申请/专利权人:上海大学
申请日:2021-12-02
公开(公告)日:2024-02-09
公开(公告)号:CN113974612B
主分类号:A61B5/11
分类号:A61B5/11;A61B5/00;G06N3/0499;G06N3/084;G16H20/30;G16H50/30
优先权:
专利状态码:有效-授权
法律状态:2024.02.09#授权;2022.02.18#实质审查的生效;2022.01.28#公开
摘要:本发明提供的卒中患者上肢运动功能自动化评估方法和系统,基于运动数据构建运动数据集,对运动数据集进行预处理得到预处理数据集,从预处理数据集中动态提取运动学特征,构建特征集,将特征集输入至训练好的评估模型中,得到各项运动评估分数,基于各项运动评估分数得到待评估卒中患者上肢的运动评估总分数,使得到的数据更加客观,并且基于这些客观数据得到的评分结果更加准确、客观,进而能够解决传统上肢运动功能评估方法在实际评估工作中的局限性问题。
主权项:1.一种卒中患者上肢运动功能自动化评估方法,其特征在于,包括:获取待评估卒中患者上肢的运动数据;基于所述运动数据构建运动数据集;对所述运动数据集进行预处理得到预处理数据集;从所述预处理数据集中提取预设个数的运动学特征,采用Multi-ReliefF算法进行动态运动学特征选择,构建特征集;所述运动学特征包括:末端运动学和肩部角度运动学;所述末端运动学包括:末端最大角速度、曲率指数、关节间协调指数、速度峰值数和光谱弧长;所述肩部角度运动学包括:肩部屈曲角速度、肩部内收的角速度和肩部内翻的角速度;其中,曲率指数IC用于估算手臂末端的直线度,IC值以手臂末端路径长度与视线距离之比的形式获得;光谱弧长用于评估手臂末端的运动平滑度;将所述特征集输入至训练好的评估模型中,得到各项运动评估分数;基于所述各项运动评估分数得到待评估卒中患者上肢的运动评估总分数;所述自动化评估方法还包括定期积累患者的运动数据,并采用标准的k折交叉验证法对所述训练好的评估模型的内部参数进行定期训练和更新;其中,采用Multi-ReliefF算法进行动态运动学特征选择,具体包括:使用ReliefF算法依据权重对提取的运动学特征进行排序,得到排序结果;删除所述排序结果中权重为负的运动学特征,不断迭代排序和过滤直到所有特征的权重值为正,至此特征的选择完成。
全文数据:
权利要求:
百度查询: 上海大学 一种卒中患者上肢运动功能自动化评估方法与系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。