[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

说明书

本申请涉及数据处理领域，其具体地公开了一种基于步态识别预测康复训练效果的数据处理系统，其通过采用基于深度学习的人工智能算法来分别提取出患者的左脚步态参数和右脚步态参数的各个参数项基于长距离依赖和中短距离依赖的多尺度关联性特征分布信息，进一步再基于这两者的协同特征来进行步态的分析判断，以此来进行康复训练效果的评估。这样，能够对于患者的康复训练效果进行精准地评估，以跟踪疾病的进展情况，对于患者的恢复情况进行准确地判断。

技术领域

本申请涉及数据处理领域，且更为具体地，涉及一种基于步态识别预测康复训练效果的数据处理系统。

背景技术

近年来，慢性疾病正在慢慢威胁着老年人健康。根据研究表明，阿尔茨海默病（Alzheimer’s disease，AD）俗称老年性痴呆，已成为中老年人继心脏病，癌症之后的第三大“疾病杀手”之一。轻度认知功能损害（Mild Cognition Impairment，MCI）是AD的早期状态，由于AD具有不可逆性，且患病人数逐年上升，因此对MCI的早期评估和康复训练尤为重要。

目前提供康复训练的机构多为康复中心，采用的方式多为传统康复措施。例如，在医护人员的帮助下进行语言互动训练，用于对患者进行记忆力，逻辑思维，判断力等社会认知能力康复；肢体机械训练，用于对患者进行运动协调能力康复。但由于相应的医疗人员紧缺，患者来往康复中心耗时，人员操作中的不规范现象，使得康复工作的效率不高，难以对于患者的康复训练效果进行评估，患者错过了最佳康复时机。

因此，期望一种优化的用于预测康复训练效果的数据处理系统。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于步态识别预测康复训练效果的数据处理系统及方法，其通过采用基于深度学习的人工智能算法来分别提取出患者的左脚步态参数和右脚步态参数的各个参数项基于长距离依赖和中短距离依赖的多尺度关联性特征分布信息，进一步再基于这两者的协同特征来进行步态的分析判断，以此来进行康复训练效果的评估。这样，能够对于患者的康复训练效果进行精准地评估，以跟踪疾病的进展情况，对于患者的恢复情况进行准确地判断。

根据本申请的一个方面，提供了一种基于步态识别预测康复训练效果的数据处理系统，其包括：

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。