基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法技术

本发明专利技术涉及踝关节运动数据辅助分析技术领域，具体公开了基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法，所述方法包括：S1、获取患者的肢体尺寸信息，根据肢体尺寸信息获得对应的运动数据采集策略，并根据运动数据采集策略获取患者的运动数据；S2、根据肢体尺寸信息模拟正常运动及各病症类型的典型运动数据，通过将患者的运动数据与各项典型运动数据进行比对分析，获取各病症类型的相似度系数；S3、预先根据病症类型建立对应训练模型，按照相似度系数选择训练模型类型对内窥镜图像进行识别分析，根据分析结果及相似度系数对患者进行辅助诊断；该方法通过运动数据与内窥镜影像的综合分析过程，协助完成症状诊断的过程。协助完成症状诊断的过程。协助完成症状诊断的过程。

【技术实现步骤摘要】
基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法


[0001]本专利技术涉及踝关节运动数据辅助分析
，具体为基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法。

技术介绍

[0002]慢性踝关节不稳是指踝关节周围韧带受损后导致踝关节不稳定，而引起踝关节频繁扭伤的现象，其包括五大不稳体征，包括距下关节、内旋位、外旋位、中立位、跖屈位及背伸位，而不同的不稳体征对应韧带不同的损伤状态，因此，在对患者的慢性踝关节不稳诊断过程中，需要提前对其运动状态进行分析判断，之后再采用内窥镜采集影像信息并对影像信息进行分析的方法，实现对具体症状类型的诊断过程。
[0003]现有技术中对患者运动分析的方法主要通过采集运动过程的统计数据，例如步幅、行走速度等数据，同时通过医师对患者运动姿态的目视，实现对患者病症类型的初步判断过程，结合获取的内窥镜影像信息，对患者的具体病症类型进行判断。
[0004]显然，现有的运动数据采集分析过程获取的参数对病症类型判断的参考性十分有限，而医师判断的效率较低，且判断的准确性会根据医师资历的不同而存在差异，进而需要一套对慢性踝关节不稳病症类型进行辅助诊断的系统。

技术实现思路

[0005]本专利技术的目的在于提供基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法，解决以下技术问题：
[0006]如何实现更为准确的运动数据采集并通过对运动数据的分析辅助对慢性踝关节诊断。
[0007]本专利技术的目的可以通过以下技术方案实现：
[0008]基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法，所述方法包括：
[0009]S1、获取患者的肢体尺寸信息，根据肢体尺寸信息获得对应的运动数据采集策略，并根据运动数据采集策略获取患者的运动数据；
[0010]S2、根据肢体尺寸信息模拟正常运动及各病症类型的典型运动数据，通过将患者的运动数据与各项典型运动数据进行比对分析，获取各病症类型的相似度系数；
[0011]S3、预先根据病症类型建立对应训练模型，按照相似度系数选择训练模型类型对内窥镜图像进行识别分析，根据分析结果及相似度系数对患者进行辅助诊断。
[0012]于一实施例中，所述运动数据采集策略为：
[0013]根据肢体尺寸信息在患者下肢选择预设数量的监测位置点，并在监测位置点放置空间位置传感器；
[0014]获取患者在测试运动中各空间位置传感器的运动轨迹数据。
[0015]于一实施例中，所述典型运动数据获取的过程包括：
[0016]按照预设标准肢体尺寸信息模拟各病症类型对应的特征轨迹运动曲线；
[0017]将患者的肢体尺寸信息与预设标准肢体尺寸信息进行比对，根据各项尺寸信息的比值对特征轨迹运动曲线进行调整，获得各病症类型的典型运动数据。
[0018]于一实施例中，所述比对分析包括比对判断过程及特征分析过程；
[0019]所述比对判断的过程包括：
[0020]将各监测位置点的运动轨迹进行分割，将分割后的运动轨迹分别与典型运动数据中的对应标准轨迹进行重合性比对；
[0021]通过公式计算患者运动轨迹与第j种类型病症的轮廓偏离系数F
j
；
[0022]其中，N为监测位置点数，i∈[1，N]；M
i
为第i个监测位置点运动轨迹分段数，k∈[1，M
i
]；γ
i
为第i个监测位置点权重系数；f1为第一转化函数；f2为第二转化函数；
[0023]为第i个监测位置点第k段运动轨迹相对第j种类型病症对应标准轨迹的距离偏离值；为第i个监测位置点第k段运动轨迹相对第j种类型病症对应标准轨迹的角度偏离值；
[0024]及的获取过程包括：
[0025]将第i个监测位置点运动轨迹与第j种类型病症典型运动数据对应标准轨迹进行比对；
[0026]按行进方向的固定间隔采集两轨迹之间的距离向量量X为采集的位置点数，为距离向量与竖直方向的夹角；
[0027]根据轮廓偏离系数F
j
大小判断患者病症类型。
[0028]于一实施例中，所述特征分析的过程包括：
[0029]获取患者运动过程中各个动作的用时数据，根据用时数据对患者进行步频异常分析，获取步频异常值U
F
；
[0030]获取患者脚跟落地运动过程中第一关键监测位置点的运动轨迹A1，根据A1判断患者脚踝的偏移特性值V
F
及稳定性系数S
F
；
[0031]获取患者运动过程中第二关键监测位置点与第三关键监测位置点相对预设脚跟位置点连线的最小角度值，根据角度值获取患者脚踝的韧性系数T
F
；
[0032]建立患者的特征矩阵[U
F V
F S
F T
F
]，将特征矩阵与每种病症类型对应的特征标准矩阵进行分析，判断患者病症类型。
[0033]于一实施例中，所述步频异常值U
F
的获取过程包括：
[0034]通过公式计算获得步频异常值U
F
；
[0035]其中，W为运动拆分数，l∈[1，W]；t
l
为第l个动作的用时，t
ltr
为第l个动作的标准用时；t
s
为所有动作的用时；t
sth
为所有动作的标准用时；σ
l
为第l个动作的调整系数；
[0036]所述偏移特性值V
F
的获取过程包括：
[0037]通过公式计算获得偏移特性值V
F
；
[0038]其中，w为判断函数，当运动轨迹A1为外侧倾斜时，w{A1}＝1；当运动轨迹A1为内侧倾斜时，w{A1}＝
‑
1；当运动轨迹A1处于非倾斜状态时，w{A1}＝0；为运动轨迹上任一点与预设脚跟位置点连线方向相对竖直方向的夹角最大值；θ
th
为标准轨迹中的对应标准值；μ为第一修正系数；
[0039]所述稳定性系数S
F
的获取过程包括：
[0040]获取运动轨迹A1在水平面的投影轨迹B1，对投影轨迹B1在XY坐标轴进行图像拟合；
[0041]通过公式计算获得稳定性系数S
F
；
[0042]其中，B(x)为投影轨迹B1在XY坐标轴的拟合曲线；为位置点的个数；n0为对应的标准值；β为第二修正系数；
[0043]通过公式计算获得韧性系数T
F
；
[0044]其中，θ
max
为第二关键监测位置点与第三关键监测位置点相对预设脚跟位置点连线的最小角度值；为第三修正系数。
[0045]于一实施例中，所述特征分析的过程包括：
[0046]通过公式计算获得患者相对第j种病症类型的特征偏离系数R
j
；
[0047]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法，其特征在于，所述方法包括：S1、获取患者的肢体尺寸信息，根据肢体尺寸信息获得对应的运动数据采集策略，并根据运动数据采集策略获取患者的运动数据；S2、根据肢体尺寸信息模拟正常运动及各病症类型的典型运动数据，通过将患者的运动数据与各项典型运动数据进行比对分析，获取各病症类型的相似度系数；S3、预先根据病症类型建立对应训练模型，按照相似度系数选择训练模型类型对内窥镜图像进行识别分析，根据分析结果及相似度系数对患者进行辅助诊断。2.根据权利要求1所述的基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法，其特征在于，所述运动数据采集策略为：根据肢体尺寸信息在患者下肢选择预设数量的监测位置点，并在监测位置点放置空间位置传感器；获取患者在测试运动中各空间位置传感器的运动轨迹数据。3.根据权利要求2所述的基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法，其特征在于，所述典型运动数据获取的过程包括：按照预设标准肢体尺寸信息模拟各病症类型对应的特征轨迹运动曲线；将患者的肢体尺寸信息与预设标准肢体尺寸信息进行比对，根据各项尺寸信息的比值对特征轨迹运动曲线进行调整，获得各病症类型的典型运动数据。4.根据权利要求3所述的基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法，其特征在于，所述比对分析包括比对判断过程及特征分析过程；所述比对判断的过程包括：将各监测位置点的运动轨迹进行分割，将分割后的运动轨迹分别与典型运动数据中的对应标准轨迹进行重合性比对；通过公式计算患者运动轨迹与第j种类型病症的轮廓偏离系数；其中，N为监测位置点数，；为第i个监测位置点运动轨迹分段数，；为第i个监测位置点权重系数；为第一转化函数；为第二转化函数；为第i个监测位置点第k段运动轨迹相对第j种类型病症对应标准轨迹的距离偏离值；为第i个监测位置点第k段运动轨迹相对第j种类型病症对应标准轨迹的角度偏离值；及的获取过程包括：将第i个监测位置点运动轨迹与第j种类型病症典型运动数据对应标准轨迹进行比对；按行进方向的固定间隔采集两轨迹之间的距离向量，；X为采集的位置点数，为距离向量与竖直方向的夹角；根据轮廓偏离系数大小判断患者病症类型。
5.根据权利要求4所述的基于运动数据及内窥镜图像的慢性踝关节辅助诊断方法，其特征在于，所述特征分析的过程包括：获取患者运动过程中各个动作的用时数据，根据用时数据对患者进行步频异常分析，获取步频异...

【专利技术属性】
技术研发人员：侯辉歌，
申请(专利权)人：暨南大学附属第一医院广州华侨医院，
类型：发明
国别省市：