【技术实现步骤摘要】
本专利技术属于医疗数据处理，具体涉及一种基于融合模型的婴儿脑瘫辅助诊断系统。
技术介绍
1、特征提取旨在从原始数据中抽取出对于特定任务或问题有用的信息，以更好地表示数据并减少冗余。并能够在机器学习中提升模型的性能，并增强可解释性。特征提取在很多领域都有应用包括：计算机视觉、人机交互、运动分析、金融领域、工业制造和医学图像处理等。
2、在中国，脑性瘫痪(cp)作为一种常见的致残性疾病，对患者的身体功能和家庭生活质量产生了严重影响。近年来，国家对脑瘫患者的关注和救助力度显著加强，但脑瘫儿童康复救助体系依旧面临着挑战。尽管脑瘫的早期检测和干预已被广泛认为可以显著改善儿童发育预后，但在实际应用中，早期诊断的复杂性和资源分布的不均仍然是需要解决的关键问题。
3、因此，开发一套具有更高效率以及准确度的辅助脑性瘫痪诊断模型，用于分析婴儿的动作视频并辅助评估患有脑瘫的风险，不仅具有潜在的市场需求，而且在社会和医疗保健领域具有重大的意义。
技术实现思路
1、为了更好地辅助医生进行脑性瘫痪的诊断，本专利技术提出了一种基于融合模型的婴儿脑瘫辅助诊断系统，旨在通过创新的机器学习方法，提供一种高效、精准且用户友好的辅助脑瘫诊断工具，通过在婴儿发育早期快速，有效的检测出婴儿神经发育情况，有望大幅提高脑瘫儿童的治疗效果和生活质量。本专利技术利用创新的数据处理和机器学习技术，为医生提供一个准确的辅助诊断工具，以便在婴幼儿早期发育阶段进行脑瘫风险评估。
2、一种基于融合模型的婴儿
3、数据预处理模块：用于接收婴儿动作序列数据为输入，通过插值法对空缺数据、离群值和异常值进行处理,以便进行更准确的分析。
4、坐标预处理模块：将插值处理后的数据进行中值滤波和平滑处理，以增强数据的质量，同时实施姿态归一化以标准化数据输入，为特征提取做准备。
5、特征提取模块：从预处理的坐标序列中分割并计算不同关节和躯干运动的特征，提炼出代表不同肢体运动的关键特征，再进行拼接得到运动特征。
6、融合模型模块：将运动特征输入多种机器学习模型，然后通过拼接方法，将各模型的判别结果与运动特征结合，输入至元模型以获得最终的分类结果。
7、结果可视化模块：将分类结果进行可视化标注，提供直观的诊断辅助参考，辅助其做出更精确的诊断决策。
8、本专利技术的有益效果如下：
9、本专利技术简化了一般婴儿脑性瘫痪的诊断流程，显著减轻了医生在筛查婴儿脑性瘫痪时的工作负担，极大提升了医疗工作效率。同时，由于其简便性，该方法可广泛推广至各级医疗机构，有效降低脑性瘫痪诊断的整体成本。
10、本专利技术的算法融合了运动学原理、医学知识以及先进的机器学习技术，为诊断过程提供了可解释性的辅助参考，从而提升了诊断结果的准确性和可信度。
11、本技术方案针对性地对具有潜在脑性瘫痪风险的婴儿进行姿态评估，实现了对脑性瘫痪风险的早期识别和筛查。这使得医生能够及时为患有或可能患有脑性瘫痪的婴儿提供精准的诊断治疗和康复训练，从而为婴儿的健康成长和发展提供有力支持。
本文档来自技高网...【技术保护点】
1.一种基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，包括数据预处理模块、坐标预处理模块、特征提取模块、融合模型模块和结果可视化模块；
2.根据权利要求1所述的基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，所述数据预处理模块具体实现如下：
3.根据权利要求2所述的基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，所述阈值ti根据所有关节点置信度的均值计算得出，具体如下：
4.根据权利要求1所述的基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，所述坐标预处理模块具体实现如下：
5.根据权利要求4所述的基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，所述特征提取模块具体实现如下：
6.根据权利要求5所述的基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，所述融合模型模块具体实现如下：
7.根据权利要求6所述的基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，结果可视化模块具体实现如下：
【技术特征摘要】
1.一种基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，包括数据预处理模块、坐标预处理模块、特征提取模块、融合模型模块和结果可视化模块；
2.根据权利要求1所述的基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，所述数据预处理模块具体实现如下：
3.根据权利要求2所述的基于融合模型的婴儿脑瘫辅助诊断系统，其特征在于，所述阈值ti根据所有关节点置信度的均值计算得出，具体如下：
4.根据权利要求1所...
【专利技术属性】
技术研发人员：蔡锋泽，万扬，廖瑞翔，蔡骏武，林启航，陈磊，王然，
申请(专利权)人：杭州电子科技大学，
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。