可穿戴的跌倒预警系统及其方法技术方案

一种可穿戴的跌倒预警系统及其方法，其获取由佩戴于待监测对象的可穿戴设备采集的预定时间段的表面肌电信号和所述预定时间段内多个预定时间点的足底压力值；采用基于深度学习的人工智能技术，挖掘病人的表面肌电信号和足底压力值在时序上的协同关联特征分布信息，并基于协同关联特征进行病人行走康复的跌倒预警

【技术实现步骤摘要】
可穿戴的跌倒预警系统及其方法


[0001]本申请涉及智能化预警
，并且更具体地，涉及一种可穿戴的跌倒预警系统及其方法
。

技术介绍

[0002]在临床医疗过程中，临床住院患者在术后常会长时间的卧床静养，尤其是术后行动不便的骨科临床病人
。
基于生物力学分析人在站立
、
行走
、
运动时人体下肢的力学改变，为了保持足踝关节稳定性，它周围的小腿前后群肌肉以及韧带必须形成一个稳定的力系，由于临床病人处于长期卧床休养状态，有时很难维持踝关节的稳定性从而导致摔倒
。
[0003]目前，临床病人在长期卧床后，需要进行术后行走康复才能使其重新下床行走
。
传统的行走康复护理需要通过助步器来实现
。
助步器能够辅助或替代肢体功能，减少下肢关节不必要的活动，保持下肢稳定，在医疗康复过程中，能够帮助患者减少下肢关节活动，实现患者的术后行走康复
。
但是，由于助步器是通过轮子向前滚动，运动过程中容易摔倒，导致临床病人的术后伤口开裂，影响病人的康复效果
。
[0004]因此，期望一种优化的可穿戴的跌倒预警系统，其能够对于临床病人在行走康复时进行跌倒预警，以避免临床病人跌倒造成术后伤口开裂，保证术后病人行走康复的安全性
。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请
。
本申请的实施例提供了一种可穿戴的跌倒预警系统及其方法，其获取由佩戴于待监测对象的可穿戴设备采集的预定时间段的表面肌电信号和所述预定时间段内多个预定时间点的足底压力值；采用基于深度学习的人工智能技术，挖掘病人的表面肌电信号和足底压力值在时序上的协同关联特征分布信息，并基于协同关联特征进行病人行走康复的跌倒预警
。
这样，可以准确地在病人的行走康复过程中对于病人的行走状态进行监测，以提高跌倒预警的精准度，进而提高病人术后的行走康复安全性
。
[0006]第一方面，提供了一种可穿戴的跌倒预警系统，其包括：
[0007]监测数据采集模块，用于获取由佩戴于待监测对象的可穿戴设备采集的预定时间段的表面肌电信号和所述预定时间段内多个预定时间点的足底压力值；
[0008]波形图像编码模块，用于将所述预定时间段的表面肌电信号通过
CLIP
模型的波形图像编码器以得到表面肌电波形特征向量；
[0009]压力时序编码模块，用于将所述多个预定时间点的足底压力值通过所述
CLIP
模型的时序编码器以得到足底压力时序特征向量；
[0010]特征优化模块，用于对所述表面肌电波形特征向量和所述足底压力时序特征向量进行特征分布调制以得到优化表面肌电波形特征向量和优化足底压力时序特征向量；
[0011]关联编码模块，用于使用所述
CLIP
模型的跨模态融合器来融合所述优化表面肌电
波形特征向量和所述优化足底压力时序特征向量以得到融合特征矩阵；以及
[0012]预警模块，用于将所述融合特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否产生跌倒预警提示
。
[0013]在上述可穿戴的跌倒预警系统中，所述波形图像编码模块，用于：所述
CLIP
模型的波形图像编码器使用卷积神经网络的各层在层的正向传递中对输入数据分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络的最后一层的输出为所述表面肌电波形特征向量，所述卷积神经网络的第一层的输入为所述预定时间段的表面肌电信号
。
[0014]在上述可穿戴的跌倒预警系统中，所述压力时序编码模块，包括：输入向量排列单元，用于将所述多个预定时间点的足底压力值排列为一维的输入向量；全连接编码单元，用于使用所述
CLIP
模型的时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中
X
是所述输入向量，
Y
是输出向量，
W
是权重矩阵，
B
是偏置向量，表示矩阵乘；以及，一维卷积编码单元，用于使用所述
CLIP
模型的时序编码器的一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
[0015][0016]其中，
a
为卷积核在
x
方向上的宽度
、F
为卷积核参数向量
、G
为与卷积核函数运算的局部向量矩阵，
w
为卷积核的尺寸，
X
表示所述输入向量
。
[0017]在上述可穿戴的跌倒预警系统中，所述特征优化模块，包括：图像特征优化单元，用于以如下公式计算所述表面肌电波形特征向量和所述足底压力时序特征向量的非相干稀疏响应融合特征以得到所述优化表面肌电波形特征向量；其中，所述公式为：
[0018][0019]其中，
V1、V2和
V1'
分别表示所述表面肌电波形特征向量
、
所述足底压力时序特征向量和所述优化表面肌电波形特征向量，
||
·
||1和
||
·
||2分别表示向量的一范数和向量的二范数，
L
为向量的长度，和
⊙
分别表示向量乘积和向量点乘，且所有向量均为行向量形式，
(
·
)
T
表示向量的转置向量；以及
[0020]压力特征优化单元，用于以如下公式计算所述表面肌电波形特征向量和所述足底压力时序特征向量的非相干稀疏响应融合特征以得到所述优化足底压力时序特征向量；其中，所述公式为：
[0021][0022]其中，
V1、V2和
V2'
分别表示所述表面肌电波形特征向量
、
所述足底压力时序特征向量和所述优化足底压力时序特征向量，
||
·
||1和
||
·
||2分别表示向量的一范数和向量的
二范数，
L
为向量的长度，和
⊙
分别表示向量乘积和向量点乘，且所有向量均为行向量形式，
(
·
)
T
表示向量的转置向量
。
[0023]在上述可穿戴的跌倒预警系统中，所述关联编码模块，用于：使用所述
CLIP
模型的跨模态融合器以如下公式融合所述优化表面肌电波形特征向量和所述优化足底压力时序特征向量以得到融合特征矩阵；其中，所述公式为：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种可穿戴的跌倒预警系统，其特征在于，包括：监测数据采集模块，用于获取由佩戴于待监测对象的可穿戴设备采集的预定时间段的表面肌电信号和所述预定时间段内多个预定时间点的足底压力值；波形图像编码模块，用于将所述预定时间段的表面肌电信号通过
CLIP
模型的波形图像编码器以得到表面肌电波形特征向量；压力时序编码模块，用于将所述多个预定时间点的足底压力值通过所述
CLIP
模型的时序编码器以得到足底压力时序特征向量；特征优化模块，用于对所述表面肌电波形特征向量和所述足底压力时序特征向量进行特征分布调制以得到优化表面肌电波形特征向量和优化足底压力时序特征向量；关联编码模块，用于使用所述
CLIP
模型的跨模态融合器来融合所述优化表面肌电波形特征向量和所述优化足底压力时序特征向量以得到融合特征矩阵；以及预警模块，用于将所述融合特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否产生跌倒预警提示
。2.
根据权利要求1所述的可穿戴的跌倒预警系统，其特征在于，所述波形图像编码模块，用于：所述
CLIP
模型的波形图像编码器使用卷积神经网络的各层在层的正向传递中对输入数据分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络的最后一层的输出为所述表面肌电波形特征向量，所述卷积神经网络的第一层的输入为所述预定时间段的表面肌电信号
。3.
根据权利要求2所述的可穿戴的跌倒预警系统，其特征在于，所述压力时序编码模块，包括：输入向量排列单元，用于将所述多个预定时间点的足底压力值排列为一维的输入向量；全连接编码单元，用于使用所述
CLIP
模型的时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中
X
是所述输入向量，
Y
是输出向量，
W
是权重矩阵，
B
是偏置向量，表示矩阵乘；以及一维卷积编码单元，用于使用所述
CLIP
模型的时序编码器的一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：其中，
a
为卷积核在
x
方向上的宽度
、F
为卷积核参数向量
、G
为与卷积核函数运算的局部向量矩阵，
w
为卷积核的尺寸，
X
表示所述输入向量
。4.
根据权利要求3所述的可穿戴的跌倒预警系统，其特征在于，所述特征优化模块，包括：
图像特征优化单元，用于以如下公式计算所述表面肌电波形特征向量和所述足底压力时序特征向量的非相干稀疏响应融合特征以得到所述优化表面肌电波形特征向量；其中，所述公式为：其中，
V1、V2和
V1'
分别表示所述表面肌电波形特征向量
、
所述足底压力时序特征向量和所述优化表面肌电波形特征向量，
||
·
||1和
||
·
||2分别表示向量的一范数和向量的二范数，
L
为向量的长度，和
⊙
分别表示向量乘积和向量点乘，且所有向量均为行向量形式，
(
·
)
T
表示向量的转置向量；以及压力特征优化单元，用于以公式计算所述表面肌电波形特征向量和所述足底压力时序特征向量的非相干稀疏响应融合特征以得到所述优化足底压力时序特征向量；其中，所述公式为：其中，
V1、V2和
V2'
分别表示所述表面肌电波形特征向量
、
所述足底压力时序特征向量和所述优化足底压力时序特征向量，
||
·
||1和
||
·
||2分别表示向量的一范数和向量的二范数，
L
为向量的长度，和
⊙
分别表示向量乘积和向量点乘，且所有向量均为行向量形式，
(
·
)T
表示向量的转置向量
。5.
根据权利要求4所述的可穿戴的跌倒预警系统，其特征在于，所述关联编码...

【专利技术属性】
技术研发人员：赵恒，
申请(专利权)人：山西美力特医疗科技有限公司，
类型：发明
国别省市：