[发明专利]基于机器学习的多模态康复诊疗云平台的实现方法

权利要求书

1.一种基于机器学习的多模态康复诊疗云平台的实现方法，其特征在于，包括如下步骤：

S1:多模态数据结构的搭建：支持多种类型的康复诊疗设备的添加，并通过多模态数据结构的搭建部分，完成新增类型康复诊疗设备的相关数据存储结构的自动生成，为后续各部分奠定数据存储的基础，具体的搭建步骤如下：

S11:添加新的设备类型；

S12:设定添加类型设备的相关属性信息，支持多种属性；

S13:自动生成添加类型设备的基础信息数据表，即根据S12中添加的该类型设备的属性项，对应地自动生成该类型设备的基础信息数据表结构，其中为了识别不同的设备，设备的唯一识别编号是必须额外自动增加的；

S14:自动生成添加类型设备交互数据原始信息数据表，其结构包括设备唯一识别码、接收时间、原始数据内容；

S15:设定添加类型设备交互的数据项信息，包含数据交互的方向和对应的多项交互数据项，设备唯一识别码和交互的时间戳是必须的；其中数据交互的方向包含上行和下行两种，上行为该类型设备交互的监视数据、下行为该类型设备交互的控制数据；

S16:自动生成添加类型设备交互信息数据表，即根据S15中添加的该类型设备的数据交互方向和对应的数据项，自动生成添加设备的监视实时数据表、控制实时数据表，用于实时交互数据的存储；同时，自动同步生成监视历史数据表、控制历史数据表，其中监视历史数据表存储的数据将是识别算法进行机器学习的训练数据集；

S17:设定添加类型设备识别结果数据项，即通过识别算法计算出的结果包含的信息项，允许添加多个结果项，为每个结果项设定是否需要计算准确度；系统会自动增加识别算法ID、设备唯一识别码、诊疗者ID以及整体准确度，为后续数据统计分析汇总和机器学习奠定基础；

S18:生成识别结果信息数据表，即根据S17中添加的该类型设备的识别结果数据项，自动生成实时识别结果数据表和训练过程结果数据表结构；实时识别结果数据表是存储交互信息通过当前识别算法实时识别出来的结果；与监视实时数据表对应，训练过程结果数据表是存储所有识别算法在监视历史数据集上进行训练的识别结果集，是识别算法进行机器学习的重要数据依据；

S2:多模态数据接收与存储：把接收的康复诊疗终端发送的数据和对应产生的识别结果数据存储到对应监视实时数据表，并进行识别结果的校正处理，通过手动或定时自动的方式转存到监视历史数据表中，逐步形成大数据，为机器学习与模态识别算法训练奠定大数据基础，具体的实现步骤如下：

S201:接收康复诊疗设备终端发送过来的数据包A；

S202:对数据包A进行解析，解析出设备类型A-TYPE和设备唯一识别码A-ID；

S203:根据设备类型A-TYPE，通过查找设备类型索引，找到该类型设备的基础信息数据表；

S204:在该类型设备基础信息数据表中，检索设备唯一识别码A-ID是否存在，若不存在丢弃该数据包A，反之进入S205；

S205:继续解析数据包A，并根据设定的该设备类型A-TYPE的交互数据项对其进行数据规则验证，若不通过，丢弃该数据包A，反之把接收的数据包A所有内容写入到交互数据原始信息数据表，同时进入S206；

S206:获得解析数据包A得出详细的诊疗数据序列A-DATA，并写入设备监视实时数据表；

S207:读取当前的模态识别算法A-ALGO；

S208:把诊疗数据序列A-DATA交给当前的模态识别算法A-ALGO，获得识别结果A-RES，进入S209和S210；

S209:把识别结果A-RES写入设备监视实时数据表；

S210:向康复诊疗设备终端返回识别结果；

S211:对识别结果进行校正处理；

S212:手动或通过定时任务自动把监视实时数据表中的数据转存到该类型设备的监视历史数据表中；

S3:机器学习与迭代：通过同类型设备在使用过程中积累到平台的庞大监视历史数据作为训练数据集，对模态识别算法进行训练，并在对训练结果进行分析汇总的基础上不断对模态识别算法中的参数或识别模型进行调优或迭代，最终找到准确度更高、效率更优的诊断和康复训练的模态识别算法，具体的循环迭代步骤如下：

S31:初始模态识别算法M1；

S32:设置训练数据集在平台中初始参数，包括训练数据集的时间区间、诊疗者地区范围、诊疗者的人员特征；

S33:对识别算法进行训练；

S34:记录模态识别算法M1训练过程中产生的结果数据，并记录到训练过程结果数据表中；

S35:对训练过程结果进行不同维度或不同维度的组合进行分析汇总；

S36:记录分析汇总结果到训练结果分析汇总数据表；

S37:根据对该模态识别算法M1的训练结果的分析汇总结果生成分析数据，并允许进行数据的可视化；

S38:对识别模态识别算法M1中的参数或识别模型进行调优或迭代，生成新的模态识别算法M2；

S39:把模态识别算法M2作为新的识别算法，即转到S31；

S4:个性化定制：根据不同模态识别算法对同类型设备的训练过程结果数据表和训练结果分析数据表按照地区、人员特征或固定设备进行二次多维度分析的基础上，结合诊疗者地区、人员特征以及固定设备实现个性化识别推荐，并在诊疗者诊疗或康复训练的数据积累过程中不断进行机器学习和迭代优化的基础上，训练其特定的模态识别算法，最终实现对诊疗者的个性化定制，具体的实现步骤如下：

S41:对训练过程结果数据表信息和训练结果分析汇总数据表信息按照地区、人员特征、固定设备多维度进行二次分析得出对应的模态识别算法优化度分析数据表，此为进行个性化模态识别算法推荐的数据基础；

S42:录入诊疗者地区、人员特征、训练设备多维度信息；

S43:系统根据S42的信息在S41的数据基础上进行匹配实现个性化模态识别算法的推荐；

S44:系统不断记录诊疗者的诊疗监视数据以及模态识别结果数据；

S45:依据机器学习与迭代优化部分的步骤，在该诊疗者康复训练的监视数据集上进行不断的机器学习和模态识别算法迭代优化；

S46:最终实现对具体某位诊疗者的个性化定制；

S5:云平台管理体系的搭建：包括如下六部分：管理人员管理、设备类型与数据结构管理、设备管理、模态识别算法管理、机器学习与迭代管理、个性定制管理。