【技术实现步骤摘要】
本专利技术涉及运动损伤，尤其涉及一种前交叉韧带损伤术后多功能评估智能系统，以客观评估术后患者的功能状态。
技术介绍
1、前交叉韧带(acl)损伤是一种常见且严重的肌肉骨骼系统问题，特别在体育运动和高度活动性人群中频繁发生。前交叉韧带在膝关节中扮演重要的稳定性角色，当其损伤后，可能导致膝关节功能障碍、运动控制失调和活动能力下降。因此，前交叉韧带损伤术后康复是一项复杂且关键的任务，对患者的康复进展和功能恢复有着重要影响。
2、功能评估在前交叉韧带损伤术后康复中具有至关重要的意义。传统的前交叉韧带损伤术后康复功能评估方法主要依赖于临床医生的主观观察和人工测量。这种人工评估方法面临诸多问题，包括主观性、主观误差、测量局限、不连续性和依赖康复环境等。这些局限性导致评估结果不够客观和准确，可能造成误诊或漏诊，同时也限制了康复计划的及时调整和个体化。
3、专利公开号为cn116230159a的专利技术中公开了一种膝关节运动损伤康复方法及系统，利用智能传感器和机器视觉技术实时采集患者的动作达成情况和关节功能水平，基于膝关节康复数据库，进行动作达成情况自动评估，根据后台管理软件设定的康复方案，定期向患者指导软件推送康复知识和随访问卷，并自动提醒患者及时学习和反馈。然而，该专利技术只是简单的采集运动是的速度、位置、角度等运动参数，再通过和膝关节康复数据库中的对应参数进行比对的方式，来对动作进行情况自动评估，评估结果准确性不足，另外，该专利技术只针对膝关节康复进行评估，难以适用前交叉韧带(acl)损伤这类除了关节还涉及肌肉群康
技术实现思路
1、解决的技术问题：本专利技术提供了一种前交叉韧带损伤术后康复的多功能智能评估系统，克服了传统评估方法的局限性，实现了客观、准确、实时监测和智能化评估，为康复医生和患者提供了强有力的康复辅助工具。该系统的应用将大大提高康复评估的效率和质量，促进前交叉韧带损伤患者的功能恢复，带来积极的医疗和社会效益。
2、技术方案：
3、本专利技术公开了一种前交叉韧带损伤术后多功能评估智能系统，所述多功能评估智能系统包括传感器数据采集模块、视频数据采集模块、机器视觉评估模块、运动数据分析模块和功能评估模块：
4、所述传感器数据采集模块包括穿戴在患者膝关节和腿部肌肉群的多种传感器设备，用于实时记录膝关节运动期间产生的与膝关节运动相关的原始运动数据；所述运动数据分析模块用于对传感器数据采集模块发送的原始运动数据进行分析，计算得到膝关节的包括角度变化、运动幅度、运动轨迹在内的关节运动数据，以及腿部肌肉群的包括肌肉活动强度、力量、持续时间和疲劳度在内的肌肉运动数据；
5、所述视频数据采集模块实时记录前交叉韧带损伤术后患者功能评估过程中的运动视频；所述机器视觉评估模块用于对视频数据采集模块发送的运动视频序列进行分析，对前交叉韧带损伤术后患者的姿势和力线进行识别，并提取得到关键动作信息；
6、所述功能评估模块包括运动生成模型和时空卷积神经网络；运动生成模型以时间为基准，将姿势序列、关键动作序列、关节运动数据序列、肌肉运动数据序列综合成运动序列，将视频序列分解成连续的时间步，每一步均作为运动序列的一个时间节点，学习得到运动序列中的时序模式和空间关系，生成相应的动作表示序列；时空卷积神经网络从时间和空间两个维度对运动生成模型输出的动作表示序列进行特征提取，识别得到功能评估结果。
7、进一步地，所述传感器数据采集模块包括穿戴在患者膝关节的惯性传感器和穿戴在腿部肌肉群的柔性传感器，惯性传感器用于追踪膝关节在三维空间中的位置和运动状态，柔性传感器用于基于电阻、电容、压力或形变原理采集得到肌肉在活动时产生的生物机电信号。
8、进一步地，所述机器视觉评估模块包括患者跟踪单元、姿势识别单元和关键点提取单元；
9、所述患者跟踪单元接收视频帧，通过图像处理技术从中提取前交叉韧带损伤术后患者在步行过程中的髋、膝、踝关节的边界框位置和坐标；再利用神经网络预测模型对患者关节位置进行估计，计算患者边界框位置与同一视频帧内其他边界框位置之间的交集，选择具有最高交集联合率值的边界框位置，作为患者的最佳跟踪结果，并在显示器上的视频帧中输出显示选定的边界框位置；
10、所述关键点提取单元裁剪患者跟踪单元输出的视频帧以生成裁剪后的图像，将其馈送到人工神经网络中，生成热图张量h和偏移张量o，热图张量h表示在像素位置处每个身体关键点的置信度得分，偏移张量o表示每个关键点的x轴和y轴的偏移值，根据热图张量h和偏移张量o的信息，计算每个身体关键点的坐标；身体关键点包括膝盖、踝关节、髋关节、腿部整体线性和脚的位置；
11、所述姿势识别单元根据关键点提取单元输出的膝盖、踝关节、髋关节、腿部整体线性和脚的位置，得到关键点坐标，生成多维张量以表示关键点坐标在不同维度上的分布，通过几何运算提取特征数据，利用线性插值来处理缺失的特征数据；将视频帧划分为批次，依次将每个批次的特征数据馈送到卷积神经网络中进行处理，在卷积神经网络的不同层执行不同的激活操作，应用卷积和激活函数，提取图像中的不同特征并引入非线性性质，以生成特征图，特征图中的不同位置对应输入图像中的目标对象的位置，计算患者的姿势和可选步态的置信度分数，再通过加权平均值来确定每个视频帧的姿势分类和可选的步态分类。
12、进一步地，假设有n个视频帧，对应的置信度分数分别为c1，c2，...，cn，采用下述公式来确定每个视频帧的姿势分类和可选的步态分类：
13、姿势分类＝(c1*p1+c2*p2+...+cn*pn)/(c1+c2+...+cn)
14、可选步态分类＝(c1*s1+c2*s2+...+cn*sn)/(c1+c2+...+cn)；
15、式中，p1，p2...pn表示一个关键点的坐标；s1，s2...sn表示一个视频帧的步态分类。
16、进一步地，所述运动数据分析模块包括关节运动分析单元和肌肉运动分析单元；
17、所述肌肉运动分析单元对柔性传感器采集的生物机电信号进行分析，计算得到生物机电信号的均方值作为肌肉的活动强度；对肌肉的活动强度的峰值或者平均幅度进行分析，得到肌肉的力量数据；对肌肉的活动强度的主频率的位移变化或者功率谱密度变化进行分析，得到肌肉的疲劳度；
18、所述关节运动分析单元接收惯性传感器采集的膝关节在三维空间中的位置、角度、加速度、速度数据，采用fast fourier transform频谱分析方法对加速度数据进行频谱分析，对患者运动的周期性模式类型进行识别，再结合卡尔曼滤波器或madgwick滤波器对加速度数据、角度数据、速度数据进行融合，获得膝关节的运动轨迹和运动姿态。
19、进一步地，所述时空卷积神经网络由多个层次的transformer层组成，每一层能够提取不同抽象级别的特征表示，包括底层传感器测量值和高级动作特性；具体地，首先基于词嵌入技术将传感器数据和机器视觉本文档来自技高网...
【技术保护点】
1.一种前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述多功能评估智能系统包括传感器数据采集模块、视频数据采集模块、机器视觉评估模块、运动数据分析模块和功能评估模块；
2.根据权利要求1所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述传感器数据采集模块包括穿戴在患者膝关节的惯性传感器和穿戴在腿部肌肉群的柔性传感器，惯性传感器用于追踪膝关节在三维空间中的位置和运动状态，柔性传感器用于基于电阻、电容、压力或形变原理采集得到肌肉在活动时产生的生物机电信号。
3.根据权利要求1所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述机器视觉评估模块包括患者跟踪单元、姿势识别单元和关键点提取单元；
4.根据权利要求3所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，假设有n个视频帧，对应的置信度分数分别为C1，C2，...，Cn，采用下述公式来确定每个视频帧的姿势分类和可选的步态分类：
5.根据权利要求1所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述运动数据分析模块包括关节运动分析单元和肌肉运动分析单
6.根据权利要求1所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述时空卷积神经网络由多个层次的Transformer层组成，每一层能够提取不同抽象级别的特征表示，包括底层传感器测量值和高级动作特性；具体地，首先基于词嵌入技术将传感器数据和机器视觉数据转化为语义向量表示，同时引入位置编码，为每个数据点分配唯一的位置编码；通过多头自注意力机制捕捉数据点之间的复杂关系，利用计算点积注意力分数，为每个数据点都分配不同的注意力权重。
7.根据权利要求1所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述指导模块包括数据库单元、动作选取单元和预警单元；
8.根据权利要求7所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述数据库单元定期结合功能评估模块的评估结果对动作数据库中的功能评估动作类型进行优化更新。
...【技术特征摘要】
1.一种前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述多功能评估智能系统包括传感器数据采集模块、视频数据采集模块、机器视觉评估模块、运动数据分析模块和功能评估模块；
2.根据权利要求1所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述传感器数据采集模块包括穿戴在患者膝关节的惯性传感器和穿戴在腿部肌肉群的柔性传感器，惯性传感器用于追踪膝关节在三维空间中的位置和运动状态，柔性传感器用于基于电阻、电容、压力或形变原理采集得到肌肉在活动时产生的生物机电信号。
3.根据权利要求1所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，所述机器视觉评估模块包括患者跟踪单元、姿势识别单元和关键点提取单元；
4.根据权利要求3所述的前交叉韧带损伤术后多功能评估智能系统，其特征在于，假设有n个视频帧，对应的置信度分数分别为c1，c2，...，cn，采用下述公式来确定每个视频帧的姿势分类和可选的步态分类：
5.根据权利要求1所...
【专利技术属性】
技术研发人员：黄红拾，王健全，徐雁，闵昂，刘荻，任爽，高天宇，张思，杨楠，石海涛，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院，
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。