一种膝关节疾病预测装置及系统制造方法及图纸

本发明专利技术公开了一种膝关节疾病预测装置及系统，系统包括：采集单元，用于采集步态数据，并建立得到步态数据库；预处理单元，用于对步态数据库中的步态数据进行预处理，得到标准步态数据；模型训练单元，用于构建多层神经网络模型，并根据标准步态数据对多层神经网络模型进行训练，得到训练后的神经网络模型；预测单元，用于对需要检测用户的步态数据进行采集，并输入至训练后的神经网络模型中，得到预测结果。本发明专利技术通过步态数据并建立多个多层神经网络模型进行训练，进而预测出膝关节疾病，这样能在不含辐射的同时，还能快速精准地预测各类膝关节疾病，大大提高预测效率。本发明专利技术可广泛应用于医疗领域中。

A prediction device and system for knee joint disease

The invention discloses a disease prediction device and system for knee joint disease. The system includes acquisition unit, collecting gait data and establishing gait database. Preprocessing unit is used to preprocess gait data in gait database and get standard gait data. Model training unit is used to build multi-layer. The neural network model is used to train the multi-layer neural network model according to the standard gait data, and the neural network model after training is obtained. The prediction unit is used to collect the gait data which needs to be detected and input into the trained neural network model, and the prediction results are obtained. This invention is trained by gait data and multi layer neural network model to predict knee joint disease so that it can predict all kinds of knee joint diseases quickly and accurately without radiation, and greatly improve the prediction efficiency. The invention can be widely used in the medical field.

【技术实现步骤摘要】
一种膝关节疾病预测装置及系统
本专利技术涉及医疗信息决策
，尤其涉及一种膝关节疾病预测装置及系统。
技术介绍
膝关节是全身最大的关节之一，由股骨、胫骨和髌骨构成，它是人体的承重关节，也是最易损伤的关节之一。膝关节是全身发病率最高的关节，中国人群膝关节疾病患病率高达1.5亿。膝关节疾病主要包括：骨性关节炎、半月板损伤、十字韧带损伤、滑膜炎、髌骨软化等。其主要症状是膝关节疼痛及关节功能紊乱，不仅涉及到关节内的各种病损，也常因各种关节外因素引起。而且膝关节产生的症状往往不具有特异性。如疼痛、打软腿、关节交锁等症状，既可以因为交叉韧带、半月板损伤引起，也可以因为髌股关节异常、关节软骨病变引起，甚至可能仅因为异常增生滑膜的嵌顿而引起。疾病发生的预警预测往往涉及传统的放射影像学方法，而传统的影像学预测膝关节疾病的方法也存在不足。现有技术在依赖于传统影像学预测方式中存在以下问题：1、依赖于传统影像学设备预警预测的方法存在一定量的放射辐射，目前传统影像学设备主要包括X线、CT、MRI以及超声等，在检测病人膝关节过程中存在一定的辐射，会潜在的损害身体或者加重膝关节病情；2、依赖于传统影像学设备预测的方法只能检测膝关节的静态状态，无法反映膝关节的功能状态以及运动状况。膝关节疾病是以膝关节运动功能紊乱以及异常为特征的关节疾病。传统影像学设备无法动态的检测该类疾病，从而无法从运动功能角度预警预测该疾病，忽视了病人的运动功能异常，同时也可导致错误预测或者漏侧膝关节疾病；3、依赖于传统影像学设备预警预测的方法无法快速的预警预测膝关节疾病，所耗时限30分钟以上，而且通常需要专业培训的影像学人员去分析检查结果。
技术实现思路
为了解决上述技术问题，本专利技术的目的是提供一种快速高效的膝关节疾病预测装置及系统。本专利技术所采取的技术方案是：一种膝关节疾病预测装置，包括：采集单元，用于采集步态数据，并建立得到步态数据库；预处理单元，用于对步态数据库中的步态数据进行预处理，得到标准步态数据；模型训练单元，用于构建多层神经网络模型，并根据标准步态数据对多层神经网络模型进行训练，得到训练后的神经网络模型；预测单元，用于对需要检测用户的步态数据进行采集，并输入至训练后的神经网络模型中，得到预测结果。作为所述的一种膝关节疾病预测装置的进一步改进，所述的预处理单元具体包括：剔除单元，用于根据步态数据库中的步态数据，对步态数据中的无效数据进行剔除处理，得到有效数据；标准化单元，用于对有效数据进行标准化处理，得到标准步态数据。作为所述的一种膝关节疾病预测装置的进一步改进，所述的模型训练单元具体包括：模型构建单元，用于构建按照反向传播算法训练的n个多层神经网络模型，其中n为膝关节疾病总数；根据标准步态数据，得到每个多层神经网络模型中输出层的预测值，进而对多层神经网络模型进行训练，得到训练后的神经网络模型。作为所述的一种膝关节疾病预测装置的进一步改进，所述的步态数据包括膝关节角度自由度和膝关节位移自由度。作为所述的一种膝关节疾病预测装置的进一步改进，所述膝关节角度自由度包括膝关节内外翻角度、内外旋角度和屈伸角度。作为所述的一种膝关节疾病预测装置的进一步改进，所述膝关节位移自由度包括膝关节的前后位移、上下位移和内外位移。本专利技术所采用的另一技术方案是：一种膝关节疾病预测系统，包括所述的膝关节疾病预测装置。本专利技术的有益效果是：本专利技术一种膝关节疾病预测装置及系统通过步态数据并建立多个多层神经网络模型进行训练，进而预测出膝关节疾病，这样能在不含辐射的同时，还能快速精准地预测各类膝关节疾病，大大提高预测效率。附图说明图1是本专利技术一种膝关节疾病预测装置的原理方框图。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步说明：参考图1，本专利技术一种膝关节疾病预测装置，包括：采集单元，用于采集步态数据，并建立得到步态数据库；预处理单元，用于对步态数据库中的步态数据进行预处理，得到标准步态数据；模型训练单元，用于构建多层神经网络模型，并根据标准步态数据对多层神经网络模型进行训练，得到训练后的神经网络模型；预测单元，用于对需要检测用户的步态数据进行采集，并输入至训练后的神经网络模型中，得到预测结果。进一步作为优选的实施方式，所述的预处理单元具体包括：剔除单元，用于根据步态数据库中的步态数据，对步态数据中的无效数据进行剔除处理，得到有效数据；标准化单元，用于对有效数据进行标准化处理，得到标准步态数据。进一步作为优选的实施方式，所述的模型训练单元具体包括：模型构建单元，用于构建按照反向传播算法训练的n个多层神经网络模型，其中n为膝关节疾病总数；根据标准步态数据，得到每个多层神经网络模型中输出层的预测值，进而对多层神经网络模型进行训练，得到训练后的神经网络模型。进一步作为优选的实施方式，所述的步态数据包括膝关节角度自由度和膝关节位移自由度。进一步作为优选的实施方式，所述膝关节角度自由度包括膝关节内外翻角度、内外旋角度和屈伸角度。进一步作为优选的实施方式，所述膝关节位移自由度包括膝关节的前后位移、上下位移和内外位移。本专利技术一种膝关节疾病预测系统，包括所述的膝关节疾病预测装置。本专利技术实施例中，在采集步态数据时，首先选取步态周期关键事件点的步态数据和6个自由度的步态数据取值范围作为可能预测膝关节疾的步态特征，本实施例中共有48个数据特征，提取所述的步态周期数据的关键事件点和自由度范围的步态特征数据，所述的关键事件点包括足跟着地期IC、对侧足尖离地期OT、足跟离地期HR、对侧足跟着地期OI、足跟离地期TO，足相邻期FA、胫骨垂直期TV等7个关键事件点，结果一共提取48个步态特征包括(7个关键事件点+自由度范围)*6个自由度的步态特征，即IC膝屈伸角度、IC膝内外翻角度，IC膝内外旋角度、IC膝前后位移、IC膝上下位移和IC膝内外位移；OT膝屈伸角度、OT膝内外翻角度，OT内膝外旋角度、OT膝前后位移、OT膝上下位移和OT膝内外位移；HR膝屈伸角度、HR膝内外翻角度，HR膝内外旋角度、HR膝前后位移、HR膝上下位移和HR膝内外位移；OI膝屈伸角度、OI膝内外翻角度，OI膝内外旋角度、OI膝前后位移、OI膝上下位移和OI膝内外位移；TO膝屈伸角度、TO膝内外翻角度，TO膝内外旋角度、TO膝前后位移、TO膝上下位移和TO膝内外位移；FA膝屈伸角度、FA膝内外翻角度，FA膝内外旋角度、FA膝前后位移、FA膝上下位移和FA膝内外位移；TV膝屈伸角度、TV膝内外翻角度，TV膝内外旋角度、TV膝前后位移、TV膝上下位移和TV膝内外位移；屈伸范围，内外旋范围，内外翻范围，前后位移范围，上下位移范围和内外位移范围。根据步态数据库(包括健康人和膝关节各类疾病患者)中的步态数据，取出以上相关特征的数据储存在后台数据库，如果数据填写未完整，视为无效数据，并进行剔除；去除无效数据后，对有效数据进行标准化处理，削弱数值大小对结果可靠性的影响，此处将数值标准化处理在[0，1]之间，得到标准步态数据。建立按反向传播算法训练的多层前馈网络的多层神经网络模型，依据上述数据进行膝关节各类疾病预测建模，共有n个神经网络模型，n为膝关节疾病总数，如数据库包含前交叉韧带撕裂，半月板损伤，则n＝2；每个模型分为输入层、隐含层、输出层，本文档来自技高网...

【技术保护点】
1.一种膝关节疾病预测装置，其特征在于，包括：采集单元，用于采集步态数据，并建立得到步态数据库；预处理单元，用于对步态数据库中的步态数据进行预处理，得到标准步态数据；模型训练单元，用于构建多层神经网络模型，并根据标准步态数据对多层神经网络模型进行训练，得到训练后的神经网络模型；预测单元，用于对需要检测用户的步态数据进行采集，并输入至训练后的神经网络模型中，得到预测结果。

【技术特征摘要】
1.一种膝关节疾病预测装置，其特征在于，包括：采集单元，用于采集步态数据，并建立得到步态数据库；预处理单元，用于对步态数据库中的步态数据进行预处理，得到标准步态数据；模型训练单元，用于构建多层神经网络模型，并根据标准步态数据对多层神经网络模型进行训练，得到训练后的神经网络模型；预测单元，用于对需要检测用户的步态数据进行采集，并输入至训练后的神经网络模型中，得到预测结果。2.根据权利要求1所述的一种膝关节疾病预测装置，其特征在于：所述的预处理单元具体包括：剔除单元，用于根据步态数据库中的步态数据，对步态数据中的无效数据进行剔除处理，得到有效数据；标准化单元，用于对有效数据进行标准化处理，得到标准步态数据。3.根据权利要求1所述的一种膝关节疾病预测装置，其特征在于：所述的模...

【专利技术属性】
技术研发人员：马立敏，张余，曾小龙，
申请(专利权)人：马立敏，曾小龙，
类型：发明
国别省市：广东,44