[发明专利]基于人工智能的神经康复动作检测系统

说明书

本发明涉及神经康复动作检测领域，具体涉及基于人工智能的神经康复动作检测系统。该系统包括处理器和存储器，处理器执行存储器存储的计算机程序以实现如下步骤：获取目标患者在当前康复训练过程中的视频图像，根据视频图像得到目标患者对应的当前适应训练效果因子、当前训练难度变易因子、当前最小准确率、当前最小动作执行时间和当前抖动程度，并构建目标患者的康复动作训练效果矩阵，将目标患者对应的历史康复动作训练效果可控指数序列输入到目标患者所属类别对应的神经网络模型，得到目标患者当前的康复动作训练效果可控指数预测值，并判断目标患者对康复动作的掌握程度是否超过预期。本发明对目标患者对康复动作的掌握程度的判断更准确。

技术领域

本发明涉及神经康复动作检测领域，具体涉及基于人工智能的神经康复动作检测系统。

背景技术

神经康复主要是针对神经疾病所致运动、感觉等功能障碍的康复评定和康复治疗，重点是脑卒中的康复。为了保证训练动作训练的效果，需要在康复动作训练难度简单时进行替换，进而加强其它动作的掌握，加强神经康复的效果。目前没有较好的直接检测患者神经康复训练中动作的熟练程度、训练是否能够完成的方法，患者能否掌握神经康复动作的训练主要靠医师的评价和患者的临床自评来完成。但是，患者靠医师进行康复训练的完成度评价时会存在加大医师的工作量，也不容易保证评价的及时性的问题；而患者靠自己进行康复动作的掌握程度评价时很容易引入主观因素，存在评价结果不太准确的问题。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于人工智能的神经康复动作检测系统。

本发明的一种基于人工智能的神经康复动作检测系统，包括处理器和存储器，所述处理器执行所述存储器存储的计算机程序以实现如下步骤：

获取目标患者在当前康复训练过程中的视频图像，根据所述视频图像计算目标患者对应的实际训练动作的当前最大准确率、当前最小准确率、当前最大动作执行时间、当前最小动作执行时间和当前抖动程度；

根据目标患者对应的实际训练动作的最大准确率、实际训练动作的最小准确率、最大动作执行时间、最小动作执行时间计算目标患者对应的当前适应训练效果因子，并计算所述当前适应训练效果因子与初始适应训练效果因子之比，将比值记为目标患者对应的当前训练难度变易因子；

根据目标患者对应的当前适应训练效果因子、当前训练难度变易因子、当前最小准确率、当前最小动作执行时间和当前抖动程度构建目标患者的康复动作训练效果矩阵，根据所述康复动作训练效果矩阵对目标患者进行分类，判断目标患者所属类别；将目标患者对应的历史康复动作训练效果可控指数序列输入到目标患者所属类别对应的神经网络模型，得到目标患者当前的康复动作训练效果可控指数预测值，将所述预测值与当前的康复动作训练效果可控指数进行比较，若当前与初始的康复动作训练效果可控指数的差异值大于所述预测值与初始的康复动作训练效果可控指数的差异值，则判定目标患者对康复动作的掌握程度超过预期；所述康复动作训练效果可控指数为对康复动作训练效果矩阵进行降维后得到的值。

进一步的，根据所述视频图像计算目标患者对应的实际训练动作的当前最大准确率的过程如下：

对任一实际训练动作包括的各帧图像进行3D骨骼点动作捕捉，并在捕捉后恢复为对应的归一化的MANO模型，计算各帧图像对应的归一化的MANO模型与对应的标准MANO模型的交并比，将各帧图像对应的交并比的最大值作为该实际训练动作的当前准确率；

比较目标患者包括的各实际训练动作对应的当前准确率的大小，得到目标患者对应的实际训练动作的当前最大准确率。

进一步的，计算目标患者对应的实际训练动作的当前最大动作执行时间的过程如下：

统计目标患者包括的各实际训练动作对应的动作执行时间，比较目标患者包括的各实际训练动作对应的动作执行时间的大小，将目标患者对应的最大动作执行时间记为当前最大动作执行时间。