[发明专利]一种运动状态判断的诊断监控综合医疗系统及其判断方法

权利要求书

1.一种运动状态判断的诊断监控综合医疗系统的运动状态判断方法，所述运动状态判断的诊断监控综合医疗系统，包括客户端、工作站、云端服务器、图像采集装置以及生理参数传感器，生理参数传感器通过短距离无线通信技术传输到网络协调器与客户端连接，客户端通过互联网与云端服务器连接，图像采集装置与工作站连接，将采集到的图像上传至云端服务器，患者用户通过客户端上传患者用户的基本信息至云端服务器，决策用户通过工作站上传案例概况信息、患者用户主要症状和体征、化验结果、病理信息、患者用户病情的基本判断、治疗手段、手术后症状、护理建议和策略至云端服务器，云端服务器存储有诊疗案例库，云端服务器对上传的各类信息综合形成案例，决策用户通过工作站对诊疗案例库进行检索，在诊疗案例库中找到相似度匹配找到最相似的案例，图像采集装置包括CT机、超声仪和核磁共振仪，生理参数传感器包括心率采集传感器、血压计、血氧仪和加速度计，其为可穿戴设备，工作站使用图像融合对采集到的CT图像、超声图像和核磁共振图像进行两两图像融合，并将融合后的图像上至云端服务器，工作站与云端服务器之间使用加密算法进行通信，

其特征在于：生理参数传感器为可穿戴设备，其通过加速度计的加速度数据判断患者的运动状态，具体判断过程如下：

步骤1，从加速度计获取加速度数据；

步骤2，数据预处理，

步骤3，数据特征生成，

步骤4匹配识别；

步骤2具体为：

将获取的加速度数据生成为加速度时间序列数据，采用滑动窗口为加速度时间序列数据的时域加窗，对每个加窗得到的加速度时间序列数据进行处理和识别，滑动窗口使用时间轴来分段提取序列，定义窗口长度w以及重叠窗口长度o,

对于一段加速度时间序列{x₁,x₂...x_n...}，第一个窗口为{x₁,x₂...x_w}，第二个窗口为{x_w-o,x_w-o+1...x_2w-o-1}，第三个窗口为{x_2w-2o-1,x_2w-2o...x_3w-2o-2},第n各窗口为{x_n(w-o)-n+1,x_n(w-o)-n+2...x_n(w-o)+w-n}，其中，w＝60，o＝10，x_n为加速度时间序列数据；

步骤3具体为：

加速度数据特征包括时域特征和频域特征，时域特征包括加速的在窗口长度w内的平均值、均方根、方差和绝对平均差，频域特征为窗口长度w内的能量；

均值为加速度数值的平均大小，是加速的直流分量，其计算公式为：

均方根D为加速度值的总体大小，其计算公式如下：

方差σ_x为加速度的分散程度，其计算公式如下：

方差明显的反映了数据变化的剧烈程度，其中是加速度的均值；绝对平均差K的计算为：

能量E的计算方法是对信号做FFT之后，各个分量的幅值平方和，其公式为：

F_i为加速度时间FFT之后第i个分量的幅度，N为分量个数；

通过上述平均值、均方根、方差、绝对平均差、能量的计算分别得到多个窗口的平均值序列、均方根序列、方差序列、绝对平均差序列、能量序列；

步骤4具体为：

生成样本序列，样本序列包括在行走状态、奔跑状态、跳跃状态、跌倒状态、静止状态下各个平均值序列、均方根序列、方差序列、绝对平均差序列、能量序列，样本序列为预先设置或者通过用户本身通过执行相应的状态进行设置；

将上述得到的平均值序列、均方根序列、方差序列、绝对平均差序列、能量序列分别匹配不同状态下的样本序列，将匹配度最高的样本序列的状态作为当前用户的运动状态；

采用超声图像和核磁共振图像生成聚焦彩色图像，其融合过程如下：

步骤1，通过HSV变换将图像A、B从RGB空间转化到HSV空间，并获得H、S、V三个分量；

步骤2，通过邻域叠加得到融合后的H分量；

步骤3，通过梯度计算得到融合后的S分量和V分量；

步骤4，根据上述步骤的H分量、S分量和V分量，通过HSV逆变换构成最终的融合图像；

采用超声图像和核磁共振图像生成聚焦彩色图像，其融合过程的步骤2具体为：

步骤2.1，初始化，n＝1，Y_i,j(0)＝0，L_i,j(0)＝1，θ_i,j(0)＝1，

步骤2.2，迭代，

其中，n为迭代次数；为图像A，B在点(i,j)处第n次叠加后的线性链接输入；为图像A，B在点(i,j)处第n次叠加后的活跃度；为图像A，B在点(i,j)处第n次叠加后的H分量；为图像A，B在点(i,j)处第n次叠加后的动态阈值；为图像A，B在点(i,j)处第n次叠加后的二值化输出；为图像A，B在点(i,j)处第n次叠加后的高二值次数；α为时间衰减常数；β为链接强度系数；W_i,j在点(i,j)处权重系数；V^L、V^θ为放大系数；k，l为点(i,j)为纵向和横向临近链接范围；

步骤2.3，判断，n＞N，N为迭代次数阈值；则进入步骤2.4，否则n＝n+1，返回步骤2.2；

步骤2.4，统计，分别计算图像A和图像B的高二值总次数，

步骤2.5，对图像A和图像B中所有的点(i,j)均进行上述步骤2.1-2.4，得出T_A(i,j)和T_B(i,j)；

步骤2.6，融合，

其中，H_AB(i,j)为在点(i,j)处融合后的H分量，h_A(i,j)、h_B(i,j)为原始图像A、B在点(i,j)处的H分量，T_A(i,j)、T_B(i,j)为图像A、B在点(i,j)处高二值总次数，

采用超声图像和核磁共振图像生成聚焦彩色图像，其融合过程的步骤3具体为：

步骤3.1，梯度计算

其中，

其中，为原始图像A、B在点(i,j)处的梯度，G_i()、G_j()、G_ij()、G_ji()为点(i,j)处的横向、竖向、45°斜向、135°斜向变化函数，s_A(i,j)、s_B(i,j)为原始图像A、B在点(i,j)处的S分量，

此外，未避免过长的表达式无法显示，此处的{}表示对长表达式的涵盖，即

步骤3.2，融合，

S_AB(i,j)为在点(i,j)处融合后的S分量；

步骤3.3，通过上述步骤3.1-3.2得到图像A、B在点(i,j)处融合后的V分量V_AB(i,j)；

其中，图像A为超声图像或核磁共振图像，图像B为核磁共振图像或超声图像。