一种适配数据识别方法、系统、设备及存储介质技术方案

本申请公开了一种适配数据识别方法、系统、设备及存储介质，所述方法包括：获取不同步态模式下采集的测量数据，测量数据包括测量角速度及测量角度；通过预先训练的识别模型，得到不同步态模式下的适配结果，根据适配结果，确定步态模式中对应的假肢，并生成用于自适应调节假肢的指令。本申请不仅能够精确地进行假肢膝关节阻尼自适应调节并输出假肢膝关节阻尼适配结果，而且减少了目视及主观因素带来的误差，提高了假肢适配的准确度，降低了假肢师的工作负担和专业门槛；同时通过绘制多维度可视化图表以提供阻尼调整建议，使得假肢适配工作更加标准化、直观化。本申请可广泛应用于下肢截肢患者的假肢适配、康复训练和实时步态识别等领域。别等领域。别等领域。

【技术实现步骤摘要】
一种适配数据识别方法、系统、设备及存储介质


[0001]本申请涉及数据识别
，尤其涉及一种适配数据识别方法、系统、设备及存储介质。

技术介绍

[0002]目前临床中髋离断、大腿、膝离断假肢患者第一次穿戴或者更换新假肢时，需要进行假肢适配，以达到穿戴舒适、步态正常、步行平稳等目的。而对于髋离断、大腿、膝离断假肢患者，关键的调节过程是假肢膝关节屈曲和伸展阻尼的调节。患者穿戴新假肢行走时，如果伸展阻尼偏大，患者假肢侧摆动期膝关节伸展不足，则在下一个步态周期假肢侧容易发生“打软腿”等问题，导致步态异常和增大跌倒风险，此时需要减小伸展阻尼，增大屈曲阻尼；如果屈曲阻尼偏大、伸展阻尼偏小，则患者在足离地时膝关节屈曲偏小，假肢侧摆动期容易发生“假肢蹭地”“膝关节过伸”等问题，导致步态异常，增加跌倒的风险，此时需要减小屈曲阻尼，增大伸展阻尼。
[0003]目前临床中，假肢师需要通过肉眼观察患者穿戴假肢后步态的具体情况和特征，再根据其个人经验，对假肢膝关节屈曲和伸展阻尼进行调节，调节后再重复进行观察对比患者患侧和健侧下肢的步态、调节阻尼等步骤，直到观察到患者穿戴假肢能够步态对称，步行平稳，则不再对假肢进行调整。由于肉眼不能精确测量和实时监测小腿摆动速度，临床中“观察
‑
调节
‑
观察
‑
调节...”的过程通常会消耗大量时间，存在假肢师工作效率低、适配不够专业、患者满意度低等问题。此外，我国各地假肢技师水平参差不齐，其为患者进行假肢适配的能力不同，进而导致适配效果参差不齐。

技术实现思路

[0004]本申请实施例提供了一种适配数据识别方法、系统、设备及存储介质，以达到精确识别小腿摆动的角度/角速度数据以输出不同步态模式下的适配结果、实现假肢的自适应调节，进而提高假肢适配效果、使得假肢调整标准化、直观化、可视化的技术效果。
[0005]本申请实施例采用下述技术方案：
[0006]第一方面，本申请实施例提供了一种适配数据识别方法，所述方法包括：
[0007]获取不同步态模式下采集的测量数据，其中，所述测量数据包括测量角速度及测量角度；
[0008]通过预先训练的识别模型，得到所述不同步态模式下的适配结果，其中，所述识别模型为使用多组训练数据通过机器学习训练得出的，多组训练数据中的每组训练数据均包括：每个步态周期中的测量角速度、测量角度以及所述每个步态周期中的测量角速度、测量角度对应的阻尼调节系数；
[0009]根据所述适配结果，确定所述步态模式中对应的假肢，并生成用于自适应调节所述假肢的指令。
[0010]可选地，所述通过预先训练的识别模型，得到所述不同步态模式下的适配结果，包
括：
[0011]通过周期性检测算法，将连续步态下的多组测量数据中的测量角速度及测量角度按照预设步态周期分割为多段连续数据，并根据每个步态周期内的连续数据绘制关于角速度/角度波动变化的步态周期图；
[0012]通过峰值检测算法，检测每个步态周期内所述步态周期图中的目标极值，并确定每个步态周期内的摆动期范围；
[0013]在同一个步态周期内，根据测量角速度、测量角度、多个传感器的自身姿态数据得到膝关节在摆动期范围内的膝关节屈曲角度。
[0014]可选地，所述方法还包括：
[0015]在所述摆动期范围内，确定所述膝关节的最大伸展角度α以及所述膝关节在足离地时刻的屈曲角度β，其中所述最大伸展角度α包括患侧假肢的α角度和健侧下肢的α角度，所述屈曲角度β包括患侧假肢的β角度和健侧下肢的β角度。
[0016]可选地，所述方法还包括：
[0017]当患侧假肢的α角度小于健侧下肢的α角度时，则表明所述患侧假肢膝关节的伸展阻尼偏大，并得到减小伸展阻尼的适配结果；
[0018]当患侧假肢的α角度大于健侧下肢的α角度时，则表明所述患侧假肢膝关节的伸展阻尼偏小，并得到增大伸展阻尼的适配结果；
[0019]当患侧假肢的β角度小于所述健侧下肢的β角度时，则表明所述患侧假肢膝关节的屈曲阻尼偏大，并得到减小屈曲阻尼的适配结果；
[0020]当患侧假肢的β角度大于所述健侧下肢的β角度时，则表明所述患侧假肢膝关节的屈曲阻尼偏小，并得到增大屈曲阻尼的适配结果。
[0021]可选地，在训练所述识别模型时，包括：
[0022]手动调整阶段，将每组训练数据中的测量角速度、测量角度按照预设步态周期分割为多段连续数据，并根据每个步态周期内的连续数据绘制关于角速度/角度波动变化的步态周期图；检测每个步态周期内所述步态周期图中的目标极值，得到目标极值的数字列表以及膝关节屈曲角度曲线图，并结合预设经验值得到假肢膝关节阻尼的调整方案；
[0023]机器学习阶段，利用所述手动调整阶段得到的每个步态周期中的测量角速度、测量角度、以及所述每个步态周期中的测量角速度和测量角度对应的阻尼调节系数进行学习训练，每进行一轮学习训练就进行一次单独的假肢膝关节阻尼调整操作并记录相应的调整数据，之后再进行新一轮的学习训练，直到输出的所述假肢膝关节阻尼的调整结果满足预期调整结果为止；其中，将每一轮学习训练中的测量角速度和测量角度统记为I，同时将其对应的阻尼调节系数记为O。
[0024]可选地，在训练所述识别模型时，还包括：
[0025]强化训练阶段，在经过机器学习阶段的大量学习训练且所述学习训练的次数满足预设训练次数的要求时，则输入新的训练数据以进入强化训练阶段；
[0026]其中当经过多次学习训练后，将机器学习阶段每人次对应的包括I和O在内的k组数据统记为P，以P为新的训练数据强化训练所述识别模型；当输出的阻尼调节系数O不再有明显变化时，则认为识别模型达到最佳调整状态。
[0027]可选地，在验证所述识别模型时，包括：
[0028]将多组验证数据输入训练好的识别模型，并输出得到验证阶段的假肢膝关节阻尼的调整结果，以完成所述识别模型的验证；
[0029]其中每组验证数据均包括：每个步态周期中的实际测量角速度、实际测量角度、以及所述每个步态周期中的实际测量角速度和实际测量角度对应的实际阻尼调节系数。
[0030]第二方面，本申请实施例提供了一种适配数据识别系统，
[0031]角度传感器，用于采集小腿摆动角速度以及角度；
[0032]适配数据识别装置，用于
[0033]获取不同步态模式下采集的测量数据，其中，所述测量数据包括测量角速度及测量角度；
[0034]通过预先训练的识别模型，得到所述不同步态模式下的适配结果，其中，所述识别模型为使用多组训练数据通过机器学习训练得出的，多组训练数据中的每组训练数据均包括：每个步态周期中的测量角速度、测量角度以及所述每个步态周期中的测量角速度、测量角度对应的阻尼调节系数；
[0035]根据所述适配结果，确定所述步态模式中对应的假肢，并生成用于自适应调节所述假肢的指令；
[0036]电机，用于根据自适应调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适配数据识别方法，其中，所述方法包括：获取不同步态模式下采集的测量数据，其中，所述测量数据包括测量角速度及测量角度；通过预先训练的识别模型，得到所述不同步态模式下的适配结果，其中，所述识别模型为使用多组训练数据通过机器学习训练得出的，多组训练数据中的每组训练数据均包括：每个步态周期中的测量角速度、测量角度以及所述每个步态周期中的测量角速度、测量角度对应的阻尼调节系数；根据所述适配结果，确定所述步态模式中对应的假肢，并生成用于自适应调节所述假肢的指令。2.如权利要求1所述方法，其中，所述通过预先训练的识别模型，得到所述不同步态模式下的适配结果，包括：通过周期性检测算法，将连续步态下的多组测量数据中的测量角速度及测量角度按照预设步态周期分割为多段连续数据，并根据每个步态周期内的连续数据绘制关于角速度/角度波动变化的步态周期图；通过峰值检测算法，检测每个步态周期内所述步态周期图中的目标极值，并确定每个步态周期内的摆动期范围；在同一个步态周期内，根据测量角速度、测量角度、多个传感器的自身姿态数据得到膝关节在摆动期范围内的膝关节屈曲角度。3.如权利要求2所述方法，其中，所述方法还包括：在所述摆动期范围内，确定所述膝关节的最大伸展角度α以及所述膝关节在足离地时刻的屈曲角度β，其中所述最大伸展角度α包括患侧假肢的α角度和健侧下肢的α角度，所述屈曲角度β包括患侧假肢的β角度和健侧下肢的β角度。4.如权利要求3所述方法，其中，所述方法还包括：当患侧假肢的α角度小于健侧下肢的α角度时，则表明所述患侧假肢膝关节的伸展阻尼偏大，并得到减小伸展阻尼的适配结果；当患侧假肢的α角度大于健侧下肢的α角度时，则表明所述患侧假肢膝关节的伸展阻尼偏小，并得到增大伸展阻尼的适配结果；当患侧假肢的β角度小于所述健侧下肢的β角度时，则表明所述患侧假肢膝关节的屈曲阻尼偏大，并得到减小屈曲阻尼的适配结果；当患侧假肢的β角度大于所述健侧下肢的β角度时，则表明所述患侧假肢膝关节的屈曲阻尼偏小，并得到增大屈曲阻尼的适配结果。5.如权利要求1所述方法，其中，在训练所述识别模型时，包括：手动调整阶段，将每组训练数据中的测量角速度、测量角度按照预设步态周期分割为多段连续数据，并根据每个步态周期内的连续数据绘制关于角速度/角度波动变化的步态周期图；检测每个步态周期内所述步态周期图中的目标极值，得到目标极值的数字列表以及膝关节屈曲角度曲线图，并结合预设经验值得到假肢膝关节...

【专利技术属性】
技术研发人员：吴世彩，凌华，冯爵，李松，解乐乐，郭曼婷，
申请(专利权)人：中国康复科学所中国残联残疾预防与控制研究中心，
类型：发明
国别省市：