用于疾病筛查的地面反力变换方法、骨病筛查系统及设备技术方案

用于疾病筛查的地面反力变换方法、骨病筛查系统及设备，属于人体运动分析技术领域。为了解决现有的用于疾病筛查的三维地面反力存在丢失信息多以及不同压力平台特征信息之间关联性弱等问题。本发明专利技术的一种用于疾病筛查的地面反力变换方法，先将一组压力平台的左、右两个压力平台中每一帧GRF的垂直方向、前后方向和内外方向的三个数值转变成RGB图像中的R、G、B数值，得到两个压力平台GRF数据对应的像素点，同时针对两个压力平台对应帧的GRF进行相关性处理，得到反映相关性的像素点；然后根据左、右两个压力平台中每一帧GRF对应的R、G、B像素点合成彩色图片。本发明专利技术适用于骨病的筛查。本发明专利技术适用于骨病的筛查。本发明专利技术适用于骨病的筛查。

【技术实现步骤摘要】
用于疾病筛查的地面反力变换方法、骨病筛查系统及设备


[0001]本专利技术属于人体运动分析
，具体涉及一种地面反力变换方法、骨病筛查系统及设备。

技术介绍

[0002]在常见的骨科疾病中，患者骨与关节以及肌肉韧带受损后，往往会表现出不同程度的步态异常。三维地面反力（Ground Reaction Force，GRF）可以衡量患者步行过程中身体在三个维度上的受力情况，一定程度上可以反映患者的身体功能异常。相比于传统的基于动作捕捉的步态分析，GRF的测量与分析简单快捷，并且不需要额外的准备时间，因此适用于临床的快速检查。
[0003]然而GRF测量的是身体步行过程中左右脚踩在压力平台上的连续压力数值曲线。如何提取有效特征进行疾病筛查与诊断是基于GRF进行疾病筛查的关键和难点。常用的特征包括垂直方向GRF的加载率，第一峰值和第二峰值等；前后方向的GRF的最大制动力和最大推进力等特征，对于GRF直接提取的特征进一步处理可以获取的不同压力平台之间相关性的特征参数包括对称角，对称指数等。但是上述特征是基于完整GRF曲线提取的局部特征，丧失了大部分的全局特征。因此，可能会忽略部分重要的信息。根据提取的特征参数采用常用的机器学习模型等进行分类筛查时，使得总体上筛查准确率不高。因此，如何根据完整的地面反力信息以及不同压力平台之间相关性信息进行疾病筛查是提高基于GRF筛查准确率的关键因素之一。

技术实现思路

[0004]本专利技术为了解决现有的用于疾病筛查的三维地面反力存在丢失信息多以及不同压力平台特征信息之间关联性弱等问题。
[0005]一种用于疾病筛查的地面反力变换方法，首先将一组压力平台的左、右两个压力平台中每一帧GRF的垂直方向、前后方向和内外方向的三个数值转变成RGB图像中的R、G、B数值，得到两个压力平台GRF数据对应的像素点，同时针对两个压力平台对应帧的GRF进行相关性处理，得到反映相关性的像素点；然后根据左、右两个压力平台中每一帧GRF对应的R、G、B像素点合成彩色图片。
[0006]进一步地，所述进行相关性处理的方式包括以下处理方式：针对两个压力平台对应帧的GRF的数据求最大、求最小、求均值、求差值。
[0007]进一步地，针对两个压力平台对应帧的GRF进行相关性处理的过程中，采用两种相关性处理方式对两个压力平台的GRF数据进行相关性处理，得到两组反映相关性的像素点。
[0008]进一步地，根据左、右两个压力平台中每一帧GRF对应的R、G、B像素点合成彩色图片的过程包括以下步骤：S21、将两个压力平台的像素点分别记为GA和GB，GA和GB像素点均为N个；将两种相关性处理方式得到的两组反映相关性的像素点分别记为GABA 和GABB，GABA 和GABB像素点
均为N个；分别将GA、GB、GABA、GABB 的N个一维像素点重构成（N/M）
×
M个的二维像素点；S22、将GA、GB、GABA、GABB对应的二维像素点进行拼接构成M
×
M的方形二维像素点，形成一张彩色图片。
[0009]进一步地，将GA、GB、GABA、GABB对应的二维像素点进行拼接的方式包括：对GA、GB、GABA、GABB进行直接拼接，和/或，对GA、GB、GABA、GABB进行交叉拼接。
[0010]进一步地，在将GRF三个方向的数值转换成RGB数值前，需要对GRF数值进行标准化操作，然后将标准化操作之后的数据转变成RGB图像的R、G、B三个通道的数值；所述标准化操作包括以下步骤：首先记录GRF三个方向合力的峰谷值记为PV_R，垂直方向的峰谷值PV_V，前后方向的峰谷值PV_AP， 内外方向的峰谷值PV_ML；按照min
‑
max标准化方法，分别将GRF曲线的垂直方向，前后方向和内外方向数值分别归一到[0，PV_V/PV_R]、[0，PV_AP/PV_R]、[0，PV_ML/PV_R]。
[0011]一种用于疾病筛查的地面反力变换设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现一种用于疾病筛查的地面反力变换方法。
[0012]一种骨病筛查系统，包括地面反力图像获取模块和骨病筛查模块；地面反力图像获取模块：用于获取基于一种用于疾病筛查的地面反力变换方法得到的彩色图片；骨病筛查模块：将地面反力图像获取模块获取的彩色图片作为输入，调用骨病筛查模型进行骨病的分类；所述骨病筛查模型为机器学习模型；所述骨病筛查模型的训练过程包括以下步骤：利用一种用于疾病筛查的地面反力变换方法得到彩色图片，并构建数据集；利用构建的数据集进行骨病筛查模型训练，得到训练好的骨病筛查模型。
[0013]进一步地，所述的骨病筛查模型采用Resnet分类模型。
[0014]一种骨病筛查设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并运行以实现所述的一种骨病筛查系统。
[0015]有益效果：本专利技术提出了一种将地面反力曲线特征转换成图片信息的转换方法，可完全保留GRF的全局信息特征，并可增加不同压力平台GRF之间的关联信息特征，进而利用较为成熟的机器学习中的分类模型进行疾病筛查，可有效提高疾病筛查的准确率。因此本专利技术不仅可以有效的解决利用地面反力(GRF) 进行特征提取时丢失信息多以及不同压力平台特征信息之间关联性弱等问题，而且能够解决利用GRF传统特征进行疾病筛查的机器学习模型准确率低的问题。
[0016]同时，由于该方法生成的图片较小，筛查速度可达到秒级，具有较大的应用潜力。
附图说明
[0017]图1为左侧压力平台垂直方向的数值曲线。
[0018]图2为右侧压力平台垂直方向的数值曲线。
[0019]图3为左侧压力平台前后方向的数值曲线。
[0020]图4为右侧压力平台前后方向的数值曲线。
[0021]图5为左侧压力平台内外方向的数值曲线。
[0022]图6为右侧压力平台内外方向的数值曲线。
[0023]图7为压力平台数据的地面反力构成的图像。
[0024]图8为走道与压力平台放置示意图。
[0025]图9为实施中针对脊柱侧凸进行筛查对应的分类结果。
具体实施方式
[0026]具体实施方式一：本实施方式为一种用于疾病筛查的地面反力变换方法。本专利技术中采用至少一组压力平台进行数据采集，一组压力平台包括左、右两个压力平台，左、右两个压力平台同时进行地面反力的采集。本实施方式中以采用一组压力平台进行数据采集为例进行说明。
[0027]本实施方式所述的一种用于疾病筛查的地面反力变换方法，包括以下步骤：S1、将一组压力平台的左、右两个压力平台中每一帧GRF的垂直方向、前后方向和内外方向的三个数值转变成RGB图像中的R、G、B数值；S2、根据左、右两个压力平台中每一帧GRF对应的R、G、B数值合成彩色图片。
[0028]步骤S1中，本实施方式中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于疾病筛查的地面反力变换方法，其特征在于，首先将一组压力平台的左、右两个压力平台中每一帧GRF的垂直方向、前后方向和内外方向的三个数值转变成RGB图像中的R、G、B数值，得到两个压力平台GRF数据对应的像素点，同时针对两个压力平台对应帧的GRF进行相关性处理，得到反映相关性的像素点；然后根据左、右两个压力平台中每一帧GRF对应的R、G、B像素点合成彩色图片。2.根据权利要求1所述的一种用于疾病筛查的地面反力变换方法，其特征在于，所述进行相关性处理的方式包括以下处理方式：针对两个压力平台对应帧的GRF的数据求最大值、求最小值、求均值、求差值。3.根据权利要求2所述的一种用于疾病筛查的地面反力变换方法，其特征在于，针对两个压力平台对应帧的GRF进行相关性处理的过程中，采用两种相关性处理方式对两个压力平台的GRF数据进行相关性处理，得到两组反映相关性的像素点。4.根据权利要求3所述的一种用于疾病筛查的地面反力变换方法，其特征在于，根据左、右两个压力平台中每一帧GRF对应的R、G、B像素点合成彩色图片的过程包括以下步骤：S21、将两个压力平台的像素点分别记为GA和GB，GA和GB像素点均为N个；将两种相关性处理方式得到的两组反映相关性的像素点分别记为GABA 和GABB，GABA 和GABB像素点均为N个；分别将GA、GB、GABA、GABB 的N个一维像素点重构成（N/M）
×
M个的二维像素点；S22、将GA、GB、GABA、GABB对应的二维像素点进行拼接构成M
×
M的方形二维像素点，形成一张彩色图片。5.根据权利要求4所述的一种用于疾病筛查的地面反力变换方法，其特征在于，将GA、GB、GABA、GABB对应的二维像素点进行拼接的方式包括：对GA、GB、GABA、GABB进行直接拼接，和/或，对GA、GB、GABA、GABB进行交叉拼接。...

【专利技术属性】
技术研发人员：蒯声政，杨雷，陈小强，颜滨，李文翠，朱伟民，
申请(专利权)人：深圳市第二人民医院深圳市转化医学研究院，
类型：发明
国别省市：