一种用于患者康复方案生成的方法、系统及设备技术方案

本申请提供了一种用于患者康复方案生成的方法、装置及设备。其方法包括：获取患者数据，其中，所述患者数据至少包括患者的个人数据、病历数据、伤病评估数据和训练数据；对所述患者数据进行处理，得到多模态特征数据，其中，所述多模态特征数据至少包括第一单变量特征数据、文本特征数据、第二单变量特征数据、序列特征数据和网状拓扑结构特征数据；将所述多模态特征数据输入基于MMGT神经网络训练得到的康复方案生成模型，获得所述患者的康复方案。通过该方法，可根据患者康复过程中的数据自动获得患者的康复方案，并可实现根据患者康复进度自动调整患者的康复方案，避免人为因素影响，可提升患者康复方案生成的效率和准确性。可提升患者康复方案生成的效率和准确性。可提升患者康复方案生成的效率和准确性。

【技术实现步骤摘要】
一种用于患者康复方案生成的方法、系统及设备


[0001]本申请涉及患者康复
，尤其涉及一种用于患者康复方案生成的技术。

技术介绍

[0002]患者在肌骨损伤后的康复是一个长期漫长的过程，往往需要到医院、诊所、或康复中心等线下机构。患者做康复动作时的所有运动动作通常是通过康复治疗师肉眼观察，或者使用手工量角器等测量是否达标，进而由康复治疗师现场面对面指导患者做康复练习，以保证患者康复过程的有效性和安全性。而患者康复过程中的相关数据往往无法被详细记录，康复动作的精准度、康复效果也依赖于康复治疗师的水平与经验，无法根据患者的实际情况为患者维护定制的康复方案。此外，从患者角度，由于工作、时间、地点、金钱等原因，往往无法进行长期线下康复。
[0003]随着数据处理技术的发展，以及网络和智能终端设备的普及，医生或者康复治疗师可通过网络远程指导患者做康复练习，一般采用视频指导的方式。比如：专业康复机构锐博的远程康复系统
‑
锐博云，仅可通过微信小程序等查看标准动作视频，无任何患者康复动作反馈，无法保证患者康复动作的正确性，无法直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于患者康复方案生成的方法，其特征在于，所述方法包括：获取患者数据，其中，所述患者数据至少包括患者的个人数据、病历数据、伤病评估数据和训练数据；对所述患者数据进行处理，得到多模态特征数据，其中，所述多模态特征数据至少包括第一单变量特征数据、文本特征数据、第二单变量特征数据、序列特征数据和网状拓扑结构特征数据，其中，对所述个人数据进行处理，得到所述第一单变量特征数据，对所述病历数据进行处理，得到所述文本特征数据，对所述伤病评估数据进行处理，得到所述第二单变量特征数据，对所述训练数据进行处理，得到所述序列特征数据和所述网状拓扑结构特征数据；将所述多模态特征数据输入基于MMGT神经网络训练得到的康复方案生成模型，获得所述患者的康复方案。2.根据权利要求1所述的方法，其特征在于，所述对所述个人数据进行处理，得到所述第一单变量特征数据包括：基于所述个人数据，构建一维数据数组，将所述一维数据数组作为所述第一单变量特征数据。3.根据权利要求1所述的方法，其特征在于，所述对所述病历数据进行处理，得到所述文本特征数据包括：对所述病历数据做图像文本识别，得到所述文本特征数据，其中，所述病历数据包括图像数据。4.根据权利要求1所述的方法，其特征在于，所述对所述伤病评估数据进行处理，得到所述第二单变量特征数据包括：基于所述伤病评估数据，构建一维数据数组，将所述一维数据数组作为所述第二单变量特征数据。5.根据权利要求1所述的方法，其特征在于，所述训练数据至少包括：患者做康复训练时的位姿数据和视觉数据，其中，对所述位姿数据进行处理，得到所述序列特征数据，对所述视觉数据进行处理，得到所述网状拓扑结构特征数据。6.根据权利要求5所述的方法，其特征在于，所述位姿数据通过佩戴在患者若干个特定位置的多轴惯性传感器获得，其中，所述特定位置根据患者损伤类型确定。7.根据权利要求5所述的方法，其特征在于，所述训练数据还包括：与位姿数据对应的患者训练动作的练习频次和/或时长。8.根据权利要求5所述的方法，其特征在于，若与位姿数据对应的患者训练动作不符合标准，则向患者发出提示和动作纠正信息。9.根据权利要求8所述的方法，其特征在于，所述提示和动作纠正信息至少包括以下一项：基于视觉的提示和动作纠正信息；基于听觉的提示和动作纠正信息；基于触觉的提示和动作纠正信息。10.根据权利要求5所述的方法，其特征在于，所述对所述位姿数据进行处理，得到所述序列特征数据包括：
对预设时间内连续位姿数据进行清洗后，得到所述序列特征数据。11.根据权利要求5所述的方法，其特征在于，所述对所述视觉数据进行处理，得到所述网状拓扑结构特征数据包括：基于所述视觉数据，得到对应位姿数据的人体骨骼姿态数据，作为所述网状拓扑结构特征数据。12.根据权利要求1所述的方法，其特征在于，所述MMGT神经网络包括：输入层、网络层和输出层，其中，所述输入层包括令牌嵌入编码层、令牌嵌入解码层、DNN嵌入层、RNN嵌入层、图嵌入层、特征连接层和位置编码层；所述网络层包括Transformer神经网络；所述输出层包括线性层和归一化层。13.根据权利要求1所述的方法，其特征在于，所述康复方案生成模型的获得包括：获取若干份患者历史数据，以及采用GPT4模型，生成若干份第一GPT4数据，并将每份患者历史数据或者第一GPT4数据作为一个样本数据，其中，每个样本数据至少包括个人数据、病历数据、伤病评估数据和训练数据；遍历每个样本数据，对每个样本数据进行处理后对应得到一组多模态特征数据，并进行真值标注，并将一组多模态特征数据及其对应的真值作为一个样本，构建训练集、验证集和测试集；基于所述训练集，对预设参数的MMGT神经网络进行训练，并基于所述验证集对训练后的MMGT神经网络进行验证，当符合预设验证条件，基于所述测试机对验证通过的训练后的MMGT神经网络模型...

【专利技术属性】
技术研发人员：周开波，王瑜，张鑫，吕一鸣，郁芊菲，汪文靖，徐程，
申请(专利权)人：上海复动医疗管理有限公司，
类型：发明
国别省市：