一种跌倒风险评估方法及装置制造方法及图纸

本发明专利技术公开了一种跌倒风险评估方法及装置，涉及数据处理技术领域，以解决现有的跌倒风险评估方法比较复杂的问题。该方法包括：训练机器学习预测模型；采集被评估者日常生活活动的运动视频数据；利用所述运动视频数据生成运动相关属性；将所述运动相关属性作为所述机器学习预测模型的输入，运行所述机器学习预测模型，获得所述被评估者的跌倒风险评估分数值。本发明专利技术实施例可简化跌倒风险评估的过程。

【技术实现步骤摘要】
一种跌倒风险评估方法及装置
本专利技术涉及数据处理
，尤其涉及一种跌倒风险评估方法及装置。
技术介绍
随着世界人口老龄化的加剧，老年人的日常护理称为一个重大的社会需求。衰老和疾病给老年人的运动机能带来了衰退，老年人的跌倒风险在增加，跌倒风险威胁着老年人，由跌倒导致的社会成本和疾病负担越来越重。及时地预测老年人的跌倒风险对有效护理十分关键，可以使护理人员尽早干预，保障被护理者的安全，从而提高老年人的生活质量。跌倒风险评估是应对跌倒风险的有效手段之一。目前临床使用的跌倒风险方法有很多种，包括TUG(TimedUpandGoTest，起立行走测试)、POMA(Performance-OrientedMobilityAssessment，流动性评估试验)等。尽管跌倒风险评估方法得到了广泛采用，但其仍显得过于复杂，在很多情况下使用不便。因此，迫切需要一种简易的跌倒风险评估方法。
技术实现思路
本专利技术实施例提供一种跌倒风险评估方法及装置，以解决现有的跌倒风险评估方法比较复杂的问题。第一方面，本专利技术实施例提供本文档来自技高网...

【技术保护点】
1.一种跌倒风险评估方法，其特征在于，包括：/n训练机器学习预测模型；/n采集被评估者日常生活活动的运动视频数据；/n利用所述运动视频数据生成运动相关属性；/n将所述运动相关属性作为所述机器学习预测模型的输入，运行所述机器学习预测模型，获得所述被评估者的跌倒风险评估分数值。/n

【技术特征摘要】
1.一种跌倒风险评估方法，其特征在于，包括：
训练机器学习预测模型；
采集被评估者日常生活活动的运动视频数据；
利用所述运动视频数据生成运动相关属性；
将所述运动相关属性作为所述机器学习预测模型的输入，运行所述机器学习预测模型，获得所述被评估者的跌倒风险评估分数值。


2.根据权利要求1所述的方法，其特征在于，所述训练机器学习预测模型，包括：
采集预定用户的原始运动视频数据，得到原始跌倒风险评估分数值；其中，所述预定用户包括第一数量的健康用户和第二数量的具有跌倒风险的用户；
根据所述原始运动视频数据生成原始运动相关属性；
基于Copula熵的特征选择技术，从原始数据集中选择训练数据集；其中，所述原始数据集由所述原始运动相关属性和所述原始跌倒风险评估分数值组成，所述训练数据集包括选择的目标原始运动相关属性和所述目标原始运动相关属性对应的目标原始跌倒风险评估分数值的组合；
利用所述训练数据集训练所述机器学习预测模型。


3.根据权利要求1所述的方法，其特征在于，所述采集被评估者日常生活活动的运动视频数据，包括：
采集所述被评估者日常生活活动的二维运动视频数据和三维运动视频数据。


4.根据权利要求3所述的方法，其特征在于，所述利用所述运动视频数据生成运动相关属性，包括：
利用姿态估计技术，估计所述二维运动视频数据的每个视频片段的每一帧图像包括的人体主要关节的姿态信息；
利用立体视觉技术，估计所述三维运动视频数据的所述每个视频片段的每一帧图像的深度信息；
利用所述人体主要关节的姿态信息和所述深度信息，获得所述每一帧图像的三维姿态信息；
利用所述三维姿态信息计算所述每个视频片段的运动相关属性；
计算所述运动视频数据中所有视频片段的运动相关属性的平均值和方差。


5.根据权利要求1所述的方法，其特征在于，所述运动相关属性包括以下信息中的至少一项：步态速度、步长、步态时间的方差、步态频率、步态速度的方差的标准差。


6.根据权利要求1所述的方法，其特征在于，所述跌倒风险评估分数值包括以下任意一种：起立行走测试TUG，流动性评估试验POMA。


7.一种跌倒风险评估装置，其特征在于，包括：<...

【专利技术属性】
技术研发人员：马健，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：日本;JP