CN114187657A - 心脏模型的模拟手术指导方法、装置、设备和存储介质 - Google Patents

心脏模型的模拟手术指导方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN114187657A
CN114187657A CN202111451880.0A CN202111451880A CN114187657A CN 114187657 A CN114187657 A CN 114187657A CN 202111451880 A CN202111451880 A CN 202111451880A CN 114187657 A CN114187657 A CN 114187657A
Authority
CN
China
Prior art keywords
video
standard
rehabilitation
action
therapy
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
Application number
CN202111451880.0A
Other languages
English (en)
Inventor
骆健雄
彭凯
徐之标
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Suihai Xinfeng Medical Equipment Manufacturing Co ltd
Original Assignee
Guangzhou Suihai Xinfeng Medical Equipment Manufacturing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Suihai Xinfeng Medical Equipment Manufacturing Co ltd filed Critical Guangzhou Suihai Xinfeng Medical Equipment Manufacturing Co ltd
Priority to CN202111451880.0A priority Critical patent/CN114187657A/zh
Publication of CN114187657A publication Critical patent/CN114187657A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Computational Linguistics (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明公开的基于镜像神经元疗法的辅助系统，涉及医疗辅助领域，采用镜像神经元疗法，为患者提供康复动作的标准视频以供学习，同时采集患者在镜像神经元疗法过程中的学习动作，自动进行康复状态判断。本发明实施例还提供了相应的基于镜像神经元疗法的辅助方法、设备和存储介质，能够为镜像神经元疗法提供有效的治疗进展判断工具和客观的判断标准，可以帮助医生更准确高效地判断治疗进展，从而节约医疗资源和治疗成本。

Description

心脏模型的模拟手术指导方法、装置、设备和存储介质
技术领域
本发明涉及医疗教学辅助领域，具体涉及一种基于镜像神经元疗法的辅助系统、方法、设备和存储介质。
背景技术
缺血性脑卒中是神经内科的重点疾病之一，在急性期病变过程中，脑血管及组织缺血缺氧，往往存在大脑皮层损伤和神经细胞的凋亡、坏死，导致部分机体功能障碍，成为影响预后的重要因素之一。临床治疗多以系统康复训练计划为主，诱导病人神经元重建和连接，恢复患肢的基本功能，但传统康复训练效果有限，难以完全重建大脑神经系统功能。学者发现镜像神经元系统是信息传递通路的重要节点，病人在观察与执行某些同一动作时，大脑皮层部分功能区的神经元在动作观察时也会不同程度地激活、兴奋，镜像神经元被广泛应用于脑卒中后康复治疗中。
发明人在研究中发现，一方面，现有的镜像神经元疗法依赖于医生对病人的动作进行判断，导致现有疗法在实施过程中需要占用医生的大量时间，治疗的成本较高且容易造成医疗资源的短缺。另一方面，由于医生在判断过程中依赖于主观经验积累，对于病人同样的动作执行情况，不同的医生可能存在不同的判断结果，对治疗进展的判断缺乏客观标准，难以准确把握治疗进度。
发明内容
本发明实施例提供基于镜像神经元疗法的辅助系统、方法、设备和存储介质，能够为镜像神经元疗法提供有效的治疗进展判断工具和客观的判断标准，可以帮助医生更准确高效地判断治疗进展，从而节约医疗资源和治疗成本。
本发明第一实施例提供的一种基于镜像神经元疗法的辅助系统，包括视频播放模块、图像采集模块和判断处理模块；
所述视频播放模块，用于根据患者的康复等级，播放与所述康复等级对应的标准视频；其中，所述康复等级从低至高依次为一级、二级和三级，并且每一所述康复等级对应多个标准动作，所述标准视频为针对每一所述标准动作录制的视频；
所述图像采集模块，用于采集所述患者在观看所述标准视频时的动作录像；
所述判断处理模块，用于判断所述动作录像和所述标准视频之间的相似度；并且在所述相似度达到预设的康复阈值时，提高所述患者的康复等级；在所述相似度低于预设的提醒阈值时，向所述患者对应的医护人员发送提醒信息。
作为上述方案的改进，所述康复等级为一级所对应的标准动作包括：腕关节屈伸、腕关节外展、腕关节旋转、肘关节屈伸、肘关节外展、肘关节旋转、肩关节屈伸、肩关节外展和肩关节旋转。
作为上述方案的改进，所述康复等级为二级所对应的标准动作包括：屈肘举臂、抓握、握拳和手指对捏。
作为上述方案的改进，所述康复等级为三级所对应的标准动作包括：手持筷子、使用牙刷、夹持食物、抓放勺子、旋动门把手、翻书、拧开瓶盖、挪动座椅、撕卫生纸、开关门窗、水杯喝水、抓立方体物体、抓圆柱体物体和抓球形物体。
作为上述方案的改进，所述判断处理模块判断所述动作录像和所述标准视频之间的相似度，包括步骤：
分别确定所述动作录像和所述标准视频中各关节的相似度权重，得到对应于所述动作录像的第一权重ωi和对应于所述标准视频的第二权重ω`i；其中，i表示关节序列且i＝1,2,…,T，T表示预先描绘的人体骨架中的关节数量；
提取所述动作录像中的关键帧，得到动作关键帧，并根据帧匹配关系确定与所述标准视频中与所述动作关键帧对应的标准关键帧；
根据所述动作关键帧和所述标准关键帧之间计算所述相似度；所述相似度满足关系：
Figure BDA0003385477190000021
Figure BDA0003385477190000022
Figure BDA0003385477190000023
其中，P＝[p1,p2,…,pn]表示所述动作录像的动作序列，n为表示P的帧数的预设常数；Q＝[Q1,Q2,…,Qm]表示所述标准视频的动作序列，m为表示Q的帧数的预设常数；
Figure BDA0003385477190000031
表示所述动作关键帧的集合，
Figure BDA0003385477190000032
表示所述标准关键帧的集合，所述动作关键帧和所述标准关键帧的数量相等且均等于预设常数R。
作为上述方案的改进，确定所述动作录像中各关节的相似度权重，得到所述第一权重ωi，包括步骤：
将所述动作录像的动作序列分割为预设时间长度的N个动作片段；
计算各个所述动作片段的运动能量，对每个所述动作片段，选取运动能量最大的前H个关节，得到动作能量向量
Figure BDA0003385477190000033
H为预设常数；
统计LH中各个关节出现的次数，得到各个关节对应的比例值
Figure BDA0003385477190000034
其中si表示第i个关节在LH中出现的次数；
选取所述比例值最高的前M个关节，构建集合C，并计算所述前M个关节的所述比例值之和S，所述第一权重满足关系：
Figure BDA0003385477190000035
其中，α为预设常数。
作为上述方案的改进，所述预设时间长度为1.0秒；参数H＝7；参数α＝0.8。
本发明第二实施例提供的一种基于镜像神经元疗法的辅助方法，由如上任一项所述的基于镜像神经元疗法的辅助系统执行；包括步骤：
根据患者的康复等级，播放与所述康复等级对应的标准视频；其中，所述康复等级从低至高依次为一级、二级和三级，并且每一所述康复等级对应多个标准动作，所述标准视频为针对每一所述标准动作录制的视频；
采集所述患者在观看所述标准视频时的动作录像；
判断所述动作录像和所述标准视频之间的相似度；并且在所述相似度达到预设的康复阈值时，提高所述患者的康复等级；在所述相似度低于预设的提醒阈值时，向所述患者对应的医护人员发送提醒信息。
本发明第三实施例提供的一种基于镜像神经元疗法的辅助设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项所述的基于镜像神经元疗法的辅助方法。
本发明第四实施例提供的一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备实现如上任意一项所述的基于镜像神经元疗法的辅助方法。
本发明实施例提供的基于镜像神经元疗法的辅助系统、方法、设备和存储介质，一方面，根据患者的康复情况设置了相应的等级和标准视频，以供不同等级的患者进行动作模仿，同时采集患者的动作录像自动与标准视频进行比较并反馈给医护人员，实现了对患者康复情况的自动化初步判断，为镜像神经元疗法提供有效的治疗进展判断工具和客观的判断标准，可以帮助医生更准确高效地判断治疗进展，从而节约医疗资源和治疗成本。
附图说明
图1是本发明第一实施例提供的基于镜像神经元疗法的辅助系统的结构示意图。
图2是本发明第二实施例提供的基于镜像神经元疗法的辅助方法的流程示意图。
图3是本发明第三实施例提供的基于镜像神经元疗法的辅助设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
本发明第一实施例提供了一种基于镜像神经元疗法的辅助系统。参见图1，辅助系统10包括视频播放模块11、图像采集模块12和判断处理模块13。
所述视频播放模块，用于根据患者的康复等级，播放与所述康复等级对应的标准视频。
其中，所述康复等级从低至高依次为一级、二级和三级，并且每一所述康复等级对应多个标准动作，所述标准视频为针对每一所述标准动作录制的视频。
优选地，可以各个所述康复等级的标准动作可以按照难度依次增大、动作依次复杂化的原则而预先设定，例如：
所述康复等级为一级所对应的标准动作包括腕关节屈伸、腕关节外展、腕关节旋转、肘关节屈伸、肘关节外展、肘关节旋转、肩关节屈伸、肩关节外展和肩关节旋转等；
所述康复等级为二级所对应的标准动作包括屈肘举臂、抓握、握拳和手指对捏等；
所述康复等级为三级所对应的标准动作包括手持筷子、使用牙刷、夹持食物、抓放勺子、旋动门把手、翻书、拧开瓶盖、挪动座椅、撕卫生纸、开关门窗、水杯喝水、抓立方体物体、抓圆柱体物体和抓球形物体。
所述图像采集模块，用于采集所述患者在观看所述标准视频时的动作录像。
患者观看所述标准视频并进行动作模仿，通过所述图像采集模块采集到相应的动作录像，以作为所述辅助系统10和医护人员进行康复情况判断的判断依据。
所述判断处理模块，用于判断所述动作录像和所述标准视频之间的相似度。并且在所述相似度达到预设的康复阈值时，提高所述患者的康复等级；在所述相似度低于预设的提醒阈值时，向所述患者对应的医护人员发送提醒信息。
在实施过程中，还可以是设定患者提高康复等级所需要完成的动作个数。例如在所述康复等级为一级的情况下，有六个或更多的动作与标准动作相似度达到康复阈值，则将患者的康复等级提高为二级；在所述康复等级为二级的情况下，有四个及以上的动作与标准动作相似度达到康复阈值，则将患者的康复等级提高为三级；在所述康复等级为三级的情况下，有三个或更多的动作与标准动作相似度达到康复阈值，则将患者标记为已康复并向医护人员反馈相似度。
所述判断处理模块判断所述动作录像和所述标准视频之间的相似度，可以包括步骤S131至步骤S133。
S131、分别确定所述动作录像和所述标准视频中各关节的相似度权重，得到对应于所述动作录像的第一权重ωi和对应于所述标准视频的第二权重ω`i；其中，i表示关节序列且i＝1,2,…,T，T表示预先描绘的人体骨架中的关节数量。
确定所述动作录像中各关节的相似度权重，得到所述第一权重ωi的过程，具体可以包括步骤S131a至S131d
S131a、将所述动作录像的动作序列分割为预设时间长度的N个动作片段。优选地，预设时间长度可以为1.0秒。
S131b、计算各个所述动作片段的运动能量，对每个所述动作片段，选取运动能量最大的前H个关节，得到动作能量向量
Figure BDA0003385477190000061
H为预设常数，例如预先设置H＝7。
S131c、统计LH中各个关节出现的次数，得到各个关节对应的比例值
Figure BDA0003385477190000062
其中si表示第i个关节在LH中出现的次数。
S131d、选取所述比例值最高的前M个关节，构建集合C，并计算所述前M个关节的所述比例值之和S，所述第一权重满足关系：
Figure BDA0003385477190000063
其中，α为预设常数，例如预先设置α＝0.8。
可以理解地，也可以通过对所述标准视频实施如步骤S131a至S131d所示的过程，从而得到所述第二权重ω`i，在此不做赘述。
S132、提取所述动作录像中的关键帧，得到动作关键帧，并根据帧匹配关系确定与所述标准视频中与所述动作关键帧对应的标准关键帧。
具体地，在实施过程中可以采用如插值小波提取方法实现对关键帧的提取，也可以是采用其他现有的关键帧提取方式实现对所述动作录像中的关键帧提取，在此不做赘述。
S133、根据所述动作关键帧和所述标准关键帧之间计算所述相似度。所述相似度满足关系：
Figure BDA0003385477190000064
Figure BDA0003385477190000065
Figure BDA0003385477190000066
其中，P＝[p1,p2,…,pn]表示所述动作录像的动作序列，n为表示P的帧数的预设常数；Q＝[Q1,Q2,…,Qm]表示所述标准视频的动作序列，m为表示Q的帧数的预设常数；
Figure BDA0003385477190000067
表示所述动作关键帧的集合，
Figure BDA0003385477190000068
表示所述标准关键帧的集合，所述动作关键帧和所述标准关键帧的数量相等且均等于预设常数R。
本发明第一实施例提供的基于镜像神经元疗法的辅助系统，一方面，根据患者的康复情况设置了相应的等级和标准视频，以供不同等级的患者进行动作模仿，同时采集患者的动作录像自动与标准视频进行比较并反馈给医护人员，实现了对患者康复情况的自动化初步判断，为镜像神经元疗法提供有效的治疗进展判断工具和客观的判断标准，可以帮助医生更准确高效地判断治疗进展，从而节约医疗资源和治疗成本。
本发明第二实施例提供了一种基于镜像神经元疗法的辅助方法，由如第一实施例所述的基于镜像神经元疗法的辅助系统执行。参见图2，所述基于镜像神经元疗法的辅助方法的包括步骤S210至S230。
S210、根据患者的康复等级，播放与所述康复等级对应的标准视频。其中，所述康复等级从低至高依次为一级、二级和三级，并且每一所述康复等级对应多个标准动作，所述标准视频为针对每一所述标准动作录制的视频。
S220、采集所述患者在观看所述标准视频时的动作录像。
S230、判断所述动作录像和所述标准视频之间的相似度。并且在所述相似度达到预设的康复阈值时，提高所述患者的康复等级；在所述相似度低于预设的提醒阈值时，向所述患者对应的医护人员发送提醒信息。
所述基于镜像神经元疗法的辅助方法的工作过程如第一实施例所述的基于镜像神经元疗法的辅助系统，在此不做赘述。
本发明第二实施例提供了提供的基于镜像神经元疗法的辅助方法，一方面，根据患者的康复情况设置了相应的等级和标准视频，以供不同等级的患者进行动作模仿，同时采集患者的动作录像自动与标准视频进行比较并反馈给医护人员，实现了对患者康复情况的自动化初步判断，为镜像神经元疗法提供有效的治疗进展判断工具和客观的判断标准，可以帮助医生更准确高效地判断治疗进展，从而节约医疗资源和治疗成本。
参见图3，是本发明第三实施例提供的基于镜像神经元疗法的辅助设备30的示意图。所述基于镜像神经元疗法的辅助设备30包括：处理器31、存储器32以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如基于镜像神经元疗法的辅助程序。所述处理器执行所述计算机程序时实现上述基于镜像神经元疗法的辅助系统实施例中的步骤，例如图2所示的基于镜像神经元疗法的辅助方法的步骤。或者，所述处理器执行所述计算机程序时实现上述各系统实施例中各模块的功能，例如第一实施例所述的基于镜像神经元疗法的辅助系统的各模块的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器32中，并由所述处理器31执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述基于镜像神经元疗法的辅助终端设备中的执行过程。例如，包括视频播放模块、图像采集模块和判断处理模块；所述视频播放模块，用于根据患者的康复等级，播放与所述康复等级对应的标准视频；其中，所述康复等级从低至高依次为一级、二级和三级，并且每一所述康复等级对应多个标准动作，所述标准视频为针对每一所述标准动作录制的视频；所述图像采集模块，用于采集所述患者在观看所述标准视频时的动作录像；所述判断处理模块，用于判断所述动作录像和所述标准视频之间的相似度；并且在所述相似度达到预设的康复阈值时，提高所述患者的康复等级；在所述相似度低于预设的提醒阈值时，向所述患者对应的医护人员发送提醒信息。
所述基于镜像神经元疗法的辅助设备30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于镜像神经元疗法的辅助设备30可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是基于镜像神经元疗法的辅助设备30的示例，并不构成对基于镜像神经元疗法的辅助设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述基于镜像神经元疗法的辅助设备30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器31可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器31是所述基于镜像神经元疗法的辅助设备30的控制中心，利用各种接口和线路连接整个基于镜像神经元疗法的辅助终端设备的各个部分。
所述存储器32可用于存储所述计算机程序或模块，所述处理器31通过运行或执行存储在所述存储器内的计算机程序或模块，以及调用存储在存储器内的数据，实现所述基于镜像神经元疗法的辅助终端设备的各种功能。所述存储器32可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器32可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述基于镜像神经元疗法的辅助设备30集成的模块或单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明第三实施例提供了基于镜像神经元疗法的辅助设备和存储介质，一方面，根据患者的康复情况设置了相应的等级和标准视频，以供不同等级的患者进行动作模仿，同时采集患者的动作录像自动与标准视频进行比较并反馈给医护人员，实现了对患者康复情况的自动化初步判断，为镜像神经元疗法提供有效的治疗进展判断工具和客观的判断标准，可以帮助医生更准确高效地判断治疗进展，从而节约医疗资源和治疗成本。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于镜像神经元疗法的辅助系统，其特征在于，包括视频播放模块、图像采集模块和判断处理模块；
所述视频播放模块，用于根据患者的康复等级，播放与所述康复等级对应的标准视频；其中，所述康复等级从低至高依次为一级、二级和三级，并且每一所述康复等级对应多个标准动作，所述标准视频为针对每一所述标准动作录制的视频；
所述图像采集模块，用于采集所述患者在观看所述标准视频时的动作录像；
所述判断处理模块，用于判断所述动作录像和所述标准视频之间的相似度；并且在所述相似度达到预设的康复阈值时，提高所述患者的康复等级；在所述相似度低于预设的提醒阈值时，向所述患者对应的医护人员发送提醒信息。
2.如权利要求1所述的基于镜像神经元疗法的辅助系统，其特征在于，所述康复等级为一级所对应的标准动作包括：腕关节屈伸、腕关节外展、腕关节旋转、肘关节屈伸、肘关节外展、肘关节旋转、肩关节屈伸、肩关节外展和肩关节旋转。
3.如权利要求1所述的基于镜像神经元疗法的辅助系统，其特征在于，所述康复等级为二级所对应的标准动作包括：屈肘举臂、抓握、握拳和手指对捏。
4.如权利要求1所述的基于镜像神经元疗法的辅助系统，其特征在于，所述康复等级为三级所对应的标准动作包括：手持筷子、使用牙刷、夹持食物、抓放勺子、旋动门把手、翻书、拧开瓶盖、挪动座椅、撕卫生纸、开关门窗、水杯喝水、抓立方体物体、抓圆柱体物体和抓球形物体。
5.如权利要求1所述的基于镜像神经元疗法的辅助系统，其特征在于，所述判断处理模块判断所述动作录像和所述标准视频之间的相似度，包括步骤：
分别确定所述动作录像和所述标准视频中各关节的相似度权重，得到对应于所述动作录像的第一权重ωi和对应于所述标准视频的第二权重ω`i；其中，i表示关节序列且i＝1，2，...，T，T表示预先描绘的人体骨架中的关节数量；
提取所述动作录像中的关键帧，得到动作关键帧，并根据帧匹配关系确定与所述标准视频中与所述动作关键帧对应的标准关键帧；
根据所述动作关键帧和所述标准关键帧之间计算所述相似度；所述相似度满足关系：
Figure FDA0003385477180000021
Figure FDA0003385477180000022
Figure FDA0003385477180000023
其中，P＝[p1，p2，...，pn]表示所述动作录像的动作序列，n为表示P的帧数的预设常数；Q＝[Q1，Q2，...，Qm]表示所述标准视频的动作序列，m为表示Q的帧数的预设常数；
Figure FDA0003385477180000024
表示所述动作关键帧的集合，
Figure FDA0003385477180000025
表示所述标准关键帧的集合，所述动作关键帧和所述标准关键帧的数量相等且均等于预设常数R。
6.如权利要求5所述的基于镜像神经元疗法的辅助系统，其特征在于，确定所述动作录像中各关节的相似度权重，得到所述第一权重ωi，包括步骤：
将所述动作录像的动作序列分割为预设时间长度的N个动作片段；
计算各个所述动作片段的运动能量，对每个所述动作片段，选取运动能量最大的前H个关节，得到动作能量向量
Figure FDA0003385477180000026
H为预设常数；
统计LH中各个关节出现的次数，得到各个关节对应的比例值
Figure FDA0003385477180000027
其中si表示第i个关节在LH中出现的次数；
选取所述比例值最高的前M个关节，构建集合C，并计算所述前M个关节的所述比例值之和S，所述第一权重满足关系：
Figure FDA0003385477180000031
其中，α为预设常数。
7.如权利要求6所述的机遇镜像神经元疗法的辅助系统，其特征在于，所述预设时间长度为1.0秒；参数H＝7；参数α＝0.8。
8.一种基于镜像神经元疗法的辅助方法，其特征在于，由如权利要求1-7任一项所述的基于镜像神经元疗法的辅助系统执行；包括步骤：
根据患者的康复等级，播放与所述康复等级对应的标准视频；其中，所述康复等级从低至高依次为一级、二级和三级，并且每一所述康复等级对应多个标准动作，所述标准视频为针对每一所述标准动作录制的视频；
采集所述患者在观看所述标准视频时的动作录像；
判断所述动作录像和所述标准视频之间的相似度；并且在所述相似度达到预设的康复阈值时，提高所述患者的康复等级；在所述相似度低于预设的提醒阈值时，向所述患者对应的医护人员发送提醒信息。
9.一种基于镜像神经元疗法的辅助设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求8所述的基于镜像神经元疗法的辅助方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备实现如权利要求8所述的基于镜像神经元疗法的辅助方法。
CN202111451880.0A 2021-12-01 2021-12-01 心脏模型的模拟手术指导方法、装置、设备和存储介质 Pending CN114187657A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111451880.0A CN114187657A (zh) 2021-12-01 2021-12-01 心脏模型的模拟手术指导方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111451880.0A CN114187657A (zh) 2021-12-01 2021-12-01 心脏模型的模拟手术指导方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN114187657A true CN114187657A (zh) 2022-03-15

Family

ID=80541036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111451880.0A Pending CN114187657A (zh) 2021-12-01 2021-12-01 心脏模型的模拟手术指导方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN114187657A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109621324A (zh) * 2018-12-26 2019-04-16 嘉兴市第二医院 基于镜像神经元理论的上肢功能康复智能系统
CN110639196A (zh) * 2019-09-12 2020-01-03 广州穗海新峰医疗设备制造有限公司 基于镜像神经元和体感技术多模态的康复训练系统及方法
CN111931804A (zh) * 2020-06-18 2020-11-13 南京信息工程大学 一种基于rgbd摄像机的人体动作自动评分方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109621324A (zh) * 2018-12-26 2019-04-16 嘉兴市第二医院 基于镜像神经元理论的上肢功能康复智能系统
CN110639196A (zh) * 2019-09-12 2020-01-03 广州穗海新峰医疗设备制造有限公司 基于镜像神经元和体感技术多模态的康复训练系统及方法
CN111931804A (zh) * 2020-06-18 2020-11-13 南京信息工程大学 一种基于rgbd摄像机的人体动作自动评分方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汪成峰: "基于自适应关节权重和插值小波的体感动作评价方法研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 *

Similar Documents

Publication Publication Date Title
Kwasigroch et al. Deep CNN based decision support system for detection and assessing the stage of diabetic retinopathy
CN109741309B (zh) 一种基于深度回归网络的骨龄预测方法及装置
CN107485844B (zh) 一种肢体康复训练方法、系统及嵌入式设备
Connolly et al. The evolution and ontogeny of hand function
CN113398422B (zh) 基于运动想象-脑机接口和虚拟现实的康复训练系统及方法
CN110619322A (zh) 一种基于多流态卷积循环神经网络的多导联心电异常信号识别方法及系统
CN102592061A (zh) 基于云计算的中医数据采集诊断中间系统及其实现方法
US20210100471A1 (en) Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems
CN104091172A (zh) 一种运动想象脑电信号的特征提取方法
CN112472048B (zh) 用于心血管疾病患者脉象识别的神经网络的实现方法
CN112101424B (zh) 一种视网膜病变识别模型的生成方法、识别装置及设备
WO2021243561A1 (zh) 行为识别装置及方法
Mondini et al. EEG‐Based BCI System Using Adaptive Features Extraction and Classification Procedures
CN110327039A (zh) 基于卷积神经网络的房颤分类方法
CN111951219B (zh) 基于眼眶ct图像的甲状腺眼病筛查方法、系统及设备
CN114052744A (zh) 基于脉冲神经网络的心电信号分类方法
CN109117729A (zh) 心电图室性逸搏实时判断方法、装置、系统及存储介质
CN117694907A (zh) 一种精细动作运动想象脑电信号分类方法及装置
CN114548165A (zh) 一种可跨用户的肌电模式分类方法
CN114187657A (zh) 心脏模型的模拟手术指导方法、装置、设备和存储介质
CN112992340A (zh) 基于行为识别的疾病预警方法、装置、设备及存储介质
CN113869090A (zh) 一种跌倒风险评估方法及装置
Elbeshbeshy et al. Electromyography signal analysis and classification using time-frequency representations and deep learning
Farrell et al. Pilot comparison of surface vs. implanted EMG for multifunctional prosthesis control
CN115054903A (zh) 一种用于脑卒中患者主动康复的虚拟游戏康复系统及方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220315

RJ01 Rejection of invention patent application after publication