CN117766092A - 一种康复分析方法及装置、存储介质、计算机设备 - Google Patents

Abstract

本发明提供了一种康复分析方法及装置、存储介质、计算机设备，其中方法包括获取针对目标患者的活动数据；基于活动数据识别目标患者的活动状态信息；判断目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；将目标患者的活动状态信息与目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果；基于目标患者的活动预测结果和活动对比结果分析针对目标患者的康复治疗建议。由此，医生和医疗师只需要上传针对患者活动的照片或者视频，即可得到患者动作的移动度、动作一致性以及移动速度等关键指标，并利用机器学习和生成式人工智能的应用输出病人的康复情况，包括康复的进度以及康复诊疗建议，来帮助病人更好更快地康复。

Description

一种康复分析方法及装置、存储介质、计算机设备

技术领域

本发明涉及医疗保健领域，具体涉及一种康复分析方法及装置、存储介质、计算机设备。

背景技术

在现有的医疗康复领域里，例如四肢和中风医疗康复领域，医生和康复医疗师没有一个高效和准确的办法来评估患者的活动情况，包括四肢的活动度，动作的一致性以及移动的速度等。医生和医疗师们主要依据临床经验，辅以手动画线等工具来确定患者的四肢活动度范围、动作的一致性以及移动速度，也无法科学而准确地对患者的康复治疗方案给出建议。

发明内容

为此，本发明提供种康复分析方法及装置、存储介质、计算机设备，旨在解决现有技术中无法高效准确地评估患者的活动情况并给出康复治疗建议的技术问题。

为实现以上目的，本发明采用如下技术方案：

依据本发明第一方面，本发明提供一种康复分析方法，所述方法包括：

步骤1：获取针对目标患者的活动数据；

步骤2：基于所述活动数据识别所述目标患者的活动状态信息；

步骤3：判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；以及，

将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果；

步骤4：基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议。

可选地，所述活动数据包括四肢活动度图像和/或四肢活动度视频。

可选地，所述活动状态信息至少包括四肢的活动范围、活动速度以及动作一致性之一。

可选地，所述基于所述活动数据识别所述目标患者的活动状态信息，包括：

基于图像识别技术构建第一机器学习模型；

对所述第一机器学习模型进行训练，得到训练完成的第一目标机器学习模型；

将所述活动数据输入所述第一目标机器识别模型，利用所述第一目标机器识别模型标记所述目标患者的身体关键位置；

结合所述身体关键位置对所述活动数据进行识别，得到所述目标患者的活动状态信息。

可选地，所述对所述第一机器学习模型进行训练，包括：

采集包含关键位置标记的标准活动数据集；所述标准活动数据集包括多个标准四肢活动度图像和/或多个标准四肢活动度视频；

利用所述标准活动数据集对所述第一机器学习模型进行训练、验证及测试，直到得到准确率达到第一阈值的第一目标机器学习模型。

可选地，所述判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果，包括：

基于数据预测技术构建第二机器学习模型；

利用携带有时间特征的活动状态指标对所述第二机器学习模型进行训练，得到训练完成的第二目标机器学习模型；所述活动状态指标至少包括四肢的活动范围指标、活动速度指标以及动作一致性指标之一；

将所述目标患者的活动状态信息输入所述第二目标机器识别模型，利用所述第二目标机器判断所述目标患者的活动状态信息是否达到相应时间阶段对应的预设活动状态指标，得到所述目标患者的活动预测结果。

可选地，所述基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议，包括：

利用生成式人工智能技术，基于所述目标患者的活动预测结果和活动对比结果分析所述目标患者的康复治疗方案；

根据预设时间周期重复执行步骤1～3，根据所述目标患者最新的活动预测结果和活动对比结果判断所述目标患者是否适用所述康复治疗方案；

若所述目标患者不适用所述康复治疗方案，根据所述目标患者的治疗完成情况再次分析所述目标患者的康复治疗方案，以对所述康复治疗方案进行更新。

依据本发明第二方面，本发明提供一种康复分析装置，所述装置包括：

数据获取模块，用于获取针对目标患者的活动数据；

信息识别模块，用于基于所述活动数据识别所述目标患者的活动状态信息；

结果预测模块，用于判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；以及，将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果；

建议分析模块，用于基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议。

依据本发明第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如本发明第一方面中任一项所述的康复分析方法。

依据本发明第四方面，本发明提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如本发明第一方面中任一项所述的康复分析方法。

本发明采用以上技术方案，至少具备以下有益效果：

通过本发明方案，获取针对目标患者的活动数据；基于所述活动数据识别所述目标患者的活动状态信息；判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；以及，将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果；基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议。由此，医生和医疗师只需要上传针对患者活动的照片或者视频，即可得到患者动作的移动度、动作一致性以及移动速度等关键指标，并利用机器学习和生成式人工智能的应用输出病人的康复情况，包括康复的进度以及建议来帮助病人更好更快地康复。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

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示出了本发明一实施例提供的康复分析方法的流程示意图；

图2示出了本发明一实施例提供的康复分析装置的结构示意图；

图3示出了本发明一实施例提供的计算机设备的实体结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

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……”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。

本发明实施例提供了一种康复分析方法，如图1所示，至少可以包括以下步骤S101～S104：

步骤S101，获取针对目标患者的活动数据。

本发明实施例中，活动数据可以为目标患者的四肢活动度图像或四肢活动度视频。活动数据可以通过摄影设备进行采集，目标患者可以根据医生或医疗师给出的特定动作进行模仿活动，例如弯腰、上抬手臂、张开双臂、转腰、曲腿等动作，在目标用户执行相应动作时，摄影设备可以进行相应的动作采集，以获取活动数据。需要说明的是，本发明实施例获取针对目标患者的活动数据，可以在康复治疗开始前进行，也可以在康复治疗多个阶段中进行，旨在获取目标患者多阶段的活动情况，以便对症分析。

步骤S102，基于所述活动数据识别所述目标患者的活动状态信息。

本发明实施例中，活动状态信息可以包括四肢的活动范围、活动速度以及动作一致性。具体地，基于所述活动数据识别所述目标患者的活动状态信息，可以通过基于图像识别技术构建第一机器学习模型；对所述第一机器学习模型进行训练，得到训练完成的第一目标机器学习模型；将所述活动数据输入所述第一目标机器识别模型，利用所述第一目标机器识别模型标记所述目标患者的身体关键位置；结合所述身体关键位置对所述活动数据进行识别，得到所述目标患者的活动状态信息。

本发明实施例中的机器学习模型选自卷积神经网络、图形神经网络、对抗网络模型、基于实例的训练模型、变换器神经网络、决策树、极端梯度提升模型、随机森林模型或前馈机器学习模型中的一种或多种的集合，机器学习用于训练大数据模型，这不仅有助于准确预测和分析病人的康复效果，还能评估潜在的康复风险，通过计算机视觉技术深入理解并监测病人的康复治疗效果和进度。

在基于活动数据识别目标患者的活动状态信息的过程中，本发明实施例选用基于图像识别技术的第一机器学习模型，用于识别人体的关键点位置，例如手腕、手肘、肩膀等等。具体地对第一机器学习模型进行训练，可以通过采集包含关键位置标记的标准活动数据集；所述标准活动数据集包括多个标准四肢活动度图像和/或多个标准四肢活动度视频；利用所述标准活动数据集对所述第一机器学习模型进行训练、验证及测试，直到得到准确率达到第一阈值的第一目标机器学习模型。

也就是说，模型的训练主要使用人体在进行多种动作时已标记人体关键点位置的图片或视频，进行机器学习训练，使得模型第一机器学习模型能够更加准确地识别人体的关键点位置，并对四肢的活动范围、活动速度以及动作一致性进行检测。具体地，针对活动状态信息的识别，可以根据目标患者在活动过程中每一帧图片中的关节点位置，通过计算连续帧之间的关节点距离以及四肢的变化角度得到。

步骤103，判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；以及，将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果。

本发明实施例中的预设活动状态指标可以为患者在康复诊疗过程各阶段预期可以达到的活动状态指标，是基于专家经验得到的，包括目标患者的四肢活动范围预期可以达到的指标值、四肢活动速度预期可以达到的指标值以及四肢动作一致性预期可以达到的指标值。将上一步骤得到的活动状态信息与预期应该达到的预设活动状态指标进行比较，可以直观看到患者的康复诊疗效果如何。具体地，判断所述目标患者的活动状态信息是否达到预设活动状态指标，可以通过基于数据预测技术构建第二机器学习模型；利用携带有时间特征的活动状态指标对所述第二机器学习模型进行训练，得到训练完成的第二目标机器学习模型；将所述目标患者的活动状态信息输入所述第二目标机器识别模型，利用所述第二目标机器判断所述目标患者的活动状态信息是否达到相应时间阶段对应的预设活动状态指标，得到所述目标患者的活动预测结果。

需要说明的是，在对第二机器学习模型进行训练时的训练数据为携带有时间特征的活动状态指标，也就是说，将患者在康复诊疗过程各时间阶段的活动状态指标作为训练数据进行训练。其中，所述活动状态指标可以包括四肢的活动范围指标、活动速度指标以及动作一致性指标。由此，利用第二目标机器学习模型，即可得到目标患者的活动预测结果。

本发明实施例中，在将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比之前，需要先采集与所述目标患者的相似群体的标准活动状态信息。一般地，可以整合针对历史康复诊疗人群在康复诊疗过程中的活动数据，组建历史数据库，在该历史数据库中查找与目标患者的相似群体，查找范围可以为性别一致、身高体重相似、年龄接近、损伤部位一致以及损伤程度一致，作为目标患者的相似群体。具体地，将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，可以通过将目标患者对应康复诊疗阶段的活动状态信息与相似群体在相同康复诊疗阶段的标准活动状态信息进行对比，判断目标患者的活动状态信息是否能达到平均水平，即为活动对比结果。

步骤S104，基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议。

具体地，本发明实施例利用生成式人工智能技术，基于所述目标患者的活动预测结果和活动对比结果分析所述目标患者的康复治疗方案；根据预设时间周期重复执行步骤101～103，根据所述目标患者最新的活动预测结果和活动对比结果判断所述目标患者是否适用所述康复治疗方案；若所述目标患者不适用所述康复治疗方案，根据所述目标患者的治疗完成情况再次分析所述目标患者的康复治疗方案，以对所述康复治疗方案进行更新。

具体地，本发明实施例结合目标患者的损伤情况参数以及活动预测结果和活动对比结果，通过生成式人工智能生成具体的个性化康复治疗建议，包括康复运动的建议等。需要说明的是，本发明实施例中针对目标患者的个性化康复治疗建议的生成，还需通过基于专家经验的大量康复治疗数据作为支撑，目标患者的活动预测结果和活动对比结果也很大程度上影响着康复治疗方案的生成。例如，当目标患者的活动预测结果为达到预设活动状态指标，且活动对比结果为达到相似群体的标准活动状态信息的平均水平，说明原有康复治疗方案达到预期效果；当目标患者的活动预测结果未达到预设活动状态指标，或活动对比结果未达到相似群体的标准活动状态信息的平均水平，说明原有康复质量方案未达到预期效果，目标患者并不适用，应及时调整更新康复治疗方案。

本发明实施例提供了一种康复分析方法，获取针对目标患者的活动数据；基于所述活动数据识别所述目标患者的活动状态信息；判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；以及，将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果；基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议。由此，医生和医疗师只需要上传针对患者活动的照片或者视频，即可得到患者动作的移动度、动作一致性以及移动速度等关键指标，并利用机器学习和生成式人工智能的应用输出病人的康复情况，包括康复的进度以及建议，来帮助病人更好更快地康复。

进一步地，作为图1的具体实现，本发明实施例提供了一种康复分析装置，如图2所示，该装置可以包括：数据获取模块210、信息识别模块220、结果预测模块230以及建议分析模块240。

数据获取模块210，可以用于获取针对目标患者的活动数据；

信息识别模块220，可以用于基于所述活动数据识别所述目标患者的活动状态信息；

结果预测模块230，可以用于判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；以及，将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果；

建议分析模块240，可以用于基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议。

可选地，信息识别模块220，还可以用于基于图像识别技术构建第一机器学习模型；

对所述第一机器学习模型进行训练，得到训练完成的第一目标机器学习模型；

将所述活动数据输入所述第一目标机器识别模型，利用所述第一目标机器识别模型标记所述目标患者的身体关键位置；

结合所述身体关键位置对所述活动数据进行识别，得到所述目标患者的活动状态信息。

可选地，信息识别模块220，还可以用于采集包含关键位置标记的标准活动数据集；所述标准活动数据集包括多个标准四肢活动度图像和/或多个标准四肢活动度视频；

利用所述标准活动数据集对所述第一机器学习模型进行训练、验证及测试，直到得到准确率达到第一阈值的第一目标机器学习模型。

可选地，结果预测模块230，还可以用于基于数据预测技术构建第二机器学习模型；

利用携带有时间特征的活动状态指标对所述第二机器学习模型进行训练，得到训练完成的第二目标机器学习模型；所述活动状态指标至少包括四肢的活动范围指标、活动速度指标以及动作一致性指标之一；

将所述目标患者的活动状态信息输入所述第二目标机器识别模型，利用所述第二目标机器判断所述目标患者的活动状态信息是否达到相应时间阶段对应的预设活动状态指标，得到所述目标患者的活动预测结果。

可选地，建议分析模块240，还可以用于利用生成式人工智能技术，基于所述目标患者的活动预测结果和活动对比结果分析所述目标患者的康复治疗方案；

根据预设时间周期重复执行上述步骤101～103，根据所述目标患者最新的活动预测结果和活动对比结果判断所述目标患者是否适用所述康复治疗方案；

若所述目标患者不适用所述康复治疗方案，根据所述目标患者的治疗完成情况再次分析所述目标患者的康复治疗方案，以对所述康复治疗方案进行更新。

需要说明的是，本发明实施例提供的一种康复分析装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。

基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述的康复分析方法的步骤。

基于上述如图1所示方法和如图2所示装置的实施例，本发明实施例还提供了一种计算机设备的实体结构图，如图3所示，该计算机设备可以包括通信总线、处理器、存储器和通信接口，还可以包括、输入输出接口和显示设备，其中，各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所存放的程序，执行上述实施例所述的康复分析方法的步骤。

所属领域的技术人员可以清楚地了解到，上述描述的系统、装置、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。

另外，在本发明各个实施例中的各功能单元可以物理上相互独立，也可以两个或两个以上功能单元集成在一起，还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现，也可以采用软件或者固件的形式实现。

本领域普通技术人员可以理解：所述集成的功能单元如果以软件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，本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干指令，用以使得一台计算设备(例如个人计算机，服务器，或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)，磁碟或者光盘等各种可以存储程序代码的介质。

或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的计算设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被计算设备的处理器执行时，所述计算设备执行本发明各实施例所述方法的全部或部分步骤。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部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脱离本发明的保护范围。

Claims (10)

1.一种康复分析方法，其特征在于，所述方法包括：

步骤1：获取针对目标患者的活动数据；

步骤2：基于所述活动数据识别所述目标患者的活动状态信息；

步骤3：判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；以及，

将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果；

步骤4：基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议。

2.根据权利要求1所述的方法，其特征在于，所述活动数据包括四肢活动度图像和/或四肢活动度视频。

3.根据权利要求1所述的方法，其特征在于，所述活动状态信息至少包括四肢的活动范围、活动速度以及动作一致性之一。

4.根据权利要求1所述的方法，其特征在于，所述基于所述活动数据识别所述目标患者的活动状态信息，包括：

基于图像识别技术构建第一机器学习模型；

对所述第一机器学习模型进行训练，得到训练完成的第一目标机器学习模型；

将所述活动数据输入所述第一目标机器识别模型，利用所述第一目标机器识别模型标记所述目标患者的身体关键位置；

结合所述身体关键位置对所述活动数据进行识别，得到所述目标患者的活动状态信息。

5.根据权利要求4所述的方法，其特征在于，所述对所述第一机器学习模型进行训练，包括：

采集包含关键位置标记的标准活动数据集；所述标准活动数据集包括多个标准四肢活动度图像和/或多个标准四肢活动度视频；

利用所述标准活动数据集对所述第一机器学习模型进行训练、验证及测试，直到得到准确率达到第一阈值的第一目标机器学习模型。

6.根据权利要求1所述的方法，其特征在于，所述判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果，包括：

基于数据预测技术构建第二机器学习模型；

利用携带有时间特征的活动状态指标对所述第二机器学习模型进行训练，得到训练完成的第二目标机器学习模型；所述活动状态指标至少包括四肢的活动范围指标、活动速度指标以及动作一致性指标之一；

将所述目标患者的活动状态信息输入所述第二目标机器识别模型，利用所述第二目标机器判断所述目标患者的活动状态信息是否达到相应时间阶段对应的预设活动状态指标，得到所述目标患者的活动预测结果。

7.根据权利要求1所述的方法，其特征在于，所述基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议，包括：

利用生成式人工智能技术，基于所述目标患者的活动预测结果和活动对比结果分析所述目标患者的康复治疗方案；

根据预设时间周期重复执行步骤1～3，根据所述目标患者最新的活动预测结果和活动对比结果判断所述目标患者是否适用所述康复治疗方案；

若所述目标患者不适用所述康复治疗方案，根据所述目标患者的治疗完成情况再次分析所述目标患者的康复治疗方案，以对所述康复治疗方案进行更新。

8.一种康复分析装置，其特征在于，所述装置包括：

数据获取模块，用于获取针对目标患者的活动数据；

信息识别模块，用于基于所述活动数据识别所述目标患者的活动状态信息；

结果预测模块，用于判断所述目标患者的活动状态信息是否达到预设活动状态指标，得到活动预测结果；以及，将所述目标患者的活动状态信息与所述目标患者的相似群体的标准活动状态信息进行对比，得到活动对比结果；

建议分析模块，用于基于所述目标患者的活动预测结果和活动对比结果分析针对所述目标患者的康复治疗建议。

9.一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存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1～7任一项所述的康复分析方法。

10.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7中任一项所述的康复分析方法。