[发明专利]基于步态识别预测康复训练效果的数据处理系统有效
| 申请号: | 202310107540.9 | 申请日: | 2023-02-14 |
| 公开(公告)号: | CN115830718B | 公开(公告)日: | 2023-04-25 |
| 发明(设计)人: | 李灿东;杨朝阳;唐志伟;赖新梅;周常恩;辛基梁 | 申请(专利权)人: | 福建中医药大学 |
| 主分类号: | G06V40/20 | 分类号: | G06V40/20;A61B5/11;G06V10/764;G06V10/82;G06N3/0442;G06N3/047 |
| 代理公司: | 郑州坤博同创知识产权代理有限公司 41221 | 代理人: | 杨肖婉 |
| 地址: | 350000 *** | 国省代码: | 福建;35 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 步态 识别 预测 康复训练 效果 数据处理系统 | ||
1.一种基于步态识别预测康复训练效果的数据处理系统,其特征在于,包括:
步态参数采集模块,用于获取由部署于待评估患者的鞋垫内的微型传感器采集所述待评估患者的左脚步态参数和右脚步态参数,其中,所述左脚步态参数和右脚步态参数包括步相、着地位置及压力中心点轨迹、步速、步频、步长、转向角、双下肢对称性、摆动相时间比例和支撑相时间比例;
左脚步态语义编码模块,用于将所述左脚步态参数通过基于转换器的上下文编码器以得到多个左脚步态数据特征向量;
第一尺度特征提取模块,用于将所述多个左脚步态数据特征向量进行级联以得到第一左脚步态语义特征向量;
第二尺度特征提取模块,用于将所述多个左脚步态数据特征向量输入双向长短期记忆神经网络模型以得到第二左脚步态语义特征向量;
左脚步态多尺度语义特征融合模块,用于融合所述第一左脚步态语义特征向量和所述第二左脚步态语义特征向量以得到左脚步态语义特征向量;
右脚步态多尺度语义特征提取模块,用于通过所述基于转换器的上下文编码器和所述双向长短期记忆神经网络模型,从所述右脚步态参数得到右脚步态语义特征向量;
协同模块,用于计算所述右脚步态语义特征向量和所述左脚步态语义特征向量之间的协同步态关联特征矩阵;以及
数据处理结果生成模块,用于将所述协同步态关联特征矩阵通过分类器以得到分类结果,所述分类结果用于表示康复训练效果的等级标签。
2.根据权利要求1所述的基于步态识别预测康复训练效果的数据处理系统,其特征在于,所述左脚步态语义编码模块,包括:
分词单元,用于将所述左脚步态参数进行分词处理以将所述左脚步态参数转化为由多个词组成的词序列;
嵌入编码单元,用于使用所述基于转换器的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列;
上下文编码单元,用于使用所述基于转换器的上下文编码器的转化器对所述词向量的序列进行基于全局的上下文语义编码以获得所述多个左脚步态数据特征向量。
3.根据权利要求2所述的基于步态识别预测康复训练效果的数据处理系统,其特征在于,所述左脚步态多尺度语义特征融合模块,进一步用于:以如下公式融合所述第一左脚步态语义特征向量和所述第二左脚步态语义特征向量以得到左脚步态语义特征向量;
其中,所述公式为:
其中表示所述第一左脚步态语义特征向量,表示所述第二左脚步态语义特征向量,表示所述左脚步态语义特征向量,分别表示所述第一左脚步态语义特征向量和所述第二左脚步态语义特征向量的加权参数,表示按位置加和。
4.根据权利要求3所述的基于步态识别预测康复训练效果的数据处理系统,其特征在于,所述协同模块,包括:
初始关联特征矩阵计算单元,用于对所述右脚步态语义特征向量和所述左脚步态语义特征向量进行关联编码以得到初始关联特征矩阵;
图核游走节点分布融合特征矩阵计算单元,用于计算所述右脚步态语义特征向量和所述左脚步态语义特征向量之间的图核游走节点分布融合特征矩阵,其中,所述图核游走节点分布融合特征矩阵与所述右脚步态语义特征向量和所述左脚步态语义特征向量之间的距离矩阵有关;以及
融合单元,用于融合所述初始关联特征矩阵和所述图核游走节点分布融合特征矩阵以得到所述协同步态关联特征矩阵。
5.根据权利要求4所述的基于步态识别预测康复训练效果的数据处理系统,其特征在于,所述初始关联特征矩阵计算单元,进一步用于:以如下公式对所述右脚步态语义特征向量和所述左脚步态语义特征向量进行关联编码以得到初始关联特征矩阵;
其中,所述公式为:
其中表示所述右脚步态语义特征向量,表示所述左脚步态语义特征向量,表示所述初始关联特征矩阵,为矩阵与向量相乘。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建中医药大学,未经福建中医药大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310107540.9/1.html,转载请声明来源钻瓜专利网。





