CN113362925B - 一种自动良肢位控制方法及设备 - Google Patents
一种自动良肢位控制方法及设备 Download PDFInfo
- Publication number
- CN113362925B CN113362925B CN202110728780.1A CN202110728780A CN113362925B CN 113362925 B CN113362925 B CN 113362925B CN 202110728780 A CN202110728780 A CN 202110728780A CN 113362925 B CN113362925 B CN 113362925B
- Authority
- CN
- China
- Prior art keywords
- good limb
- limb position
- user
- position control
- good
- 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 59
- 210000003414 extremity Anatomy 0.000 claims description 386
- 230000006870 function Effects 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 31
- 210000003141 lower extremity Anatomy 0.000 claims description 25
- 210000001364 upper extremity Anatomy 0.000 claims description 24
- 239000010410 layer Substances 0.000 claims description 21
- 210000000988 bone and bone Anatomy 0.000 claims description 20
- 238000003062 neural network model Methods 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000002356 single layer Substances 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 206010011985 Decubitus ulcer Diseases 0.000 description 9
- 206010019468 Hemiplegia Diseases 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 208000006011 Stroke Diseases 0.000 description 5
- 208000026106 cerebrovascular disease Diseases 0.000 description 4
- 230000000474 nursing effect Effects 0.000 description 4
- 206010008118 cerebral infarction Diseases 0.000 description 3
- 210000001624 hip Anatomy 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 206010002091 Anaesthesia Diseases 0.000 description 2
- 206010003497 Asphyxia Diseases 0.000 description 2
- 208000004210 Pressure Ulcer Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000037005 anaesthesia Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 210000001991 scapula Anatomy 0.000 description 2
- 230000001148 spastic effect Effects 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 206010051055 Deep vein thrombosis Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000005392 Spasm Diseases 0.000 description 1
- 208000030886 Traumatic Brain injury Diseases 0.000 description 1
- 241000469816 Varus Species 0.000 description 1
- 206010047249 Venous thrombosis Diseases 0.000 description 1
- 238000012084 abdominal surgery Methods 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002680 cardiopulmonary resuscitation Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
- 230000008673 vomiting Effects 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
- 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
- G06N3/045—Combinations of 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Invalid Beds And Related Equipment (AREA)
Abstract
本说明书实施例公开了一种自动良肢位控制方法及设备,方法包括:床垫的控制器将用户的良肢位使用请求发送至医护节点,以便于医护节点调用用户的病例信息,当医护节点确认良肢位使用请求时良肢位控制平台根据用户的病例信息和身体特征信息,确定出用户的良肢位控制方案;良肢位控制平台根据良肢位控制方案确定床垫待控制区域和控制指令,其中,控制指令包括待控制区域充气或放气操作、待控制区域充气时间或放气时间以及待控制区域充气量;良肢位控制平台将良肢位控制方案发送述床垫的控制器,以便于床垫的控制器根据控制指令控制床垫待控制区域,以便辅助用户完成良肢位控制。针对不同用户的实际情况生成定制化良肢位控制方案,实现良肢位自动控制。
Description
技术领域
本说明书涉及医疗技术领域,尤其涉及一种自动良肢位控制方法及设备。
背景技术
良肢位是为了保持肢体的良好功能而将其摆放在一种位置或保持一种姿势,是早期抗痉挛的重要措施之一。这种良肢位能够使偏瘫后的关节相对稳固,可以有效预防上肢屈肌、下肢伸肌的典型痉挛模式,同时也是预防以后出现病理性运动模式的方法之一。另外,神经系统疾病(主要包括脑血管意外、脑外伤等)患者的肢体在功能恢复过程中会出现痉挛(上肢屈肌、下肢伸肌),由于痉挛产生的异常姿势影响了患者的生活质量,所以,此类疾病患者的良肢位的摆放、保持与定期更换良肢位,对于疾病恢复非常重要的作用。
目前患者的良肢位摆放大多需要通过家属和护士帮助患者进行调整,并使用被褥、枕头等辅助固定良肢位,给家属和护士增加了额外工作量和较大的体力负荷,缺乏一种良肢位的自动控制方法。
发明内容
本说明书一个或多个实施例提供了一种自动良肢位控制方法及设备,用于解决如下技术问题:现有技术中良知位摆放固定依赖枕头等物品,缺少一种良肢位自动控制的方法。
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供一种自动良肢位控制方法,所述方法包括:床垫的控制器将用户的良肢位使用请求发送至医护节点,以便于所述医护节点调用所述用户的病例信息,其中,所述请求包括用户身份标识和身体特征信息;当所述医护节点确认所述良肢位使用请求时,良肢位控制平台根据所述用户的病例信息和所述身体特征信息,确定出所述用户的良肢位控制方案,其中,所述良肢位控制方案包括待控制区域的充气量、良肢位摆放位置以及对应所述良肢位摆放位置的时间;所述良肢位控制平台根据所述良肢位控制方案确定床垫待控制区域和控制指令,其中,所述控制指令包括所述待控制区域充气或放气操作、待控制区域充气时间或放气时间以及所述待控制区域充气量;所述良肢位控制平台将所述良肢位控制方案发送至所述床垫的控制器,以便于所述床垫的控制器根据所述控制指令控制所述床垫待控制区域,以便辅助所述用户完成良肢位控制。
进一步地,所述将所述良肢位控制方案发送至所述床垫的控制器之前,所述方法还包括:将所述床垫待控制区域设置身体放置区域与身体临近区域,以便所述床垫的控制器控制所述身体临近区域执行所述控制指令,辅助所述用户完成良肢位控制;其中所述待控制区域包括:左肩部区域、右肩部区域、左上肢区域、右上肢区域、左下肢区域以及右下肢区域,各个区域均包括一个或多个所述身体放置区域和至少一个所述身体临近区域。
进一步地,所述根据所述用户的病例信息和所述身体特征信息确定出所述用户的良肢位控制方案,具体包括:构建初始的神经网络模型,基于网络爬虫技术采集医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据,根据所述医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据,训练所述初始的神经网络模型,得到符合要求的良肢位控制模型;将所述用户的病例信息和所述身体特征信息,输入至所述符合要求的良肢位控制模型,确定出所述用户的良肢位控制方案。
进一步地,所述根据所述医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据,训练所述初始的神经网络模型,得到符合要求的良肢位控制模型,具体包括:将多组医疗机构病例信息、身体特征信息以及良肢位控制方案的数据构建数据集,并按照预先设定的比例将所述数据集划分为训练集和验证集;构建卷积神经网络模型的网络结构,其中,所述卷积神经网络的0-95层为深度卷积层,由卷积块和单层卷积层构成,所述卷积神经网络的96-126层为特征交互层;预先设置训练参数,其中训练参数包括:初始学习率、权重衰减率以及最大迭代次数,将训练集中的所述医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据输入至所述卷积神经网络模型中进行循环迭代训练;将验证集中的医疗机构病例信息、身体特征信息以及良肢位控制方案输入至良肢位控制模型中,记录所述模型训练过程中的损失函数值,根据所述损失函数值,调整神经网络模型中各神经元之间的连接权重,当所述损失函数值达到预设的损失函数阈值或训练次数达到预设的最大迭代次数时,得到符合要求的良肢位控制模型;其中,所述损失函数为交叉熵损失函数。
进一步地,所述根据所述用户的病例信息和所述身体特征信息确定出所述用户的良肢位控制方案,具体包括:根据所述用户的身体特征信息,确定出所述用户的第一良肢位控制方案,其中,所述身体特征信息包括:用户的身高以及用户的体重,所述第一良肢位控制方案包括:放置所述用户的初始位置以及待控制区域的充气量;所述根据所述用户的身体特征信息,确定出所述用户的第一良肢位控制方案,具体包括:预设身体指数与所述充气量的关系,其中身体指数为所述用户的体重与所述用户的身高平方的比值;当所述身体指数小于第一预设阈值时,所述充气量为第一充气量;当所述身体指数大于所述第一预设阈值小于第二预设阈值时,所述充气量为第二充气量;当所述身体指数大于所述第二预设阈值时,所述充气强度为第三充气量;所述第一充气量大于所述第二充气量,所述第二充气量大于所述第三充气量。
进一步地,在所述根据所述用户的身体特征信息,确定出所述用户的第一良肢位控制方案之后,所述方法还包括:根据所述用户的病例信息,确定出良肢位使用类型及对应的第二良肢位控制方案,其中,所述第二良肢位控制方案包括良肢位摆放位置以及所述良肢位摆放位置的时间,不同的所述良肢位使用类型对应不同的所述良肢位摆放位置以及所述良肢位摆放位置的时间。
进一步地,所述根据所述良肢位控制方案确定床垫待控制区域和控制指令具体包括:根据所述良肢位控制方案中的良肢位摆放位置,确定待控制区域和控制指令中的床垫充气或放气操作,其中所述良肢位摆放位置包括:仰卧位、健侧卧位以及患侧卧位;并根据所述良肢位控制方案中的位置变换时间确定所述床垫充气时间。
进一步地,所述床垫的控制器根据所述控制指令控制所述床垫待控制区域之前,所述方法还包括:所述床垫的控制器以所述床垫预设位置为原点构建坐标系,并记录所述用户第一预设部位的第一位置坐标与第二预设部位的第二位置坐标;所述辅助所述用户完成良肢位控制之后,所述方法还包括:所述床垫的控制器记录所述第一预设部位的第三位置坐标与所述第二预设部位的第四位置坐标;根据所述第一位置坐标、所述第二位置坐标、所述第三位置坐标与所述第四位置坐标判断所述用户是否正确使用良肢位,具体包括:根据所述第一位置坐标与所述第二位置坐标的差值,确定出所述用户完成良肢位之前所处的位置情况,所述位置情况用于反映所述用户完成良肢位之前身体各部位的位置;根据所述第三位置坐标与所述第四位置坐标的差值,确定出所述用户完成良肢位之后所处的位置情况,所述位置情况用于反映所述用户完成良肢位之后身体各部位的位置;根据所述用户完成良肢位之前所处的位置情况与所述用户完成良肢位之后所处的位置情况,判断所述用户是否根据所述良肢位控制方案进行移动,并且判断所述用户当前的良肢位是否处于正确的位置。
进一步地,所述床垫的控制器根据所述控制指令控制所述床垫待控制区域之前,所述良肢位控制平台根据人体关键点预测网络得到骨骼关键点在第一预设时刻处的第一位置,具体包括:采集用户在完成良肢位控制之前的图像数据,将所述图像数据输入至人体关键点预测网络,输出所述图像中各个像素点是骨骼关键点的预测概率,并组成热力图,由soft-argmax函数将所述热力图转换为所述骨骼关键点的数值坐标并输出,其中所述人体关键点预测网络基于CPN特征金字塔网络引入CBAM注意力模型得到,所述CPN特征金字塔网络包括GlobalNet模型和RefineNet模型;根据第一预设时刻的第一位置和瞬时速度得到所述骨骼关键点的预测位置,将所述第一位置和所述预测位置,通过Q=AQ1+BP+C得出所述骨骼关键点的位置轨迹;其中,所述Q为特征向量,用于表示所述骨骼关键点在第二预设时刻的状态信息,所述骨骼关键点的状态信息包括所述骨骼关键点的速度信息和所述骨骼关键点的坐标信息,所述A为状态变换矩阵,用于将所述第一预设时刻的所述骨骼关键点的状态信息关联到所述第二预设时刻的所述骨骼关键点的状态,所述第一预设时刻为所述第二预设时刻的上一时刻;根据所述骨骼关键点的位置轨迹判断用户是否正确使用良肢位。
本说明书一个或多个实施例提供一种自动良肢位控制设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:床垫的控制器将用户的良肢位使用请求发送至医护节点,以便于所述医护节点调用所述用户的病例信息,其中,所述请求包括用户身份标识和身体特征信息;当所述医护节点确认所述良肢位使用请求时,良肢位控制平台根据所述用户的病例信息和所述身体特征信息,确定出所述用户的良肢位控制方案,其中,所述良肢位控制方案包括待控制区域的充气量、良肢位摆放位置信息以及对应所述良肢位摆放位置的时间;所述良肢位控制平台根据所述良肢位控制方案确定床垫待控制区域和控制指令,其中,所述控制指令包括所述待控制区域充气或放气操作、待控制区域充气时间或放气时间以及所述待控制区域充气量;所述良肢位控制平台将所述良肢位控制方案发送至所述床垫的控制器,以便于所述床垫的控制器根据所述控制指令控制所述床垫待控制区域,以便辅助所述用户完成良肢位控制。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:根据用户的病例信息和身体特征信息确定对应的良肢位控制方案,实现了根据用户的实际情况生成用户专属的良肢位定制方案,根据良肢位控制方案确定出床垫待控制区域以及控制指令,通过床垫控制器实现待控制区域的充气或放气操作以达到帮助用户实现良肢位自动控制的技术效果。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书实施例提供的一种自动良肢位控制方法应用场景图;
图2为本说明书实施例提供的一种自动良肢位控制方法流程示意图;
图3为本说明书实施例提供的床垫待控制区域结构示意图;
图4为本说明书实施例提供的左下肢区域示意图;
图5为本说明书实施例提供的患者与床垫的位置关系图;
图6为本说明书实施例提供的一种自动良肢位控制设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本说明书保护的范围。
良肢位是为了保持肢体的良好功能而将其摆放在一种位置或保持一种姿势,是早期抗痉挛的重要措施之一,是为治疗、护理和康复的需要而设计的一种临时性体位。这种良肢位能够使偏瘫后的关节相对稳固,可以有效预防上肢屈肌、下肢伸肌的典型痉挛模式,同时也是预防以后出现病理性运动模式的方法之一。临床上,根据患者病情的不同,良肢位摆放的要求也不同。例如,手术患者在麻醉苏醒前,根据手术部位的不同需要采取不同方向的侧卧位,使得口腔内分泌物和呕吐物容易流出,防止麻醉药物引起的呕吐物返流导致窒息;例如,心肺复苏患者,应保持平卧状态,头部位置应保持后仰,以保证患者的呼吸道顺畅;例如,同样是中风患者,若该患者为有意识的中风患者,最好的姿势是坐在椅子上,若该患者是昏迷的中风患者,最好的姿势是平躺;再如,脑卒中患者通常患有不同程度的感觉障碍、肢体障碍以及认知障碍,影响患者的自理能力和生活能力,对于脑卒中患者来说,需要采取科学的良肢位摆放进行康复护理。对于脑梗死偏瘫患者而言,良肢位能改善脑梗死后患者遗留的不同程度的肢体功能障碍,可以减少个人、家庭和社会沉重负担。
本说明书实施例提供一种自动良肢位控制方法,图1为本说明书实施例提供的一种良肢位控制方法的应用场景图。如图1所示,包括良肢位控制平台1、医护节点2以及床垫的控制器3,其中,良肢位控制平台包括服务器11。患者在床垫控制器3上触发使用良肢位的操作,床垫的控制器3生成良肢位使用请求,并将良肢位使用请求发送至医护节点2处,医护节点2对患者的良肢位使用请求进行确认,并根据使用请求调用患者的病例信息,将病例信息和确认后的良肢位使用请求发送至良肢位控制平台1,服务器11生成良肢位控制方案,并根据良肢位控制方案确定床垫待控制区域和控制指令,将良肢位控制方案发送至床垫的控制器3,床垫的控制器根据控制指令控制床垫待控制区域,辅助患者完成良肢位控制。
图2为本说明书实施例提供的一种自动良肢位控制方法流程示意图,如图2所示,一种自动良肢位控制方法主要包括:
步骤S201,床垫控制器将用户的良肢位使用请求发送至医护节点,以便于医护节点调用用户的病例信息,其中,请求包括用户身份标识和身体特征信息在本说明书的一个实施例中,用户通过触发使用良肢位操作后床垫控制器生成使用请求,并将用户的良肢位使用请求发送至医护节点,其中,请求中包括用户身份标识和身体特征信息。需要说明的是,用户身份标识是指待使用良肢位的患者的身份标识,可以是身份证号,也可以是其他具有唯一性的标识,本说明书对此不作具体限定。另外,身体特征信息通过床垫的信息采集模块采集得到,身体特征信息包括患者的身高、体重、躯干长度、四肢长度、肩宽等信息。需要说明的是,不同患者的身体特征信息不同,采集身体特征信息后可以根据患者的身体特征定制良肢位使用方案,为患者带来更好的使用体验,也能进一步地获得更好的治疗效果。
在本说明书的一个实施例中,触发使用良肢位操作的用户可以是患者家属,也可以是患者的护理人员,当患者为清醒状态时,还可以是患者本人触发使用良肢位的操作。另外,用户的触发操作可以是点击床垫控制器的按钮、点击床垫控制器的触摸屏的形式,可以是语音识别的形式,方便用户的使用。
在本说明书的一个实施例中,床垫控制器将良肢位使用请求发送至医护节点后,医护节点根据良肢位使用请求中的用户身份标识调用用户的病例信息,其中需要说明的是,用户的病例信息包括既往患病史、治疗过程记录等。通过用户病例信息中的既往患病史,可以根据患者的实际情况进行良肢位使用方案调整。例如,A患者是手术患者,需要进行左侧侧卧和右侧侧卧,但是A患者的既往病史中显示半年前左侧下肢曾做过手术,应避免重压,因此对于A患者来说,良肢位使用方法是采取右侧侧卧,以防止误吸术后呕吐物导致窒息。
步骤S202,当医护节点确认良肢位使用请求时,良肢位控制平台根据用户的病例信息和身体特征信息确定出用户的良肢位控制方案,其中,良肢位控制方案包括待控制区域的充气量、良肢位摆放位置信息以及对应良肢位摆放位置的时间。
在本说明书的一个实施例中,医护节点接收到用户的良肢位使用请求后,对用户的良肢位使用请求进行确认,良肢位控制平台基于医护节点对用户使用请求的确认根据用户的病例信息和身体特征信息确定出用户的良肢位控制方案。需要说明的是,医护节点可以根据用户的实际情况,判断现阶段用户是否适合使用良肢位,若判定用户适合使用良肢位时,对用户的良肢位使用请求进行确认。
在本说明书的一个实施例中,良肢位控制平台可以根据用户的病例信息和身体特征信息确定出用的良肢位控制方案,控制方案中包括良肢位摆放位置,需要说明的是,良肢位摆放位置包括仰卧位和侧卧位,侧卧位还包括健侧卧位和患侧卧位,其中患侧卧位可以是用户身体无知觉的一侧,也可以指手术后手术部位一侧。接下来,以脑梗死偏瘫患者为例,对良肢位摆放位置的标准进行说明,首先是仰卧位的标准摆放。将患者的头部垫薄枕,患侧肩胛和上肢垫长枕,上臂旋后外展20°~40°,肘、腕均伸直,手指伸展,掌心向上,髋下、臀部、大腿外侧放垫枕,膝下稍垫起,足尖向上。其次是患侧卧位的标准摆放位置,保持患侧在下,健侧在上,头部垫枕,背后垫枕,患臂外展前伸旋后,患肩向前伸展,前臂旋后,上肢和躯干呈90°,肘与腕均伸直,掌心向上,患侧下肢轻度屈曲位放在床上,健腿屈髋屈膝向前放于长枕上,健侧上肢放松,放在胸前的枕上或躯干上。最后是健侧卧位的标准摆放位置,保持健侧在下,患侧在上的摆放方式,头部垫枕,患侧上肢伸展位置于枕上,使患侧肩胛骨向前向外伸90°~100°,前臂旋前,手指伸展,掌心向下,患侧下肢取轻度屈曲位,放于长枕上,患侧踝关节不能内翻悬在枕头边缘,防止足内翻下垂。
在本说明书的一个实施例中,良肢位控制方案还包括待控制区域的充气量以及对应良肢位摆放位置的时间。根据不用患者的身体情况确定不同的充气量,已增强用户使用良肢位时的舒适感,避免因充气量过大挤压患者肢体而产生的二次损伤。另外,控制方案中还包括对应良肢位的摆放时间,由于大部分使用良肢位的患者是偏瘫患者或活动不便的患者,无法正常活动,根据患者的实际情况设置每种良肢位摆放时间可以避免患者长时间保持一种姿势而产生褥疮以及深静脉血栓等并发症的发生。
具体地,步骤S202具体包括:根据用户的病例信息和身体特征信息确定出用户的良肢位控制方案,具体包括:构建初始的神经网络模型,基于网络爬虫技术采集医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据,根据医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据训练初始的神经网络模型,得到符合要求的良肢位控制模型;将用户的病例信息和身体特征信息输入至符合要求的良肢位控制模型,确定出用户的良肢位控制方案。根据医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据,训练初始的神经网络模型,得到符合要求的良肢位控制模型,具体包括:将多组医疗机构病例信息、身体特征信息以及良肢位控制方案的数据构建数据集,并按照预先设定的比例将数据集划分为训练集和验证集;构建卷积神经网络模型的网络结构,其中,卷积神经网络的0-95层为深度卷积层,由卷积块和单层卷积层构成,卷积神经网络的96-126层为特征交互层;预先设置训练参数,其中训练参数包括:初始学习率、权重衰减率以及最大迭代次数,将训练集中的医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据输入至卷积神经网络模型中进行循环迭代训练;将验证集中的医疗机构病例信息、身体特征信息以及良肢位控制方案输入至良肢位控制模型中,记录模型训练过程中的损失函数值,根据损失函数值,调整神经网络模型中各神经元之间的连接权重,当损失函数值达到预设的损失函数阈值或训练次数达到预设的最大迭代次数时,得到符合要求的良肢位控制模型;其中,损失函数为交叉熵损失函数。
在本说明书的一个实施例中,通过良肢位控制模型得到用户的良肢位控制方案。首先,构建初始的神经网络模型,初始的神经网络模型可以为卷积神经网络结构,其中,卷积神经网络的0-95层为深度卷积层,由卷积块和单层卷积层构成,96-126层为特征交互层。之后,基于网络爬虫技术采集医疗机构病例信息、用户的身体特征信息与良肢位控制方案相关的数据,需要说明的是,网络爬虫技术是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本,被广泛用于互联网搜索引擎或其他类似网站,可以自动采集所有其能够访问到的页面内容,以获取或更新这些网站的内容和检索方式。将采集到的多组医疗机构病例信息、多组身体特征信息以及良肢位控制方案的数据进行数据处理,并将处理后的数据构建数据集,按照7:3的比例将数据集划分为训练集和验证集。其中,需要说明的是,比例为预先设定的随机比例。
在本说明书的一个实施例中,可以通过如下方式对初始的的神经网络模型进行训练:预先设置训练参数,其中训练参数包括:初始学习率、权重衰减率以及最大迭代次数,将训练集中的医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据输入至卷积神经网络模型中进行循环迭代训练,将验证集中的医疗机构病例信息、身体特征信息以及良肢位控制方案输入至良肢位控制模型中,记录模型训练过程中的损失函数值,损失函数为交叉熵损失函数。根据损失函数值,调整神经网络模型中各神经元之间的连接权重,当损失函数值达到预设的损失函数阈值或训练次数达到预设的最大迭代次数时,得到符合要求的良肢位控制模型。
在本说明书的一个实施例中,还可以通过如下方式对初始的的神经网络模型进行训练:将训练集中的医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据输入至预先构建的卷积神经网络模型中,得到多个良肢位控制模型,并将验证集中的医疗机构病例信息、身体特征信息输入至多个良肢位控制模型中,计算得到每个良肢位控制模型对应的良肢位控制方案数据,对比每个良肢位控制模型得到的良肢位控制方案与验证集中的良肢位控制方案的差异,在对比良肢位控制方案差异的过程中,可以为良肢位控制方案的待控制区域的充气量、良肢位摆放位置信息以及对应良肢位摆放位置的时间按照优先权设置不同的权重值,例如,良肢位摆放位置所占的权重最大、良肢位摆放位置的时间权重最小,本发明对比不做具体限定。根据对比的结果,选择差异最小的良肢位控制模型为符合要求的良肢位控制模型。需要说明的是,本说明书对模型训练方法不作具体限定。
在本说明书的一个实施例中,在得到符合要求的良肢位控制模型后,将待使用良肢位用户的病例信息和身体特征信息输入至符合要求的良肢位控制模型中,得到用户对应的良肢位控制方案。通过模型生成良肢位控制方案与人工生成相比,有效节省了医护工作者的时间,并且避免了用户因错误使用良肢位而引发患者二次损伤的问题。
具体地,步骤S202具体还包括:根据用户的身体特征信息,确定出用户的第一良肢位控制方案,其中,身体特征信息包括:用户的身高以及用户的体重,第一良肢位控制方案包括:放置用户的初始位置以及待控制区域的充气量;根据用户的身体特征信息,确定出用户的第一良肢位控制方案,具体包括:预设身体指数充气量的关系,其中身体指数为用户的体重与用户的身高平方的比值;当身体指数小于第一预设阈值时,充气量为第一充气量;当身体指数大于第一预设阈值小于第二预设阈值时,充气量为第二充气量;当身体指数大于第二预设阈值时,充气强度为第三充气量;第一充气量大于第二充气量,第二充气量大于第三充气量。
在本说明书的一个实施例中,用户的良肢位控制方案还包括第一良肢位控制方案和第二良肢位控制方案,其中,第一良肢位控制方案包括放置用户的初始位置和待控制区域的充气量,第二良肢位控制方案包括良肢位摆放位置以及良肢位摆放位置的时间。
在本说明书的一个实施例中,根据用户的身体特征信息确定第一良肢位控制方案。首先,预设身体指数与充气量之间的关系,身体指数为用户的体重和用户身高平方的比值。身体指数与充气量之间的关系如下:当身体指数小于第一预设阈值时,充气量为第一充气量;当身体指数大于第一预设阈值小于第二预设阈值时,充气量为第二充气量;当身体指数大于第二预设阈值时,充气强度为第三充气量,第一充气量大于第二充气量,第二充气量大于第三充气量。。需要说明的是,第一预设阈值可以是18.5,第二预设阈值可以是24。例如,A用户的身高为1.65m,体重为80KG,那么A用户的身体指数为80/(1.652),即A用户的身体指数为29,大于24,因此A用户使用良肢位时充气量为低强度充气量(第三充气量)。本领域技术人员需要明确的是,对待控制区域进行充气操作时,目的在于将用户身体部位固定在某个区域,当用户的身体指数越大时,说明该用户身体占用的区域面积较大,只需要对周围区域充低强度的充气量即可将用户身体固定,相反,若用户的身体指数较小时,其占用的区域面积较小,因此需要对周围区域充入高强度的充气量才能防止用户的身体抽离。根据用户的身体特征信息生成良肢位控制方案,提高了用户的使用舒适度。
在本说明书的一个实施例中,预设躯干长度、四肢长度以及肩宽与用户的初始放置位置的关系:当躯干长度、四肢长度以及肩宽在预设范围内时,此时说明躯干长度、四肢长度以及肩宽为正常范围,此时可以按照通用放置方案设置用户的初始放置位置,其中通用放置方案为根据人体身体比例设置的,无需人工辅助调整。当躯干长度、四肢长度以及肩宽不在预设范围内时,说明该用户的躯干长度、四肢长度以及肩宽与正常身体比例存在差异,需要在通用放置方案的基础上人工辅助调整。
在本说明书的一个实施例中,根据用户的病例信息确定出良肢位使用类型,例如当A用户的病例信息中显示该用户为手术后患者,其手术部位为下腹部手术,为了避免该用户术后仰卧误吸呕吐物,因此该用户对应的良肢位使用类型中良肢位摆放位置是左侧卧和右侧卧,并且每种位置的摆放时间为30分钟。再比如B用户的病例信息显示该患者为偏瘫患者,偏瘫部位是左侧,建议的良肢位摆放位置是健侧卧位、仰卧位以及患侧卧位,且为了防止患者的患侧生褥疮等情况发生,可以将各个位置的摆放时间设置为20分钟;需要说明的是,健侧卧位是指非偏瘫侧(健康侧)的侧卧位,患侧卧位是指偏瘫侧的侧卧位,以左侧偏瘫患者为例,其健侧卧位是指右侧卧位,患侧卧位是指左侧卧位。也就是说,根据病例信息的确定良肢位使用类型,不同的良肢位使用类型对应不同的良肢位摆放位置与良肢位摆放位置的时间,进一步地,确定了第二良肢位控制方案,第二控制方案中包括良肢位的摆放位置和良肢位摆放位置的时间。
根据用户的实际情况自动生成良肢位控制方案,节省了医护工作者的时间,也进一步提高了用户使用良肢位的科学性,使得良肢位控制能更好的帮助用户进行康复训练等。
步骤S203,良肢位控制平台根据良肢位控制方案确定床垫待控制区域和控制指令,其中,控制指令包括待控制区域充气或放气操作、待控制区域充气时间或放气时间以及待控制区域充气量。
具体地,步骤S203具体包括:根据良肢位控制方案中的良肢位摆放位置确定待控制区域和控制指令中的床垫充气或放气操作,其中良肢位摆放位置包括:仰卧位、健侧卧位以及患侧卧位;并根据良肢位控制方案中的位置变换时间确定床垫充气时间。
在步骤S204之前,方法还包括:将床垫待控制区域设置身体放置区域与身体临近区域,以便床垫的控制器控制身体临近区域执行控制指令,辅助用户完成良肢位控制;其中待控制区域包括:左肩部区域、右肩部区域、左上肢区域、右上肢区域、左下肢区域以及右下肢区域,各个区域均包括一个或多个身体放置区域和至少一个身体临近区域。
在本说明书的一个实施例中,图3为本说明书实施例提供的一种床垫待控制区域分区,如图3所示,床垫的待控制区域包括头部区域31、左肩部区域32、右肩部区域33、左上肢区域34、右上肢区域35、左下肢区域36以及右下肢区域37,需要说明的是,此处的左和右是指面对床垫站立所对应的左侧和右侧,并且每个区域均包括身体放置区域与身体临近区域如图4所示,以左下肢区域36为例进行说明,区域362和区域364为身体放置区域,区域361、区域363和区域365为身体临近区域。以区域362为例,区域362为身体放置区域,将其周围区域(区域361和区域363)进行了充气操作,区域362也可以充少量气体,使得区域362呈现隆起的效果,但是区域362的隆起程度与区域361、区域363相比较小,这样可以呈现两边高、中间低的效果,既可以保证将用户的患侧肢体抬起,又可以利用两侧高度差固定肢体。
在本说明书的一个实施例中,根据良肢位控制方案中的良肢位摆放位置确定待控制区域和控制指令,例如,如图5所示,C用户(右侧偏瘫是指患者的右侧部位受损)的良肢位控制方案中的良肢位摆放位置是仰卧位、健侧卧位(左侧卧位)以及患侧卧位(右侧卧位),且变换时间为20分钟,充气量为中强度充气量。下面结合图3和图5进行说明,当确定仰卧位时,病人平躺在床垫上,病人的右侧实际上对应床垫的左侧,则仰卧位时对应的床垫控制区域为左肩部区域32、左上肢区域34以及左下肢区域36。将病人的右肩部、右上肢和右下肢分别放置在左肩部区域32、左上肢区域34以及左下肢区域36的身体放置区域,并且对左肩部区域32、左上肢区域34以及左下肢区域36中的身体临近区域(对应图5床垫中的深色阴影处)执行充气操作,充气持续时间为20分钟,充气量为中强度充气量,为使得床垫可以将病人的右侧肩部、右侧上肢和右侧下肢可以抬起并固定,还可以对左肩部区域32、左上肢区域34以及左下肢区域36的身体放置区域进行小强度的充气量。这样,身体放置区域呈现微隆起的效果;并且,身体放置区域和身体临近区域不同充气量的配合可以起到更好的固定用户右侧肩部、右侧上肢和右侧下肢的作用,并且保证肘、腕均伸直,手指伸展,掌心向上以实现仰卧位的标准位置。当由仰卧位变换为健侧卧位(左侧卧位)时,对左肩部区域32、左上肢区域34以及左下肢区域36执行放气操作,并将控制区域确定为右肩部区域33、右上肢区域35以及右下肢区域37,对上述区域的身体临近区域(对应图5床垫中的深色阴影处)进行充气操作,持续时间是20分钟,充气量为中强度充气量,对上述区域的身体放置区域充少量气体,既可以将患者肢体微微抬起,又可以利用高度差固定患侧肢体。当由健侧卧位(左侧卧位)变换为患侧卧位(右侧卧位)时,对右肩部区域33、右上肢区域35以及右下肢区域37执行放气操作,并将控制区域确定为左肩部区域32、右肩部区域33、左上肢区域34、右上肢区域35以及右下肢区域37,对上述区域的身体临近区域(对应图5床垫中的深色阴影处)进行充气操作,充气时间为20分钟,充气量为中强度充气量。将床垫根据人体的生理结构划分为不同的区域,提高了床垫的普适性,可以适用于大部分用户;另外,在良肢位控制过程中,先确定待控制区域,再对待控制区域进行操作,进一步减轻了良肢位控制平台的运行压力。
步骤S204,良肢位控制平台将良肢位控制方案发送至床垫的控制器,以便于床垫的控制器根据控制指令控制床垫待控制区域,以便辅助用户完成良肢位控制。
在本说明书的一个实施例中,将良肢位控制方案发送至床垫的控制器处,控制器通过控制对应的床垫待控制区域执行充气或放气操作、待控制区域充气时间或放气时间以及待控制区域充气量,辅助患者完成良肢位控制。
具体地,在床垫的控制器根据控制指令控制床垫待控制区域之前,方法还包括:床垫的控制器以床垫预设位置为原点构建坐标系,并记录用户第一预设部位的第一位置坐标与第二预设部位的第二位置坐标;辅助用户完成良肢位控制之后,方法还包括:床垫的控制器记录第一预设部位的第三位置坐标与第二预设部位的第四位置坐标;根据第一位置坐标、第二位置坐标、第三位置坐标与第四位置坐标判断用户是否正确使用良肢位,具体包括:根据第一位置坐标与第二位置坐标的差值,确定出用户完成良肢位之前所处的位置情况;根据第三位置坐标与第四位置坐标的差值,确定出用户完成良肢位之后所处的位置情况;根据用户完成良肢位之前所处的位置情况与用户完成良肢位之后所处的位置情况,判断用户是否根据良肢位控制方案进行移动,并且判断用户当前的良肢位是否处于正确的位置。
在本说明书的一个实施例中,可以通过如下方式监测用户是否正确使用良肢位:床垫的控制器以床垫预设位置为原点构建坐标系,其中,床垫预设位置可以床垫中心点、床垫左上端点、床垫左下端点、床垫右上端点以及床垫右下端点,也可以是床垫任意一处的位置。另外,坐标系可以是三维坐标系,可以根据床垫的放置情况设置坐标系的方向。在床垫的控制器根据控制指令控制床垫待控制区域之前,记录用户第一预设部位的第一位置坐标与第二预设部位的第二位置坐标,第一预设部位和第二预设部位为用户身体同侧的相邻关节,例如,用户身体左侧的左肩关节和左肘关节、身体左侧的左膝关节和左髋关节。当辅助用户完成良肢位控制后,记录记录第一预设部位的第三位置坐标与第二预设部位的第四位置坐标。也就是说,第一位置坐标和第二位置坐标为用户完成良肢位之前第一预设部位和第二预设部位的位置,根据第一位置坐标和第二位置坐标的差值,确定出用户完成良肢位之前所处的位置情况。同样的,第三位置坐标和第四位置坐标为用户完成良肢位之后第一预设部位和第二预设部位的位置,根据第三位置坐标与第四位置坐标的差值,可以确定出用户完成良肢位之后所处的位置情况。根据两种位置情况判断用户是否根据良肢位控制方案进行移动,并且判断用户当前的良肢位是否处于正确的位置。
在本说明书的一个实施例中,还可以通过如下方式监测用户是否正确使用良肢位:在辅助患者完成良肢位控制之后,还可以根据良肢位控制方案确定出标准的良肢位状态参数,并获取患者在使用良肢位后的实时状态参数,将实时状态参数与标准的良肢位状态参数进行计较,判断两者之间的差值是否超出预设阈值,若判定差值超过预设阈值,则根据差值对床垫待控制区域和控制指令进行调整,以便于完成良肢位控制。获取患者在使用良肢位后的实时状态参数包括如下步骤:首先,通过摄像头和转向装置采集患者的状态图像,转向装置可以实现全方位的采集,避免由于照片采集不全导致的状态参数不准的情况。其次,构建良肢位监测模型,并对该模型进行训练以便于得到符合要求的良肢位监测模型。将采集到的患者的状态图像输入至符合要求的良肢位监测模型中,确定出患者当前的良肢位状态参数。
具体地,方法还包括:在床垫的控制器根据控制指令控制床垫待控制区域之前,良肢位控制平台根据人体关键点预测网络得到骨骼关键点在第一时刻处的第一位置,具体包括:采集用户在完成良肢位控制之前的图像数据,将图像数据输入至人体关键点预测网络,输出图像中各个像素点是骨骼关键点的预测概率,并组成热力图,由soft-argmax函数将热力图转换为骨骼关键的数值坐标并输出,其中人体关键点预测网络基于CPN特征金字塔网络引入CBAM注意力模型得到,CPN特征金字塔网络包括GlobalNet模型和RefineNet模型;根据第一预设时刻的第一位置和瞬时速度得到骨骼关键点的预测位置,将第一位置和预测位置,通过Q=AQ1+BP+C得出骨骼关键点的位置轨迹;其中,Q为特征向量,用于表示骨骼关键点在第二预设时刻的状态信息,骨骼关键点的状态信息包括骨骼关键点的速度信息和骨骼关键点的坐标信息,A为状态变换矩阵,用于将第一预设时刻的骨骼关键点的状态信息关联到第二预设时刻的骨骼关键点的状态,第一预设时刻为第二预设时刻的上一时刻;根据骨骼关键点的位置轨迹判断用户是否正确使用良肢位。
在本说明书的一个实施例中,在本说明书的一个实施例中,还可以通过如下方式监测用户是否正确使用良肢位:在床垫的控制器根据控制指令控制床垫待控制区域之前,通过图像采集装置采集用户在第一预设时刻处的图像数据,图像数据可以为图片、照片等,图像采集装置可以是在床垫上方设置的可旋转的摄像头,便于采集用户的全景图像。在采集到图像数据后,将图像数据输入至人体关键点预测网络中,输出图像对应各个像素点是骨骼关键点的预测概率组成热力图,例如,某像素点是骨骼关键点的概率为99%,相邻像素点是骨骼关键点的概率为50%,通过soft-argmax函数将热力图转换为骨骼关键的数值坐标并输出该位置坐标,其中soft-argmax函数为需要说明的是,人体关键点预测网络是在CPN特征金字塔网络的基础上引入了CBAM注意力模型得到的,其中,CPN特征金字塔网络包括整体检测骨骼关键点的GlobalNet模型和微调网络RefineNet模型,上述模型的结合,更好的发挥了CPN特征金字塔网络对深层和浅层的融合,也极大地发挥了注意力模型分配权重学习有用信息的优势,进一步提高了对人体骨骼关键点定位的准确性,可以确定出人体骨骼关键点的位置坐标,与通过人工定位得到的位置坐标相比更加精确。
在得到第一预设时刻的第一位置坐标后,根据第一预设时刻的第一位置和某骨骼关键点的瞬时速度得到对应骨骼关键点的预测位置,将第一位置和预测位置,通过公式Q=AQ1+BP+C得出骨骼关键点的位置轨迹;其中,Q为特征向量,用于表示骨骼关键点在第二预设时刻的状态信息,骨骼关键点的状态信息包括骨骼关键点的速度信息和骨骼关键点的坐标信息,A为状态变换矩阵,用于将第一预设时刻的骨骼关键点的状态信息关联到第二预设时刻的骨骼关键点的状态,根据骨骼关键点的位置轨迹判断用户是否正确使用良肢位。例如,用户在T1时刻开始进行位置变换,T2时刻为变换过程,T3时刻为位置变换成功时刻,此时,第一预设时刻可以是T1时刻,第二预设时刻可以是T2时刻,根据T1时刻某骨骼关键点的位置坐标和该骨骼关键点的瞬时速度可以得到T2时刻的位置,同理,当第一预设时刻为T2时刻、第二预设时刻为T3时刻时,可以得到T3时刻该骨骼关键点的位置,进一步可以确定该骨骼关键点的运动轨迹,将多个骨骼关键点的运动轨迹结合,判断用户是否正确使用了良肢位。再如,以用户从仰卧位变为左侧卧位为例,第一预设时刻可以为仰卧位的最后一个时刻,第二预设时刻可以为左侧卧位的第一个时刻,根据第一预设时刻和第二预设时刻确定出骨骼关键点的位置轨迹,判断该运动轨迹是否为从仰卧位变为左侧卧位的骨骼关键点的运动轨迹。需要说明的是,本说明书实施例提到的采集用户在完成良肢位控制之前的图像数据,完成良肢位控制之前可以指从第一位置变换为第二位置过程中,用户在第一位置处的图像数据。
通过上述方式进行用户良肢位检测,提高了检测方式的准确性,有助于及时发现不规范使用良肢位的情况,并根据用户使用良肢位的情况进行调整,帮助用户达到最好的使用效果。
本说明实施例还提供一种自动良肢位控制设备,如图6所示,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被所述至少一个处理器执行,以使至少一个处理器能够:床垫的控制器将用户的良肢位使用请求发送至医护节点,以便于医护节点调用用户的病例信息,其中,请求包括用户身份标识和身体特征信息;当医护节点确认良肢位使用请求时,良肢位控制平台根据用户的病例信息和身体特征信息,确定出用户的良肢位控制方案,其中,良肢位控制方案包括待控制区域的充气量、良肢位摆放位置信息以及对应良肢位摆放位置的时间;良肢位控制平台根据良肢位控制方案确定床垫待控制区域和控制指令,其中,控制指令包括待控制区域充气或放气操作、待控制区域充气时间或放气时间以及待控制区域充气量;良肢位控制平台将良肢位控制方案发送至床垫的控制器,以便于床垫的控制器根据控制指令控制床垫待控制区域,以便辅助用户完成良肢位控制。
在本说明书的一个或多个实施例中,根据用户病例信息和身体特征信息确定良肢位控制方案,使得良肢位的使用更加具备独特性,定制化的良肢位控制方案也进一步提高了用户的使用体验,由于该控制方案是根据病例信息得到的,得到的方案更加科学,有助于良肢位发挥帮助患者进行康复治疗的作用;另外,在得到良肢位控制方案之后,通过控制指令的方式进行良肢位自动控制,减轻了病人家属和护工的负担。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种自动良肢位控制方法,其特征在于,所述方法包括:
床垫的控制器将用户的良肢位使用请求发送至医护节点,以便于所述医护节点调用所述用户的病例信息,其中,所述请求包括用户身份标识和身体特征信息;
当所述医护节点确认所述良肢位使用请求时,良肢位控制平台根据所述用户的病例信息和所述身体特征信息,确定出所述用户的良肢位控制方案,其中,所述良肢位控制方案包括待控制区域的充气量、良肢位摆放位置信息以及对应所述良肢位摆放位置的时间;
所述良肢位控制平台根据所述良肢位控制方案确定床垫待控制区域和控制指令,其中,所述控制指令包括所述待控制区域充气或放气操作、待控制区域充气时间或放气时间以及所述待控制区域充气量;
所述良肢位控制平台将所述良肢位控制方案发送至所述床垫的控制器,以便于所述床垫的控制器根据所述控制指令控制所述床垫待控制区域,以便辅助所述用户完成良肢位控制。
2.根据权利要求1所述的一种自动良肢位控制方法,其特征在于,所述将所述良肢位控制方案发送至所述床垫的控制器之前,所述方法还包括:
将所述床垫待控制区域设置身体放置区域与身体临近区域,以便所述床垫的控制器控制所述身体临近区域执行所述控制指令,辅助所述用户完成良肢位控制;其中所述待控制区域包括:
左肩部区域、右肩部区域、左上肢区域、右上肢区域、左下肢区域以及右下肢区域,各个区域均包括一个或多个所述身体放置区域和至少一个所述身体临近区域。
3.根据权利要求1所述的一种自动良肢位控制方法,其特征在于,所述根据所述用户的病例信息和所述身体特征信息确定出所述用户的良肢位控制方案,具体包括:
构建初始的神经网络模型,基于网络爬虫技术采集医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据,根据所述医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据,训练所述初始的神经网络模型,得到符合要求的良肢位控制模型;
将所述用户的病例信息和所述身体特征信息,输入至所述符合要求的良肢位控制模型,确定出所述用户的良肢位控制方案。
4.根据权利要求3所述的一种自动良肢位控制方法,其特征在于,所述根据所述医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据,训练所述初始的神经网络模型,得到符合要求的良肢位控制模型,具体包括:
将多组医疗机构病例信息、身体特征信息以及良肢位控制方案的数据构建数据集,并按照预先设定的比例将所述数据集划分为训练集和验证集;
构建卷积神经网络模型的网络结构,其中,所述卷积神经网络的0-95层为深度卷积层,由卷积块和单层卷积层构成,所述卷积神经网络的96-126层为特征交互层;
预先设置训练参数,其中训练参数包括:初始学习率、权重衰减率以及最大迭代次数,将训练集中的所述医疗机构病例信息、身体特征信息与良肢位控制方案的相关数据输入至所述卷积神经网络模型中进行循环迭代训练;
将验证集中的医疗机构病例信息、身体特征信息以及良肢位控制方案输入至良肢位控制模型中,记录所述模型训练过程中的损失函数值,根据所述损失函数值,调整神经网络模型中各神经元之间的连接权重,当所述损失函数值达到预设的损失函数阈值或训练次数达到预设的最大迭代次数时,得到符合要求的良肢位控制模型;其中,所述损失函数为交叉熵损失函数。
5.根据权利要求1所述的一种自动良肢位控制方法,其特征在于,所述根据所述用户的病例信息和所述身体特征信息确定出所述用户的良肢位控制方案,具体包括:
根据所述用户的身体特征信息,确定出所述用户的第一良肢位控制方案,其中,所述身体特征信息包括:用户的身高以及用户的体重,所述第一良肢位控制方案包括:放置所述用户的初始位置以及待控制区域的充气量;
所述根据所述用户的身体特征信息,确定出所述用户的第一良肢位控制方案,具体包括:
预设身体指数与所述充气量的关系,其中身体指数为所述用户的体重与所述用户的身高平方的比值;
当所述身体指数小于第一预设阈值时,所述充气量为第一充气量;
当所述身体指数大于所述第一预设阈值小于第二预设阈值时,所述充气量为第二充气量;
当所述身体指数大于所述第二预设阈值时,所述充气强度为第三充气量;
所述第一充气量大于所述第二充气量,所述第二充气量大于所述第三充气量。
6.根据权利要求5所述的一种自动良肢位控制方法,其特征在于,在所述根据所述用户的身体特征信息,确定出所述用户的第一良肢位控制方案之后,所述方法还包括:
根据所述用户的病例信息,确定出良肢位使用类型及对应的第二良肢位控制方案,其中,所述第二良肢位控制方案包括良肢位摆放位置以及所述良肢位摆放位置的时间,不同的所述良肢位使用类型对应不同的所述良肢位摆放位置以及所述良肢位摆放位置的时间。
7.根据权利要求1所述的一种自动良肢位控制方法,其特征在于,所述根据所述良肢位控制方案确定床垫待控制区域和控制指令具体包括:
根据所述良肢位控制方案中的良肢位摆放位置,确定待控制区域和控制指令中的床垫充气或放气操作,其中所述良肢位摆放位置包括:仰卧位、健侧卧位以及患侧卧位;并根据所述良肢位控制方案中的位置变换时间确定所述床垫充气时间。
8.根据权利要求1所述的一种自动良肢位控制方法,其特征在于,所述床垫的控制器根据所述控制指令控制所述床垫待控制区域之前,所述方法还包括:所述床垫的控制器以所述床垫预设位置为原点构建坐标系,并记录所述用户第一预设部位的第一位置坐标与第二预设部位的第二位置坐标;
所述辅助所述用户完成良肢位控制之后,所述方法还包括:
所述床垫的控制器记录所述第一预设部位的第三位置坐标与所述第二预设部位的第四位置坐标;
根据所述第一位置坐标、所述第二位置坐标、所述第三位置坐标与所述第四位置坐标判断所述用户是否正确使用良肢位,具体包括:
根据所述第一位置坐标与所述第二位置坐标的差值,确定出所述用户完成良肢位之前所处的位置情况,所述位置情况用于反映所述用户完成良肢位之前身体各部位的位置;
根据所述第三位置坐标与所述第四位置坐标的差值,确定出所述用户完成良肢位之后所处的位置情况,所述位置情况用于反映所述用户完成良肢位之后身体各部位的位置;
根据所述用户完成良肢位之前所处的位置情况与所述用户完成良肢位之后所处的位置情况,判断所述用户是否根据所述良肢位控制方案进行移动,并且判断所述用户当前的良肢位是否处于正确的位置。
9.根据权利要求1所述的一种自动良肢位控制方法,其特征在于,所述方法还包括:
所述床垫的控制器根据所述控制指令控制所述床垫待控制区域之前,所述良肢位控制平台根据人体关键点预测网络得到骨骼关键点在第一预设时刻处的第一位置,具体包括:
采集用户在完成良肢位控制之前的图像数据,将所述图像数据输入至人体关键点预测网络,输出所述图像中各个像素点是骨骼关键点的预测概率,并组成热力图,由soft-argmax函数将所述热力图转换为所述骨骼关键点的数值坐标并输出,其中所述人体关键点预测网络基于CPN特征金字塔网络引入CBAM注意力模型得到,所述CPN特征金字塔网络包括GlobalNet模型和RefineNet模型;
根据第一预设时刻的第一位置和瞬时速度得到所述骨骼关键点的预测位置,将所述第一位置和所述预测位置,通过Q=AQ1+BP+C得出所述骨骼关键点的位置轨迹;其中,所述Q为特征向量,用于表示所述骨骼关键点在第二预设时刻的状态信息,所述骨骼关键点的状态信息包括所述骨骼关键点的速度信息和所述骨骼关键点的坐标信息,所述A为状态变换矩阵,用于将所述第一预设时刻的所述骨骼关键点的状态信息关联到所述第二预设时刻的所述骨骼关键点的状态,所述第一预设时刻为所述第二预设时刻的上一时刻;
根据所述骨骼关键点的位置轨迹判断用户是否正确使用良肢位。
10.一种自动良肢位控制设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:床垫的控制器将用户的良肢位使用请求发送至医护节点,以便于所述医护节点调用所述用户的病例信息,其中,所述请求包括用户身份标识和身体特征信息;
当所述医护节点确认所述良肢位使用请求时,良肢位控制平台根据所述用户的病例信息和所述身体特征信息,确定出所述用户的良肢位控制方案,其中,所述良肢位控制方案包括待控制区域的充气量、良肢位摆放位置信息以及对应所述良肢位摆放位置的时间;
所述良肢位控制平台根据所述良肢位控制方案确定床垫待控制区域和控制指令,其中,所述控制指令包括所述待控制区域充气或放气操作、待控制区域充气时间或放气时间以及所述待控制区域充气量;
所述良肢位控制平台将所述良肢位控制方案发送至所述床垫的控制器,以便于所述床垫的控制器根据所述控制指令控制所述床垫待控制区域,以便辅助所述用户完成良肢位控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110728780.1A CN113362925B (zh) | 2021-06-29 | 2021-06-29 | 一种自动良肢位控制方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110728780.1A CN113362925B (zh) | 2021-06-29 | 2021-06-29 | 一种自动良肢位控制方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362925A CN113362925A (zh) | 2021-09-07 |
CN113362925B true CN113362925B (zh) | 2022-04-08 |
Family
ID=77537094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110728780.1A Active CN113362925B (zh) | 2021-06-29 | 2021-06-29 | 一种自动良肢位控制方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362925B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118092146B (zh) * | 2024-04-28 | 2024-07-09 | 山东第一医科大学附属省立医院(山东省立医院) | 一种膝关节牵引器的自适应牵引力控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106687119A (zh) * | 2014-07-17 | 2017-05-17 | 杰罗米.申塔格 | 用于器官再生的内源性回肠制动激素途径的激活和相关的组合物、治疗方法、诊断学、和调控系统 |
CN207118978U (zh) * | 2017-03-15 | 2018-03-20 | 喻海燕 | 一种抗痉挛体位枕 |
CN111387990A (zh) * | 2020-03-24 | 2020-07-10 | 首都医科大学宣武医院 | 一种脑卒中偏瘫患者用离床预警系统 |
CN211460954U (zh) * | 2019-12-12 | 2020-09-11 | 黄艳 | 保持良肢位气垫 |
CN212699446U (zh) * | 2020-04-27 | 2021-03-16 | 昆明市中医医院 | 一种上下肢多功能良肢位摆放的组合垫 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050193492A1 (en) * | 2003-02-10 | 2005-09-08 | Yoshino Industry Co., Ltd. | Appliance for adjusting points of upper body in good limb |
US7260860B2 (en) * | 2004-08-04 | 2007-08-28 | Hill-Rom Services, Inc. | Mattress system for a hospital bed |
US10143312B2 (en) * | 2014-04-15 | 2018-12-04 | Sleep Number Corporation | Adjustable bed system |
-
2021
- 2021-06-29 CN CN202110728780.1A patent/CN113362925B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106687119A (zh) * | 2014-07-17 | 2017-05-17 | 杰罗米.申塔格 | 用于器官再生的内源性回肠制动激素途径的激活和相关的组合物、治疗方法、诊断学、和调控系统 |
CN207118978U (zh) * | 2017-03-15 | 2018-03-20 | 喻海燕 | 一种抗痉挛体位枕 |
CN211460954U (zh) * | 2019-12-12 | 2020-09-11 | 黄艳 | 保持良肢位气垫 |
CN111387990A (zh) * | 2020-03-24 | 2020-07-10 | 首都医科大学宣武医院 | 一种脑卒中偏瘫患者用离床预警系统 |
CN212699446U (zh) * | 2020-04-27 | 2021-03-16 | 昆明市中医医院 | 一种上下肢多功能良肢位摆放的组合垫 |
Also Published As
Publication number | Publication date |
---|---|
CN113362925A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103519966B (zh) | 便携式偏瘫上肢偏瘫康复训练机器人 | |
CN114388096A (zh) | 康复辅助系统、康复辅助方法和程序 | |
CN108392333A (zh) | 一种感应式助动床 | |
CN107997927A (zh) | 一种脚部康复训练器 | |
CN113362925B (zh) | 一种自动良肢位控制方法及设备 | |
CN110897795A (zh) | 一种医疗护理病人转运装置的结构设计 | |
CN111513982A (zh) | 一种并联式脚踝康复机器人 | |
Low et al. | Design, characterisation and evaluation of a soft robotic sock device on healthy subjects for assisted ankle rehabilitation | |
CN212699446U (zh) | 一种上下肢多功能良肢位摆放的组合垫 | |
CN117831794B (zh) | 一种用于糖尿病康复的运动过程机能监测方法 | |
CN205054526U (zh) | 上肢偏瘫患者抗痉挛体位固定枕 | |
CN209155017U (zh) | 一种踝泵功能锻炼辅助器 | |
US20080146415A1 (en) | Method for managing exercise for function recovery and muscle strengthening | |
CN201342026Y (zh) | 体位保持垫 | |
CN211705077U (zh) | 一种医疗护理病人转运装置的结构设计 | |
CN108542737A (zh) | 一种具有按摩功能的男科护理装置 | |
Rodger | Spinal cord injury | |
KR200222638Y1 (ko) | 부자유 환자의 운동용 베드 | |
CN115461820A (zh) | 日常生活活动改善辅助装置 | |
Tappit-Emas | Spina bifida | |
Lay-Ekuakille et al. | Preventing, monitoring and treating foot conditions in medical robotic rehabilitation | |
CN204233343U (zh) | 偏瘫患者平卧位腘窝垫枕 | |
TWI884121B (zh) | 肢體康復輔助系統及其方法 | |
CN117159293B (zh) | 一种针对俯卧通气体位的呼吸辅助系统 | |
Kurihara | Postural drainage, clapping, and vibrating |
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 |