运动功能障碍程度评价模型、评价装置及评价系统制造方法及图纸

本发明专利技术涉及医疗器械技术领域，提供一种运动功能障碍程度评价模型、评价装置及评价系统，该模型包括：多个单模态评价支路以及跨模态融合支路；多个单模态评价支路分别对应于运动学模态、电生理学模态以及生物力学模态；每个单模态评价支路均包括依次连接的输入单元、注意力网络单元和残差网络单元，每个单模态评价支路中的残差网络单元均与跨模态融合支路连接。该模型可以实现对患病关节的运动功能障碍程度进行多维度评价，进而对关节疾病对象的运动功能障碍程度进行及时、准确、精细、全面的评估，为关节疾病对象的关节功能恢复进展提供便捷高效的分析方法。便捷高效的分析方法。便捷高效的分析方法。

【技术实现步骤摘要】
运动功能障碍程度评价模型、评价装置及评价系统


[0001]本专利技术涉及医疗器械
，尤其涉及一种运动功能障碍程度评价模型、评价装置及评价系统。

技术介绍

[0002]关节疾病可涉及人体全身各处关节，其中以膝、髋、肩、手部关节最为常见，其病理特征早期表现为炎症与疼痛，终末期可因日常活动受限造成肢体残疾，严重降低患者的日常生活质量，同时也给患者家庭带来沉重的负担。
[0003]目前临床中为了掌握关节疾病患者的运动功能障碍程度，进而为其制定针对性的治疗方案并对治疗效果进行评价分析，通常借助量表评分的方式辅助医生掌握患者机体功能受损的范围及程度。
[0004]这种方式临床关节功能评定方法虽然可以较为全面且可靠地对患者进行运动功能病损评定，但是整个过程过于依赖医生的专业经验且易受医生主观因素的影响，需要投入大量的医疗资源。而且，这种方式大多关注于某一方面特定的运动特征指标，例如关节活动度、关节僵硬状态、疼痛缓解情况等，存在侧重点不一、通用性差的局限性，并且定量表中的等级标准大多较粗，难以及时发现患者功能状态的细微变化，因此，难以实现关节疾病患者高效、及时、精准的运动功能障碍评价与分析。

技术实现思路

[0005]本专利技术提供一种运动功能障碍程度评价模型、评价装置及评价系统，用以解决现有技术中存在的缺陷。
[0006]本专利技术提供一种运动功能障碍程度评价模型，包括：多个单模态评价支路以及跨模态融合支路；所述多个单模态评价支路分别对应于运动学模态、电生理学模态以及生物力学模态；每个单模态评价支路均包括依次连接的输入单元、注意力网络单元和残差网络单元，每个单模态评价支路中的残差网络单元均与所述跨模态融合支路连接；所述输入单元均用于接收患病关节在相应模态下的指标数据；所述注意力网络单元用于基于多头注意力机制以及通道注意力机制，提取相应模态的指标数据的目标特征向量；所述残差网络单元用于基于多个残差块，对相应模态的目标特征向量进行解析计算，得到所述患病关节的相应模态的运动功能障碍程度评价结果；所述跨模态融合支路用于对各模态的运动功能障碍程度评价结果进行融合，得到所述患病关节的跨模态运动功能障碍程度评价结果。
[0007]根据本专利技术提供的一种运动功能障碍程度评价模型，所述注意力网络单元具体包括：多头注意力网络子单元，用于基于多头注意力机制，提取相应模态的指标数据的
重构特征向量；通道注意力子单元，用于基于通道注意力机制，确定所述重构特征向量在通道维度上的特征注意力分数；乘法子单元，用于将所述特征注意力分数与所述重构特征向量沿通道维度进行相乘，得到所述目标特征向量。
[0008]根据本专利技术提供的一种运动功能障碍程度评价模型，所述注意力网络单元还包括：层归一化子单元，用于将所述重构特征向量与相应模态的指标数据进行归一化处理。
[0009]根据本专利技术提供的一种运动功能障碍程度评价模型，所述注意力网络单元还包括基于依次连接的两个全连接层以及在每个全连接层后连接的激活层构成的瓶颈结构；所述瓶颈结构用于基于对所述特征注意力分数进行优化。
[0010]根据本专利技术提供的一种运动功能障碍程度评价模型，所述残差网络单元包括依次连接的卷积层、最大池化层、由多个残差块构成的残差子单元、平均池化层以及全连接层；相应模态的目标特征向量依次经所述残差网络单元中的卷积层、最大池化层、残差子单元、平均池化层以及全连接层，得到所述患病关节的相应模态的运动功能障碍程度评价结果。
[0011]根据本专利技术提供的一种运动功能障碍程度评价模型，所述跨模态融合支路包括顺次连接的第一CBR单元、第二CBR单元以及平均池化单元；各模态的运动功能障碍程度评价结果作为整体依次经所述第一CBR单元、所述第二CBR单元以及所述平均池化单元后得到所述跨模态运动功能障碍程度评价结果。
[0012]根据本专利技术提供的一种运动功能障碍程度评价模型，所述运动功能障碍程度评价模型基于样本对象在运动学模态、电生理学模态、生物力学模态下的指标数据以及所述样本对象的运动功能障碍程度评价结果训练得到。
[0013]本专利技术还提供一种运动功能障碍程度评价装置，包括：数据获取模块，用于获取患病关节在运动学模态、电生理学模态以及生物力学模态下的指标数据；程度评价模块，用于将各模态下的指标数据输入至上述的运动功能障碍程度评价模型，得到所述运动功能障碍程度评价模型输出的所述患病关节的各模态的运动功能障碍程度评价结果以及跨模态运动功能障碍程度评价结果。
[0014]本专利技术还提供一种运动功能障碍程度评价系统，包括处理器以及与所述处理器连接的动作捕捉设备、电测量仪和力学传感器；所述动作捕捉设备用于采集患病关节的三维位置信息，并基于所述三维位置信息计算所述患病关节的运动学数据；所述电测量仪用于采集所述患病关节的电生理学数据；所述力学传感器用于采集所述患病关节的生物力学数据；所述处理器用于接收所述运动学数据、所述电生理学数据以及所述生物力学数据，采用上述的运动功能障碍程度评价模型，得到所述运动功能障碍程度评价模型输出的所述患病关节的各模态的运动功能障碍程度评价结果以及跨模态运动功能障碍程度评价
结果。
[0015]根据本专利技术提供的一种运动功能障碍程度评价系统，所述力学传感器包括足底压力传感器或关节力矩传感器。
[0016]本专利技术提供的运动功能障碍程度评价模型、评价装置及评价系统，该模型包括：多个单模态评价支路以及跨模态融合支路；多个单模态评价支路分别对应于运动学模态、电生理学模态以及生物力学模态；每个单模态评价支路均包括依次连接的输入单元、注意力网络单元和残差网络单元，每个单模态评价支路中的残差网络单元均与跨模态融合支路连接。该运动功能障碍程度评价模型可以实现对患病关节的运动功能障碍程度进行多维度评价。通过注意力网络单元，结合多种注意力机制分别提取患病关节在运动学、电生理学、生物力学等多个模态下的指标数据中具有高度临床相关性的目标特征向量，通过残差网络单元输出与关节运动密切相关的各模态下量化的运动功能障碍程度评价结果，通过跨模态融合支路充分利用不同模态下关节运动生理信息之间的关联性与互补性，定量表征关节疾病对象临床症状表现下的生理模式改变信息，输出跨模态运动功能障碍程度评价结果，更加全面精准的量化患病关节的运动功能障碍程度，对关节疾病对象的运动功能障碍程度进行及时、准确、精细、全面的评估，为关节疾病对象的关节功能恢复进展提供便捷高效的分析方法。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术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，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。
[0018]图1是本专利技术提供的运动功能障碍程度评价模型的结构示意图之一；图2是本专利技术提供的运动功能障碍程度评价模型中多头注意力网络子单元的结构示意图；图3是本专利技术提供的运动功能障碍程度评价模型中瓶颈结构的示意图；图4是本专利技术提供的运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动功能障碍程度评价模型，其特征在于，包括：多个单模态评价支路以及跨模态融合支路；所述多个单模态评价支路分别对应于运动学模态、电生理学模态以及生物力学模态；每个单模态评价支路均包括依次连接的输入单元、注意力网络单元和残差网络单元，每个单模态评价支路中的残差网络单元均与所述跨模态融合支路连接；所述输入单元均用于接收患病关节在相应模态下的指标数据；所述注意力网络单元用于基于多头注意力机制以及通道注意力机制，提取相应模态的指标数据的目标特征向量；所述残差网络单元用于基于多个残差块，对相应模态的目标特征向量进行解析计算，得到所述患病关节的相应模态的运动功能障碍程度评价结果；所述跨模态融合支路用于对各模态的运动功能障碍程度评价结果进行融合，得到所述患病关节的跨模态运动功能障碍程度评价结果。2.根据权利要求1所述的运动功能障碍程度评价模型，其特征在于，所述注意力网络单元具体包括：多头注意力网络子单元，用于基于多头注意力机制，提取相应模态的指标数据的重构特征向量；通道注意力子单元，用于基于通道注意力机制，确定所述重构特征向量在通道维度上的特征注意力分数；乘法子单元，用于将所述特征注意力分数与所述重构特征向量沿通道维度进行相乘，得到所述目标特征向量。3.根据权利要求2所述的运动功能障碍程度评价模型，其特征在于，所述注意力网络单元还包括：层归一化子单元，用于将所述重构特征向量与相应模态的指标数据进行归一化处理。4.根据权利要求2所述的运动功能障碍程度评价模型，其特征在于，所述注意力网络单元还包括基于依次连接的两个全连接层以及在每个全连接层后连接的激活层构成的瓶颈结构；所述瓶颈结构用于基于对所述特征注意力分数进行优化。5.根据权利要求1
‑
4中任一项所述的运动功能障碍程度评价模型，其特征在于，所述残差网络单元包括依次连接的卷积层、最大池化层、由多个残差块构成的残差子单元、平均池化层以及全连接层；相应模态的目标特征向量依次经所述残差网络单元中的卷积层、最大池化层、残差子单元、平均池化层以及全连接层，得到...

【专利技术属性】
技术研发人员：王晨，彭亮，侯增广，许宁存，陈婧瑶，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：