CN116864133B - 一种个性化骨科康复计划推荐系统 - Google Patents
一种个性化骨科康复计划推荐系统 Download PDFInfo
- Publication number
- CN116864133B CN116864133B CN202311132664.9A CN202311132664A CN116864133B CN 116864133 B CN116864133 B CN 116864133B CN 202311132664 A CN202311132664 A CN 202311132664A CN 116864133 B CN116864133 B CN 116864133B
- Authority
- CN
- China
- Prior art keywords
- patient
- rehabilitation
- personalized
- orthopedics
- information
- 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
- 230000000399 orthopedic effect Effects 0.000 title claims description 194
- 238000000034 method Methods 0.000 claims abstract description 106
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000013528 artificial neural network Methods 0.000 claims abstract description 29
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 34
- 230000006378 damage Effects 0.000 claims description 31
- 210000000988 bone and bone Anatomy 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 210000004197 pelvis Anatomy 0.000 claims description 7
- 238000005192 partition Methods 0.000 claims description 6
- 238000002560 therapeutic procedure Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 206010061363 Skeletal injury Diseases 0.000 claims description 4
- 210000000784 arm bone Anatomy 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 230000000306 recurrent effect Effects 0.000 claims description 4
- 210000003625 skull Anatomy 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 2
- 235000015927 pasta Nutrition 0.000 claims description 2
- 208000010392 Bone Fractures Diseases 0.000 description 10
- 206010017076 Fracture Diseases 0.000 description 10
- 208000027418 Wounds and injury Diseases 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 208000014674 injury Diseases 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 125000004122 cyclic group Chemical group 0.000 description 5
- 210000002683 foot Anatomy 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 208000006670 Multiple fractures Diseases 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 208000024779 Comminuted Fractures Diseases 0.000 description 1
- 206010053206 Fracture displacement Diseases 0.000 description 1
- 208000032456 Hemorrhagic Shock Diseases 0.000 description 1
- 206010060820 Joint injury Diseases 0.000 description 1
- 206010049771 Shock haemorrhagic Diseases 0.000 description 1
- 206010044541 Traumatic shock Diseases 0.000 description 1
- 206010048038 Wound infection Diseases 0.000 description 1
- 208000022542 ankle injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000004705 lumbosacral region Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000554 physical therapy Methods 0.000 description 1
- 101150049349 setA gene Proteins 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06N3/08—Learning methods
-
- 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
Abstract
本发明涉及计划推荐技术领域，尤其涉及一种个性化骨科康复计划推荐系统，所述系统包括信息获取模块，个性化分析模块，数据库，神经网络模块，第一推荐模块，第二推荐模块，通过对患者信息进行个性化分析，利用偏差距离准确确定患者状态参数，利用循环神经网络对患者其他信息进行个性化学习，得到患者潜在康复影响参数，进一步较较准确地为患者推荐骨科康复计划提供参数依据，通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到更为准确全面的骨科康复计划集合为所述个性化骨科康复计划推荐系统提供参考依据，进一步实现高准确率高效率地为患者推荐骨科康复计划。
Description
技术领域
本发明涉及计划推荐技术领域，尤其涉及一种个性化骨科康复计划推荐系统。
背景技术
骨科康复是指综合协调地应用各种医学措施，包括物理治疗、运动治疗及医学工程学的手段，以减少骨科病人的肢体功能障碍，使其尽快更好地恢复躯体运动功能，重返社会。然而对于普通患者而言，针对骨科康复计划并不了解，无法直接选择适合自己的骨科康复计划，医生忙于治疗没有大量时间来为大量患者进行详细推荐，故急需针对患者特点的个性化推荐系统。
对于骨科康复计划推荐的方法有很多，杨小中等人提出的“202210842229.4”“针对多发性骨折的康复计划推荐方法及装置、电子设备、存储介质”，主要包括：：获取用于表征多发性骨折的第一图像，所述第一图像为在预设的人体骨骼图像上标记多处骨折部位边界框的图像，根据所述第一图像确定并发损伤部位的位置信息，根据所述并发损伤部位的位置信息进行康复计划推荐。通过获取在预设的人体骨骼图像上标记多处骨折部位边界框的图像，然后根据该图像确定并发损伤部位的位置信息，从而能够根据并发损伤部位的位置信息进行康复计划推荐。这样，能够针对性的为多发性骨折用户推荐康复训练计划。
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：针对患者的骨科康复计划推荐准确性较差以及推荐效率较低的技术问题。
发明内容
本申请实施例通过提供一种个性化骨科康复计划推荐系统，解决了现有技术中针对患者的骨科康复计划推荐准确性较差以及推荐效率较低的技术问题，实现了较准确高效率地为患者推荐骨科康复计划的技术效果。
本申请提供了一种个性化骨科康复计划推荐系统，具体包括以下技术方案：
一种个性化骨科康复计划推荐系统，包括以下部分：
信息获取模块，个性化分析模块，数据库，神经网络模块，第一推荐模块，第二推荐模块；
所述信息获取模块，针对待推荐的患者，获取患者的信息详情；
所述个性化分析模块，针对信息获取模块获得的患者信息进行个性化分析，得到患者的状态参数以及患者潜在康复影响参数；
所述数据库，用来存储所有患者病情信息以及骨科康复治疗方法，为神经网络模块提供数据支持，同时当新的患者病情信息以及治疗方法出现时，对所述数据库进行更新；
所述神经网络模块，通过对数据库中的患者信息和治疗方法信息进行模型构建，得到骨科康复计划集合，为后续个性化推荐提供依据；在所述数据库有更新时重新运行神经网络模块，得到最新骨科康复计划集合；
所述第一推荐模块，通过个性化分析模块得到的患者状态参数，与神经网络模块得到的骨科康复计划集合进行相关匹配，对患者实现第一推荐，得到初步骨科康复计划集合；
所述第二推荐模块，通过个性化分析模块得到的患者潜在康复影响参数与所述第一推荐模块得到的初步骨科康复计划集合进行融合匹配，筛选得到较适合患者的骨科康复计划集合，并标出最适合患者的骨科康复计划，为患者提供个性化选择。
一种个性化骨科康复计划推荐方法，包括以下步骤：
S1. 对患者的信息进行采集，将采集到的患者信息进行个性化分析，得到患者的状态参数以及患者潜在康复影响参数；
S2. 通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到骨科康复计划集合，为后续个性化推荐提供依据；
S3. 将患者的状态参数与骨科康复计划集合进行相关匹配进而实现第一推荐操作处理，得到初步骨科康复计划集合，再将患者潜在康复影响参数与初步骨科康复计划集合进行融合匹配处理，最终实现个性化骨科康复计划推荐。
优选的，所述步骤S1，具体包括：
对患者进行信息采集，进而获得患者信息数据集合，对所述患者信息数据集合进行个性化分析得到患者的状态参数以及潜在康复影响参数信息，为所述个性化骨科康复计划推荐提供参数依据。
优选的，所述步骤S1，还包括：
在对患者病情信息集合进行处理时，首先，设定空间直角坐标系，以人体骨骼的盆骨中心为原点，并利用对称性将人体骨骼的各个部分在空间直角坐标系中进行坐标定义，坐标间隔由医护人员进行设定，将人体骨骼分为头骨区，颈腰椎区，手臂骨区，骨盆区，腿足部区，并对健康骨头进行样本采集，得到正常状况下的骨骼对比样本；
针对病人年龄、身高、性别对坐标进行自适应扩大缩小的调整，以得到与患者相匹配的骨骼对比样本。
优选的，在所述步骤S1，还包括：
根据患者骨骼损伤区域，划定骨骼损伤分区，调取相应分区的样本集合，将患者病情相关信息中的拍片图像作为第一图像与所述相应分区的样本集合中的样本元素进行匹配对比，通过进行个性化分析得到患者的状态参数，具体过程如下：
第一步，将第一图像与样本集合进行初步筛选，将与第一图像对应位置的样本查找出来；
第二步，根据第一图像上的坐标位置与样本图像的坐标位置进行偏差距离计算；
第三步，根据偏差距离确定损伤位置以及损伤程度，最终确定患者状态参数；
同时，利用循环神经网络技术对患者历来身体状况信息，患者家庭现状信息以及患者其他康复影响信息进行模型处理，确定患者潜在康复影响参数。
优选的，所述步骤S2，具体包括：
调用数据库中的历来患者病情信息以及骨科康复治疗方法，得到历来患者病情信息以及骨科康复治疗方法，利用神经网络模块对所述历来患者病情信息以及骨科康复治疗方法进行神经网络模型处理，确定骨科康复计划集合，为后续个性化推荐提供依据。
优选的，在所述步骤S2，还包括：
构建神经网络模型，将历来患者病情信息以及骨科康复治疗方法作为输入层的输入，将所述输入信息进行拆分得到独立的历来患者病情信息集合以及骨科康复治疗方法集合/>，并将两个集合分别进行输出；在将历来患者病情信息集合/>经过处理层和等级划分层处理；将骨科康复治疗方法集合/>经过分类层和组合层处理，最后得到骨科康复计划集合。
优选的，所述步骤S3，具体包括：
将患者的状态参数与骨科康复计划集合进行相关匹配进而实现第一推荐操作处理，得到初步骨科康复计划集合，再将患者潜在康复影响参数与初步骨科康复计划集合进行融合匹配处理，实现第二推荐操作处理，最终实现个性化骨科康复计划推荐。
优选的，在所述步骤S3，还包括：
根据患者状态参数与骨科康复计划集合/>进行相关匹配进而完成第一推荐操作处理，具体过程如下：
第一步：将患者状态参数与骨科康复计划集合/>中的固定骨科康复计划子集进行对比，将状态参数中的损伤位置参数与固定骨科康复计划子集中历史患者状态参数的损伤位置参数进行比对，确定是否有相同，若有相同，则调取固定骨科康复计划子集中的治疗方法集合作为初步骨科康复计划集合，完成第一推荐，若不相同，则进行下一步处理；
第二步，根据患者状态参数，查找骨科康复计划集合的子集骨科分类治疗方法分类集合，确定初步骨科康复计划的骨科分类治疗方法集合，作为初步骨科康复计划集合，完成第一推荐。
优选的，在所述步骤S3，还包括：
根据患者潜在康复影响参数，/>，其中，M表示患者康复影响因素的个数，集合中的任意一个元素可由/>表示，/>表示第j个患者康复影响因素，/>；与初步骨科康复计划集合进行融合匹配处理，最终实现个性化骨科康复计划推荐，具体地：
第一步，对患者潜在康复影响参数中的每个元素遍历选取对应初步骨科康复计划集合中对应骨科分类治疗方法集合，得到可选分类治疗方法集合/>；
第二步，对集合中的每个元素进行逐项权重赋值，得到治疗方法权重集合；
第三步，利用维特比算法对集合进行遍历，得到适合患者的骨科康复计划集合，并标出最适合患者的骨科康复计划，为患者提供个性化选择。
有益效果：
本申请实施例中提供的多个技术方案，至少具有如下技术效果或优点：
1、本申请通过对患者信息进行个性化分析，利用偏差距离准确确定患者状态参数，利用循环神经网络对患者其他信息进行个性化学习，得到患者潜在康复影响参数，进一步较较准确地为患者推荐骨科康复计划提供参数依据。
2、本申请通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到更为准确全面的骨科康复计划集合为所述个性化骨科康复计划推荐系统提供参考依据，进一步实现高准确率高效率地为患者推荐骨科康复计划。
3、本申请通过利用患者状态参数和潜在康复影响参数与骨科康复计划集合利用相关匹配性进行第一、第二推荐处理，分层级、多角度的对患者进行个性化推荐，实现了高准确率高效率地为患者推荐骨科康复计划。
4、本申请的技术方案能够有效解决针对患者的骨科康复计划推荐准确性较差以及推荐效率较低的技术问题，并且，上述系统或方法经过了一系列的效果调研，通过对患者信息进行个性化分析，利用偏差距离准确确定患者状态参数，利用循环神经网络对患者其他信息进行个性化学习，得到患者潜在康复影响参数，进一步较较准确地为患者推荐骨科康复计划提供参数依据；通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到更为准确全面的骨科康复计划集合为所述个性化骨科康复计划推荐系统提供参考依据，进一步实现高准确率高效率地为患者推荐骨科康复计划；通过利用患者状态参数和潜在康复影响参数与骨科康复计划集合利用相关匹配性进行第一、第二推荐处理，分层级、多角度的对患者进行个性化推荐，实现了高准确率高效率地为患者推荐骨科康复计划。
附图说明
图1为本申请所述个性化骨科康复计划推荐系统模块图；
图2为本申请所述个性化骨科康复计划推荐方法流程图。
具体实施方式
本申请实施例通过提供一种个性化骨科康复计划推荐方法，解决了现有技术中针对患者的骨科康复计划推荐准确性较差以及推荐效率较低的技术问题，总体思路如下：
首先，对患者的信息进行采集，将采集到的患者信息进行个性化分析，得到所述患者的状态参数以及患者潜在康复影响参数；然后，通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到骨科康复计划集合，为后续个性化推荐提供依据；最后，将患者的状态参数与骨科康复计划集合进行相关匹配进而实现第一推荐操作处理，得到初步骨科康复计划集合，再将患者潜在康复影响参数与初步骨科康复计划集合进行融合匹配处理，最终实现个性化骨科康复计划推荐。通过对患者信息进行个性化分析，利用偏差距离准确确定患者状态参数，利用循环神经网络对患者其他信息进行个性化学习，得到患者潜在康复影响参数，进一步较较准确地为患者推荐骨科康复计划提供参数依据；通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到更为准确全面的骨科康复计划集合为所述个性化骨科康复计划推荐系统提供参考依据，进一步实现高准确率高效率地为患者推荐骨科康复计划。
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。
参照附图1，本申请所述的一种个性化骨科康复计划推荐系统包括以下部分：
信息获取模块，个性化分析模块，数据库，神经网络模块，第一推荐模块，第二推荐模块；
所述信息获取模块，针对待推荐的患者，获取所述患者的信息详情；
所述个性化分析模块，针对信息获取模块获得的患者信息进行个性化分析，得到所述患者的状态参数以及患者潜在康复影响参数；
所述数据库，用来存储所有患者病情信息以及骨科康复治疗方法，为神经网络模块提供数据支持，同时当新的患者病情信息以及治疗方法出现时，对所述数据库进行更新；
所述神经网络模块，通过对数据库中的患者信息和治疗方法信息进行模型构建，得到骨科康复计划集合，为后续个性化推荐提供依据，特别地，在所述数据库有更新时重新运行神经网络模块，得到最新骨科康复计划集合；
所述第一推荐模块，通过个性化分析模块得到的患者状态参数，与神经网络模块得到的骨科康复计划集合进行相关匹配，得到对患者实现第一推荐，得到初步骨科康复计划集合；
所述第二推荐模块，通过个性化分析模块得到的患者潜在康复影响参数与所述第一推荐模块得到的初步骨科康复计划集合进行融合匹配，筛选得到较适合患者的骨科康复计划集合，并标出最适合患者的骨科康复计划，为患者提供个性化选择；
参照附图2，本申请所述一种个性化骨科康复计划推荐方法包括以下步骤：
S1. 对患者的信息进行采集，将采集到的患者信息进行个性化分析，得到所述患者的状态参数以及患者潜在康复影响参数；
对患者进行信息采集，进而获得患者信息数据集合，所述患者信息数据包含患者病情相关信息，患者历来身体状况信息，患者家庭现状信息以及患者其他康复影响信息，/>，其中，/>表示患者病情相关信息集合；/>表示患者历来身体状况信息集合；/>表示患者家庭现状信息集合；表示患者其他康复影响信息集合；对所述患者信息数据集合进行个性化分析得到患者的状态参数以及潜在康复影响参数信息，为所述个性化骨科康复计划推荐提供参数依据；
特别地，在对患者病情信息集合进行处理时，首先，设定空间直角坐标系，以人体骨骼的盆骨中心为原点，并利用对称性将人体骨骼的各个部分在空间直角坐标系中进行坐标定义，坐标间隔由医护人员进行设定，将人体骨骼分为头骨区，颈腰椎区，手臂骨区，骨盆区，腿足部区，并对健康骨头进行样本采集，得到正常状况下的骨骼对比样本，为患者状态分析提供对比依据，特别地，针对病人年龄、身高、性别对坐标进行自适应扩大缩小的调整，以得到与患者相匹配的骨骼对比样本，，/>表示头骨区样本集合；/>表示颈腰椎区样本集合；/>表示手臂骨区样本集合，/>表示骨盆区样本集合；/>表示腿足部区样本集合；
进一步，针对采集到的患者病情信息集合，所述患者病情信息集合，包含受伤部位，拍片图像，患者年龄，性别，身高以及其他相关信息，针对受伤部门可快速选取对比样本，作为一个具体实施例，某个患者脚踝受伤，则直接调取腿足部区样本集合/>，将拍片图像作为第一图像与腿足部区样本集合中的样本元素进行匹配对比，通过进行个性化分析得到患者的状态参数，具体过程如下：
第一步，将第一图像与样本集合进行初步筛选，将与第一图像对应位置的样本查找出来；
第二步，根据第一图像上的坐标位置与样本图像的坐标位置进行偏差距离计算，所述偏差距离，包含偏移方向、偏移大小；计算过程如下：
第一图像坐标点集合，/>，其中，N表示坐标点个数，集合/>中的任意一个元素可由/>表示，/>表示所述第一图像坐标点集合的第i点的坐标，/>，样本坐标点集合/>，/>，集合/>中的任意一个元素可由/>表示，/>表示所述样本坐标点集合的第i点的坐标；偏差距离集合/>中任意一个元素可由/>表示，/>表示第i个坐标点的偏差距离，具体计算公式如下：
，
，
，
，
其中，表示偏移数值大小；表示偏移的方向，根据所在空间直角坐标系的象限，进一步确定当偏移方向为“＋”和“-”时具体表示的向内偏移还是向外偏移；
最终，得到偏差距离集合；
第三步，根据偏差距离确定损伤位置以及损伤程度，最终确定患者状态参数；
进一步，根据偏差距离集合，设定阈值/>，将集合中的任意元素与阈值/>进行比较，将大于阈值的元素坐标确定为损伤位置/>，根据损伤位置的偏差距离的数值大小以及方向来确定损伤程度/>，进而确定患者状态参数/>；
特别地，阈值由相关人员设定，在设定时考虑到机器所得图像的引起的误差；
特别地，患者状态参数的取值有可能为单个元素即单处损伤，亦有可能为集合，即多出损伤；
对患者历来身体状况信息集合、患者家庭现状信息集合/>、患者其他康复影响信息集合/>利用循环神经网络进行个性化学习，得到所述患者的潜在康复影响参数/>；
本申请通过对患者信息进行个性化分析，利用偏差距离准确确定患者状态参数，利用循环神经网络对患者其他信息进行个性化学习，得到患者潜在康复影响参数，进一步较较准确地为患者推荐骨科康复计划提供参数依据。
S2. 通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到骨科康复计划集合，为后续个性化推荐提供依据；
调用数据库中的历来患者病情信息以及骨科康复治疗方法，得到历来患者病情信息以及骨科康复治疗方法，对所述集合进行神经网络模型处理，确定骨科康复计划集合，具体如下：
输入层：
将历来患者病情信息以及骨科康复治疗方法作为输入层的输入，将所述输入信息进行拆分得到独立的历来患者病情信息集合以及骨科康复治疗方法集合/>，并将两个集合分别进行输出；
处理层：
将输入层输出的历来患者病情信息集合作为处理层输入，对所述集合按照步骤S1中的患者状态参数计算方法进行处理，得到历来患者病情状态参数集合/>，并将所述历来患者病情状态参数集合作为处理层的输出；
等级划分层：
将处理层的输出历来患者病情状态参数集合作为等级划分层的输入，针对所述集合中的位置子集以及损伤程度子集进行等级划分；
特别地，损伤位置等级划分以及损伤程度等级划分均由专业医学专家参照历来患者状态参数对应的损伤以及当下医学技术水平进行商讨确定；
在等级划分标准下，对历来患者病情状态参数集合进行划分，进一步确定历来患者的状态参数对应的损伤等级（位置、程度），并将损伤等级作为等级划分层的输出；
针对损伤位置所述等级划分具体为Ⅰ型、Ⅱ型、Ⅲ型，针对损伤程度所述等级划分具体为一级、二级、三级；
所述Ⅰ型表示危险系数较高的骨骼部位；所述Ⅱ型表示中等危险的骨骼部位；所述Ⅲ型表示低危险的骨骼部分；
所述一级骨折损伤程度通常较轻，仅有骨皮质的损伤，如青枝骨折、裂纹骨折等，伴有周围软组织的受损，且未出现明显骨骼结构的改变；所述二级骨折即中度骨折，会出现肢体骨折，如长斜形、短斜形、粉碎性骨折等，可能会发生骨折移位现象，但是没有内脏受损情况；所述三级骨折则较为严重，在出现骨骼结构改变的同时，还可能有周围软组织或内脏的损伤，容易造成伤口感染、创伤性休克、失血性休克等并发症。
分类层；
将输入层的骨科康复治疗方法集合输出作为分类层的输入，从治疗等级（根据损伤等级而来），治疗周期，治疗强度，治疗费用，治疗辅助等角度对骨科康复治疗方法集合/>进行分类处理，得到治疗方法分类集合/>；
组合层：
将分类层的输出治疗方法分类集合以及历来患者病情状态参数集合作为组合层的输入，根据历来患者状态参数选取的治疗方法，得到固定康复计划集合，并将此集合输出；
综上得到骨科康复计划集合，所述骨科康复计划包含固定康复计划集合以及治疗方法分类集合；
所述固定骨科康复计划集合包含针对不同损伤等级对应的不同康复治疗方法组合的康复治疗计划；
特别地，在遇到新类型患者以及出现治疗新技术时对所述数据库有更新，同时重新运行神经网络模块，得到最新骨科康复计划集合；
本申请通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到更为准确全面的骨科康复计划集合为所述个性化骨科康复计划推荐系统提供参考依据，进一步实现高准确率高效率地为患者推荐骨科康复计划。
S3. 将患者的状态参数与骨科康复计划集合进行相关匹配进而实现第一推荐操作处理，得到初步骨科康复计划集合，再将患者潜在康复影响参数与初步骨科康复计划集合进行融合匹配处理，最终实现个性化骨科康复计划推荐。
进一步，利用患者状态参数与骨科康复计划集合进行相关匹配进而实现第一推荐操作处理，得到初步骨科康复计划集合，具体地：
根据步骤S1获得的患者状态参数与骨科康复计划集合/>进行相关匹配进而完成第一推荐操作处理，具体过程如下：
第一步：将患者状态参数与骨科康复计划集合/>中的固定骨科康复计划子集进行对比，将状态参数中的损伤位置参数与固定骨科康复计划子集中历史患者状态参数的损伤位置参数进行比对，确定是否有相同，若有相同，则调取固定骨科康复计划子集中的治疗方法集合作为初步骨科康复计划集合，完成第一推荐，若不相同，则进行下一步处理；
第二步，根据患者状态参数，查找骨科康复计划集合的子集骨科分类治疗方法分类集合，确定初步骨科康复计划的骨科分类治疗方法集合，作为初步骨科康复计划集合，完成第一推荐；
进一步，利用患者潜在康复影响参数与初步骨科康复计划集合进行融合匹配处理，最终实现个性化骨科康复计划推荐，具体地：
根据患者潜在康复影响参数，所述患者潜在康复影响参数包含患者健康状况影响因素，患者财政状况影响因素，患者其他康复影响因素；/>，其中，M表示患者康复影响因素的个数，集合中的任意一个元素可由/>表示，/>表示第j个患者康复影响因素，/>；
第一步，对患者潜在康复影响参数中的每个元素遍历选取对应初步骨科康复计划集合中对应骨科分类治疗方法集合，得到可选分类治疗方法集合/>；，其中，M表示潜在影响因素对应的治疗方法类别个数，集合/>中的任意一个元素可由/>表示，/>表示第j个患者康复影响参数下可选的治疗方法子集，；
第二步，对集合中的每个元素进行逐项权重赋值，得到治疗方法权重集合；
特别地，在进行权重赋值时，参考在对患者进行信息获取时，针对患者对各项康复影响参数设定的调查问卷的填写进行获取，所述调查问卷为针对各项康复影响参数的常规得分调查问卷；
第三步，利用维特比算法对集合进行遍历，得到适合患者的骨科康复计划集合，并标出最适合患者的骨科康复计划，为患者提供个性化选择；
本申请通过利用患者状态参数和潜在康复影响参数与骨科康复计划集合利用相关匹配性进行第一、第二推荐处理，分层级、多角度的对患者进行个性化推荐，实现了高准确率高效率地为患者推荐骨科康复计划。
综上所述，便完成了本申请所述的一种个性化骨科康复计划推荐系统。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：
1、本申请通过对患者信息进行个性化分析，利用偏差距离准确确定患者状态参数，利用循环神经网络对患者其他信息进行个性化学习，得到患者潜在康复影响参数，进一步较较准确地为患者推荐骨科康复计划提供参数依据。
2、本申请通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到更为准确全面的骨科康复计划集合为所述个性化骨科康复计划推荐系统提供参考依据，进一步实现高准确率高效率地为患者推荐骨科康复计划。
3、本申请通过利用患者状态参数和潜在康复影响参数与骨科康复计划集合利用相关匹配性进行第一、第二推荐处理，分层级、多角度的对患者进行个性化推荐，实现了高准确率高效率地为患者推荐骨科康复计划。
效果调研：
本申请的技术方案能够有效解决针对患者的骨科康复计划推荐准确性较差以及推荐效率较低的技术问题，并且，上述系统或方法经过了一系列的效果调研，通过对患者信息进行个性化分析，利用偏差距离准确确定患者状态参数，利用循环神经网络对患者其他信息进行个性化学习，得到患者潜在康复影响参数，进一步较较准确地为患者推荐骨科康复计划提供参数依据；通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到更为准确全面的骨科康复计划集合为所述个性化骨科康复计划推荐系统提供参考依据，进一步实现高准确率高效率地为患者推荐骨科康复计划；通过利用患者状态参数和潜在康复影响参数与骨科康复计划集合利用相关匹配性进行第一、第二推荐处理，分层级、多角度的对患者进行个性化推荐，实现了高准确率高效率地为患者推荐骨科康复计划。
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装置。
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，则可对这些实施例作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 (6)
1.一种个性化骨科康复计划推荐方法，其特征在于，包括以下步骤：
S1. 对患者的信息进行采集，将采集到的患者信息进行个性化分析，得到患者的状态参数以及患者潜在康复影响参数；具体表现为：根据患者骨骼损伤区域，划定骨骼损伤分区，调取相应分区的样本集合，将患者病情相关信息中的拍片图像作为第一图像与所述相应分区的样本集合中的样本元素进行匹配对比，通过进行个性化分析得到患者的状态参数，具体过程如下：
第一步，将第一图像与样本集合进行初步筛选，将与第一图像对应位置的样本查找出来；
第二步，根据第一图像上的坐标位置与样本图像的坐标位置进行偏差距离计算；
第三步，根据偏差距离确定损伤位置以及损伤程度，最终确定患者状态参数；
同时，利用循环神经网络技术对患者历来身体状况信息，患者家庭现状信息以及患者其他康复影响信息进行模型处理，确定患者潜在康复影响参数；
S2. 通过构建神经网络模型对历来患者病情信息以及骨科康复治疗方法进行训练学习，得到骨科康复计划集合，为后续个性化推荐提供依据；
S3. 将患者状态参数与骨科康复计划集合/>进行相关匹配进而完成第一推荐操作处理，具体过程如下：
第一步：将患者状态参数与骨科康复计划集合/>中的固定骨科康复计划子集进行对比，将状态参数中的损伤位置参数与固定骨科康复计划子集中历史患者状态参数的损伤位置参数进行比对，确定是否有相同，若有相同，则调取固定骨科康复计划子集中的治疗方法集合作为初步骨科康复计划集合，完成第一推荐，若不相同，则进行下一步处理；
第二步，根据患者状态参数，查找骨科康复计划集合的子集骨科分类治疗方法分类集合，确定初步骨科康复计划的骨科分类治疗方法集合，作为初步骨科康复计划集合，完成第一推荐；
再将患者潜在康复影响参数与初步骨科康复计划集合进行融合匹配处理，实现第二推荐操作处理，具体地：根据患者潜在康复影响参数，/>，其中，M表示患者康复影响因素的个数，集合中的任意一个元素由/>表示，/>表示第j个患者康复影响因素，/>；
第一步，对患者潜在康复影响参数中的每个元素遍历选取对应初步骨科康复计划集合中对应骨科分类治疗方法集合，得到可选分类治疗方法集合/>；
第二步，对集合中的每个元素进行逐项权重赋值，得到治疗方法权重集合/>；
第三步，利用维特比算法对集合进行遍历，得到适合患者的骨科康复计划集合，并标出最适合患者的骨科康复计划，为患者提供个性化选择。
2.根据权利要求1所述的一种个性化骨科康复计划推荐方法，其特征在于，所述步骤S1，具体包括：
对患者进行信息采集，进而获得患者信息数据集合，对所述患者信息数据集合进行个性化分析得到患者的状态参数以及潜在康复影响参数信息，为所述个性化骨科康复计划推荐提供参数依据。
3.根据权利要求2所述的一种个性化骨科康复计划推荐方法，其特征在于，所述步骤S1，还包括：
在对患者病情信息集合进行处理时，首先，设定空间直角坐标系，以人体骨骼的盆骨中心为原点，并利用对称性将人体骨骼的各个部分在空间直角坐标系中进行坐标定义，坐标间隔由医护人员进行设定，将人体骨骼分为头骨区，颈腰椎区，手臂骨区，骨盆区，腿足部区，并对健康骨头进行样本采集，得到正常状况下的骨骼对比样本；
针对病人年龄、身高、性别对坐标进行自适应扩大缩小的调整，以得到与患者相匹配的骨骼对比样本。
4.根据权利要求1所述的一种个性化骨科康复计划推荐方法，其特征在于，所述步骤S2，具体包括：
调用数据库中的历来患者病情信息以及骨科康复治疗方法，得到历来患者病情信息以及骨科康复治疗方法，利用神经网络模块对所述历来患者病情信息以及骨科康复治疗方法进行神经网络模型处理，确定骨科康复计划集合，为后续个性化推荐提供依据。
5.根据权利要求4所述的一种个性化骨科康复计划推荐方法，其特征在于，在所述步骤S2，还包括：
构建神经网络模型，将历来患者病情信息以及骨科康复治疗方法作为输入层的输入，将所述输入信息进行拆分得到独立的历来患者病情信息集合以及骨科康复治疗方法集合/>，并将两个集合分别进行输出；在将历来患者病情信息集合/>经过处理层和等级划分层处理；将骨科康复治疗方法集合/>经过分类层和组合层处理，最后得到骨科康复计划集合。
6.一种个性化骨科康复计划推荐系统，应用于权利要求1所述的一种个性化骨科康复计划推荐方法，其特征在于，包括以下部分：
信息获取模块，个性化分析模块，数据库，神经网络模块，第一推荐模块，第二推荐模块；
所述信息获取模块，针对待推荐的患者，获取患者的信息详情；
所述个性化分析模块，针对信息获取模块获得的患者信息进行个性化分析，得到患者的状态参数以及患者潜在康复影响参数；
所述数据库，用来存储所有患者病情信息以及骨科康复治疗方法，为神经网络模块提供数据支持，同时当新的患者病情信息以及治疗方法出现时，对所述数据库进行更新；
所述神经网络模块，通过对数据库中的患者信息和治疗方法信息进行模型构建，得到骨科康复计划集合，为后续个性化推荐提供依据；在所述数据库有更新时重新运行神经网络模块，得到最新骨科康复计划集合；
所述第一推荐模块，通过个性化分析模块得到的患者状态参数，与神经网络模块得到的骨科康复计划集合进行相关匹配，对患者实现第一推荐，得到初步骨科康复计划集合；
所述第二推荐模块，通过个性化分析模块得到的患者潜在康复影响参数与所述第一推荐模块得到的初步骨科康复计划集合进行融合匹配，筛选得到较适合患者的骨科康复计划集合，并标出最适合患者的骨科康复计划，为患者提供个性化选择。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311132664.9A CN116864133B (zh) | 2023-09-05 | 2023-09-05 | 一种个性化骨科康复计划推荐系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311132664.9A CN116864133B (zh) | 2023-09-05 | 2023-09-05 | 一种个性化骨科康复计划推荐系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116864133A CN116864133A (zh) | 2023-10-10 |
| CN116864133B true CN116864133B (zh) | 2023-11-24 |
Family
ID=88234503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311132664.9A Active CN116864133B (zh) | 2023-09-05 | 2023-09-05 | 一种个性化骨科康复计划推荐系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116864133B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110970109A (zh) * | 2019-11-14 | 2020-04-07 | 厦门中翎易优创科技有限公司 | 一种基于深度学习的骨科术后康复方案推荐方法 |
| CN112043408A (zh) * | 2020-09-30 | 2020-12-08 | 苏州市立医院 | 一种提高骨科术后康复速度的方法和装置 |
| CN113921132A (zh) * | 2021-10-14 | 2022-01-11 | 南通市第二人民医院 | 一种骨科手术的术后指导方法及系统 |
| CN114512235A (zh) * | 2022-02-22 | 2022-05-17 | 王飞 | 一种骨折创伤信息处理方法及系统 |
| CN115050453A (zh) * | 2022-07-18 | 2022-09-13 | 四川大学华西医院 | 针对多发性骨折的康复计划推荐方法及装置、电子设备、存储介质 |
| CN115691757A (zh) * | 2022-11-10 | 2023-02-03 | 湖南省肿瘤医院 | 一种基于康复训练内容的个性化推送方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11107591B1 (en) * | 2020-04-23 | 2021-08-31 | Rom Technologies, Inc. | Method and system for describing and recommending optimal treatment plans in adaptive telemedical or other contexts |
-
2023
- 2023-09-05 CN CN202311132664.9A patent/CN116864133B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110970109A (zh) * | 2019-11-14 | 2020-04-07 | 厦门中翎易优创科技有限公司 | 一种基于深度学习的骨科术后康复方案推荐方法 |
| CN112043408A (zh) * | 2020-09-30 | 2020-12-08 | 苏州市立医院 | 一种提高骨科术后康复速度的方法和装置 |
| CN113921132A (zh) * | 2021-10-14 | 2022-01-11 | 南通市第二人民医院 | 一种骨科手术的术后指导方法及系统 |
| CN114512235A (zh) * | 2022-02-22 | 2022-05-17 | 王飞 | 一种骨折创伤信息处理方法及系统 |
| CN115050453A (zh) * | 2022-07-18 | 2022-09-13 | 四川大学华西医院 | 针对多发性骨折的康复计划推荐方法及装置、电子设备、存储介质 |
| CN115691757A (zh) * | 2022-11-10 | 2023-02-03 | 湖南省肿瘤医院 | 一种基于康复训练内容的个性化推送方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116864133A (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8685093B2 (en) | Methods and systems for diagnosing, treating, or tracking spinal disorders | |
| US10973590B2 (en) | Artificial intelligence intra-operative surgical guidance system and method of use | |
| US11657087B2 (en) | Surgical video retrieval based on preoperative images | |
| Sarkalkan et al. | Statistical shape and appearance models of bones | |
| US20100191071A1 (en) | Methods and Systems for Diagnosing, Treating, or Tracking Spinal Disorders | |
| US20100191100A1 (en) | Methods and systems for diagnosing, treating, or tracking spinal disorders | |
| WO2018109556A1 (en) | Systems and methods for patient-specific spinal implants | |
| US20210174503A1 (en) | Method, system and storage medium with a program for the automatic analysis of medical image data | |
| CN107669273A (zh) | 磁共振设备扫描系统、扫描方法及计算机可读存储介质 | |
| CN111341450B (zh) | 一种基于人工智能的脊柱畸形矫形预测方法、装置及终端 | |
| CN112184617A (zh) | 一种基于深度学习的脊椎mri影像关键点检测方法 | |
| CN109124836A (zh) | 髋臼骨缺损处理方式的确定方法及装置 | |
| CN108309334A (zh) | 一种脊柱x线影像的数据处理方法 | |
| US11883219B2 (en) | Artificial intelligence intra-operative surgical guidance system and method of use | |
| US20220361807A1 (en) | Assessment of spinal column integrity | |
| JP6925334B2 (ja) | 画像処理方法 | |
| CN114145761A (zh) | 一种氟骨症医学影像学检测系统及其使用方法 | |
| CN116864133B (zh) | 一种个性化骨科康复计划推荐系统 | |
| Yu et al. | Classifying cervical spondylosis based on fuzzy calculation | |
| CN115410707A (zh) | 一种膝关节骨性关节炎的远程诊疗及康复系统 | |
| Derrick et al. | The Computer-Assisted Decedent Identification Method of Computer-Assisted Radiographic Identification | |
| Nelson et al. | Associations Between Baseline and Longitudinal Semiautomated Quantitative Joint Space Width at the Hip and Incident Hip Osteoarthritis: Data From a Community‐Based Cohort | |
| KR102598233B1 (ko) | 의료 영상을 대상으로 하는 딥러닝 기반의 의료정보 제공시스템 및 방법 | |
| Dharmani et al. | Deep Learning for Knee Osteoarthritis Severity Stage Detection using X-Ray Images | |
| Ling et al. | Machine learning-based segmentation of images to diagnose the orthopedic diseases and to guide the orthopedic surgeries |
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 |