【技術實現(xiàn)步驟摘要】
本專利技術涉及醫(yī)療輔助，具體涉及一種基于柔性傳感器的卒中跌倒預警方法及裝置、計算設備。
技術介紹
1、卒中(中風)患者常常面臨平衡功能障礙、肌肉力量下降、感覺異常等問題，更容易發(fā)生跌倒。
2、傳統(tǒng)的跌倒風險評估主要依靠醫(yī)生的主觀判斷或簡單的臨床測試(如起立-行走測試)，存在主觀性強、效率低、無法進行實時監(jiān)測等缺陷，難以滿足臨床需求。
3、隨著人工智能技術的發(fā)展，一些研究開始嘗試使用機器學習或深度學習模型，通過分析傳感器數(shù)據(jù)預測跌倒風險。但多數(shù)僅依賴于單一傳感器數(shù)據(jù)(如加速度計)或單一特征(如步速)進行跌倒檢測，忽略跌倒的復雜性，難以全面反映患者的跌倒風險。
4、為解決上述問題，本專利技術提出一種基于柔性傳感器的卒中跌倒預警方法，通過模糊邏輯和神經網絡對多模態(tài)數(shù)據(jù)融合和步態(tài)分析，以提高患者跌倒風險預測的準確性。
技術實現(xiàn)思路
1、鑒于上述問題，本專利技術提供一種基于柔性傳感器的卒中跌倒預警方法及裝置、計算設備。
2、根據(jù)本專利技術的一個方面，提供了一種基于柔性傳感器的卒中跌倒預警方法，包括：
3、根據(jù)多個柔性傳感器實時采集患者在三維空間內的加速度、角速度、壓力、心率和肌電數(shù)據(jù)，其中，所述柔性傳感器包括柔性三軸加速度計、柔性三軸陀螺儀、柔性壓力傳感器、柔性心率傳感器和柔性肌電傳感器，可穿戴附著于患者身體的多個預設位置，所述預設位置包括腰部、腳踝、肘關節(jié)和膝關節(jié)；
4、根據(jù)患者在三維空間內的加速度、角速度、壓力、心率
5、融合穩(wěn)定系數(shù)、平衡系數(shù)和柔性傳感器采集的壓力分布數(shù)據(jù)、心率數(shù)據(jù)和肌電數(shù)據(jù)，形成多模態(tài)特征向量；
6、將所述多模態(tài)特征向量輸入anfis跌倒模型，預測患者的跌倒風險概率；其中，所述anfis跌倒模型包括輸入層、堆疊沙漏預測層、網絡模糊化層、規(guī)則層、歸一化層、后果層和輸出層。
7、在一種可選的方式中，所述計算腰部柔性傳感器和每個腳踝柔性傳感器采集的合加速度、合角速度和合壓力時間序列進一步包括：
8、根據(jù)每一個時間點的加速度的三個分量計算一次合加速度，得到合加速度時間序列；
9、根據(jù)每一個時間點的角速度的三個分量計算一次合角速度，得到合角速度時間序列；
10、對于多區(qū)域離散壓力傳感器，將每一個時間點的壓力值進行相加，得到合壓力時間序列；對于多區(qū)域連續(xù)壓力傳感器，求取每一個時間點的每個像素區(qū)域的壓力值的平均值，得到合壓力時間序列；
11、其中，所述柔性壓力傳感器包括單點壓力傳感器、多區(qū)域離散壓力傳感器以及多區(qū)域連續(xù)壓力傳感器；多區(qū)域離散壓力傳感器包含多個獨立的壓力敏感區(qū)域，每個敏感區(qū)域提供一個壓力值，多區(qū)域連續(xù)壓力傳感器以矩陣的形式為每個像素區(qū)域提供一個壓力值。
12、在一種可選的方式中，所述根據(jù)多尺度dtw算法計算腰部加速度序列與正常步態(tài)模板序列的穩(wěn)定系數(shù)以及左右腳踝加速度序列之間的平衡系數(shù)進一步包括：
13、對腰部和腳踝的合加速度時間序列進行多尺度平滑；
14、根據(jù)腰部合加速度時間序列與正常步態(tài)模板序列的ms-dtw距離，計算每個步態(tài)周期的穩(wěn)定系數(shù)；
15、根據(jù)左右腳踝合加速度時間序列的ms-dtw距離，計算每個步態(tài)周期的平衡系數(shù)。
16、在一種可選的方式中，所述融合穩(wěn)定系數(shù)、平衡系數(shù)和柔性傳感器采集的壓力分布數(shù)據(jù)、心率數(shù)據(jù)和肌電數(shù)據(jù)，形成多模態(tài)特征向量進一步包括：
17、根據(jù)穩(wěn)定系數(shù)和平衡系數(shù)計算平衡狀態(tài)，根據(jù)壓力分布數(shù)據(jù)得到最大壓力、平均壓力和壓力中心位置，根據(jù)心率數(shù)據(jù)計算心率變異性，根據(jù)肌電數(shù)據(jù)計算活動強度；
18、根據(jù)設置的活動強度權重、平衡狀態(tài)權重、心率變異性權重，得到多模態(tài)特征向量。
19、在一種可選的方式中，所述模糊化層包括多個輸入節(jié)點、模糊規(guī)則層和輸出節(jié)點；其中，每個輸入節(jié)點連接至少一個隸屬函數(shù)；所述隸屬函數(shù)包括高斯函數(shù)、鐘形函數(shù)和梯形函數(shù)；所述模糊規(guī)則層根據(jù)模糊規(guī)則計算每個規(guī)則的觸發(fā)強度；
20、所述堆疊沙漏預測層，用于關節(jié)姿勢預測和補充關節(jié)缺失數(shù)據(jù)，包括初試卷積層、多個沙漏模塊以及末端卷積層，其中，每個沙漏模塊包括下采樣路徑編碼層、低分辨率特征圖網絡層以及上采樣路徑解碼層；
21、所述后果層根據(jù)觸發(fā)強度和模糊規(guī)則的后件參數(shù)計算跌倒風險概率。
22、在一種可選的方式中，所述壓力分布數(shù)據(jù)包括壓力中心偏移量、足底壓力分布對稱性、步態(tài)周期內的壓力峰值位置和動態(tài)壓力分布范圍；
23、所述心率數(shù)據(jù)特征包括心率變異性指標、心率加速/減速率和心率異常波動頻率；
24、所述肌電數(shù)據(jù)包括肌肉激活強度、肌肉協(xié)同激活程度和肌肉疲勞指標。
25、在一種可選的方式中，所述根據(jù)觸發(fā)強度和模糊規(guī)則的后件參數(shù)計算跌倒風險概率進一步包括：
26、定義狀態(tài)集合s＝{穩(wěn)定步態(tài),輕度不穩(wěn)定步態(tài),中度不穩(wěn)定步態(tài),跌倒高風險狀態(tài),跌倒發(fā)生}；
27、定義觀測符號v＝[p1,p2,p3,p4,h1,h2,h3,e1,e2,e3,st,b]；其中，p1為壓力中心偏移量；p2為足底壓力分布對稱性；p3為步態(tài)周期內的壓力峰值位置；p4為動態(tài)壓力分布范圍；h1為心率變異性指標；h2為心率加速/減速率；h3為心率異常波動頻率；e1為肌肉激活強度；e2為肌肉協(xié)同激活程度；e3為肌肉疲勞指標；st為穩(wěn)定系數(shù)；b為平衡系數(shù)；
28、定義各個狀態(tài)集合s的轉移概率矩陣a、初始狀態(tài)概率分布π以及觀測符號v的觀測概率矩陣b；
29、通過前向算法計算從第一個觀測值到當前觀測值的各個狀態(tài)的概率，通過后向算法計算從當前觀測值到最后一個觀測值的各個狀態(tài)的概率；
30、根據(jù)各個狀態(tài)的概率調整觸發(fā)強度，將各個狀態(tài)的概率融入模糊規(guī)則的后件參數(shù)；
31、根據(jù)調整后的觸發(fā)強度和規(guī)則后件參數(shù)，計算跌倒風險概率。
32、在一種可選的方式中，所述跌倒風險概率的計算公式為：
33、
34、其中，pi為第i個規(guī)則的后件參數(shù)；αi_adjusted為第i個規(guī)則的觸發(fā)強度；αi_adjusted＝αi·∑s∈sp(qt＝s|o)·ws；xi為第i個輸入變量，lxi為xi的隸屬度值；p(qt＝s|o)為在給定觀測序列o的情況下，在時間點t處于狀態(tài)s的概率；ws為狀態(tài)s的權重；s為狀態(tài)集合。
35、根據(jù)本專利技術的另一方面，提供了一種基于柔性傳感器的卒中跌倒預警裝置，包括：
36、數(shù)據(jù)采集模塊，用于根據(jù)多個柔性傳感器實時采集患者在三維空間內的加速度、角速度、壓力、心率和肌電數(shù)據(jù)，其中，所述柔性傳感器包括柔性三軸加速度計、柔性三軸陀螺儀、柔性壓力傳感器、柔性心率傳感器和本文檔來自技高網...
【技術保護點】
1.一種基于柔性傳感器的卒中跌倒預警方法，其特征在于，包括：
2.根據(jù)權利要求1所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述計算腰部柔性傳感器和每個腳踝柔性傳感器采集的合加速度、合角速度和合壓力時間序列進一步包括：
3.根據(jù)權利要求1所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述根據(jù)多尺度DTW算法計算腰部加速度序列與正常步態(tài)模板序列的穩(wěn)定系數(shù)以及左右腳踝加速度序列之間的平衡系數(shù)進一步包括：
4.根據(jù)權利要求1所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述融合穩(wěn)定系數(shù)、平衡系數(shù)和柔性傳感器采集的壓力分布數(shù)據(jù)、心率數(shù)據(jù)和肌電數(shù)據(jù)，形成多模態(tài)特征向量進一步包括：
5.根據(jù)權利要求1所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述模糊化層包括多個輸入節(jié)點、模糊規(guī)則層和輸出節(jié)點；其中，每個輸入節(jié)點連接至少一個隸屬函數(shù)；所述隸屬函數(shù)包括高斯函數(shù)、鐘形函數(shù)和梯形函數(shù)；所述模糊規(guī)則層根據(jù)模糊規(guī)則計算每個規(guī)則的觸發(fā)強度；
6.根據(jù)權利要求5所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述壓
7.根據(jù)權利要求6所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述根據(jù)觸發(fā)強度和模糊規(guī)則的后件參數(shù)計算跌倒風險概率進一步包括：
8.根據(jù)權利要求7所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述跌倒風險概率的計算公式為：
9.一種基于柔性傳感器的卒中跌倒預警裝置，其特征在于，包括：
10.一種計算設備，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；
...【技術特征摘要】
1.一種基于柔性傳感器的卒中跌倒預警方法，其特征在于，包括：
2.根據(jù)權利要求1所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述計算腰部柔性傳感器和每個腳踝柔性傳感器采集的合加速度、合角速度和合壓力時間序列進一步包括：
3.根據(jù)權利要求1所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述根據(jù)多尺度dtw算法計算腰部加速度序列與正常步態(tài)模板序列的穩(wěn)定系數(shù)以及左右腳踝加速度序列之間的平衡系數(shù)進一步包括：
4.根據(jù)權利要求1所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述融合穩(wěn)定系數(shù)、平衡系數(shù)和柔性傳感器采集的壓力分布數(shù)據(jù)、心率數(shù)據(jù)和肌電數(shù)據(jù)，形成多模態(tài)特征向量進一步包括：
5.根據(jù)權利要求1所述的基于柔性傳感器的卒中跌倒預警方法，其特征在于，所述模糊化層包括多個輸入節(jié)點、模糊規(guī)則層和輸出節(jié)點；其中，每個輸入節(jié)點...
【專利技術屬性】
技術研發(fā)人員：駱翔，黃浩，徐沙貝，汪明歡，郭家杰，渠文生，朱文浩，
申請(專利權)人：華中科技大學同濟醫(yī)學院附屬同濟醫(yī)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。