CN112735585A - 基于神经网络和机器学习的关节炎康复诊疗方法及*** - Google Patents
基于神经网络和机器学习的关节炎康复诊疗方法及*** Download PDFInfo
- Publication number
- CN112735585A CN112735585A CN202110363284.0A CN202110363284A CN112735585A CN 112735585 A CN112735585 A CN 112735585A CN 202110363284 A CN202110363284 A CN 202110363284A CN 112735585 A CN112735585 A CN 112735585A
- Authority
- CN
- China
- Prior art keywords
- machine learning
- scale
- neural network
- rehabilitation diagnosis
- data
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 101
- 238000003745 diagnosis Methods 0.000 title claims abstract description 93
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011282 treatment Methods 0.000 title claims abstract description 41
- 206010003246 arthritis Diseases 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000013210 evaluation model Methods 0.000 claims abstract description 24
- 230000005284 excitation Effects 0.000 claims abstract description 17
- 230000014509 gene expression Effects 0.000 claims abstract description 14
- 206010048873 Traumatic arthritis Diseases 0.000 claims description 17
- 206010039073 rheumatoid arthritis Diseases 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 6
- 230000003340 mental effect Effects 0.000 claims description 3
- 230000035807 sensation Effects 0.000 claims description 3
- 230000001953 sensory effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 18
- 238000002560 therapeutic procedure Methods 0.000 description 12
- 210000001364 upper extremity Anatomy 0.000 description 12
- 229940079593 drug Drugs 0.000 description 9
- 239000003814 drug Substances 0.000 description 9
- 210000003141 lower extremity Anatomy 0.000 description 9
- 238000012546 transfer Methods 0.000 description 7
- 238000001827 electrotherapy Methods 0.000 description 6
- 210000003414 extremity Anatomy 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 5
- 206010041591 Spinal osteoarthritis Diseases 0.000 description 4
- MSWZFWKMSRAUBD-IVMDWMLBSA-N 2-amino-2-deoxy-D-glucopyranose Chemical compound N[C@H]1C(O)O[C@H](CO)[C@@H](O)[C@@H]1O MSWZFWKMSRAUBD-IVMDWMLBSA-N 0.000 description 3
- 208000036487 Arthropathies Diseases 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 3
- 208000001132 Osteoporosis Diseases 0.000 description 3
- 206010034464 Periarthritis Diseases 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 3
- OFHCOWSQAMBJIW-AVJTYSNKSA-N alfacalcidol Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C\C=C1\C[C@@H](O)C[C@H](O)C1=C OFHCOWSQAMBJIW-AVJTYSNKSA-N 0.000 description 3
- 229960002535 alfacalcidol Drugs 0.000 description 3
- 239000003472 antidiabetic agent Substances 0.000 description 3
- 239000003524 antilipemic agent Substances 0.000 description 3
- MSWZFWKMSRAUBD-UHFFFAOYSA-N beta-D-galactosamine Natural products NC1C(O)OC(CO)C(O)C1O MSWZFWKMSRAUBD-UHFFFAOYSA-N 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 229960005084 calcitriol Drugs 0.000 description 3
- GMRQFYUYWCNGIN-NKMMMXOESA-N calcitriol Chemical compound C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@@H](CCCC(C)(C)O)C)=C\C=C1\C[C@@H](O)C[C@H](O)C1=C GMRQFYUYWCNGIN-NKMMMXOESA-N 0.000 description 3
- 235000020964 calcitriol Nutrition 0.000 description 3
- 239000011612 calcitriol Substances 0.000 description 3
- 229910052791 calcium Inorganic materials 0.000 description 3
- 239000011575 calcium Substances 0.000 description 3
- 230000002612 cardiopulmonary effect Effects 0.000 description 3
- 239000001177 diphosphate Substances 0.000 description 3
- XPPKVPWEQAFLFU-UHFFFAOYSA-J diphosphate(4-) Chemical compound [O-]P([O-])(=O)OP([O-])([O-])=O XPPKVPWEQAFLFU-UHFFFAOYSA-J 0.000 description 3
- 235000011180 diphosphates Nutrition 0.000 description 3
- 230000005672 electromagnetic field Effects 0.000 description 3
- 229960002442 glucosamine Drugs 0.000 description 3
- 238000002169 hydrotherapy Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 210000003903 pelvic floor Anatomy 0.000 description 3
- 239000011505 plaster Substances 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 238000002266 amputation Methods 0.000 description 2
- 230000000202 analgesic effect Effects 0.000 description 2
- 230000003110 anti-inflammatory effect Effects 0.000 description 2
- 239000002220 antihypertensive agent Substances 0.000 description 2
- 229940127088 antihypertensive drug Drugs 0.000 description 2
- 238000003287 bathing Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 208000036319 cervical spondylosis Diseases 0.000 description 2
- 230000004087 circulation Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000508 neurotrophic effect Effects 0.000 description 2
- 201000008482 osteoarthritis Diseases 0.000 description 2
- 208000005801 spondylosis Diseases 0.000 description 2
- 208000029761 vertebral disease Diseases 0.000 description 2
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010033892 Paraplegia Diseases 0.000 description 1
- 229940035676 analgesics Drugs 0.000 description 1
- 239000000730 antalgic agent Substances 0.000 description 1
- 239000002260 anti-inflammatory agent Substances 0.000 description 1
- 230000001741 anti-phlogistic effect Effects 0.000 description 1
- 229960005069 calcium Drugs 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 208000027866 inflammatory disease Diseases 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 210000002700 urine 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明涉及基于神经网络和机器学习的关节炎康复诊疗方法及***，包括：采集患者多个维度的量表数据输入到深度神经网络量表评估模型中；深度神经网络量表评估模型将多个维度的量表中的关键信息看作多源数据，通过构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到机器学习模型中自动生成康复诊断的处方方案。本发明通过深度神经网络跟机器学习模型的结合来对采集输入的患者量表数据进行评估，并自动输出智能化的康复诊断处方方案，医生不需要再通过在线问诊***进行问诊，极大地提升了问诊效率。
Description
技术领域
本发明涉及关节炎诊疗技术领域，尤其涉及一种基于神经网络和机器学习的关节炎康复诊疗方法及***。
背景技术
关节炎（arthritis）泛指发生在人体关节及其周围组织，由炎症、感染、退化、创伤或其他因素引起的炎性疾病，可分为数十种。我国的关节炎患者有1亿以上，且人数在不断增加。临床表现为关节的红、肿、热、痛、功能障碍及关节畸形，严重者导致关节残疾、影响患者生活质量。据统计我国50岁以上人群中半数患骨关节炎，65岁以上人群中90%女性和80%男性患骨关节炎。我国的患病率为0.34%～0.36%，严重者寿命约缩短10～15年。
目前医生在对关节炎患者进行诊断治疗时，往往都是通过问诊的方式进行，或者通过一些初步智能化的在线就诊模式进行在线答复，然后在通过医生的经验进行判断，不具备智能化诊断和治疗功能，且诊断效率较低；而且现有的一些自动出具诊断报告和治疗方案的平台，采用的都是基于权重分析，根据病患的输入，在病例库里匹配权重最高的已有案例，从而输出一套与病患最为相似的诊断与治疗方案。这样的权重匹配仅能处理简单的病例，且由于病情的诊断需综合多方面因素考虑，简单的权重分析并不是真正的智能化诊断，依旧需要医生审核与修改。
因此，如何通过智能化的诊疗手段来对病人的情况进行评估得到相应的康复诊疗方案，是现阶段需要解决的问题。
发明内容
本发明的目的在于克服现有技术的缺点，提供了一种基于神经网络和机器学习的关节炎康复诊疗方法及***，解决了现有关节炎诊断方式存在的不足。
本发明的目的通过以下技术方案来实现：基于神经网络和机器学习的关节炎康复诊疗方法，所述关节炎康复诊疗方法包括：
采集患者多个维度的量表数据输入到深度神经网络量表评估模型中；
深度神经网络量表评估模型将多个维度的量表中的关键信息看作多源数据，通过构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；
将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到机器学习模型中自动生成康复诊断的处方方案。
所述机器学习模型中自动生成康复诊断的处方方案包括：将评估量表设置为机器学习中的环境要素，将生成的康复诊断处方方案设置为机器学习中的动作要素，将输入的量表综合评估设置为机器学习中的反馈激励要素；根据三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，最后得到最佳的康复诊断处方方案。
所述多个维度的量表数据包括结构量表数据、运动量表数据、感觉量表数据、平衡量表数据、ADL量表数据和心理量表数据。
从所述结构量表数据、运动量表数据、感觉量表数据、平衡量表数据、ADL量表数据和心理量表数据中提取出27项关键信息输入到所述机器学习模型中，输出包括N个输出向量，通过对三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，得到由N个输出向量中多个向量组合的最佳康复诊断处方方案。
所述机器学习模型包括KOA机器学习模型用于生成KOA的康复诊断处方方案，创伤性关节炎机器学习模型用于生成创伤性关节炎的康复诊断处方方案和类风湿关节炎机器学习模型用于生成类风湿关节炎的康复诊断处方方案。
基于神经网络和机器学习的关节炎康复诊疗方法的***，所述***包括数据采集模块、深度神经网络量表评估模型和机器学习模型；
所述数据采集模块用于采集患者多个维度的量表数据输入到所述深度神经网络量表评估模型中；
所述深度神经网络量表评估模型用于通过将多个维度的量表中的关键信息看作多源数据，构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；
所述机器学习模型包括将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到机器学习模型中自动生成康复诊断的处方方案。
其中，机器学习模型中自动生成康复诊断的处方方案具体包括：将评估量表设置为机器学习中的环境要素，将生成的康复诊断处方方案设置为机器学习中的动作要素，将输入的量表综合评估设置为机器学习中的反馈激励要素；根据三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，最后得到最佳的康复诊断处方方案。
所述机器学习模型包括KOA机器学习模型、创伤性关节炎机器学习模型和类风湿关节炎机器学习模型；
所述KOA机器学习模型用于生成KOA的康复诊断处方方案；
所述创伤性关节炎机器学习模型用于生成创伤性关节炎的康复诊断处方方案；
所述类风湿关节炎机器学习模型用于生成类风湿关节炎的康复诊断处方方案。
本发明具有以下优点：一种基于神经网络和机器学习的关节炎康复诊疗方法及***，通过深度神经网络跟机器学习模型的结合来对采集输入的患者量表数据进行评估，并自动输出智能化的康复诊断处方方案，医生不需要再通过在线问诊***进行问诊，极大地提升了问诊效率。
附图说明
图1 为本发明方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
如图1所示，本发明涉及一种基于神经网络和机器学习的关节炎康复诊疗方法，所述关节炎康复诊疗方法包括：
S1、采集患者多个维度的量表数据输入到训练完成的深度神经网络量表评估模型中；
S2、深度神经网络量表评估模型将多个维度的量表中的关键信息看作多源数据，这种多源数据中每个样本的数据源组成具有不同的特点，可以将其视作非偶然性数据（即量表组合）源缺失，通过构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；
S3、将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到训练好的机器学习模型中自动生成康复诊断的处方方案。
进一步地，机器学习模型中自动生成康复诊断的处方方案包括：将评估量表设置为机器学习中的环境要素，将生成的康复诊断处方方案设置为机器学习中的动作要素，将输入的量表综合评估设置为机器学习中的反馈激励要素；根据三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，最后得到最佳的康复诊断处方方案。
进一步地，多个维度的量表数据包括结构量表数据、运动量表数据、感觉量表数据、平衡量表数据、ADL量表数据和心理量表数据。
从所述结构量表数据、运动量表数据、感觉量表数据、平衡量表数据、ADL量表数据和心理量表数据中提取出27项关键信息输入到所述机器学习模型中，输出包括85个输出向量，通过对三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，得到由85个输出向量中多个向量组合的最佳康复诊断处方方案。
其中，最佳康复诊断处方方案为当某一次的反馈激励输入到机器学习模型中得到的康复诊断处方方案与上一次得到的康复诊断处方方案相同时（表示此次没有可优化的康复治疗项），则此次的康复诊断处方方案即为最佳康复诊断处方方案。
所述机器学习模型包括KOA机器学习模型用于生成KOA的康复诊断处方方案，创伤性关节炎机器学习模型用于生成创伤性关节炎的康复诊断处方方案和类风湿关节炎机器学习模型用于生成类风湿关节炎的康复诊断处方方案。
进一步地，KOA机器学***衡功能训练，转移训练，SET（悬吊床），步行训练，运动疗法，手功能训练，上肢运动锻炼，下肢运动锻炼，其他，上肢机器人，下肢机器人，虚拟现实，运动控制***，平衡大师，等速肌力训练，心肺联合运动，功率自行车，其他，坐便器，可拆坐垫的轮椅，高靠背轮椅，普通轮椅，电动轮椅，单拐，双拐，助行器，其他，需要，不需要，必须有陪护人员，可有陪护人员帮助，需要有人看护，不需要陪护。其中x1,x2,x3,…,x27表示输入的患者身体状况的关键信息，包括患者性别，患者年龄，大便功能，小便功能，修饰，去上厕所，吃饭，转移，活动，穿衣，上楼梯，洗澡，①由坐到站，②独立站立，③独立坐，④由站到坐，⑤床—椅转移，⑥闭眼站立，⑦双足并拢站立，⑧站立位上肢前伸，⑨站立位从地上拾物，⑩转身向后看，⑪转身一周，⑫双***替踏台阶，⑬双足前后站立，⑭单腿站立，疼痛程度。通过将患者身体状况信息输入到上述函数中得到治疗方案。
进一步地，创伤性关节炎机器学***衡功能训练，转移训练，SET（悬吊床），步行训练，运动疗法，手功能训练，上肢运动锻炼，下肢运动锻炼，其他，上肢机器人，下肢机器人，虚拟现实，运动控制***，平衡大师，等速肌力训练，心肺联合运动，功率自行车，其他，坐便器，可拆坐垫的轮椅，高靠背轮椅，普通轮椅，电动轮椅，单拐，双拐，助行器，其他，需要，不需要，必须有陪护人员，可有陪护人员帮助，需要有人看护，不需要陪护。其中X为患者身体状况信息向量，包括患者性别，患者年龄，大便功能，小便功能，修饰，去上厕所，吃饭，转移，活动，穿衣，上楼梯，洗澡，①由坐到站，②独立站立，③独立坐，④由站到坐，⑤床—椅转移，⑥闭眼站立，⑦双足并拢站立，⑧站立位上肢前伸，⑨站立位从地上拾物，⑩转身向后看，⑪转身一周，⑫双***替踏台阶，⑬双足前后站立，⑭单腿站立，疼痛程度。通过将患者身体状况信息输入到上述函数中得到治疗方案。
进一步地，类风湿关节炎机器学***衡功能训练，转移训练，SET（悬吊床），步行训练，运动疗法，手功能训练，上肢运动锻炼，下肢运动锻炼，其他，上肢机器人，下肢机器人，虚拟现实，运动控制***，平衡大师，等速肌力训练，心肺联合运动，功率自行车，其他，坐便器，可拆坐垫的轮椅，高靠背轮椅，普通轮椅，电动轮椅，单拐，双拐，助行器，其他，需要，不需要，必须有陪护人员，可有陪护人员帮助，需要有人看护，不需要陪护。其中X为患者身体状况，x1,x2,x3,…,x27为患者身体状况子项，分别为患者性别，患者年龄，大便功能，小便功能，修饰，去上厕所，吃饭，转移，活动，穿衣，上楼梯，洗澡，①由坐到站，②独立站立，③独立坐，④由站到坐，⑤床—椅转移，⑥闭眼站立，⑦双足并拢站立，⑧站立位上肢前伸，⑨站立位从地上拾物，⑩转身向后看，⑪转身一周，⑫双***替踏台阶，⑬双足前后站立，⑭单腿站立，疼痛程度。通过将患者身体状况信息输入到上述函数中得到治疗方案。
本发明的另一实施例涉及一种基于神经网络和机器学习的关节炎康复诊疗方法的***，所述***包括数据采集模块、深度神经网络量表评估模型和机器学习模型；
所述数据采集模块用于采集患者多个维度的量表数据输入到所述深度神经网络量表评估模型中；
所述深度神经网络量表评估模型用于通过将多个维度的量表中的关键信息看作多源数据，构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；
所述机器学习模型包括将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到机器学习模型中自动生成康复诊断的处方方案。
其中，机器学习模型中自动生成康复诊断的处方方案具体包括：将评估量表设置为机器学习中的环境要素，将生成的康复诊断处方方案设置为机器学习中的动作要素，将输入的量表综合评估设置为机器学习中的反馈激励要素；根据三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，最后得到最佳的康复诊断处方方案。
所述机器学习模型包括KOA机器学习模型、创伤性关节炎机器学习模型和类风湿关节炎机器学习模型；
所述KOA机器学习模型用于生成KOA的康复诊断处方方案；
所述创伤性关节炎机器学习模型用于生成创伤性关节炎的康复诊断处方方案；
所述类风湿关节炎机器学习模型用于生成类风湿关节炎的康复诊断处方方案。
本发明的创伤性关节炎机器学习模型为多输入多输出模型主要对物理治疗方案和患者身体患病状况进行预测进而得到康复诊断方案，该模型含两个全连接层，模型有27项输入，85项输出，本发明中总共提供505个样本，85个预测项中有41项正样本与负样本中数量较少一方低于46，且这有41项的正样本/负样本或负样本/正样本小于0.1，故相对与其他预测项，可靠性较低，可待这些预测项样本选中数量积累较多后再迭代模型。
KOA机器学习模型为多输入多输出模型主要对物理治疗方案和患者身体患病状况进行预测，该模型含两个全连接层，模型有27项输入，84项输出。本发明中总共提供510个样本，84个预测项中有38项正样本与负样本中数量较少一方低于47，且这有38项的正样本/负样本或负样本/正样本小于0.1，故相对与其他预测项，可靠性较低，可待这些预测项样本选中数量积累较多后再迭代模型。
类风湿关节炎机器学习模型为多输入多输出模型主要对物理治疗方案和患者身体患病状况进行预测，该模型含两个全连接层，模型有27项输入，85项输出。本发明中总共提供495个样本，85个预测项中有35项正样本与负样本中数量较少一方低于45，且这有35项的正样本/负样本或负样本/正样本小于0.1，故相对与其他预测项，可靠性较低，可待这些预测项样本选中数量积累较多后再迭代模型。
收集到的数据通过python进行归一化处理，同时以tensorflow为基础结构，通过keras搭建本发明所述机器学习模型，通过对模型的100次迭代获取到训练完成的机器学习模型。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.基于神经网络和机器学习的关节炎康复诊疗方法，其特征在于：所述关节炎康复诊疗方法包括：
采集患者多个维度的量表数据输入到深度神经网络量表评估模型中；
深度神经网络量表评估模型将多个维度的量表中的关键信息看作多源数据，通过构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；
将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到机器学习模型中自动生成康复诊断的处方方案。
2.根据权利要求1所述的基于神经网络和机器学习的关节炎康复诊疗方法，其特征在于：所述机器学习模型中自动生成康复诊断的处方方案包括：将评估量表设置为机器学习中的环境要素，将生成的康复诊断处方方案设置为机器学习中的动作要素，将输入的量表综合评估设置为机器学习中的反馈激励要素；根据三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，最后得到最佳的康复诊断处方方案。
3.根据权利要求2所述的基于神经网络和机器学***衡量表数据、ADL量表数据和心理量表数据。
4.根据权利要求3所述的基于神经网络和机器学***衡量表数据、ADL量表数据和心理量表数据中提取出27项关键信息输入到所述机器学习模型中，输出包括N个输出向量，通过对三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，得到由N个输出向量中多个向量组合的最佳康复诊断处方方案。
5.根据权利要求4所述的基于神经网络和机器学习的关节炎康复诊疗方法，其特征在于：所述机器学习模型包括KOA机器学习模型用于生成KOA的康复诊断处方方案，创伤性关节炎机器学习模型用于生成创伤性关节炎的康复诊断处方方案和类风湿关节炎机器学习模型用于生成类风湿关节炎的康复诊断处方方案。
6.基于神经网络和机器学习的关节炎康复诊疗方法的***，其特征在于：所述***包括数据采集模块、深度神经网络量表评估模型和机器学习模型；
所述数据采集模块用于采集患者多个维度的量表数据输入到所述深度神经网络量表评估模型中；
所述深度神经网络量表评估模型用于通过将多个维度的量表中的关键信息看作多源数据，构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；
所述机器学习模型包括将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到机器学习模型中自动生成康复诊断的处方方案。
7.根据权利要求6所述的基于神经网络和机器学习的关节炎康复诊疗方法的***，其特征在于：其中，机器学习模型中自动生成康复诊断的处方方案具体包括：将评估量表设置为机器学习中的环境要素，将生成的康复诊断处方方案设置为机器学习中的动作要素，将输入的量表综合评估设置为机器学习中的反馈激励要素；根据三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，最后得到最佳的康复诊断处方方案。
8.根据权利要求6所述的基于神经网络和机器学习的关节炎康复诊疗方法的***，其特征在于：所述机器学习模型包括KOA机器学习模型、创伤性关节炎机器学习模型和类风湿关节炎机器学习模型；
所述KOA机器学习模型用于生成KOA的康复诊断处方方案；
所述创伤性关节炎机器学习模型用于生成创伤性关节炎的康复诊断处方方案；
所述类风湿关节炎机器学习模型用于生成类风湿关节炎的康复诊断处方方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110363284.0A CN112735585B (zh) | 2021-04-02 | 2021-04-02 | 基于神经网络和机器学习的关节炎康复诊疗方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110363284.0A CN112735585B (zh) | 2021-04-02 | 2021-04-02 | 基于神经网络和机器学习的关节炎康复诊疗方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112735585A true CN112735585A (zh) | 2021-04-30 |
| CN112735585B CN112735585B (zh) | 2021-08-03 |
Family
ID=75596471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110363284.0A Active CN112735585B (zh) | 2021-04-02 | 2021-04-02 | 基于神经网络和机器学习的关节炎康复诊疗方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112735585B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114305398A (zh) * | 2021-12-15 | 2022-04-12 | 上海长征医院 | 一种用于检测待测对象的脊髓型颈椎病的*** |
| CN115458162A (zh) * | 2022-11-10 | 2022-12-09 | 四川京炜数字科技有限公司 | 基于机器学习的骨关联疾病治疗方案预测***和方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8239246B1 (en) * | 2009-08-27 | 2012-08-07 | Accenture Global Services Limited | Health and life sciences payer high performance capability assessment |
| CN109271961A (zh) * | 2018-10-09 | 2019-01-25 | 成都阳帆网络科技有限公司 | 基于人物身份特征识别的行为模式判断方法 |
| CN109431521A (zh) * | 2018-10-12 | 2019-03-08 | 西北工业大学 | 一种基于音视频信息的多模态双相抑郁障碍自动检测方法 |
| CN110108356A (zh) * | 2019-06-06 | 2019-08-09 | 四川京炜数字科技有限公司 | 一种车载式道路标线逆反射亮度系数测试装置 |
| CN110491479A (zh) * | 2019-07-16 | 2019-11-22 | 北京邮电大学 | 一种基于神经网络的骨质状态评估模型的构建方法 |
| CN110507335A (zh) * | 2019-08-23 | 2019-11-29 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及*** |
| CN110739038A (zh) * | 2019-10-12 | 2020-01-31 | 深圳市宝安区人民医院 | 基于医嘱的药品分发*** |
| CN111524602A (zh) * | 2020-04-28 | 2020-08-11 | 西安玖诚玖谊实业有限公司 | 一种老年人记忆及认知功能评估筛查预警*** |
| CN111753543A (zh) * | 2020-06-24 | 2020-10-09 | 北京百度网讯科技有限公司 | 药物推荐方法、装置、电子设备及存储介质 |
| CN111816309A (zh) * | 2020-07-13 | 2020-10-23 | 国家康复辅具研究中心 | 基于深度强化学习的康复训练处方自适应推荐方法及*** |
| CN111863230A (zh) * | 2020-06-22 | 2020-10-30 | 南通大学 | 一种婴儿吸吮远程评估和母乳喂养指导方法 |
| CN112015955A (zh) * | 2020-09-01 | 2020-12-01 | 清华大学 | 一种多模态数据关联方法和装置 |
| CN112464958A (zh) * | 2020-12-11 | 2021-03-09 | 沈阳芯魂科技有限公司 | 多模态神经网络信息处理方法、装置、电子设备与介质 |
-
2021
- 2021-04-02 CN CN202110363284.0A patent/CN112735585B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8239246B1 (en) * | 2009-08-27 | 2012-08-07 | Accenture Global Services Limited | Health and life sciences payer high performance capability assessment |
| CN109271961A (zh) * | 2018-10-09 | 2019-01-25 | 成都阳帆网络科技有限公司 | 基于人物身份特征识别的行为模式判断方法 |
| CN109431521A (zh) * | 2018-10-12 | 2019-03-08 | 西北工业大学 | 一种基于音视频信息的多模态双相抑郁障碍自动检测方法 |
| CN110108356A (zh) * | 2019-06-06 | 2019-08-09 | 四川京炜数字科技有限公司 | 一种车载式道路标线逆反射亮度系数测试装置 |
| CN110491479A (zh) * | 2019-07-16 | 2019-11-22 | 北京邮电大学 | 一种基于神经网络的骨质状态评估模型的构建方法 |
| CN110507335A (zh) * | 2019-08-23 | 2019-11-29 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及*** |
| CN110739038A (zh) * | 2019-10-12 | 2020-01-31 | 深圳市宝安区人民医院 | 基于医嘱的药品分发*** |
| CN111524602A (zh) * | 2020-04-28 | 2020-08-11 | 西安玖诚玖谊实业有限公司 | 一种老年人记忆及认知功能评估筛查预警*** |
| CN111863230A (zh) * | 2020-06-22 | 2020-10-30 | 南通大学 | 一种婴儿吸吮远程评估和母乳喂养指导方法 |
| CN111753543A (zh) * | 2020-06-24 | 2020-10-09 | 北京百度网讯科技有限公司 | 药物推荐方法、装置、电子设备及存储介质 |
| CN111816309A (zh) * | 2020-07-13 | 2020-10-23 | 国家康复辅具研究中心 | 基于深度强化学习的康复训练处方自适应推荐方法及*** |
| CN112015955A (zh) * | 2020-09-01 | 2020-12-01 | 清华大学 | 一种多模态数据关联方法和装置 |
| CN112464958A (zh) * | 2020-12-11 | 2021-03-09 | 沈阳芯魂科技有限公司 | 多模态神经网络信息处理方法、装置、电子设备与介质 |
Non-Patent Citations (1)
| Title |
|---|
| 赵琼: "CLU基因多态性与遗忘型轻度认知功能障碍患者神经网络的关联分析", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114305398A (zh) * | 2021-12-15 | 2022-04-12 | 上海长征医院 | 一种用于检测待测对象的脊髓型颈椎病的*** |
| CN114305398B (zh) * | 2021-12-15 | 2023-11-24 | 上海长征医院 | 一种用于检测待测对象的脊髓型颈椎病的*** |
| CN115458162A (zh) * | 2022-11-10 | 2022-12-09 | 四川京炜数字科技有限公司 | 基于机器学习的骨关联疾病治疗方案预测***和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112735585B (zh) | 2021-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mueller et al. | Consensus statement on physical rehabilitation in children and adolescents with osteogenesis imperfecta | |
| Gates et al. | Range of motion requirements for upper-limb activities of daily living | |
| Miller et al. | Clinical effectiveness and safety of powered exoskeleton-assisted walking in patients with spinal cord injury: systematic review with meta-analysis | |
| Esquenazi et al. | The ReWalk powered exoskeleton to restore ambulatory function to individuals with thoracic-level motor-complete spinal cord injury | |
| Latham et al. | Physical therapy during stroke rehabilitation for people with different walking abilities | |
| Brody et al. | Aquatic exercise for rehabilitation and training | |
| Heinemann et al. | Functional outcome following spinal cord injury: a comparison of specialized spinal cord injury center vs general hospital short-term care | |
| CN112735585B (zh) | 基于神经网络和机器学习的关节炎康复诊疗方法及*** | |
| Natale et al. | SCIRehab Project series: the physical therapy taxonomy | |
| Arazpour et al. | Reciprocal gait orthoses and powered gait orthoses for walking by spinal cord injury patients | |
| Reinkensmeyer et al. | How a diverse research ecosystem has generated new rehabilitation technologies: Review of NIDILRR’s Rehabilitation Engineering Research Centers | |
| Arazpour et al. | Design and simulation of a new powered gait orthosis for paraplegic patients | |
| Bottomley | Quick reference dictionary for physical therapy | |
| CA3236351A1 (en) | Koapt-therapy-based treatment and rehabilitation device for degenerative knee joint disease | |
| Matalon et al. | Functional rehabilitation of a person with transfemoral amputation through guided motor imagery: a case study | |
| Wang et al. | Effects of wheelchair Tai Chi ball exercise on physical and mental health and functional abilities among elderly with physical disability | |
| Tanabe et al. | Clinical feasibility of gait training with a robotic exoskeleton (WPAL) in an individual with both incomplete cervical and complete thoracic spinal cord injury: A case study | |
| Arazpour et al. | Influence of orthotic gait training with powered hip orthosis on walking in paraplegic patients | |
| Ide et al. | Expectations for medical and healthcare robotics | |
| Barker et al. | Using consensus techniques to produce clinical guidelines for patients treated with the Ilizarov fixator | |
| Hidayanti et al. | Case study: people with severe mental disorders with physical mobility barriers after in pasung | |
| CN109192323A (zh) | 国际功能、残疾和健康分类康复组合信息管理***和方法 | |
| Guodong et al. | The application of life-rebuilding based occupational therapy practice model in community rehabilitation | |
| Guo | Thirteen postures of wheelchair taijiquan (tai chi): Wheelchair use as an instrument of empowerment | |
| Abarghuei et al. | The Effects of Lower Limb Orthoses on Health Aspects of the Spinal Cord Injury Patients: A Systematic Review Using International Classification of Functioning, Disability, and Health (ICF) as a Reference Framework |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210712 Address after: No.8, 4th floor, unit 2, building 1, 31 Taisheng North Road, Qingyang District, Chengdu, Sichuan 610000 Applicant after: Liu Sijia Address before: 610000 west side of 6th floor, Taishan science and technology building, No.10, Jiuxing Avenue, high tech Zone, Chengdu, Sichuan Applicant before: Sichuan Jingwei Digital Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |