干涉的行为采集系统,所述系统包括智能组合传感器和可穿戴设备,其特征在于:
所述系统还包括AI引擎,所述AI引擎连接所述智能组合传感器;所述可穿戴设备包括多个运动传感器和微型边缘计算芯片;
所述多个运动传感器采集目标康复患者的肢体运动参数,并按照第一周期将所述肢体运动参数发送至所述微型边缘计算芯片进行边缘计算处理得出边缘计算结果;所述边缘计算处理包括步态模式分析、步速变化趋势分析、下肢肌力变化值分析;
当所述边缘计算结果满足第一预设条件时,所述可穿戴设备发送反馈信号给所述AI引擎;所述第一预设条件包括步态符合预设模式、步速低于第一阈值或者变化率超出第二阈值、下肢肌力超过第三阈值至少一种;
基于所述反馈信号,所述AI引擎直接获取所述多个运动传感器的多个实时肢体运动参数;
所述AI引擎基于AI模型对所述多个实时肢体运动参数进行分析,得出第一分析结果;
当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测;
所述智能组合传感器包括语音传感器和图像传感器;
所述语音传感器输出不同级别的语音测试序列,并接收语音反馈序列;
所述图像传感器用于捕获眼底图像;
当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测,具体包括:
所述AI引擎设定所述语音传感器的所述语音测试序列的输出级别,并对所述目标康复患者执行语音测试,所述语音测试包括播放所述语音测试序列,并接收所述目标康复患者的语音反馈序列;
当所述第一分析结果满足第二预设条件时,所述AI引擎设定所述智能组合传感器的工作参数,并采用所述智能组合传感器对所述目标康复患者执行智能检测,具体包括:
所述AI引擎设定所述图像传感器的图像采集模式,并获取所述目标康复康复患者的多张眼底图片;
所述AI引擎采用所述智能组合传感器对所述目标康复患者执行智能检测结果,基于所述智能检测结果和所述第一分析结果,调节所述第一周期;
智能检测结果包括针对语音反馈序列和语音测试序列的相似度比对,以及针对多张眼底图像执行计算分析,分析内容包括:广泛性及局灶性小动脉缩窄、动静脉交叉证、小动脉铜丝征、微动脉瘤、棉絮斑、硬性渗出、视盘水肿;基于所述智能检测结果和所述第一分析结果,调节所述第一周期,包括增大或者缩小第一周期,以便下一个循环的行为采集;
所述AI肢体功能康复预干涉的行为采集系统的行为采集方法,所述方法包括如下步骤:
S701:采集目标康复患者的第一肢体运动参数,并按照第一周期对所述第一肢体运动参数进行边缘计算处理得出边缘计算结果;
S702:判断所述边缘计算结果是否满足第一预设条件;
如果是,则进入下一步;
如果否,返回上一步;
S703:生成反馈信号给AI引擎;
S704:所述AI引擎直接获取所述目标康复患者的多个第二实时肢体运动参数;
S705:基于AI模型对所述多个第二实时肢体运动参数进行分析,得出第一分析结果;
S706:判断所述第一分析结果是否满足第二预设条件;
如果是,则生成预干涉措施;
所述预干涉措施包括智能检测,所述智能检测包括语音测试和/或眼底图像分析。
2.如权利要求1所述的一种AI肢体功能康复预干涉的行为采集系统,其特征在于:
基于所述反馈信号,所述AI引擎直接与所述可穿戴设备的多个运动传感器通信,获取所述多个运动传感器的多个不同时间节点的多个实时肢体运动参数。
3.如权利要求1所述的一种AI肢体功能康复预干涉的行为采集系统,其特征在于:
在所述步骤S706之后,所述方法还包括:
S707:执行所述预干涉措施。
4.一种计算机可读存贮介质,其上存储有计算机可执行程序指令;
通过包含处理器和存储器的至少一个终端设备,执行所述程序指令,用于实现权利要求1-2任一项所述的方法的全部或者部分步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632857.5A CN113180647B (zh) | 2021-06-07 | 2021-06-07 | 一种ai肢体功能康复预干涉的行为采集系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632857.5A CN113180647B (zh) | 2021-06-07 | 2021-06-07 | 一种ai肢体功能康复预干涉的行为采集系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113180647A CN113180647A (zh) | 2021-07-30 |
CN113180647B true CN113180647B (zh) | 2024-02-02 |
Family
ID=76976045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110632857.5A Active CN113180647B (zh) | 2021-06-07 | 2021-06-07 | 一种ai肢体功能康复预干涉的行为采集系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113180647B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114052724B (zh) * | 2022-01-13 | 2022-09-09 | 西安交通大学医学院第一附属医院 | 基于人工智能的骨科牵引异常检测系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108392795A (zh) * | 2018-02-05 | 2018-08-14 | 哈尔滨工程大学 | 一种基于多信息融合的康复机器人多模态控制方法 |
CN109152557A (zh) * | 2016-05-23 | 2019-01-04 | 皇家飞利浦有限公司 | 用于短暂性脑缺血发作的早期检测的系统和方法 |
CN109157374A (zh) * | 2018-07-19 | 2019-01-08 | 郑州大学 | 一种重症监护室脑瘫病人双下肢协调运动康复系统 |
CN109394203A (zh) * | 2017-08-18 | 2019-03-01 | 广州市惠爱医院 | 精神障碍康复期情绪监测与干预方法 |
CN109559761A (zh) * | 2018-12-21 | 2019-04-02 | 广东工业大学 | 一种基于深度语音特征的脑卒中风险预测方法 |
CN208942118U (zh) * | 2018-05-17 | 2019-06-07 | 复旦大学附属中山医院 | 一种基于物联网的copd康复锻炼智能监护可穿戴系统 |
CN110090421A (zh) * | 2018-01-31 | 2019-08-06 | 冀瑞俊 | 基于脑机接口和互联网技术的智能脑卒中康复机器人系统 |
CN110675934A (zh) * | 2019-09-26 | 2020-01-10 | 青岛大学 | 一种肢体运动障碍者进行远程康复训练的系统 |
CN111124102A (zh) * | 2019-10-24 | 2020-05-08 | 上海市长宁区天山中医医院 | 混合现实全息头显四肢和脊柱运动康复系统及方法 |
CN111554376A (zh) * | 2020-04-26 | 2020-08-18 | 郑州大学 | 基于大数据通道的瘫痪病人患者用多功能复合康复系统 |
CN111603750A (zh) * | 2020-05-26 | 2020-09-01 | 深圳市蝙蝠云科技有限公司 | 基于边缘计算的动作捕捉识别评估系统及方法 |
CN112133403A (zh) * | 2020-09-30 | 2020-12-25 | 郑州大学 | 一种基于边缘计算与云端反馈的锻炼控制系统 |
CN112603295A (zh) * | 2020-12-15 | 2021-04-06 | 深圳先进技术研究院 | 一种基于可穿戴传感器的康复评估方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI722602B (zh) * | 2018-10-17 | 2021-03-21 | 輔仁大學學校財團法人輔仁大學 | 人機互動式復健系統 |
-
2021
- 2021-06-07 CN CN202110632857.5A patent/CN113180647B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109152557A (zh) * | 2016-05-23 | 2019-01-04 | 皇家飞利浦有限公司 | 用于短暂性脑缺血发作的早期检测的系统和方法 |
CN109394203A (zh) * | 2017-08-18 | 2019-03-01 | 广州市惠爱医院 | 精神障碍康复期情绪监测与干预方法 |
CN110090421A (zh) * | 2018-01-31 | 2019-08-06 | 冀瑞俊 | 基于脑机接口和互联网技术的智能脑卒中康复机器人系统 |
CN108392795A (zh) * | 2018-02-05 | 2018-08-14 | 哈尔滨工程大学 | 一种基于多信息融合的康复机器人多模态控制方法 |
CN208942118U (zh) * | 2018-05-17 | 2019-06-07 | 复旦大学附属中山医院 | 一种基于物联网的copd康复锻炼智能监护可穿戴系统 |
CN109157374A (zh) * | 2018-07-19 | 2019-01-08 | 郑州大学 | 一种重症监护室脑瘫病人双下肢协调运动康复系统 |
CN109559761A (zh) * | 2018-12-21 | 2019-04-02 | 广东工业大学 | 一种基于深度语音特征的脑卒中风险预测方法 |
CN110675934A (zh) * | 2019-09-26 | 2020-01-10 | 青岛大学 | 一种肢体运动障碍者进行远程康复训练的系统 |
CN111124102A (zh) * | 2019-10-24 | 2020-05-08 | 上海市长宁区天山中医医院 | 混合现实全息头显四肢和脊柱运动康复系统及方法 |
CN111554376A (zh) * | 2020-04-26 | 2020-08-18 | 郑州大学 | 基于大数据通道的瘫痪病人患者用多功能复合康复系统 |
CN111603750A (zh) * | 2020-05-26 | 2020-09-01 | 深圳市蝙蝠云科技有限公司 | 基于边缘计算的动作捕捉识别评估系统及方法 |
CN112133403A (zh) * | 2020-09-30 | 2020-12-25 | 郑州大学 | 一种基于边缘计算与云端反馈的锻炼控制系统 |
CN112603295A (zh) * | 2020-12-15 | 2021-04-06 | 深圳先进技术研究院 | 一种基于可穿戴传感器的康复评估方法和系统 |
Non-Patent Citations (1)
Title |
---|
脑卒中肢体功能康复监测系统的设计;黄博强;郑丹;黄文霞;朱玲;施心陵;;中国组织工程研究与临床康复(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113180647A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210378554A1 (en) | Method and system for privacy-preserving health monitoring | |
KR20190050724A (ko) | 혈압 추정 모델 생성 시스템 및 방법과 혈압 추정 시스템 및 방법 | |
JP7057589B2 (ja) | 医療情報処理システム、歩行状態定量化方法およびプログラム | |
US20210338103A1 (en) | Screening of individuals for a respiratory disease using artificial intelligence | |
US20220245812A1 (en) | Platform to detect patient health condition based on images of physiological activity of a patient | |
CN112088408A (zh) | 用于睡眠阶段检测的方法、计算设备和可穿戴设备 | |
Ovreiu et al. | Deep learning & digital fundus images: Glaucoma detection using DenseNet | |
CN113180647B (zh) | 一种ai肢体功能康复预干涉的行为采集系统及方法 | |
Lu et al. | Automated strabismus detection for telemedicine applications | |
CN113270196B (zh) | 一种脑卒中复发风险感知与行为决策模型构建系统及方法 | |
CN111191639B (zh) | 基于眼震的眩晕类型识别方法、装置、介质及电子设备 | |
WO2023103860A1 (zh) | 吸毒检测方法、装置、设备及存储介质 | |
Mehrizi et al. | Automatic health problem detection from gait videos using deep neural networks | |
Su et al. | Hypomimia recognition in parkinson’s disease with semantic features | |
CN110610754A (zh) | 一种沉浸式可穿戴诊断与治疗装置 | |
Alva et al. | An image based eye controlled assistive system for paralytic patients | |
CN113033387A (zh) | 一种自动识别老年人慢性疼痛程度的智能评估方法及系统 | |
Heravian et al. | Implementation of eye tracking in an IoT-based smart home for spinal cord injury patients | |
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 | |
CN114863318A (zh) | 一种基于多模态数据融合的行为识别方法 | |
CN113724853A (zh) | 一种基于深度学习的智慧医疗系统 | |
CN114202772A (zh) | 基于人工智能和智慧医疗的参考信息生成系统及方法 | |
CN111340778A (zh) | 一种青光眼图像处理方法和设备 | |
Pursche et al. | Multi-person remote heart-rate measurement from human faces-a cnn based approach | |
CN111259743A (zh) | 一种近视图像深度学习识别模型训练方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |