[发明专利]一种基于多模态生理数据采集的腕部工作负荷的预测方法和装置

权利要求书

1.一种基于多模态生理数据采集的腕部工作负荷的预测方法，其中，所述方法应用于一腕部智能穿戴设备，所述腕部智能穿戴设备可通过电极与第一用户的腕部连接，所述方法包括：

根据所述电极获得第一肌电信号、第二肌电信号、第三肌电信号和第四肌电信号，通过四个电极与第一用户的腕部连接进行数据采集，所述第一肌电信号为尺侧腕屈肌的肌肉电信号、第二肌电信号为桡侧腕屈肌的肌肉电信号、第三肌电信号为尺侧腕短伸肌的肌肉电信号、第四肌电信号为桡侧腕短伸肌的肌肉电信号；

根据所述第一肌电信号，获得第一输入信息；

根据所述第二肌电信号，获得第二输入信息；

根据所述第三肌电信号，获得第三输入信息；

根据所述第四肌电信号，获得第四输入信息；

将所述第一输入信息、第二输入信息、第三输入信息和第四输入信息输入运动预测模型，获得第一运动指标，所述第一运动指标为所述第一用户腕部工作负荷指标；

获得预定腕部负荷阈值；

判断所述第一运动指标是否在所述预定腕部负荷阈值之内；

如果所述第一运动指标不在所述预定腕部负荷阈值之内，获得第一预警信息，所述第一预警信息用于提醒所述第一用户腕部工作超负荷；

其中，所述获得预定腕部负荷阈值，包括：

将所述第一输入信息、第二输入信息、第三输入信息和第四输入信息输入运动预测模型，所述运动预测模型由多组数据训练所得，通过多组数据不断地进行训练可获得所述第一用户实时的腕部关节角度信息与腕部关节力矩信息；

根据所述腕部关节角度信息，获得第一标准单位时间内的平均角度信息；

根据所述腕部关节力矩信息，获得第一标准单位时间内的平均力矩信息；

获得第一权重值；

根据所述第一权重值，对所述第一标准单位时间内的平均角度信息和所述第一标准单位时间内的平均力矩信息进行加权平均计算，获得预定腕部负荷阈值。

2.如权利要求1所述的方法，其中，所述将所述第一输入信息、第二输入信息、第三输入信息和第四输入信息输入运动预测模型之前，包括：

对所述第一肌电信号、第二肌电信号、第三肌电信号和第四肌电信号进行预处理；

将预处理后的所述第一肌电信号、第二肌电信号、第三肌电信号和第四肌电信号作为第一输入信息、第二输入信息、第三输入信息和第四输入信息。

3.如权利要求1所述的方法，其中，所述将所述第一输入信息、第二输入信息、第三输入信息和第四输入信息输入运动预测模型，获得第一运动指标，包括：

将所述第一输入信息、第二输入信息、第三输入信息和第四输入信息输入运动预测模型，获得所述第一用户实时的腕部关节角度信息与腕部关节力矩信息；

获得第二权重值，其中，所述第二权重值与所述第一权重值相同；

根据所述第二权重值，对所述腕部关节角度信息与腕部关节力矩信息进行加权平均计算，获得第一运动指标。

4.如权利要求1所述的方法，其中，所述方法包括：

获得中正神经远端潜伏期信息；

获得符合肌肉动作电位信息；

获得腕-肘段运动传导速度信息；

获得中正神经感觉传导速度信息；

根据所述中正神经远端潜伏期信息、符合肌肉动作电位信息、腕-肘段运动传导速度信息和中正神经感觉传导速度信息，获得第一识别结果，所述第一识别结果表示所述第一用户的腕部健康状态。

5.如权利要求4所述的方法，其中，所述根据所述中正神经远端潜伏期信息、符合肌肉动作电位信息、腕-肘段运动传导速度信息和中正神经感觉传导速度信息，获得第一识别结果，包括：

将所述中正神经远端潜伏期信息、符合肌肉动作电位信息、腕-肘段运动传导速度信息和中正神经感觉传导速度信息输入分类神经网络模型，获得第一识别结果。