【技术实现步骤摘要】
一种脑卒中病人康复训练专注度分析方法
[0001]本专利技术涉及康复训练
,具体为一种脑卒中病人康复训练专注度分析方法。
技术介绍
[0002]近年来,脑卒中(又称“中风”、“脑血管意外”,是一种急性脑血管疾病)患者数量急剧增长,脑卒中致残率居高不下,已成为全球第二大致死疾病,已成为影响国计民生的重大公共卫生安全问题,脑卒中是导致肢体功能障碍的主要原因,患者常出现肢体、语言以及认知方面的障碍,约80%的脑卒中患者会出现上肢运动功能障碍,且4年后仍有50%的患者仍然存在运动功能障碍,其中只有三分之一的患者能恢复功能,脑卒中患者的肢体功能障碍严重的影响患者的日常生活、学习、工作等,给家庭和社会带来了很大的心理、经济负担。
[0003]运动康复训练现已被证实为是治疗肢体运动障碍最有效的方法,主要分为康复医师辅助和机器人辅助。康复医师辅助能够充分感知患者状态,根据经验施加适宜的手法,随时能和患者交流,更重要的是,医师能够通过与患者沟通交流,时刻鼓励患者,当发现患者没有主动参与时,调动其积极性,保证患者在康复训练中的积极 ...
【技术保护点】
【技术特征摘要】
1.一种脑卒中病人康复训练专注度分析方法,其特征在于,包括以下步骤:步骤S1:构建脑卒中病人头部及面部图像数据集,采集资料,将采集到的视频利用OpenCV等工具进行人脸识别,定位到视频中的人脸后,以人脸为中心按帧截取出固定大小的图像,进行降噪处理;步骤S2:头部姿态估计,用三个独立的全连接层分别预测偏航角、俯仰角及旋转角三个头部姿态角度,三个全连接层共享主干网络的卷积层,使用Softmax层和交叉熵损失函数;计算每个角度的均方误差以及均方误差损失,并结合前面所述的交叉熵损失,给予相应的回归系数,最终得到偏航角、俯仰角、旋转角的损失以及头部姿态预测值h;步骤S3:视线估计,利用多模卷积神经网络进行外观视线估计方法;步骤S31:将人脸检测和人脸关键点检测方法定位到输入图像中的眼部图像;步骤S32:将眼部图像进行灰度处理后输入到LeNet卷积神经网络中,将全连接层和步骤S2中得到的头部角度预测值h连接起来,在头部姿态预测值h基础上得到视线角度预测值g;步骤S4:专注度分析,按照视线预测结果和头部姿态预测结果的权重比值为6:4,对头部姿态预测值h和视线角度预测值g结果进行量化得到数值X,数值X为病人对采集样本的注意力集中制,分为低、中、高三个等级,若76≤X...
【专利技术属性】
技术研发人员:宋海洋,陆小锋,刘学锋,
申请(专利权)人:上海大学温州研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。