一种基于LSTM的自动康复评定方法及评定终端技术

本发明专利技术提供一种基于LSTM的自动康复评定方法及评定终端，根据患者病情与患病部位自主选择相应量表，使用惯性传感器获取患者运动数据；利用病情相同的多个患者重复多次以获取不同的数据样本，提取每个时间点的数值变化，将数据样本依次经过SC

【技术实现步骤摘要】
一种基于LSTM的自动康复评定方法及评定终端


[0001]本专利技术涉及脑卒中评定
，尤其涉及一种基于LSTM的自动康复评定方法及评定终端。

技术介绍

[0002]“脑卒中”又称“中风”、“脑血管意外”，是一个医疗问题，也是造成人类死亡的三大最常见原因之一。其中，运动功能障碍是脑卒中常见的后遗症之一，严重影响了患者的正常生活。对脑卒中患者进行系统且合理的康复治疗能够帮助患者恢复独立生活的能力。
[0003]在康复治疗中，因为脑卒中患者病变部分、严重程度和运动障碍程度有所不同，所以量化患者的运动异常情况是病情诊断以及进一步制定治疗方案的基础。如今对于脑卒中患者运动功能障碍的评定，一般采取基于量表的评定方法：患者根据量表内容做出相应动作，康复治疗师根据患者的完成度给出评分。
[0004]此类评定方法虽然在临床上被广泛应用，但依旧存在一些问题：首先，量表包含的评定项目繁多、评定时间较长，且需要专业康复治疗师实时参与，不利于在社区及家庭环境下实现；其次，现有的脑卒中康复评定主要由康复治疗师进行人工评定，容易受到康复治疗师主观因素的影响；最后，不同的康复治疗师对于同一患者病情给出的评定结果可能存在差异，不利于康复治疗方案的制定。

技术实现思路

[0005]为了克服上述现有技术中的不足，本专利技术提供一种基于LSTM的自动康复评定方法，方法可以分析患者的运动数据，并给出评定得分以及评定结果供患者参考使用，有助于尽快康复。
[0006]基于LSTM的自动康复评定方法包括：
[0007]步骤一、根据患者病情和患病部位配置相应量表，使用N个惯性传感器自选择患者在时间窗口T进行康复评定时的运动数据；
[0008]其中，运动数据的计算方式为：
[0009]x
t
是在时间点t，N个惯性传感器测得的运动数据；根据运动数据的得分以制作数据集进行算法训练，实现自动康复评定。
[0010]步骤二、利用病情相同的多个患者重复多次以获取不同的数据样本，将数据样本制成数据集并将数据集D分成训练集S和测试集Te；
[0011]步骤三、提取每个时间点的数值变化：
[0012]其中Δt为惯性传感器取样的时间间隔，x
’
wt
为经过在时间点t时测得的数据与上一个时间点t
‑
1测得的数据的直线的斜率；
[0013]步骤四、将x
wt
与x
’
wt
输入到SC
‑
LSTM层；
[0014]步骤五、将经过SC
‑
LSTM层的数据输入到自注意力机制层；
[0015]步骤六、将经过自注意力机制层进行高度抽象化的数据输入到全连接层；
[0016]步骤七、将通过全连接层的数据输入到soft
‑
max层来获取时间序列数据对应不同类别的概率值；
[0017]步骤八、利用Adam算法，使用交叉熵损失函数来进行优化直到评定算法收敛，然后利用测试集Te对评定算法进行验证；
[0018]步骤九、当康复评定算法验证有效时，利用康复评定算法对患者进行自动康复评定，使用所述步骤一中使用的康复量表，将惯性传感器放在所述步骤一中惯性传感器放置在患者身上的位置上，使输出数据维度与所述步骤一中x
t
的维度相同；
[0019]步骤十、滤除步骤九中采集到的干扰数据；
[0020]步骤十一、利用训练完成的康复评定算法分析所述步骤十中滤除干扰数据后的原始数据，计算单个评定动作的得分；
[0021]步骤十二、计算所述步骤十一中得到得分的康复评定总得分，对康复评定总得分进行得分合理性检查，输出通过得分合理性检查之后的得分，若未通过得分合理性检查，则显示错误。
[0022]本专利技术还提供一种评定终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现基于LSTM的自动康复评定方法的步骤。
[0023]从以上技术方案可以看出，本专利技术具有以下优点：
[0024]本专利技术提供的基于LSTM的自动康复评定方法减少康复评定结果受到康复治疗师主观因素的影响。而且本专利技术的康复评定方法根据患者病情与患病部位自主选择相应量表，使用惯性传感器获取患者运动数据，提高了康复数据采集的准确性，有针对性的对患者的康复部位进行评定。在评定过程中，提取每个时间点的数值变化，将数据样本依次经过SC
‑
LSTM层、自注意力机制层、全连接层、soft
‑
max层处理，再使用交叉熵损失函数来进行验证，并滤除采集到的干扰数据，保证数据的准确性，最后计算单个评定动作的得分；对康复评定总得分进行得分合理性检查，给出患者康复的状况，使患者和家属了解康复进程，给再后的康复过程提供数据支持，提高患者康复的效率。
[0025]本专利技术的基于LSTM的自动康复评定方法，方法可以患者根据量表内容做出相应动作，对动作数据进行处理，得出康复度评分。本专利技术的自动康复评定方法不需要专业康复治疗师实时参与，可以在社区及家庭环境下实现。对于数据的评定不需要康复治疗师进行人工评定，也就减少受到康复治疗师主观因素的影响。避免不同的康复治疗师对于同一患者病情给出的评定结果可能存在差异，不利于康复治疗方案制定的问题。
附图说明
[0026]为了更清楚地说明本专利技术的技术方案，下面将对描述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的前提下，还可以根据这些附图获得其他的附图。
[0027]图1为基于LSTM的自动康复评定方法流程图。
[0028]图2为本专利技术实施例中自动康复评定方法的训练参数过程。
[0029]图3为本专利技术中滤除干扰数据的流程图。
[0030]图4为本专利技术实例中得分合理性检查的流程图。
[0031]图5为本专利技术实施例中自动康复评定系统的评分流程图。
具体实施方式
[0032]如图1示出了本专利技术的基于LSTM的自动康复评定方法的较佳实施例的流程图。基于LSTM的自动康复评定方法应用于一个或者多个评定终端中，所述评定终端是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
[0033]评定终端可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、交互式网络电视(Internet Pr本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM的自动康复评定方法，其特征在于，方法包括：步骤一、根据患者病情和患病部位配置相应量表，使用N个惯性传感器自选择患者在时间窗口T进行康复评定时的运动数据；其中，运动数据的计算方式为：x
t
是在时间点t，N个惯性传感器测得的运动数据，根据运动数据的得分以制作数据集进行算法训练，实现自动康复评定；步骤二、利用病情相同的多个患者重复多次以获取不同的数据样本，将数据样本制成数据集并将数据集D分成训练集S和测试集Te；步骤三、提取每个时间点的数值变化：其中Δt为惯性传感器取样的时间间隔，x
′
wt
为经过在时间点t时测得的数据与上一个时间点t
‑
1测得的数据的直线的斜率；步骤四、将x
wt
与x
′
wt
输入到SC
‑
LSTM层；步骤五、将经过SC
‑
LSTM层的数据输入到自注意力机制层；步骤六、将经过自注意力机制层进行高度抽象化处理的数据输入到全连接层；步骤七、将通过全连接层的数据输入到soft
‑
max层来获取时间序列数据对应不同类别的概率值；步骤八、利用Adam算法，使用交叉熵损失函数来进行优化直到评定算法收敛，然后利用测试集Te对评定算法进行验证；步骤九、当康复评定算法验证有效时，利用康复评定算法对患者进行自动康复评定，使用所述步骤一中使用的康复量表，将惯性传感器放在所述步骤一中惯性传感器放置在患者身上的位置上，使输出数据维度与所述步骤一中X
t
的维度相同；步骤十、滤除步骤九中采集到的干扰数据；步骤十一、利用训练完成的康复评定算法分析所述步骤十中滤除干扰数据后的原始数据，计算单个评定动作的得分；步骤十二、计算所述步骤十一中得到得分的康复评定总得分，对康复评定总得分进行得分合理性检查，输出通过得分合理性检查之后的得分，若未通过得分合理性检查，则显示错误。2.根据权利要求1所述的基于LSTM的自动康复评定方法，其特征在于，所述步骤一中T为患者完成康复评定动作的最长时间，对于完成时间不满足T的运动数据，利用三次样条插值算法使数据满足条件。3.根据权利要求1所述的基于LSTM的自动康复评定方法，其特征在于，步骤四中的SC
‑
LSTM层处理方式包括：遗忘门f
t
＝σ[W
fx
x
ft
+W
fh
h
t
‑1+tanh(W
′
fx
x
′
ft
)+b
f
]，其中x
ft
为当前时间点的输入值，h
t
‑1为上一个时间点的输出值，W
fx
为遗忘门中x
ft
的权值，W
fh
为遗忘门中h
t
‑1的权值，W
fx
为遗忘门中x
ft
的权值，b
f
为遗忘门的偏置，
输入门其中x
it
为这个时间点的输入值，h
t
‑1为上一个时间点的输出值，W
ix
为输入门中x
it
的权值，W
ih
为输入门中h
t
‑1的权值，W
ix
为输入门中x
it
的权值，b
i
为输入门的偏置，候选细胞状态g
t
＝tanh[W
gx
x
gt
+W
gh
h
t
‑1+tanh(W
′
gx
x
′
gt
)+b
g
]，其中x
gt
为当前时间点的输入值，h
t
‑1为上一个时间点的输出值，W
gx
为候选细胞状态中x
gt
的权值，W
gh
为候选细胞状态中h
t
‑1的权值，W
gx
为候选细胞状态中x
′
gt
的权值，b
g
为候选细胞状态的偏置；新的细胞状态C
t
＝f
t
⊙
C
t
‑1+i
t
⊙
g
...

【专利技术属性】
技术研发人员：孙明旭，王成前，王咏梅，甄浩城，王停停，刘浩，
申请(专利权)人：济南市人民医院，
类型：发明
国别省市：