CN113520371A - 监测颈椎曲度的方法和装置 - Google Patents
监测颈椎曲度的方法和装置 Download PDFInfo
- Publication number
- CN113520371A CN113520371A CN202110853370.XA CN202110853370A CN113520371A CN 113520371 A CN113520371 A CN 113520371A CN 202110853370 A CN202110853370 A CN 202110853370A CN 113520371 A CN113520371 A CN 113520371A
- Authority
- CN
- China
- Prior art keywords
- static
- data
- head
- monitoring
- section
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003068 static effect Effects 0.000 claims abstract description 106
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000013500 data storage Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 10
- 230000004931 aggregating effect Effects 0.000 claims abstract description 9
- 201000010099 disease Diseases 0.000 claims abstract description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 7
- 230000036541 health Effects 0.000 claims abstract description 5
- 238000005452 bending Methods 0.000 claims description 62
- 230000006399 behavior Effects 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 206010041591 Spinal osteoarthritis Diseases 0.000 claims description 4
- 208000036319 cervical spondylosis Diseases 0.000 claims description 4
- 208000005801 spondylosis Diseases 0.000 claims description 4
- 208000028752 abnormal posture Diseases 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 210000003109 clavicle Anatomy 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012552 review Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011841 epidemiological investigation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种监测颈椎曲度的方法和装置，涉及颈椎监测技术领域。所述方法包括步骤如下：S1、采集静态数据；S2、采集动态数据；S3、数据标注；S4、聚合矩阵；S5、多组采集；S6、训练模型；S7、用户监测；所述装置包括：数据存储模块、算法模块、智能提醒模块和通信模块。本发明中，通过对监测对象的颈椎关键部位进行监测，采集静态和动态数据，再由医生判断监测对象的颈椎是否健康，对数据进行标注，数据与标注聚合得到静态矩阵和动态矩阵，训练模型得到静态模型和动态模型，通过两个模型，用户能够随时随地监测自己的颈椎健康情况，无需去医院挂号拍片检查，节约了大量的时间成本和经济成本，并且能够在病症早期就得到注意，便于医治康复。
Description
技术领域
本发明涉及颈椎监测技术领域，具体涉及一种监测颈椎曲度的方法和装置。
背景技术
随着社会的发展，人们看手机、伏案工作学习的时间越来越长。长时间的低头状态导致颈椎曲度变直问题越发严重。正常的颈椎有凸向前方的生理弯曲，但是由于颈部过度前屈，导致颈椎正常弧度消失，从而使得颈椎曲度变直，这是构成颈椎病最常见的病理基础。
据流行病学调查，近十年来我国颈椎曲度变直发病率呈直线上升趋势，而且近年来逐渐呈低龄化趋势，老年人中更为严重，患病率超过40％。故而，对颈椎活动度的监测是十分必要的。
当前常见对颈椎曲度的检查方法有两种：1、X光成像；2、使用角速度传感器对颈椎活动进行测量。这两种方法都具有较大局限性。X光成像操作复杂，成本高，只有前往医院拍摄并由医生分析成像结果。角速度传感器只能测量动态数据，且要求监测对象需按特定步骤进行颈椎运动，使用不便。另外，角速度传感器并不能对颈椎曲度进行直接测量，仅能通过不精确的活动范围进行大概估计。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种监测颈椎曲度的方法和装置，解决了颈椎曲度监测不便捷成本高的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种监测颈椎曲度的方法，所述方法包括步骤如下：
S1、采集静态数据：
将监测颈椎曲度的装置佩戴在监测对象颈椎处，通过所述装置读取并计算颈椎静态数据
D＝[静态右侧面,静态左侧面,静态下截面]；
S2、采集动态数据：
监测对象佩戴装置，进行如下动作：左转头、右转头、左偏头、右偏头、抬头、低头；通过所述装置读取并计算颈椎动态数据
E＝[左转头右侧面,左转头左侧面,左转头下截面,
右转头右侧面,右转头左侧面,右转头下截面,
左偏头右侧面,左偏头左侧面,左偏头下截面,
右偏头右侧面,右偏头左侧面,右偏头下截面,
抬头右侧面,抬头左侧面,抬头下截面,
低头右侧面,低头左侧面,低头下截面]；
S3、数据标注：
对监测对象进行X光成像，由医生判断其颈椎曲度是否健康，用判断结果对静态数据和动态数据进行标注；
S4、聚合矩阵：
将静态数据和标注直接连接聚合为静态矩阵；所述静态矩阵
D’＝[静态右侧面,静态左侧面,静态下截面,健康OR患病]；
将静态数据、动态数据和标注聚合为动态矩阵；所述动态矩阵
E’＝[左转头右侧面-静态右侧面,左转头左侧面-静态左侧面,左转头下截面-静态下截面,
右转头右侧面-静态右侧面,右转头左侧面-静态左侧面,右转头下截面-静态下截面,
左偏头右侧面-静态右侧面,左偏头左侧面-静态左侧面,左偏头下截面-静态下截面,
右偏头右侧面-静态右侧面,右偏头左侧面-静态左侧面,右偏头下截面-静态下截面,
抬头右侧面-静态右侧面,抬头左侧面-静态左侧面,抬头下截面-静态下截面,
低头右侧面-静态右侧面,低头左侧面-静态左侧面,低头下截面-静态下截面,健康OR患病]；
该处符号“-”代表对应各边的差值；
S5、多组采集：
对若干不同的监测对象进行监测，重复S1～S4步骤，得到若干组静态矩阵和动态矩阵；
S6、训练模型：
将若干组静态矩阵和动态矩阵分别输入机器学习算法训练模型得到静态模型和动态模型；
S7、用户监测：
对用户进行监测，重复S1～S2步骤，并将用户的静态数据和动态数据分别输入模型，获取监测结果；监测结果判断标准为：两模型都认为患病为患病；两模型中仅一个认为患病为有患病风险；两模型都认为健康为健康。
优选的，所述S1中的监测颈椎曲度的装置包括：
支架，所述支架包括：第一支架A1、第二支架A2、第三支架A3、第四支架A4、第五支架A5、第六支架A6；
弯曲度传感器，所述弯曲度传感器包括：第一弯曲度传感器B1、第二弯曲度传感器B2、第三弯曲度传感器B3、第四弯曲度传感器B4、第五弯曲度传感器B5；相邻的支架通过对应的弯曲度传感器连接。
优选的，所述S1中，第一支架A1和第六支架A6分别紧贴监测对象的双耳根顶部，第三弯曲度传感器B3紧贴颈后突起处，第三支架A3和第四支架A4的前端分别紧贴两锁骨最末端突起处。
优选的，所述静态数据和动态数据中的面数据均由其对应的三边长度组成；
静态右侧面为第二支架A2、第一弯曲度传感器B1和第二弯曲度传感器B2构成的三角面，其三边分别为：
L2，
静态左侧面为第五支架A5、第四弯曲度传感器B4和第五弯曲度传感器B5构成的三角面，其三边分别为：
L5，
静态下截面为第三支架A3、第四支架A4和第三弯曲度传感器B3构成的三角面，其三边分别为：
L3，L4，
所述静态矩阵
L5，
L3，L4，
健康OR患病]；
其中，L1、L2、L3、L4、L5、L6分别为第一支架A1、第二支架A2、第三支架A3、第四支架A4、第五支架A5、第六支架A6两端点之间的直线距离，即支架两端的弯曲度传感器之间的直线距离；
b1、b2、b3、b4、b5分别为第一弯曲度传感器B1、第二弯曲度传感器B2、第三弯曲度传感器B3、第四弯曲度传感器B4、第五弯曲度传感器B5的数值；
f(x)为弯曲度传感器数值与该数值代表的角度之间的关系。
优选的，所述S6中，静态模型和动态模型的机器学习算法包括但不限于：线性回归、Logistic回归、支持向量机、K均值临近、随机森林、朴素贝叶斯、决策树。
优选的，所述S3中，医生判断监测对象的颈椎是否健康的依据包括：监测对象的静止体态和X光成像是否有明显扭曲、监测对象是否存在脖颈移动受限；所述S6中，所述机器学习算法模仿医生决策过程，对监测对象的静态矩阵和动态矩阵分别建模。
优选的，所述方法还包括步骤如下：
S8、日常监测：
所述S7中，用户监测得到结果后，持续测量用户的数据，获得用户的日常行为数据，并在日常行为数据尾部加盖时间戳及所述S7中监测的结果；所述日常行为数据的格式为：
[日常静态右侧面,日常静态左侧面,日常静态下截面,时间,健康or有患病风险or患病]；
S9、日常行为训练模型：
将若干用户的日常行为数据上传至云服务器，云服务器将其输入神经网络算法，进一步训练模型，得到日常模型，所述日常模型通过用户的日常行为就能判断其颈椎的健康情况，并可以对用户的不正常姿态进行提醒，一旦用户持续出现会导致颈椎病的动作，智能提醒模块即会通过声音或震动对监测对象进行实时提醒。
一种监测颈椎曲度的装置，所述装置包括：数据存储模块、算法模块、智能提醒模块和通信模块；
所述弯曲度传感器产生数据并传输至数据存储模块，算法模块从数据存储模块中提取数据并进行计算，算法模块将计算结果传输至智能提醒模块，智能提醒模块根据计算结果使用声音和/或震动对用户进行提醒；通信模块从数据存储模块中提取数据，并传输至手机APP或云服务器上，手机APP将数据传输至云服务器，云服务器使用大数据、AI技术及医生评审对现有算法进行改进，结合医生建议，生成用户颈椎监测报告，手机APP能够下载监测报告，云服务器一旦根据更多的数据训练出更合适的模型，即可对设备中的算法模块进行更新。
优选的，所述数据存储模块包括SD和/或EMMC；所述算法模块包括FPGA和/或AI；所述智能提醒模块包括扬声器和/或蜂鸣器和/或震动马达；所述通信模块包括wifi和/或蓝牙和/或LTE。
(三)有益效果
本发明提供了一种监测颈椎曲度的方法和装置。与现有技术相比，具备以下有益效果：
本发明中，通过对监测对象的颈椎关键部位进行监测，采集静态和动态数据，再由医生判断监测对象的颈椎是否健康，对数据进行标注，数据与标注聚合得到静态矩阵和动态矩阵，训练模型得到静态模型和动态模型，通过两个模型，用户能够随时随地监测自己的颈椎健康情况，无需去医院挂号拍片检查，节约了大量的时间成本和经济成本，并且能够在病症早期就得到注意，便于医治康复。
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，下面将对实施例或现有技术描述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为本发明实施例中颈椎曲度监测的流程图；
图2为本发明实施例中监测颈椎曲度装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请实施例通过提供一种监测颈椎曲度的方法和装置，解决了颈椎曲度监测不便捷成本高的问题。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
本发明实施例中，通过对监测对象的颈椎关键部位进行监测，采集静态和动态数据，再由医生判断监测对象的颈椎是否健康，对数据进行标注，数据与标注聚合得到静态矩阵和动态矩阵，训练模型得到静态模型和动态模型，通过两个模型，用户能够随时随地监测自己的颈椎健康情况，无需去医院挂号拍片检查，节约了大量的时间成本和经济成本，并且能够在病症早期就得到注意，便于医治康复。
另外，所述装置能够实时提醒用户，以免用户持续进行对颈椎有伤害的动作，该装置还能够通过所连接的APP和云服务器将监测对象的数据上传，并由专业的医生进行诊断，出具AI和医生共同制作的诊断报告。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例：
如图1所示，本发明提供了一种监测颈椎曲度的方法，所述方法包括步骤如下：
S1、采集静态数据：
将监测颈椎曲度的装置佩戴在监测对象颈椎处，通过所述装置读取并计算颈椎静态数据
D＝[静态右侧面,静态左侧面,静态下截面]；
S2、采集动态数据：
监测对象佩戴装置，进行如下动作：左转头、右转头、左偏头、右偏头、抬头、低头；通过所述装置读取并计算颈椎动态数据
E＝[左转头右侧面,左转头左侧面,左转头下截面,
右转头右侧面,右转头左侧面,右转头下截面,
左偏头右侧面,左偏头左侧面,左偏头下截面,
右偏头右侧面,右偏头左侧面,右偏头下截面,
抬头右侧面,抬头左侧面,抬头下截面,
低头右侧面,低头左侧面,低头下截面]；
S3、数据标注：
对监测对象进行X光成像，由医生判断其颈椎曲度是否健康，用判断结果对静态数据和动态数据进行标注；
S4、聚合矩阵：
将静态数据和标注直接连接聚合为静态矩阵；所述静态矩阵
D’＝[静态右侧面,静态左侧面,静态下截面,健康OR患病]；
将静态数据、动态数据和标注聚合为动态矩阵；所述动态矩阵
E’＝[左转头右侧面-静态右侧面,左转头左侧面-静态左侧面,左转头下截面-静态下截面,
右转头右侧面-静态右侧面,右转头左侧面-静态左侧面,右转头下截面-静态下截面,
左偏头右侧面-静态右侧面,左偏头左侧面-静态左侧面,左偏头下截面-静态下截面,
右偏头右侧面-静态右侧面,右偏头左侧面-静态左侧面,右偏头下截面-静态下截面,
抬头右侧面-静态右侧面,抬头左侧面-静态左侧面,抬头下截面-静态下截面,
低头右侧面-静态右侧面,低头左侧面-静态左侧面,低头下截面-静态下截面,健康OR患病]；
该处符号“-”代表对应各边的差值；
S5、多组采集：
对若干不同的监测对象进行监测，重复S1～S4步骤，得到若干组静态矩阵和动态矩阵；
S6、训练模型：
将若干组静态矩阵和动态矩阵分别输入机器学习算法训练模型得到静态模型和动态模型；
S7、用户监测：
对用户进行监测，重复S1～S2步骤，并将用户的静态数据和动态数据分别输入模型，获取监测结果；监测结果判断标准为：两模型都认为患病为患病；两模型中仅一个认为患病为有患病风险；两模型都认为健康为健康。
如图2所示，所述装置包括：
支架，所述支架包括：第一支架A1、第二支架A2、第三支架A3、第四支架A4、第五支架A5、第六支架A6；
弯曲度传感器，所述弯曲度传感器包括：第一弯曲度传感器B1、第二弯曲度传感器B2、第三弯曲度传感器B3、第四弯曲度传感器B4、第五弯曲度传感器B5；相邻的支架通过对应的弯曲度传感器连接。
其中，所述第一支架A1和第六支架A6分别紧贴监测对象的双耳根顶部，第三弯曲度传感器B3紧贴颈后突起处，第三支架A3和第四支架A4的前端分别紧贴两锁骨最末端突起处。
如图1所示，所述装置还包括：数据存储模块、算法模块、智能提醒模块和通信模块；
所述弯曲度传感器产生数据并传输至数据存储模块，算法模块从数据存储模块中提取数据并进行计算，算法模块将计算结果传输至智能提醒模块，智能提醒模块根据计算结果使用声音或震动对用户进行提醒；通信模块从数据存储模块中提取数据，并传输至手机APP或云服务器上，手机APP能够继续将数据传输至云服务器上，云服务器使用大数据、AI技术及医生评审对现有算法进行改进，并可结合医生建议，生成用户颈椎监测报告，手机APP能够下载监测报告，云服务器一旦根据更多的数据训练出更合适的模型，即可对设备中的算法模块进行更新。
所述数据存储模块包括SD和/或EMMC；所述算法模块包括FPGA和/或AI；所述智能提醒模块包括扬声器和/或蜂鸣器和/或震动马达；所述通信模块包括wifi和/或蓝牙和/或LTE。
L1、L2、L3、L4、L5、L6分别为第一支架A1、第二支架A2、第三支架A3、第四支架A4、第五支架A5、第六支架A6两端点之间的直线距离，即支架两端的弯曲度传感器之间的直线距离，由于支架均为固定造型的刚体，因此L1～L6均为常数。
b1、b2、b3、b4、b5分别为第一弯曲度传感器B1、第二弯曲度传感器B2、第三弯曲度传感器B3、第四弯曲度传感器B4、第五弯曲度传感器B5的数值。
f(x)为弯曲度传感器数值与该数值代表的角度之间的关系，该函数由弯曲度传感器厂家提供，因此f(b1)即为第一支架A1与第二支架A2之间的夹角。
所述静态数据和动态数据中的面数据均由其对应的三边长度组成；
根据正弦定理，已知两角及其夹边长度可确定此三角形并计算出剩余两边长度；
根据余弦定理，已知两边长度及其夹角可确定此三角形并计算出剩余一边长度；
因此静态右侧面为第二支架A2、第一弯曲度传感器B1和第二弯曲度传感器B2构成的三角面，其三边分别为：
L2，
静态左侧面为第五支架A5、第四弯曲度传感器B4和第五弯曲度传感器B5构成的三角面，其三边分别为：
L5，
静态下截面为第三支架A3、第四支架A4和第三弯曲度传感器B3构成的三角面，其三边分别为：
L3，L4，
所述静态矩阵
L5，
L3，L4，
健康OR患病]。
所述S6中，静态模型和动态模型的机器学习算法包括但不限于：线性回归、Logistic回归、支持向量机、K均值临近、随机森林、朴素贝叶斯、决策树。
所述S3中，医生判断监测对象的颈椎是否健康的依据包括：监测对象的静止体态和X光成像是否有明显扭曲、监测对象是否存在脖颈移动受限；所述S6中，所述机器学习算法模仿医生决策过程，对监测对象的静态矩阵和动态矩阵分别建模。
所述方法还包括步骤如下：
S8、日常监测：
所述S7中，用户监测得到结果后，持续测量用户的数据，获得用户的日常行为数据，并在日常行为数据尾部加盖时间戳及所述S7中监测的结果；所述日常行为数据的格式为：
[日常静态右侧面,日常静态左侧面,日常静态下截面,时间,健康or有患病风险or患病]；
S9、日常行为训练模型：
将若干用户的日常行为数据上传至云服务器，云服务器将其输入神经网络算法，进一步训练模型，得到日常模型，所述日常模型通过用户的日常行为就能判断其颈椎的健康情况，并可以对用户的不正常姿态进行提醒，一旦用户持续出现会导致颈椎病的动作，智能提醒模块即会通过声音或震动对监测对象进行实时提醒。
综上所述，与现有技术相比，本发明具备以下有益效果：
1、本发明实施例中，通过对监测对象的颈椎关键部位进行监测，采集静态和动态数据，再由医生判断监测对象的颈椎是否健康，对数据进行标注，数据与标注聚合得到静态矩阵和动态矩阵，训练模型得到静态模型和动态模型，通过两个模型，用户能够随时随地监测自己的颈椎健康情况，无需去医院挂号拍片检查，节约了大量的时间成本和经济成本，并且能够在病症早期就得到注意，便于医治康复。
2、本发明实施例中，所述装置能够实时提醒用户，以免用户持续进行对颈椎有伤害的动作，该装置还能够通过所连接的APP和云服务器将监测对象的数据上传，并由专业的医生进行诊断，出具AI和医生共同制作的诊断报告。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种监测颈椎曲度的方法，其特征在于，所述方法包括步骤如下：
S1、采集静态数据：
将监测颈椎曲度的装置佩戴在监测对象颈椎处，通过所述装置读取并计算颈椎静态数据
D＝[静态右侧面,静态左侧面,静态下截面]；
S2、采集动态数据：
监测对象佩戴装置，进行如下动作：左转头、右转头、左偏头、右偏头、抬头、低头；通过所述装置读取并计算颈椎动态数据
E＝[左转头右侧面,左转头左侧面,左转头下截面,
右转头右侧面,右转头左侧面,右转头下截面,
左偏头右侧面,左偏头左侧面,左偏头下截面,
右偏头右侧面,右偏头左侧面,右偏头下截面,
抬头右侧面,抬头左侧面,抬头下截面,
低头右侧面,低头左侧面,低头下截面]；
S3、数据标注：
对监测对象进行X光成像，由医生判断其颈椎曲度是否健康，用判断结果对静态数据和动态数据进行标注；
S4、聚合矩阵：
将静态数据和标注直接连接聚合为静态矩阵；所述静态矩阵
D’＝[静态右侧面,静态左侧面,静态下截面,健康OR患病]；
将静态数据、动态数据和标注聚合为动态矩阵；所述动态矩阵
E’＝[左转头右侧面-静态右侧面,左转头左侧面-静态左侧面,左转头下截面-静态下截面,
右转头右侧面-静态右侧面,右转头左侧面-静态左侧面,右转头下截面-静态下截面,
左偏头右侧面-静态右侧面,左偏头左侧面-静态左侧面,左偏头下截面-静态下截面,
右偏头右侧面-静态右侧面,右偏头左侧面-静态左侧面,右偏头下截面-静态下截面,
抬头右侧面-静态右侧面,抬头左侧面-静态左侧面,抬头下截面-静态下截面,
低头右侧面-静态右侧面,低头左侧面-静态左侧面,低头下截面-静态下截面,健康OR患病]；
该处符号“-”代表对应各边的差值；
S5、多组采集：
对若干不同的监测对象进行监测，重复S1～S4步骤，得到若干组静态矩阵和动态矩阵；
S6、训练模型：
将若干组静态矩阵和动态矩阵分别输入机器学习算法训练模型得到静态模型和动态模型；
S7、用户监测：
对用户进行监测，重复S1～S2步骤，并将用户的静态数据和动态数据分别输入模型，获取监测结果；监测结果判断标准为：两模型都认为患病为患病；两模型中仅一个认为患病为有患病风险；两模型都认为健康为健康。
2.如权利要求1所述的监测颈椎曲度的方法，其特征在于，所述S1中的监测颈椎曲度的装置包括：
支架，所述支架包括：第一支架A1、第二支架A2、第三支架A3、第四支架A4、第五支架A5、第六支架A6；
弯曲度传感器，所述弯曲度传感器包括：第一弯曲度传感器B1、第二弯曲度传感器B2、第三弯曲度传感器B3、第四弯曲度传感器B4、第五弯曲度传感器B5；相邻的支架通过对应的弯曲度传感器连接。
3.如权利要求2所述的监测颈椎曲度的方法，其特征在于，所述S1中，第一支架A1和第六支架A6分别紧贴监测对象的双耳根顶部，第三弯曲度传感器B3紧贴颈后突起处，第三支架A3和第四支架A4的前端分别紧贴两锁骨最末端突起处。
4.如权利要求3所述的监测颈椎曲度的方法，其特征在于，所述静态数据和动态数据中的面数据均由其对应的三边长度组成；
静态右侧面为第二支架A2、第一弯曲度传感器B1和第二弯曲度传感器B2构成的三角面，其三边分别为：
L2，
静态左侧面为第五支架A5、第四弯曲度传感器B4和第五弯曲度传感器B5构成的三角面，其三边分别为：
L5，
静态下截面为第三支架A3、第四支架A4和第三弯曲度传感器B3构成的三角面，其三边分别为：
L3，L4，
所述静态矩阵
其中，L1、L2、L3、L4、L5、L6分别为第一支架A1、第二支架A2、第三支架A3、第四支架A4、第五支架A5、第六支架A6两端点之间的直线距离，即支架两端的弯曲度传感器之间的直线距离；
b1、b2、b3、b4、b5分别为第一弯曲度传感器B1、第二弯曲度传感器B2、第三弯曲度传感器B3、第四弯曲度传感器B4、第五弯曲度传感器B5的数值；
f(x)为弯曲度传感器数值与该数值代表的角度之间的关系。
5.如权利要求1所述的监测颈椎曲度的方法，其特征在于，所述S6中，静态模型和动态模型的机器学习算法包括但不限于：线性回归、Logistic回归、支持向量机、K均值临近、随机森林、朴素贝叶斯、决策树。
6.如权利要求1所述的监测颈椎曲度的方法，其特征在于，所述S3中，医生判断监测对象的颈椎是否健康的依据包括：监测对象的静止体态和X光成像是否有明显扭曲、监测对象是否存在脖颈移动受限；所述S6中，所述机器学习算法模仿医生决策过程，对监测对象的静态矩阵和动态矩阵分别建模。
7.如权利要求1所述的监测颈椎曲度的方法，其特征在于，所述方法还包括步骤如下：
S8、日常监测：
所述S7中，用户监测得到结果后，持续测量用户的数据，获得用户的日常行为数据，并在日常行为数据尾部加盖时间戳及所述S7中监测的结果；所述日常行为数据的格式为：
[日常静态右侧面,日常静态左侧面,日常静态下截面,时间,健康or有患病风险or患病]；
S9、日常行为训练模型：
将若干用户的日常行为数据上传至云服务器，云服务器将其输入神经网络算法，进一步训练模型，得到日常模型，所述日常模型通过用户的日常行为就能判断其颈椎的健康情况，并可以对用户的不正常姿态进行提醒，一旦用户持续出现会导致颈椎病的动作，智能提醒模块即会通过声音或震动对监测对象进行实时提醒。
8.一种监测颈椎曲度的装置，其特征在于，所述装置包括：数据存储模块、算法模块、智能提醒模块和通信模块；
所述弯曲度传感器产生数据并传输至数据存储模块，算法模块从数据存储模块中提取数据并进行计算，算法模块将计算结果传输至智能提醒模块，智能提醒模块根据计算结果使用声音和/或震动对用户进行提醒；通信模块从数据存储模块中提取数据，并传输至手机APP或云服务器上，手机APP将数据传输至云服务器，云服务器使用大数据、AI技术及医生评审对现有算法进行改进，结合医生建议，生成用户颈椎监测报告，手机APP能够下载监测报告，云服务器一旦根据更多的数据训练出更合适的模型，即可对设备中的算法模块进行更新。
9.如权利要求8所述的监测颈椎曲度的装置，其特征在于，所述数据存储模块包括SD和/或EMMC；所述算法模块包括FPGA和/或AI；所述智能提醒模块包括扬声器和/或蜂鸣器和/或震动马达；所述通信模块包括wifi和/或蓝牙和/或LTE。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110853370.XA CN113520371B (zh) | 2021-07-27 | 2021-07-27 | 监测颈椎曲度的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110853370.XA CN113520371B (zh) | 2021-07-27 | 2021-07-27 | 监测颈椎曲度的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113520371A true CN113520371A (zh) | 2021-10-22 |
| CN113520371B CN113520371B (zh) | 2024-04-12 |
Family
ID=78121084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110853370.XA Active CN113520371B (zh) | 2021-07-27 | 2021-07-27 | 监测颈椎曲度的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113520371B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117257539A (zh) * | 2023-03-28 | 2023-12-22 | 杭州一真医疗器械有限公司 | 数字化颈椎牵引系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150148618A1 (en) * | 2013-09-27 | 2015-05-28 | Krzysztof Sitko | Physiological Monitor and Methods for Placement and Wear |
| CN205493832U (zh) * | 2016-02-17 | 2016-08-24 | 南京杰博电子科技有限公司 | 颈部姿态监控服装 |
| CN107126675A (zh) * | 2017-04-24 | 2017-09-05 | 广东乐源数字技术有限公司 | 一种预防颈椎病的智能可穿戴设备及应用方法 |
| WO2018147674A1 (ko) * | 2017-02-10 | 2018-08-16 | 연세대학교 산학협력단 | 의료 영상에 기반하여 상태를 진단하는 장치 및 방법 |
| CN109567822A (zh) * | 2018-10-30 | 2019-04-05 | 北京雪扬科技有限公司 | 一种用于器官患病检测的身体检测系统 |
| US20190313967A1 (en) * | 2018-04-14 | 2019-10-17 | Y. Michael Lee | System and Method for Monitoring and Treating Head, Spine and Body Health and Wellness |
| CN110840424A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种预警式诊中监测装置及方法 |
| CN210582487U (zh) * | 2018-10-15 | 2020-05-22 | 中国人民解放军第二军医大学第二附属医院 | 颈椎三维活动度智能测量仪 |
| CN111359158A (zh) * | 2020-03-24 | 2020-07-03 | 成都翡铭科技有限公司 | 颈椎康复训练系统 |
| KR20200081773A (ko) * | 2018-12-28 | 2020-07-08 | 부산대학교 산학협력단 | 휴대가 용이한 경추 상태 측정기기 |
-
2021
- 2021-07-27 CN CN202110853370.XA patent/CN113520371B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150148618A1 (en) * | 2013-09-27 | 2015-05-28 | Krzysztof Sitko | Physiological Monitor and Methods for Placement and Wear |
| CN205493832U (zh) * | 2016-02-17 | 2016-08-24 | 南京杰博电子科技有限公司 | 颈部姿态监控服装 |
| WO2018147674A1 (ko) * | 2017-02-10 | 2018-08-16 | 연세대학교 산학협력단 | 의료 영상에 기반하여 상태를 진단하는 장치 및 방법 |
| CN107126675A (zh) * | 2017-04-24 | 2017-09-05 | 广东乐源数字技术有限公司 | 一种预防颈椎病的智能可穿戴设备及应用方法 |
| US20190313967A1 (en) * | 2018-04-14 | 2019-10-17 | Y. Michael Lee | System and Method for Monitoring and Treating Head, Spine and Body Health and Wellness |
| CN210582487U (zh) * | 2018-10-15 | 2020-05-22 | 中国人民解放军第二军医大学第二附属医院 | 颈椎三维活动度智能测量仪 |
| CN109567822A (zh) * | 2018-10-30 | 2019-04-05 | 北京雪扬科技有限公司 | 一种用于器官患病检测的身体检测系统 |
| KR20200081773A (ko) * | 2018-12-28 | 2020-07-08 | 부산대학교 산학협력단 | 휴대가 용이한 경추 상태 측정기기 |
| CN110840424A (zh) * | 2019-11-20 | 2020-02-28 | 首都医科大学宣武医院 | 一种预警式诊中监测装置及方法 |
| CN111359158A (zh) * | 2020-03-24 | 2020-07-03 | 成都翡铭科技有限公司 | 颈椎康复训练系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王广欢: "精准定量颈椎康复机器人设计与实验研究", 《中国优秀硕士学位论文全文数据库》, 15 January 2019 (2019-01-15) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117257539A (zh) * | 2023-03-28 | 2023-12-22 | 杭州一真医疗器械有限公司 | 数字化颈椎牵引系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113520371B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2018076620A1 (zh) | 基于物联网的健康风险预警系统及方法 | |
| CN106999065A (zh) | 使用加速度测量术的可穿戴疼痛监测器 | |
| TW201116318A (en) | System and method for analyzing muscle performance status at swing action, and program products thereof | |
| CN109730796B (zh) | 一种全牙列咬合监测与智能分析辅助诊疗装置 | |
| US20200253578A1 (en) | Wearable respiratory behavior monitoring | |
| CN110059670B (zh) | 人体头面部、肢体活动角度及体姿非接触测量方法及设备 | |
| US20200060546A1 (en) | A System and Method for Monitoring Human Performance | |
| CN106343986B (zh) | 一种基于摄像头的动态血压非接触监测装置 | |
| CN115497123B (zh) | 感兴趣区域状态参数获取方法 | |
| CN109330581A (zh) | 一种穿戴式脉搏信息采集装置 | |
| CN113520371B (zh) | 监测颈椎曲度的方法和装置 | |
| CN108042106A (zh) | 一种提高人体体征无创检测设备检测精度的人工智能纠偏方法 | |
| CN107661105A (zh) | 一种测量脊柱形态的测量仪 | |
| CN110811638A (zh) | 一种用于监测睡眠的svm分类器构建方法、系统及方法 | |
| CN108209882A (zh) | 足部状态监控方法及装置 | |
| CN111354072B (zh) | 脊椎侧弯测量系统与方法 | |
| Dao et al. | Kinect-based non-intrusive human gait analysis and visualization | |
| CN108416331B (zh) | 脸部对称识别的方法、装置、存储介质及终端设备 | |
| KR20130036526A (ko) | 안면 영상과 엑스레이 영상을 이용한 형상진단기 | |
| WO2023135625A1 (ja) | 評価装置、評価方法、および記録媒体 | |
| TWI580404B (zh) | 肌肉張力感測方法及系統 | |
| CN209474587U (zh) | 一种疼痛评估系统 | |
| WO2019007023A1 (zh) | 一种足部状态预警方法及装置 | |
| CN111326240B (zh) | 一种基于无模型的智慧医疗分诊推荐方法 | |
| US20200375491A1 (en) | Heartbeat analyzing method and heartbeat analyzing method |
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 |