【技术实现步骤摘要】
本专利技术涉及普适计算领域，具体来说涉及人工智能领域，更具体地说，涉及一种运动能力评估方法。
技术介绍
1、脑卒中，又被称为中风，会导致脑细胞在几分钟内因缺氧而导致受损或者死亡，并因此影响身体其他部分。根据研究显示，全球脑卒中患病人数超过了一亿，大约40%-50%的脑卒中患者会经历长期的上肢功能障碍，这种障碍会严重影响患者日常生活能力和社会参与能力。康复对于卒中后患者功能恢复至关重要，有研究发现，若对脑卒中患者进行积极的康复治疗，可使90%的存活患者重新步行和生活自理，使30%的存活患者能进行一些较轻的工作。相反，不进行康复治疗，上述两方面恢复的百分率相应只有6%和5%。运动能力评估是脑卒中康复的基础。然而，传统的评估方法依靠量表对患者进行运动能力评估，如布氏分期量表、fulger meyer量表、berg量表等，存在评估过程效率低、评估主观性强以及依赖专家经验等缺点。
2、随着人工智能和深度学习模型不断发展，基于机器学习的运动评估方法不断被探索，以期实现便捷、高效且客观的运动能力评估。有许多工作利用机器学习工作对脑卒中患者...
【技术保护点】
1.一种运动能力评估模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，数据增强是对预处理后的运动姿态数据沿帧方向进行整体随机平移，并且，在共同训练预设的运动能力评估模型时，利用对比损失子函数指导模型拉近对正样本对中的运动姿态数据的特征的距离以及推远负样本对的运动姿态数据的特征的距离。
3.根据权利要求1所述的方法，其特征在于，预设的运动能力评估模型包括：
4.根据权利要求3所述的方法，其特征在于，骨骼点空间增强模块包括：
5.根据权利要求3所述的方法，其特征在于，时空特征提取器采用时空图卷积神...
【技术特征摘要】
1.一种运动能力评估模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，数据增强是对预处理后的运动姿态数据沿帧方向进行整体随机平移，并且，在共同训练预设的运动能力评估模型时，利用对比损失子函数指导模型拉近对正样本对中的运动姿态数据的特征的距离以及推远负样本对的运动姿态数据的特征的距离。
3.根据权利要求1所述的方法，其特征在于，预设的运动能力评估模型包括：
4.根据权利要求3所述的方法，其特征在于，骨骼点空间增强模块包括：
5.根据权利要求3所述的方法，其特征在于，时空特征提取器采用时空图卷积神经网络，其深度为3层或者4层。
...【专利技术属性】
技术研发人员：陈益强，杨威文，张迎伟，
申请(专利权)人：中国科学院计算技术研究所，
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。