[发明专利]一种偏瘫患者康复训练任务自适应匹配方法及其系统

权利要求书

1.一种偏瘫患者康复训练任务自适应匹配方法，其特征在于，包括以下步骤：

康复训练任务自适应决策树模型的生成：采集带标签的偏瘫患者样本，提取样本特征的相应参数，形成样本集，从而生成康复训练任务自适应决策树模型，并进一步验证所述自适应匹配方法决策树模型的准确性；

为不带标签的偏瘫患者自动匹配康复训练模板：将不带标签的偏瘫患者的特征信息输入所述康复训练任务自适应决策树模型，得到匹配的康复训练模板。

2.根据权利要求1所述的一种偏瘫患者康复训练任务自适应匹配方法，其特征在于，还包括以下步骤：

所述康复训练任务自适应决策树模型的更新：更新带标签的偏瘫患者样本，从而更新所述康复训练任务自适应决策树模型。

3.根据权利要求1所述的一种偏瘫患者康复训练任务自适应匹配方法，其特征在于，

所述样本特征包括：人口学资料特征、临床特征和生理参数；

所述人口学资料特征包括性别和年龄；

所述临床特征包括损伤等级和损伤时间；

所述生理参数包括运动学参数、动力学参数、肌电参数、脑电参数和能量参数。

4.根据权利要求1所述的一种偏瘫患者康复训练任务自适应匹配方法，其特征在于，所述康复训练模板包括：与病患相适应的训练任务以及具体的控制参数；

所述控制参数包括：训练的运动模式、单一肢体运动参数、步态规划参数、电刺激参数；

所述训练的运动模式包括：主动、被动、协助和阻抗；

所述单一肢体运动参数包括：单一肢体的运动速度和加速度；

所述步态规划参数包括：站立相、迈步相和双支撑相；

所述电刺激参数包括：电刺激强度、电刺激部位和电刺激时频参数。

5.根据权利要求1所述的一种偏瘫患者康复训练任务自适应匹配方法，其特征在于，康复训练任务自适应决策树模型的生成的具体内容包括：

(1)数据准备：采集带标签的偏瘫患者样本特征，针对不同的样本特征进行参数提取，形成样本集，将样本集分为训练集和测试集；

(2)生成康复训练任务自适应决策树模型：针对所述样本特征的不同对所述训练集分别进行训练，生成所述康复训练任务自适应决策树模型；

(3)验证所述自适应匹配方法决策树模型的准确性：将所述测试集输入所述康复训练任务自适应决策树模型中得到匹配的康复训练模板，将匹配结果与实际训练任务进行对比来判断准确性。

6.根据权利要求5所述的一种偏瘫患者康复训练任务自适应匹配方法，其特征在于，步骤(2)具体包括：

根据所述训练集内的样本数据计算所述训练集的经验熵，针对不同的计算特征计算对训练集的经验条件熵和计算不同特征的信息增益，进而计算信息增益率，采用C4.5算法生成康复训练任务自适应决策树模型，在所述C4.5算法中选择信息增益率最大的特征进行分裂。

7.根据权利要求2所述的一种偏瘫患者康复训练任务自适应匹配方法，其特征在于，所述康复训练任务自适应决策树模型的更新的具体内容包括：

当带标签的偏瘫患者样本不断发生变化，更新所述康复训练任务自适应决策树模型的每个节点的性质和种类，不断迭代、训练和修正所述康复训练任务自适应决策树模型的结点、结构以及阈值。

8.一种偏瘫患者康复训练任务自适应匹配系统，其特征在于，包括：信息提取模块、数据训练模块、模型验证模块和样本增加模块；

所述信息提取模块，用于针对不同的样本特征提取相应参数，形成样本集，将样本集分为训练集和测试集；

所述数据训练模块，与所述信息提取模块相连，用于对所述训练集进行训练，得到康复训练任务自适应决策树模型；

所述模型验证模块，与所述信息提取模块和所述数据训练模块相连，用于通过所述测试集对所述康复训练任务自适应决策树模型的准确度进行验证；

所述样本增加模块，与所述信息提取模块相连，用于增加新的样本参数。