CN111724879A - 康复训练评估处理方法、装置及设备 - Google Patents
康复训练评估处理方法、装置及设备 Download PDFInfo
- Publication number
- CN111724879A CN111724879A CN202010605473.XA CN202010605473A CN111724879A CN 111724879 A CN111724879 A CN 111724879A CN 202010605473 A CN202010605473 A CN 202010605473A CN 111724879 A CN111724879 A CN 111724879A
- Authority
- CN
- China
- Prior art keywords
- rehabilitation
- training
- user
- image set
- rehabilitated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 359
- 238000011156 evaluation Methods 0.000 title claims abstract description 77
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 230000033001 locomotion Effects 0.000 claims abstract description 135
- 230000009471 action Effects 0.000 claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000013210 evaluation model Methods 0.000 claims abstract description 35
- 230000006870 function Effects 0.000 claims description 35
- 238000011084 recovery Methods 0.000 claims description 27
- 239000003814 drug Substances 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 3
- 230000003183 myoelectrical effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 12
- 230000000875 corresponding effect Effects 0.000 description 113
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 210000000629 knee joint Anatomy 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 208000017667 Chronic Disease Diseases 0.000 description 3
- 206010034464 Periarthritis Diseases 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 210000002082 fibula Anatomy 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 206010049816 Muscle tightness Diseases 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003863 physical function Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000009023 proprioceptive sensation Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明实施例提供了一种康复训练评估处理方法、装置及设备，所述方法包括获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据康复训练视频数据确定运动图像集，采用运动功能评定模型，对运动图像集进行识别，确定运动图像集中各运动图像对应的动作参数值，其中，运动功能评定模型是根据运动训练图像集训练得到的，基于预存的康复医学知识图谱，对运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果，将训练结果发送至待康复用户对应的终端设备。提高了康复训练的效果，进而提高待康复用户的康复体验。
Description
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种康复训练评估处理方法、装置及设备。
背景技术
康复医学是20世纪中期出现的一门新兴的学科，与预防医学、保健医学、临床医学并称为“四大医学”，它是一门以消除和减轻人的功能障碍，弥补和重建人的功能缺失，设法改善和提高人的各方面功能，使得患者在药物或手术等治疗完成后，身体机能恢复到正常生活水平的医学学科。
目前，由于医疗水平的限制，仍有大量的残疾人、老年人和慢性病患者对康复医学有着迫切需求。
然而，由于长期以来重治疗、轻康复的观念，只有大型医院才配有与康复相关的设备和技术人员，在一般的小型或社区医院还没有配备相关的设备和技术人员，待康复用户只能频繁前往大型医院接受康复训练或者先在大型医院接受康复培训，然后在家根据学***不同，且无人监督，在家独立训练时，既不知道训练动作是否正确，也不知道训练动作是否标准，降低了康复训练的效果。
发明内容
本发明实施例提供一种康复训练评估处理方法、装置及设备，以提高康复训练的效果。
第一方面，本发明实施例提供一种康复训练评估处理方法，包括：获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据所述康复训练视频数据确定运动图像集；所述康复训练视频数据为所述待康复用户根据预评估的待康复训练数据进行动作所形成的视频数据；采用运动功能评定模型，对所述运动图像集进行识别，确定所述运动图像集中各运动图像对应的动作参数值，其中，所述运动功能评定模型是根据运动训练图像集训练得到的；基于预存的康复医学知识图谱，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果；将所述训练结果发送至所述待康复用户对应的终端设备。
可选的，所述康复医学知识图谱的图结构推理算法包括路径特征算法、规则学习算法和知识表示学习算法中的任意一种或多种，所述基于预存的康复医学知识图谱，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果，包括：基于预存的康复医学知识图谱中的所述路径特征算法、所述规则学习算法和所述知识表示学习算法中的任意一种或多种算法的组合，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
可选的，所述待康复训练数据包括所述待康复用户对应部位不同等级的康复训练数据，所述康复训练数据包括康复训练动作、康复训练时长，和/或康复训练次数，则所述获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据所述康复训练视频数据确定运动图像集，包括：获取视频采集设备采集的待康复用户根据所述康复训练数据中的康复训练动作、康复训练时长，和/或康复训练次数得到的康复训练视频数据；将所述康复视频数据按帧进行分离处理，得到包含若干帧图像的运动图像集。
可选的，还包括：获取可穿戴传感设备监测的基础体征参数数据；所述基于预存的康复医学知识图谱，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果，包括：基于预存的康复医学知识图谱，对所述基础体征参数数据和所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
可选的，在所述获取视频采集设备采集的待康复用户对应的康复训练视频数据之前，还包括：根据所述待康复用户对应的康复信息，确定所述待康复用户对应的指导动作；获取所述视频采集设备采集的康复测评视频数据；其中，所述康复测评视频数据为所述待康复用户根据所述指导动作进行动作所形成的视频数据；根据所述康复测评视频数据确定测评运动图像集，并采用运动功能评定模型，对所述测评运动图像集进行识别，确定所述测评运动图像集中各测评运动图像对应的动作参数值；基于所述康复医学知识图谱，对所述测评运动图像集中各测评运动图像对应的动作参数值和所述康复信息进行评估处理，获取所述预评估的康复训练数据。
可选的，还包括：判断所述训练结果是否在预设分数范围内；若所述训练结果没有在预设分数范围内，则重新执行所述根据所述待康复用户对应的康复信息，确定所述待康复用户对应的指导动作及之后的步骤，确定新的预评估的康复训练数据，其中，所述新的预评估的康复训练数据中所述待康复用户对应的部位与原评估的康复训练数据中的部位不同，或所述新的预评估的康复训练数据中所述待康复用户对应的部位与原评估的康复训练数据中的部位相同，而所述待康复用户对应部位的康复训练动作、康复训练时长，以及康复训练次数中的任意一种或多种参数与原评估的康复训练数据中的参数不同。
可选的，还包括：若所述可穿戴传感设备监测的基础体征参数数据中任一参数数据超过预设阈值，则生成报警提示；将所述报警提示发送至监控终端。
可选的，所述可穿戴传感设备包括生命体征传感腕表、足底压力传感器和表面肌电可穿戴传感器中的任意一种或多种。
可选的，所述待康复用户对应的康复信息包括：所述待康复用户的性别、年龄、身高、体重、既往病史，以及身体缺陷信息中的任意一种或多种的组合。
可选的，还包括：获取所述运动训练图像集；将所述运动训练图像集输入至卷积神经网络中进行训练，得到所述运动功能评定模型。
可选的，还包括：获取康复医学知识；根据预存体系构建规则确定所述康复医学知识对应的规则体系，其中，所述康复医学知识对应的规则体系包括康复医学知识实体、实体属性及相互关系；基于所述康复医学知识实体、实体属性及相互关系构建初始康复医学知识图谱；基于路径特征算法、规则学习算法以及知识表示学习算法中的任意一种或多种算法确定所述初始康复医学知识图谱的图结构，得到所述康复医学知识图谱。
可选的，还包括：将所述训练结果发送至监控终端进行显示。
第二方面，本发明实施例提供一种康复训练评估处理装置，包括：获取模块，用于获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据所述康复训练视频数据确定运动图像集；所述康复训练视频数据为所述待康复用户根据预评估的待康复训练数据进行动作所形成的视频数据；处理模块，用于采用运动功能评定模型，对所述运动图像集进行识别，确定所述运动图像集中各运动图像对应的动作参数值，其中，所述运动功能评定模型是根据运动训练图像集训练得到的；所述处理模块，还用于基于预存的康复医学知识图谱，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果；所述处理模块，还用于将所述训练结果发送至所述待康复用户对应的终端设备。
第三方面，本发明实施例提供一种康复训练评估处理设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的康复训练评估处理方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的康复训练评估处理方法。
本发明实施例提供了一种康复训练评估处理方法、装置及设备，采用上述方案后，能先获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据康复训练视频数据确定对应的运动图像集，然后采用运动功能评定模型，对运动图像集进行识别，确定运动图像集中各运动图像对应的动作参数值，再基于预存的康复医学知识图谱，对运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果，并将训练结果发送至待康复用户对应的终端设备，实现了基于运动功能评定模型和康复医学知识图谱自动确定待康复用户的训练情况，减少了待康复用户独自在家训练时，既不知道训练动作是否正确，也不知道训练动作是否标准的问题，提高了康复训练的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的康复训练评估处理方法的应用***的架构示意图；
图2为本发明实施例提供的康复训练评估处理方法的流程示意图；
图3为本发明实施例提供的动作参数识别过程的应用示意图；
图4为本发明另一实施例提供的康复训练评估处理方法的流程示意图；
图5为本发明实施例提供的康复训练评估处理装置的结构示意图；
图6为本发明实施例提供的康复训练评估处理设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例还能够包括除了图示或描述的那些实例以外的其他顺序实例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，由于医疗水平的限制，仍有大量的残疾人、老年人和慢性病患者对康复医疗有着迫切需求。
然而，由于长期以来重治疗、轻康复的观念，只有大型医院才配有与康复相关的设备和技术人员，在一般的小型或社区医院还没有配备相关的设备和技术人员，待康复用户只能频繁前往大型医院接受康复训练，影响了待康复用户接收康复训练的便利性。待康复用户还可以先在大型医院接受康复培训，然后在家根据学***不同，且无人监督，在家独立训练时，既不知道训练动作是否正确，也不知道训练动作是否标准，降低了康复训练的效果，影响了待康复用户的康复体验。
基于上述问题，本申请提出基于应用卷积神经网络技术预先训练好的运动功能评定模型，以及构建的康复医学知识图谱对待康复用户在康复过程中确定的运动图像集进行识别，自动确定待康复人员的训练动作的准确性，对待康复人员的康复过程起到了自动监督的作用，提高了康复训练的效果，且无需再频繁前往大型医院实现康复训练，提高了待康复用户接收康复训练的便利性，达到了提高待康复用户的康复体验的技术效果。
图1为本发明实施例提供的康复训练评估处理方法的应用***的架构示意图，如图1所示，包括：视频采集设备101、终端设备102和服务器103，视频采集设备101用于采集待康复用户在康复训练过程中的运动视频，并根据运动视频得到运动图像集，然后通过终端设备102将运动图像集传输至服务器103处。其中，视频采集设备101可以是单独的设备，也可以是集成在终端设备102中的一个部件。此外，服务器103中还部署有运动功能评定模型和康复医学知识图谱，示例性的，可以为运动功能评定模型104和康复医学知识图谱105。通过部署在服务器103中的运动功能评定模型104和康复医学知识图谱105实现对运动图像集的分析处理，确定待康复用户康复动作的准确性，最终得到训练结果并推送给相关用户对应的终端设备，例如，可以为待康复用户对应的终端设备，也可以为专业的医疗人员对应的终端设备，还可以为远端的监控终端。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的康复训练评估处理方法的流程示意图，本实施例的方法可以由服务器103执行。如图2所示，本实施例的方法，可以包括：
S201：获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据康复训练视频数据确定运动图像集；康复训练视频数据为待康复用户根据预评估的待康复训练数据进行动作所形成的视频数据。
在本实施例中，待康复用户在进行康复训练之前，可以先根据专业测评确定待康复用户的现状，然后根据待康复用户的现状确定对应的预评估的待康复训练数据，使得待康复用户可以根据对应的预评估的待康复训练数据在家或者在社区医院自行进行康复训练。
具体的，预评估的待康复训练数据可以是预先存储好的确定的视频数据，也可以是根据待康复用户的实际情况进行评估确定的。其中，待康复训练数据可以包括待康复用户对应部位不同等级的康复训练数据。康复训练数据可以包括康复训练动作、康复训练时长，和/或康复训练次数。
进一步的，待康复用户对应部位可以包括待康复用户的肩膀、肘关节、膝关节等部位，且不同部位也分别对应着不同等级的康复训练数据，不同等级的康复训练数据可以代表不同的训练强度。例如，可以将同一部位的不同等级的康复训练数据分为一级、二级和三级，一级为康复程度最好，最接近恢复成正常生活水平的等级，二级为康复程度较好，比较接近恢复成正常生活水平的等级，三级为康复程度一般，距离恢复成正常生活水平还需要更多训练的等级。一级对应的康复训练数据可以为训练肩膀的对应动作，每天训练一小时，每组动作训练5次；二级对应的康复训练数据可以为训练肩膀的对应动作，每天训练二小时，每组动作训练10次；三级对应的康复训练数据可以为训练肩膀的对应动作，每天训练三小时，每组动作训练15次。其中，康复等级的具体评定规则可以根据现有的标准按不同的部位进行分类评定，在此不再详细进行论述。
在一个具体实例中，确定对应的预评估的待康复训练数据的具体实现方式可以为：
在步骤S201之前，可以先根据待康复用户对应的康复信息，确定待康复用户对应的指导动作。获取视频采集设备采集的康复测评视频数据。其中，康复测评视频数据为待康复用户根据所述指导动作进行动作所形成的视频数据。根据康复测评视频数据确定测评运动图像集，并采用运动功能评定模型，对测评运动图像集进行识别，确定测评运动图像集中各测评运动图像对应的动作参数值。基于康复医学知识图谱，对测评运动图像集中各测评运动图像对应的动作参数值和康复信息进行评估处理，获取预评估的康复训练数据。
具体的，在确定待康复用户对应的康复训练视频数据时，可以先根据待康复用户对应的康复信息，确定待康复用户对应的指导动作，然后可以让待康复用户根据指导动作进行对应的动作，进而得到康复测评视频数据。其中，待康复用户对应的康复信息可以包括：待康复用户的性别、年龄、身高、体重、既往病史，以及身体缺陷信息中的任意一种或多种的组合。在得到康复测评视频数据之后，可以根据康复测评视频数据确定相应的测评运动图像集。再将测评运动图像集输入至运动功能评定模型中进行识别，先确定测评运动图像集中各测评运动图像对应的动作参数值，得到动作参数值之后，还可以基于康复医学知识图谱对测评运动图像集中各测评运动图像对应的动作参数值进行评估处理，获取预评估的康复训练数据。
此外，预评估的康复训练数据可以为待康复用户首次评估时确定的结果，即可以为待康复用户在接受康复训练之前，评估得到的结果。若预评估的康复训练数据为预先存储好的确定的训练数据，则可以不执行得到预评估的康复训练数据的相关步骤，直接从数据库中获取存储好的预评估的康复训练数据。
所述待康复训练数据可以包括待康复用户对应部位不同等级的康复训练数据，康复训练数据包括康复训练动作、康复训练时长，和/或康复训练次数。
若待康复训练数据包括待康复用户对应部位不同等级的康复训练数据，康复训练数据包括康复训练动作、康复训练时长，和/或康复训练次数时，获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据康复训练视频数据确定运动图像集的具体实现方式可以包括：获取视频采集设备采集的待康复用户根据所述康复训练数据中的康复训练动作、康复训练时长，和/或康复训练次数得到的康复训练视频数据。将康复视频数据按帧进行分离处理，得到包含若干帧图像的运动图像集。示例性的，在将康复视频数据按帧进行分离处理时，可以按一秒24帧的方式将康复视频数据进行分离处理。
S202：采用运动功能评定模型，对运动图像集进行识别，确定运动图像集中各运动图像对应的动作参数值，其中，运动功能评定模型是根据运动训练图像集训练得到的。
在本实施例中，运动集中可以有一张或多张运动图像。运动图像中可以包括待康复用户根据预评估的待康复训练数据执行的康复训练动作，运动功能评定模型在接收到运动图像集之后，可以根据运动图像集中各运动图像中包含的康复训练动作，确定待康复用户执行的康复训练动作对应的动作参数值。其中，康复训练动作对应的动作参数值可以包括关节活动度、姿态、本体感觉测量；肌力、肌张力测量；步态测量分析；平衡功能分析；下肢关节稳定性；上肢关节稳定性，以及皮温测量等参数。
示例性的，图3为本发明实施例提供的动作参数识别过程的应用示意图，在该实例中，康复训练视频数据指导待康复人员可以以腓骨小头为轴头，固定臂为与股骨平行，移动臂为与腓骨平行，膝关节屈曲活动范围为0-135度。如图3中a所示，运动功能评定模型识别出的待康复用户执行的康复训练动作对应的动作参数值具体为：关节为膝关节，运动类型为屈伸，角度为36.5度。如图3中b所示，运动功能评定模型识别出的待康复用户执行的康复训练动作对应的动作参数值具体为：关节为膝关节，运动类型为屈伸，角度为127.4度。
此外，待康复用户在康复训练过程中，为了更好的提醒待康复用户的康复动作是否训练到位，可以在待康复用户康复训练时，语音播报待康复用户所做的训练动作对应的具体参数值，还可以在终端设备上实时显示待康复用户所做的训练动作对应的具体参数值，以实现用户在康复训练过程中实时调整不标准的动作，进一步提高了康复训练的效果。
另外，运动功能评定模型可以根据运动训练图像集训练得到的，具体的实现方式可以为：获取运动训练图像集。将运动训练图像集输入至卷积神经网络中进行训练，得到运动功能评定模型。
具体的，运动训练图像集为携带标签的各运动训练图像，通过在相关的医院搭建包括摄像头、等速/等长肌力测试设备、平衡测试设备、足底压力测试设备组成的测试环境，记录待康复用户在康复过程中的康复评定视频及康复评定测量参数，并进行标注，形成有效的运动训练图像集。
S203：基于预存的康复医学知识图谱，对运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
在本实施例中，在确定运动图像集中各运动图像对应的动作参数值之后，可以基于预存的康复医学知识图谱对运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。其中，训练结果可以为对待康复用户在康复过程中所做的训练动作的标准度评分。康复医学知识图谱可以实现对根据对应部位不同等级的康复训练数据确定的运动图像集均进行标准度评分。
在一个具体实例中，以肩周炎患者的康复训练为例，待康复人员在康复训练过程中，根据对应肩膀的康复训练数据来训练待康复人员的肩膀，得到对应的运动图像集，然后再将运动图像集输入至运动功能评定模型中进行识别，确定肩周炎康复训练过程中各动作对应的运动参数值，可以有抬臂角度、旋转角度等，然后再基于康复医学知识图谱对肩周炎康复训练过程中各动作对应的运动参数值进行分析，例如评估抬臂角度、旋转角度等，得到待康复用户所做的康复动作的标准度评分。
S204：将训练结果发送至待康复用户对应的终端设备。
在本实施例中，在得到训练结果之后，可以将训练结果发送至待康复用户对应的终端设备，供待康复用户查看，并及时根据训练结果进行康复训练动作的调整。此外，还可以根据待康复用户的基本信息、历史病例和训练结果等综合起来，得到待康复用户的训练报告单，再将训练报告单发送至待康复用户对应的终端设备进行显示，来提醒待康复用户及时查看生成的训练报告单。
此外，还可以将训练结果发送至监控终端进行显示，实现了医护人员可以实时查看待康复用户的训练情况，并根据待康复用户的训练情况指导待康复用户进行训练，提高了待康复用户的训练效果。
此外，当训练结果为对待康复用户所做的康复动作的标准度评分时，还可以根据评分结果对应生成不同的训练报告单，例如，若标准度评分在100-80范围内，则可以对应生成训练动作优秀的训练报告单。若标准度评分在80-70范围内，则可以对应生成训练动作良好的训练报告单。若标准度评分在70-60范围内，则可以对应生成训练动作合格的训练报告单。若标准度评分在60-0范围内，则可以对应生成训练动作不合格的训练报告单。
采用上述方案后，实现了基于运动功能评定模型和康复医学知识图谱自动确定待康复用户的训练情况，减少了待康复用户独自在家训练时，既不知道训练动作是否正确，也不知道训练动作是否标准的问题，提高了康复训练的效果。
基于图2的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。
在另一个实施例中，康复医学知识图谱的图结构推理算法包括路径特征算法、规则学习算法和知识表示学习算法中的任意一种或多种算法的组合，则步骤S203的具体实现方式可以为：
基于预存的康复医学知识图谱中的路径特征算法、规则学习算法和知识表示学习算法中的任意一种或多种算法的组合，对运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
在本实施例中，路径特征算法、规则学习算法和知识表示学习算法可以采用现有的算法。在通过康复医学知识图谱对运动图像集中各运动图像对应的动作参数值进行分析处理之前，可以先基于路径特征算法、规则学习算法和知识表示学习算法中的一种或多种算法构建康复医学知识图谱的图结构。其中，构建方式可以为：
获取康复医学知识。根据预存体系构建规则确定所述康复医学知识对应的规则体系，其中，所述康复医学知识对应的规则体系包括康复医学知识实体、实体属性及相互关系。基于康复医学知识实体、实体属性及相互关系构建初始康复医学知识图谱。基于路径特征算法、规则学习算法以及知识表示学习算法中的任意一种或多种算法确定所述初始康复医学知识图谱的图结构，得到所述康复医学知识图谱。
具体的，在康复医学专业人员的指导下，设计康复医学知识表示方法以及实体、属性、关系等统一规则体系，然后选用图数据库进行存储，确定数据获取、知识提取、知识表示、知识融和、知识推理工作流程。再采用自顶向下和自底向上相结合的模式，首先定义康复医学知识本体和数据模式，然后将实体导入图数据库，构成基本知识图谱。其后采用网络爬虫的方法，爬取专业网站数据，将高质量康复医学文献更新到基本知识图谱，自底向上，形成源源不断的知识转化能力，实现知识更新，抽取实体与关系，通过知识融合和知识推理，构建成康复医学知识图谱。
此外，在实现康复医学知识提取时，可以基于批量导入的康复医学知识核心内容以及网络爬虫所爬取的数据，根据词典和规则命名实体，提取康复医学知识实体、实体属性及相互关系。在实现知识表示及存储时，可以应用图数据库对知识进行存储，实现更新、查询和分析。其中，图数据库可以为Neo4j。在实现知识融和时，可以对多源异构知识在统一规则下进行整合、消歧、加工、更新后，形成初始康复医学知识图谱。最后再基于初始康复医学知识图谱，通过路径特征算法、规则学习算法和知识表示学习算法中的任意一种或多种算法建立推理及实体关系量化算法，得到完整的康复医学知识图谱，进而实现训练动作是否准确的分析功能。
图4为本发明另一实施例提供的康复训练评估处理方法的流程示意图，如图4所示，所述方法还可以包括：
S401：获取可穿戴传感设备监测的基础体征参数数据。
S402：基于预存的康复医学知识图谱，对基础体征参数数据和运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
在本实施例中，在通过康复医学知识图谱评估确定训练结果时，除了对运动图像集中各运动图像对应的动作参数值进行评估外，还可以与可穿戴传感设备监测的基础体征参数数据同时进行分析，提高判断待康复用户康复训练动作是否标准的准确性。
此外，在本实施例中，可穿戴传感设备可以包括生命体征传感腕表、足底压力传感器和表面肌电可穿戴传感器中的任意一种或多种，进而可以实现心律、血压、血氧、心电、体表组织液成分、表面肌电、压力分布、运动速度等数据进行实时采集、传输、集成、存储和计算处理，获取基础体征参数数据。
另外，在本实施例中，所述方法还可以包括：若可穿戴传感设备监测的基础体征参数数据中任一参数数据超过预设阈值，则生成报警提示。将报警提示发送至监控终端。
具体的，在待康复用户进行康复训练过程中，可穿戴传感设备可以实时监测体征数据变化并预警，将待康复用户的运动强度控制在合理范围内，避免因康复训练造成的身体突发不适，保证在社区康复和家庭康复场景下的康复训练安全。其中，运动强度的预设阈值可以基于待康复用户的心肺功能及所患其它慢性病对运动量的限定自定义进行设置。另外，若可穿戴传感设备监测的基础体征参数数据中任一参数数据超过预设阈值，则可以生成报警提示，并将报警提示发送至监控终端，其中，监控终端为专业技术人员所对应的终端设备，能实时发现待康复人员在康复过程中遇到的危险，提高了康复训练过程的安全性。
此外，在另一个实施例中，所述方法还可以包括：
判断训练结果是否在预设分数范围内。
若训练结果没有在预设分数范围内，则重新执行根据待康复用户对应的康复信息，确定待康复用户对应的指导动作及之后的步骤，确定新的预评估的康复训练数据。其中，新的预评估的康复训练数据可以与原预评估的康复训练数据相同，也可以与原预评估的康复训练数据不同。当新的预评估的康复训练数据与原预评估的康复训练数据不同时，可以为新的预评估的康复训练数据中待康复用户对应的部位与原评估的康复训练数据中的部位不同，也可以为新的预评估的康复训练数据中待康复用户对应的部位与原评估的康复训练数据中的部位相同，而待康复用户对应部位的康复训练动作、康复训练时长，以及康复训练次数中的任意一种或多种参数与原评估的康复训练数据中的参数不同。
具体的，在得到训练结果之后，可以判断训练结果是否在预设分数范围内，例如，预设分数可以设置为100-60的范围。若训练结果没有在预设分数范围内，则表明待康复用户所做的康复动作不标准，表明当前康复训练所采用的康复训练数据可能不适合待康复用户，即待康复用户目前的身体状态不适合当前预评估的康复训练数据，需要重新对待康复用户进行测评，确定新的预评估的康复训练数据，以使待康复用户根据新的预评估的康复训练数据进行康复训练，提高了待康复用户康复训练的效果。
若训练结果在预设分数范围内，则表明当前康复训练所采用的预评估的康复训练数据适合待康复用户，可以生成训练动作标准，继续努力训练的提示并推送至相关的用户，待康复用户可以根据当前康复训练所采用的预评估的康复训练数据继续进行康复训练。
此外，在另一个实施例中，所述方法还可以应用在抗击疫情领域，在面对突发重大公共卫生事件时，社区是防疫抗疫的主战场之一。本实施例可以实现居家健身以及康复指导。还可以通过可穿戴传感设备实现体温检测告警，并对特定人群进行实时体温监测，及时预警，避免聚集性传染病的发生。同时，还能实现实时定位及轨迹回放，可以与抗击疫情大数据平台连接，为流行病精准防控和建立长效机制提供数据支撑。
基于同样的思路，本说明书实施例还提供了上述方法对应的装置，图5为本发明实施例提供的康复训练评估处理装置的结构示意图，如图5所示，可以包括：
获取模块501，用于获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据所述康复训练视频数据确定运动图像集；所述康复训练视频数据为所述待康复用户根据预评估的待康复训练数据进行动作所形成的视频数据。
在本实施例中，预评估的待康复训练数据可以是预先存储好的确定的视频数据，也可以是根据待康复用户的实际情况进行评估确定的。其中，待康复训练数据可以包括待康复用户对应部位不同等级的康复训练数据。康复训练数据可以包括康复训练动作、康复训练时长，和/或康复训练次数。
在一个具体实例中，处理模块502，还可以用于：根据待康复用户对应的康复信息，确定待康复用户对应的指导动作。获取视频采集设备采集的康复测评视频数据。其中，康复测评视频数据为待康复用户根据所述指导动作进行动作所形成的视频数据。根据康复测评视频数据确定测评运动图像集，并采用运动功能评定模型，对测评运动图像集进行识别，确定测评运动图像集中各测评运动图像对应的动作参数值。基于康复医学知识图谱，对测评运动图像集中各测评运动图像对应的动作参数值和康复信息进行评估处理，获取预评估的康复训练数据。
若待康复训练数据包括待康复用户对应部位不同等级的康复训练数据，康复训练数据包括康复训练动作、康复训练时长，和/或康复训练次数时，处理模块502，还可以用于：获取视频采集设备采集的待康复用户根据所述康复训练数据中的康复训练动作、康复训练时长，和/或康复训练次数得到的康复训练视频数据。将康复视频数据按帧进行分离处理，得到包含若干帧图像的运动图像集。
处理模块502，还可以用于：采用运动功能评定模型，对运动图像集进行识别，确定运动图像集中各运动图像对应的动作参数值，其中，运动功能评定模型是根据运动训练图像集训练得到的。
此外，处理模块502，还可以用于：获取运动训练图像集。将运动训练图像集输入至卷积神经网络中进行训练，得到运动功能评定模型。
所述处理模块502，还可以用于：基于预存的康复医学知识图谱，对运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
所述处理模块502，还可以用于：将训练结果发送至待康复用户对应的终端设备。
此外，所述处理模块502，还可以用于：将训练结果发送至监控终端进行显示。
此外，在另一个实施例中，所述康复医学知识图谱的图结构推理算法包括路径特征算法、规则学习算法和知识表示学习算法中的任意一种或多种算法的组合。
所述处理模块502，还可以用于：基于预存的康复医学知识图谱中的所述路径特征算法、所述规则学习算法和所述知识表示学习算法中的任意一种或多种算法的组合，对运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
所述处理模块502，还可以用于：获取康复医学知识。根据预存体系构建规则确定所述康复医学知识对应的规则体系，其中，所述康复医学知识对应的规则体系包括康复医学知识实体、实体属性及相互关系。基于康复医学知识实体、实体属性及相互关系构建初始康复医学知识图谱。基于路径特征算法、规则学习算法以及知识表示学习算法中的任意一种或多种算法确定所述初始康复医学知识图谱的图结构，得到所述康复医学知识图谱。
在本发明另一实施例，所述处理模块502，还可以用于：
获取可穿戴传感设备监测的基础体征参数数据。
所述基于预存的康复医学知识图谱，对基础体征参数数据和运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
在本实施例中，所述处理模块，还用于：若所述可穿戴传感设备监测的基础体征参数数据中任一参数数据超过预设阈值，则生成报警提示。将所述报警提示发送至监控终端。
在本实施例中，所述可穿戴传感设备可以包括生命体征传感腕表、足底压力传感器和表面肌电可穿戴传感器中的任意一种或多种。
此外，在另一个实施例中，所述处理模块502，还可以用于：
判断所述训练结果是否在预设分数范围内。
若训练结果没有在预设分数范围内，则重新执行根据待康复用户对应的康复信息，确定待康复用户对应的指导动作及之后的步骤，确定新的预评估的康复训练数据。其中，新的预评估的康复训练数据可以与原预评估的康复训练数据相同，也可以与原预评估的康复训练数据不同。当新的预评估的康复训练数据与原预评估的康复训练数据不同时，可以为新的预评估的康复训练数据中待康复用户对应的部位与原评估的康复训练数据中的部位不同，也可以为新的预评估的康复训练数据中待康复用户对应的部位与原评估的康复训练数据中的部位相同，而待康复用户对应部位的康复训练动作、康复训练时长，以及康复训练次数中的任意一种或多种参数与原评估的康复训练数据中的参数不同。
本发明实施例提供的装置，可以实现上述如图2所示的实施例的方法，其实现原理和技术效果类似，此处不再赘述。
图6为本发明实施例提供的康复训练评估处理设备的硬件结构示意图。如图6所示，本实施例提供的设备600包括：至少一个处理器601和存储器602。其中，处理器601、存储器602通过总线603连接。
在具体实现过程中，至少一个处理器601执行所述存储器602存储的计算机执行指令，使得至少一个处理器601执行上述方法实施例中的方法。
处理器601的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图6所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的康复训练评估处理方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (15)
1.一种康复训练评估处理方法，其特征在于，包括：
获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据所述康复训练视频数据确定运动图像集；所述康复训练视频数据为所述待康复用户根据预评估的待康复训练数据进行动作所形成的视频数据；
采用运动功能评定模型，对所述运动图像集进行识别，确定所述运动图像集中各运动图像对应的动作参数值，其中，所述运动功能评定模型是根据运动训练图像集训练得到的；
基于预存的康复医学知识图谱，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果；
将所述训练结果发送至所述待康复用户对应的终端设备。
2.根据权利要求1所述的方法，其特征在于，所述康复医学知识图谱的图结构推理算法包括路径特征算法、规则学习算法和知识表示学习算法中的任意一种或多种，
所述基于预存的康复医学知识图谱，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果，包括：
基于预存的康复医学知识图谱中的所述路径特征算法、所述规则学习算法和所述知识表示学习算法中的任意一种或多种算法的组合，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
3.根据权利要求1所述的方法，其特征在于，所述待康复训练数据包括所述待康复用户对应部位不同等级的康复训练数据，所述康复训练数据包括康复训练动作、康复训练时长，和/或康复训练次数，
则所述获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据所述康复训练视频数据确定运动图像集，包括：
获取视频采集设备采集的待康复用户根据所述康复训练数据中的康复训练动作、康复训练时长，和/或康复训练次数得到的康复训练视频数据；
将所述康复视频数据按帧进行分离处理，得到包含若干帧图像的运动图像集。
4.根据权利要求1-3任一项所述的方法，其特征在于，还包括：
获取可穿戴传感设备监测的基础体征参数数据；
所述基于预存的康复医学知识图谱，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果，包括：
基于预存的康复医学知识图谱，对所述基础体征参数数据和所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果。
5.根据权利要求1-3任一项所述的方法，其特征在于，在所述获取视频采集设备采集的待康复用户对应的康复训练视频数据之前，还包括：
根据所述待康复用户对应的康复信息，确定所述待康复用户对应的指导动作；
获取所述视频采集设备采集的康复测评视频数据；其中，所述康复测评视频数据为所述待康复用户根据所述指导动作进行动作所形成的视频数据；
根据所述康复测评视频数据确定测评运动图像集，并采用运动功能评定模型，对所述测评运动图像集进行识别，确定所述测评运动图像集中各测评运动图像对应的动作参数值；
基于所述康复医学知识图谱，对所述测评运动图像集中各测评运动图像对应的动作参数值和所述康复信息进行评估处理，获取所述预评估的康复训练数据。
6.根据权利要求5所述的方法，其特征在于，还包括：
判断所述训练结果是否在预设分数范围内；
若所述训练结果没有在预设分数范围内，则重新执行所述根据所述待康复用户对应的康复信息，确定所述待康复用户对应的指导动作及之后的步骤，确定新的预评估的康复训练数据，其中，所述新的预评估的康复训练数据中所述待康复用户对应的部位与原评估的康复训练数据中的部位不同，或所述新的预评估的康复训练数据中所述待康复用户对应的部位与原评估的康复训练数据中的部位相同，而所述待康复用户对应部位的康复训练动作、康复训练时长，以及康复训练次数中的任意一种或多种参数与原评估的康复训练数据中的参数不同。
7.根据权利要求4所述的方法，其特征在于，还包括：
若所述可穿戴传感设备监测的基础体征参数数据中任一参数数据超过预设阈值，则生成报警提示；
将所述报警提示发送至监控终端。
8.根据权利要求4所述的方法，其特征在于，所述可穿戴传感设备包括生命体征传感腕表、足底压力传感器和表面肌电可穿戴传感器中的任意一种或多种。
9.根据权利要求5所述的方法，其特征在于，所述待康复用户对应的康复信息包括：所述待康复用户的性别、年龄、身高、体重、既往病史，以及身体缺陷信息中的任意一种或多种的组合。
10.根据权利要求1-3任一项所述的方法，其特征在于，还包括：
获取所述运动训练图像集；
将所述运动训练图像集输入至卷积神经网络中进行训练，得到所述运动功能评定模型。
11.根据权利要求1-3任一项所述的方法，其特征在于，还包括：
获取康复医学知识；
根据预存体系构建规则确定所述康复医学知识对应的规则体系，其中，所述康复医学知识对应的规则体系包括康复医学知识实体、实体属性及相互关系；
基于所述康复医学知识实体、实体属性及相互关系构建初始康复医学知识图谱；
基于路径特征算法、规则学习算法以及知识表示学习算法中的任意一种或多种算法确定所述初始康复医学知识图谱的图结构，得到所述康复医学知识图谱。
12.根据权利要求1-3任一项所述的方法，其特征在于，还包括：
将所述训练结果发送至监控终端进行显示。
13.一种康复训练评估处理装置，其特征在于，包括：
获取模块，用于获取视频采集设备采集的待康复用户对应的康复训练视频数据，并根据所述康复训练视频数据确定运动图像集；所述康复训练视频数据为所述待康复用户根据预评估的待康复训练数据进行动作所形成的视频数据；
处理模块，用于采用运动功能评定模型，对所述运动图像集进行识别，确定所述运动图像集中各运动图像对应的动作参数值，其中，所述运动功能评定模型是根据运动训练图像集训练得到的；
所述处理模块，还用于基于预存的康复医学知识图谱，对所述运动图像集中各运动图像对应的动作参数值进行分析处理，得到训练结果；
所述处理模块，还用于将所述训练结果发送至所述待康复用户对应的终端设备。
14.一种康复训练评估处理设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至12任一项所述的康复训练评估处理方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至12任一项所述的康复训练评估处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010605473.XA CN111724879B (zh) | 2020-06-29 | 2020-06-29 | 康复训练评估处理方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010605473.XA CN111724879B (zh) | 2020-06-29 | 2020-06-29 | 康复训练评估处理方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111724879A true CN111724879A (zh) | 2020-09-29 |
| CN111724879B CN111724879B (zh) | 2024-06-18 |
Family
ID=72569598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010605473.XA Active CN111724879B (zh) | 2020-06-29 | 2020-06-29 | 康复训练评估处理方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111724879B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112365954A (zh) * | 2020-10-26 | 2021-02-12 | 埃欧健身管理(上海)有限公司 | 一种用于动态调整健身方案的方法与设备 |
| CN112382369A (zh) * | 2020-12-02 | 2021-02-19 | 上海梅斯医药科技有限公司 | 一种康复运动监测方法、设备 |
| CN112446433A (zh) * | 2020-11-30 | 2021-03-05 | 北京数码视讯技术有限公司 | 训练姿势的准确度确定方法、装置及电子设备 |
| CN112820382A (zh) * | 2021-02-04 | 2021-05-18 | 上海小芃科技有限公司 | 乳腺癌术后智能康复训练方法、装置、设备及存储介质 |
| CN113488178A (zh) * | 2021-07-20 | 2021-10-08 | 上海弗莱特智能医疗科技有限公司 | 一种信息生成方法、装置、存储介质及电子设备 |
| CN113689933A (zh) * | 2021-08-30 | 2021-11-23 | 杨宏强 | 一种加速康复外科用信息化*** |
| CN113743362A (zh) * | 2021-09-17 | 2021-12-03 | 平安医疗健康管理股份有限公司 | 基于深度学习的实时矫正训练动作的方法及其相关设备 |
| CN114171194A (zh) * | 2021-10-20 | 2022-03-11 | 中国科学院自动化研究所 | 帕金森多症状量化评估方法、装置、电子设备、及介质 |
| CN114758747A (zh) * | 2022-03-30 | 2022-07-15 | 江苏中科西北星信息科技有限公司 | 基于大数据的远程康复指导***及方法 |
| CN115101169A (zh) * | 2022-07-29 | 2022-09-23 | 北京欧应科技有限公司 | 用于实现训练动作的方法、设备和介质 |
| CN116269450A (zh) * | 2023-03-21 | 2023-06-23 | 苏州海臻医疗器械有限公司 | 一种基于肌电信号的患者肢体康复状态评估***及方法 |
| CN117612669A (zh) * | 2023-10-17 | 2024-02-27 | 广东东软学院 | 一种基于可穿戴设备的康复训练安全性评估方法 |
| WO2024055192A1 (zh) * | 2022-09-14 | 2024-03-21 | 深圳市韶音科技有限公司 | 对运动数据进行标记以及生成运动评估模型的方法和*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108346457A (zh) * | 2018-02-28 | 2018-07-31 | 无锡市康复医院 | 一种康复训练评估方法、装置及*** |
| CN109701224A (zh) * | 2019-02-22 | 2019-05-03 | 重庆市北碚区中医院 | 一种增强现实ar腕关节康复评估和训练*** |
| CN110490109A (zh) * | 2019-08-09 | 2019-11-22 | 郑州大学 | 一种基于单目视觉的在线人体康复动作识别方法 |
-
2020
- 2020-06-29 CN CN202010605473.XA patent/CN111724879B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108346457A (zh) * | 2018-02-28 | 2018-07-31 | 无锡市康复医院 | 一种康复训练评估方法、装置及*** |
| CN109701224A (zh) * | 2019-02-22 | 2019-05-03 | 重庆市北碚区中医院 | 一种增强现实ar腕关节康复评估和训练*** |
| CN110490109A (zh) * | 2019-08-09 | 2019-11-22 | 郑州大学 | 一种基于单目视觉的在线人体康复动作识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙茂松等: "《自然语言处理研究前沿》", 上海交通大学出版社, pages: 121 - 123 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112365954A (zh) * | 2020-10-26 | 2021-02-12 | 埃欧健身管理(上海)有限公司 | 一种用于动态调整健身方案的方法与设备 |
| CN112446433A (zh) * | 2020-11-30 | 2021-03-05 | 北京数码视讯技术有限公司 | 训练姿势的准确度确定方法、装置及电子设备 |
| CN112382369A (zh) * | 2020-12-02 | 2021-02-19 | 上海梅斯医药科技有限公司 | 一种康复运动监测方法、设备 |
| CN112820382A (zh) * | 2021-02-04 | 2021-05-18 | 上海小芃科技有限公司 | 乳腺癌术后智能康复训练方法、装置、设备及存储介质 |
| CN113488178B (zh) * | 2021-07-20 | 2022-07-12 | 上海弗莱特智能医疗科技有限公司 | 一种信息生成方法、装置、存储介质及电子设备 |
| CN113488178A (zh) * | 2021-07-20 | 2021-10-08 | 上海弗莱特智能医疗科技有限公司 | 一种信息生成方法、装置、存储介质及电子设备 |
| CN113689933A (zh) * | 2021-08-30 | 2021-11-23 | 杨宏强 | 一种加速康复外科用信息化*** |
| CN113689933B (zh) * | 2021-08-30 | 2024-06-21 | 杨宏强 | 一种加速康复外科用信息化*** |
| CN113743362A (zh) * | 2021-09-17 | 2021-12-03 | 平安医疗健康管理股份有限公司 | 基于深度学习的实时矫正训练动作的方法及其相关设备 |
| CN114171194A (zh) * | 2021-10-20 | 2022-03-11 | 中国科学院自动化研究所 | 帕金森多症状量化评估方法、装置、电子设备、及介质 |
| CN114758747A (zh) * | 2022-03-30 | 2022-07-15 | 江苏中科西北星信息科技有限公司 | 基于大数据的远程康复指导***及方法 |
| CN114758747B (zh) * | 2022-03-30 | 2024-05-03 | 深圳市前海高新国际医疗管理有限公司 | 基于大数据的远程康复指导***及方法 |
| CN115101169A (zh) * | 2022-07-29 | 2022-09-23 | 北京欧应科技有限公司 | 用于实现训练动作的方法、设备和介质 |
| WO2024055192A1 (zh) * | 2022-09-14 | 2024-03-21 | 深圳市韶音科技有限公司 | 对运动数据进行标记以及生成运动评估模型的方法和*** |
| CN116269450A (zh) * | 2023-03-21 | 2023-06-23 | 苏州海臻医疗器械有限公司 | 一种基于肌电信号的患者肢体康复状态评估***及方法 |
| CN116269450B (zh) * | 2023-03-21 | 2023-12-19 | 苏州海臻医疗器械有限公司 | 一种基于肌电信号的患者肢体康复状态评估***及方法 |
| CN117612669A (zh) * | 2023-10-17 | 2024-02-27 | 广东东软学院 | 一种基于可穿戴设备的康复训练安全性评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111724879B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111724879B (zh) | 康复训练评估处理方法、装置及设备 | |
| EP3566231B1 (en) | Apparatus and method for triggering a fall risk alert to a person | |
| CN111225612A (zh) | 基于机器学习的神经障碍识别和监测*** | |
| CN108778097A (zh) | 用于评估心力衰竭的装置和方法 | |
| CN110415821B (zh) | 一种基于人体生理数据的健康知识推荐***及其运行方法 | |
| CN107007257A (zh) | 面部不自然度的自动评级方法和装置 | |
| CN113974612B (zh) | 一种卒中患者上肢运动功能自动化评估方法与*** | |
| CN116491944A (zh) | 一种基于智能手环的心理状态监测评估*** | |
| CN108039025A (zh) | 一种基于可穿戴设备的溺水报警方法及可穿戴设备 | |
| US20200411160A1 (en) | Retrieval apparatus, system, method, and program | |
| CN115662631A (zh) | 基于ai智能判别的养老院管理*** | |
| CN117831794B (zh) | 一种用于糖尿病康复的运动过程机能监测方法 | |
| CN110755091A (zh) | 一种个人心理健康监测***及方法 | |
| CN117133464A (zh) | 一种老年人健康智能监测***及监测方法 | |
| US20240032820A1 (en) | System and method for self-learning and reference tuning activity monitor | |
| CN115590483B (zh) | 一种带有健康测量***的智能手机 | |
| Mallol-Ragolta et al. | Outer product-based fusion of smartwatch sensor data for human activity recognition | |
| CN114403858B (zh) | 一种人体运动功能评估方法、设备及*** | |
| CN115661101A (zh) | 基于随机采样和深度学习的早产儿视网膜病变检测*** | |
| CN111161872B (zh) | 一种儿童健康智能管理*** | |
| CN112071426B (zh) | 功能性体适能测试方法、装置及设备 | |
| CN114202772A (zh) | 基于人工智能和智慧医疗的参考信息生成***及方法 | |
| KR20230120350A (ko) | 재활 운동 평가 장치 및 그것의 동작하는 방법 | |
| CN113506628A (zh) | 一种大血管闭塞风险的确定装置和确定方法 | |
| CN111079651A (zh) | 一种步态分类方法的再优化 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: Room 1111, library building, No. 12, Zhongguancun South Street, Haidian District, Beijing 100081 Applicant after: CICC Yuneng Technology Group Co.,Ltd. Address before: Room 1111, library building, No. 12, Zhongguancun South Street, Haidian District, Beijing 100081 Applicant before: China Gold Yuneng Education Technology Group Co.,Ltd. Country or region before: China |
|
| CB02 | Change of applicant information |