[发明专利]一种辅助心脏病患者康复运动的实时评价方法

权利要求书

1.一种辅助心脏病患者康复运动的实时评价方法，其特征在于，包括：

步骤1、专业医疗团队根据患者当前身体状况制定患者运动处方，以及患者运动中心率、血压的稳定阈值范围；患者按照运动处方要求，选择运动种类开始运动；

步骤2、实时检测患者心率及血压，待患者心率及血压稳定后，判断患者心率及血压是否小于所述阈值上限；

步骤3、若两者中的任一值不小于所述阈值上限，则预警；若两者值均小于所述阈值上限，对患者当前的运动契合度进行评价，得到运动契合度分值；

步骤4、若运动契合度为“优”，则回到步骤2，重新开始检测；若运动契合度不为“优”，则继续判断患者当前心率及血压是否小于所述阈值下限；

步骤5、若两者中的任一值不小于所述阈值下限，则提示患者小幅度增大运动强度；若患者当前心率及血压均小于所述阈值下限，则提示患者大幅度增大运动强度；

所述步骤3中患者的运动契合度评价的具体实现步骤如下：

步骤(1)通过足底压力传感器和惯性传感器以一定的采样频率实时采集心脏病患者的步态信息，并根据已经确定的最佳步态特征参数，提取得到患者当前的最佳步态特征参数值；

步骤(2)根据患者选择的运动种类，在运动契合度评价模型库中寻找到对应的运动契合度评价模型；

步骤(3)将患者当前的最佳步态特征参数值作为输入量，通过运动契合度评价模型，得到患者当前的运动契合度分值；

所述患者的运动契合度评价模型库的具体建立步骤如下：

步骤(1)、将患者在康复运动时同种运动种类下的步态信息作为一类数据，采集得到患者在多个不同运动种类下的步态信息；

步骤(2)、根据所述确定的最佳步态特征参数方法，分别提取得到各组的患者最佳步态特征参数值；

步骤(3)、将同种运动种类的患者最佳步态特征参数值与对应的专家医疗团队对运动契合度的主观评分作为一类样本，多个不同运动种类的所述样本构成样本库；

步骤(4)、将一类样本作为训练集，应用BP神经网络算法进行学习，得到运动契合度评价模型，多个不同运动种类的运动契合度评价模型构成运动契合度评价模型库；

所述专家医疗团队对运动契合度的主观评分的要求如下：

专家医疗团队对患者在康复运动过程中的康复运动效果进一步细化，根据患者的身体状况、主观感受以及各种生理指标进行综合性的评估，以分值的形式体现，将评估结果称作患者的运动契合度；运动契合度分值范围为0-100分，其中，0-30分为“差”，30-60分为“中”，60-80分为“良”，80-100分为“优”。

2.根据权利要求1所述的一种辅助心脏病患者康复运动的实时评价方法，其特征在于，步骤3中，所述确定的最佳步态特征参数的具体实现步骤如下：

步骤(1)、采集得到心脏病患者在同种运动种类下，运动效果不同时的多组步态参数，包括足底压力值、前项加速度值、纵向加速度值，以及通过简单计算得到的足底任意两个位置间的压力差值及时间差值、步态时间参数、步频、步速、步长、抬腿高度；

步骤(2)、采用相关性分析方法，比较运动效果与所述步态参数的关联性，提取相关性较大的步态参数，降维，得到最佳步态特征参数。

3.根据权利要求1所述的一种辅助心脏病患者康复运动的实时评价方法，其特征在于，步骤3中，所述应用BP神经网络算法学习的具体实现步骤如下：

步骤(1)、将所述样本库中一组样本的部分样本作为训练集；

步骤(2)、建立神经网络模型，输入量为患者的最佳步态特征参数值，输出量为运动契合度分值，确定网络层数、每层神经元个数及激活函数，定义网络起始学习速率、训练次数；

步骤(3)、经过多次训练，得到训练好的神经网络模型；

步骤(4)、将所述样本中未被训练的患者最佳步态特征参数值作为测试样本，采用训练好的神经网络模型进行学习，比较输出的结果与实际的运动契合度分值，确认BP神经网络模型的准确性。