一种基于机器学习的个性化运动指导系统及方法技术方案

本发明专利技术涉及一种基于机器学习的个性化运动指导系统及方法。该系统包括服务器、医生终端和患者终端；患者终端用于获取患者的基本数据、测评数据以及运动行为数据，并将基本数据、测评数据以及运动行为数据发送至服务器；医生终端用于根据患者的基本数据以及病历数据确定运动处方，并将运动处方以及病历数据上传至服务器；服务器用于根据患者的测评数据以及运动行为数据确定运动效果；服务器还用于将患者的基本数据、初始的测评数据以及病历数据生成患者特征向量；并将对应的运动处方生成处方特征向量；进而根据患者特征向量、处方特征向量以及运动效果，采用机器学习的方法构建处方生成模型；本发明专利技术能够提高运动指导的准确性与针对性。对性。对性。

【技术实现步骤摘要】
一种基于机器学习的个性化运动指导系统及方法


[0001]本专利技术涉及机器学习领域，特别是涉及一种基于机器学习的个性化运动指导系统及方法。

技术介绍

[0002]随着时代的发展，近年来大众健身运动得到了极大的发展，广大群众意识到了运动对于身体健康的重要性。大众健身运动催生了各种运动软件，其主要功能主要局限于根据患者的性别、年龄、身高、体重等身体基本信息及训练目标，按照后台预设的模板化内容提供运动处方。
[0003]无论大众健康、慢病管理、疾病康复，运动指导都必不可少。普适性的运动指导不适于有疾病的人群，随着生活水平和健康意识的提高，即便是以大众健康为目的，也都有个性化运动指导的需求。
[0004]科学的个性化运动处方需要相关专业人士进行基本体征、生活习惯、疾病状态、运动功能、体适能的全方位评估，再根据评估结果制定个性化的运动康复课程并一对一指导。这要求专业人士需要具有大量的专业知识，并具有相应临床经验。因此制定科学的个性化运动处方门槛高，工作量大，从而带来了较高的成本，无法满足大量疾病人群的运动治疗及康复的需求。

技术实现思路

[0005]本专利技术的目的是提供一种基于机器学习的个性化运动指导系统及方法，能够提高运动指导的准确性与针对性。
[0006]为实现上述目的，本专利技术提供了如下方案：一种基于机器学习的个性化运动指导系统，包括：服务器、医生终端和患者终端；所述患者终端用于获取患者的基本数据、测评数据以及运动行为数据，并将基本数据、测评数据以及运动行为数据发送至服务器；所述基本数据包括：性别、年龄、体重、生活习惯、运动习惯、所患疾病、疼痛情况以及运动风险信息；所述测评数据包括：执行运动处方前后的静息心率、心肺耐力、上下肢肌力、核心肌力、上下肢灵活性、平衡性、协调性及肌肉骨骼能力；所述运动行为数据包括：运动时间、使用动作、运动过程中的心率以及运动前中后生理指标；所述医生终端用于根据患者的基本数据以及病历数据确定运动处方，并将运动处方以及病历数据上传至服务器；所述病历数据包括：不同时间点的疾病症状、体征、关键指标以及检查报告；所述服务器用于根据患者的测评数据以及运动行为数据确定运动效果；所述服务器还用于将患者的基本数据、初始的测评数据以及病历数据生成患者特征向量；并将对应的运动处方生成处方特征向量；进而根据患者特征向量、处方特征向量以及运动效果，采用机器学习的方法构建处方生成模型；所述处方生成模型用于以患者特征向量为输入，以运
动处方为输出。
[0007]可选地，所述服务器还包括：数据预处理模块；所述数据清洗模块用于对基本数据、测评数据、运动行为数据、病历数据以及运动处方进行数据预处理；所述数据预处理包括：数据清洗以及数据归一化。
[0008]可选地，所述服务器还包括：存储模块；所述存储模块用于将患者的基本数据、测评数据、运动行为数据、病历数据、运动处方以及运动效果进行存储。
[0009]一种基于机器学习的个性化运动指导方法，应用于所述的一种基于机器学习的个性化运动指导系统，包括：获取患者的基本数据、测评数据、运动行为数据以及根据患者的基本数据以及病历数据生成运动处方；根据测评数据以及运动行为数据确定运动效果；根据患者的基本数据、初始的测评数据以及病历数据生成患者特征向量；并根据对应的运动处方生成处方特征向量；计算患者特征向量与处方特征向量的相似度；并确定相似度与运动效果的均方误差；进而以均方误差最小为目标，采用机器学习方法确定处方生成模型；利用处方生成模型生成运动处方。
[0010]可选地，所述获取患者的基本数据、测评数据、运动行为数据以及根据患者的基本数据以及病历数据生成运动处方，之后还包括：将患者的基本数据、测评数据、运动行为数据、病历数据、运动处方以及运动效果进行存储。
[0011]可选地，所述根据患者的基本数据、初始的测评数据以及病历数据生成患者特征向量；并根据对应的运动处方生成处方特征向量，之前还包括：对基本数据、测评数据、运动行为数据、病历数据以及运动处方进行数据预处理；所述数据预处理包括：数据清洗以及数据归一化。
[0012]可选地，所述利用处方生成模型生成运动处方，之后还包括：将生成的运动处方发送至医生终端；医生终端将确认后的运动处方发送至服务器；服务器将确认后的运动处方发送至患者终端。
[0013]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术所提供的一种基于机器学习的个性化运动指导系统及方法，将患者的基本数据、初始的测评数据以及病历数据生成患者特征向量；并将对应的运动处方生成处方特征向量；进而根据患者特征向量、处方特征向量以及运动效果，采用机器学习的方法构建处方生成模型，进而根据患者自身的情况个性化确定运动处方，即为患者匹配当下最佳的运动处方基本原则及运动视频指导课程。进而节约人工分析时间和重复劳动，降低运动治疗与康复参与门槛。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所
需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本专利技术所提供的一种基于机器学习的个性化运动指导系统结构示意图；图2为本专利技术所提供的整体流程示意图；图3为本专利技术所提供的一种基于机器学习的个性化运动指导方法流程示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]本专利技术的目的是提供一种基于机器学习的个性化运动指导系统及方法，能够提高运动指导的准确性与针对性。
[0018]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0019]图1为本专利技术所提供的一种基于机器学习的个性化运动指导系统结构示意图，如图1所示，一种基于机器学习的个性化运动指导系统，包括：服务器、医生终端和患者终端；所述患者终端用于获取患者的基本数据、测评数据以及运动行为数据，并将基本数据、测评数据以及运动行为数据发送至服务器；所述基本数据包括：性别、年龄、体重、生活习惯、运动习惯、所患疾病、疼痛情况以及运动风险信息；所述测评数据包括：执行运动处方前后的静息心率、心肺耐力、上下肢肌力、核心肌力、上下肢灵活性、平衡性、协调性及肌肉骨骼能力；所述运动行为数据包括：运动时间、使用动作、运动过程中的心率以及运动前中后生理指标；所述医生终端用于根据患者的基本数据以及病历数据确定运动处方，并将运动处方以及病历数据上传至服务器；所述病历数据包括：不同时间点的疾病症状、体征、关键指标以及检查报告；所述服务器用于根据患者的测评数据以及运动行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的个性化运动指导系统，其特征在于，包括：服务器、医生终端和患者终端；所述患者终端用于获取患者的基本数据、测评数据以及运动行为数据，并将基本数据、测评数据以及运动行为数据发送至服务器；所述基本数据包括：性别、年龄、体重、生活习惯、运动习惯、所患疾病、疼痛情况以及运动风险信息；所述测评数据包括：执行运动处方前后的静息心率、心肺耐力、上下肢肌力、核心肌力、上下肢灵活性、平衡性、协调性及肌肉骨骼能力；所述运动行为数据包括：运动时间、使用动作、运动过程中的心率以及运动前中后生理指标；所述医生终端用于根据患者的基本数据以及病历数据确定运动处方，并将运动处方以及病历数据上传至服务器；所述病历数据包括：不同时间点的疾病症状、体征、关键指标以及检查报告；所述服务器用于根据患者的测评数据以及运动行为数据确定运动效果；所述服务器还用于将患者的基本数据、初始的测评数据以及病历数据生成患者特征向量；并将对应的运动处方生成处方特征向量；进而根据患者特征向量、处方特征向量以及运动效果，采用机器学习的方法构建处方生成模型；所述处方生成模型用于以患者特征向量为输入，以运动处方为输出。2.根据权利要求1所述的一种基于机器学习的个性化运动指导系统，其特征在于，所述服务器还包括：数据预处理模块；所述数据清洗模块用于对基本数据、测评数据、运动行为数据、病历数据以及运动处方进行数据预处理；所述数据预处理包括：数据清洗以及数据归一化。3.根据权利要求1所述的一种基于机器学习的个性化运动指导系统，其特征在于，所述服务器还包括：存储模块；所述存储模块用于将患者的基本数据、测评数据、运动行为数据、病历数据、运动处方...

【专利技术属性】
技术研发人员：雷震，何春水，陈曦，曾令，董蕾，范翼，
申请(专利权)人：成都尚医信息科技有限公司，
类型：发明
国别省市：