一种膝关节运动信息的处理方法、装置、设备和存储介质制造方法及图纸

本发明专利技术涉及一种膝关节运动信息的处理方法、装置、设备和存储介质，方法包括：在人体的运动状态下，获取所述人体的膝关节运动信息，所述膝关节运动信息包括膝关节运动信号的特征信息和所述膝关节的姿态信息，所述膝关节运动信号的特征信息是基于膝关节产生的膝关节运动信号生成的；基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果；基于所述分类结果，确定所述膝关节的受损程度。应用本发明专利技术实施例能够对运动状态下的膝关节受损程度进行连续不间断的评估。

【技术实现步骤摘要】
一种膝关节运动信息的处理方法、装置、设备和存储介质
本专利技术属于智慧医疗领域，具体涉及一种膝关节运动信息的处理方法、装置、设备和存储介质。
技术介绍
膝关节是人体关节中，功能和结构最复杂的关节之一。由于在人体运动过程中，膝关节几乎承受人体的全部重量，使得膝关节极易受损，受损后的膝关节恢复较慢，给病人带来较大痛苦，因此，需要对膝关节的受损程度进行评估，以便医生根据评估结果对受损膝关节进行诊断治疗。目前，可以使用核磁共振成像(MagneticResonanceImaging，MRI)设备对膝关节的受损程度进行评估。但是，使用MRI不利于对运动状态下的膝关节受损程度进行连续不间断的评估。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种膝关节运动信息的处理方法、装置、设备和存储介质。本专利技术要解决的技术问题通过以下技术方案实现：本专利技术实施例提供了一种膝关节运动信息的处理方法，包括：在人体的运动状态下，获取所述人体的膝关节运动信息，所述膝关节运动信息包括膝关节运动信号的特征信息和所述膝关节的姿态信息，所述膝关节运动信号包括膝关节振动信号和膝关节声音信号，所述膝关节运动信号的特征信息是基于所述膝关节运动信号生成的；基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果；基于所述分类结果，确定所述膝关节的受损程度。在本专利技术的一个实施例中，所述获取所述人体的膝关节产生的膝关节运动信息的步骤，包括：获取所述人体的膝关节产生的膝关节运动信号，并获取所述膝关节运动信号对应的所述膝关节的姿态信息；根据所述膝关节运动信号，生成所述膝关节运动信号的特征信息，所述特征信息包括所述膝关节运动信号在时域中的特征值和所述膝关节运动信号在频域中的特征值中的至少一个。在本专利技术的一个实施例中，所述基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果的步骤之前，所述方法还包括：获取所述膝关节的用户信息，所述用户信息包括用户的年龄、用户的身体质量(BodyMassIndex，BMI)指数和用户的性别中的至少一个；所述基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果的步骤，包括：将所述特征信息、所述膝关节的姿态信息和所述膝关节的用户信息，输入预先训练好的模型，得到分类结果。在本专利技术的一个实施例中，所述获取所述膝关节运动信号对应的所述膝关节的姿态信息的步骤，包括：获取预设的测量时间段内的膝关节的姿态信息，所述膝关节的姿态信息包括所述膝关节的关节角度的特征值和所述膝关节的加速度的特征值，所述膝关节的关节角度的特征值包括所述预设的测量时间段内所述膝关节的关节角度的极差值，所述膝关节的加速度的特征值包括所述预设的测量时间段内所述膝关节的加速度的极差值，所述膝关节运动信号是在所述预设的测量时间段内获取到的。在本专利技术的一个实施例中，所述获取所述人体的膝关节运动信息的步骤，包括：在预设的运动时间段内，以预设的获取频率获取所述人体的膝关节运动信息。在本专利技术的一个实施例中，在所述获取膝关节在运动状态下产生的膝关节运动信号的步骤之后，所述方法还包括：对获取到的所述膝关节运动信号进行预处理，其中，所述预处理包括从获取到的所述膝关节运动信号中消除由肌肉收缩产生的干扰信号。本专利技术的另一个实施例提供的一种膝关节运动信息的处理装置，所述装置包括：获取模块，用于在人体的运动状态下，获取所述人体的膝关节运动信息，所述膝关节运动信息包括膝关节运动信号的特征信息和所述膝关节的姿态信息，所述膝关节运动信号包括膝关节振动信号和膝关节声音信号，所述膝关节运动信号的特征信息是基于所述膝关节运动信号生成的；分类模块，用于基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果；确定模块，用于基于所述分类结果，确定所述膝关节的受损程度。在本专利技术的一个实施例中，所述获取模块，具体用于获取所述人体的膝关节产生的膝关节运动信号，并获取所述膝关节运动信号对应的所述膝关节的姿态信息；根据所述膝关节运动信号，生成所述膝关节运动信号的特征信息，所述特征信息包括所述膝关节运动信号在时域中的特征值和所述膝关节运动信号在频域中的特征值中的至少一个。在本专利技术的一个实施例中，所述获取模块，还用于获取所述膝关节的用户信息，所述用户信息包括用户的年龄、用户的身体质量指数BMI和用户的性别中的至少一个；所述分类模块，具体用于将所述特征信息、所述膝关节的姿态信息和所述膝关节的用户信息，输入预先训练好的模型，得到分类结果。在本专利技术的一个实施例中，所述获取模块，具体用于获取预设的测量时间段内的膝关节的姿态信息，所述膝关节的姿态信息包括所述膝关节的关节角度的特征值和所述膝关节的加速度的特征值，所述膝关节的关节角度的特征值包括所述预设的测量时间段内所述膝关节的关节角度的极差值，所述膝关节的加速度的特征值包括所述预设的测量时间段内所述膝关节的加速度的极差值，所述膝关节运动信号是在所述预设的测量时间段内获取到的。在本专利技术的一个实施例中，所述获取模块，具体用于在预设的运动时间段内，以预设的获取频率获取所述人体的膝关节运动信息。在本专利技术的一个实施例中，所述设备还包括处理模块，所述处理模块，用于对获取到的所述膝关节运动信号进行预处理，其中，所述预处理包括从获取到的所述膝关节运动信号中消除由肌肉收缩产生的干扰信号。本专利技术的再一个实施例提供了一种膝关节运动信息的处理设备，所述设备包括采集器、存储器和处理器，所述存储器存储有计算机程序，所述采集器执行所述计算机程序时实现如下步骤：在人体的运动状态下，获取所述人体的膝关节运动信息，所述膝关节运动信息包括膝关节运动信号的特征信息和所述膝关节的姿态信息，所述膝关节运动信号包括膝关节振动信号和膝关节声音信号，所述膝关节运动信号的特征信息是基于所述膝关节运动信号生成的；所述处理器执行所述计算机程序时实现如下步骤：基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果；基于所述分类结果，确定所述膝关节的受损程度。本专利技术的又一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现以下步骤：在人体的运动状态下，获取所述人体的膝关节运动信息，所述膝关节运动信息包括膝关节运动信号的特征信息和所述膝关节的姿态信息，所述膝关节运动信号包括膝关节振动信号和膝关节声音信号，所述膝关节运动信号的特征信息是基于所述膝关节运动信号生成的；基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果；基于所述分类结果，确定所述膝关节的受损程度。与现有技术相比，本专利技术的有益效果：在本专利技术实施例中，首先，在人体的运动状态下，获取上述人体的膝关节运动信息，其中，上述膝关节运动信息包括膝关节运动信号的特征信息和上述膝关节的姿态信息，上述膝关节运动信号包括膝关节振动信号和膝关节声音信号，上述膝关节运动信号的特征信息是基本文档来自技高网...

【技术保护点】
1.一种膝关节运动信息的处理方法，其特征在于，包括：/n在人体的运动状态下，获取所述人体的膝关节运动信息，所述膝关节运动信息包括膝关节运动信号的特征信息和所述膝关节的姿态信息，所述膝关节运动信号包括膝关节振动信号和膝关节声音信号，所述膝关节运动信号的特征信息是基于所述膝关节运动信号生成的；/n基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果；/n基于所述分类结果，确定所述膝关节的受损程度。/n

【技术特征摘要】
1.一种膝关节运动信息的处理方法，其特征在于，包括：
在人体的运动状态下，获取所述人体的膝关节运动信息，所述膝关节运动信息包括膝关节运动信号的特征信息和所述膝关节的姿态信息，所述膝关节运动信号包括膝关节振动信号和膝关节声音信号，所述膝关节运动信号的特征信息是基于所述膝关节运动信号生成的；
基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果；
基于所述分类结果，确定所述膝关节的受损程度。


2.根据权利要求1所述的方法，其特征在于，
所述获取所述人体的膝关节产生的膝关节运动信息的步骤，包括：
获取所述人体的膝关节产生的膝关节运动信号，并获取所述膝关节运动信号对应的所述膝关节的姿态信息；
根据所述膝关节运动信号，生成所述膝关节运动信号的特征信息，所述特征信息包括所述膝关节运动信号在时域中的特征值和所述膝关节运动信号在频域中的特征值中的至少一个。


3.根据权利要求2所述的方法，其特征在于，所述获取所述膝关节运动信号对应的所述膝关节的姿态信息的步骤，包括：
获取预设的测量时间段内的膝关节的姿态信息，所述膝关节的姿态信息包括所述膝关节的关节角度的特征值和所述膝关节的加速度的特征值，所述膝关节的关节角度的特征值包括所述预设的测量时间段内所述膝关节的关节角度的极差值，所述膝关节的加速度的特征值包括所述预设的测量时间段内所述膝关节的加速度的极差值，所述膝关节运动信号是在所述预设的测量时间段内获取到的。


4.根据权利要求1所述的方法，其特征在于，
所述基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果的步骤之前，所述方法还包括：
获取所述膝关节的用户信息，所述用户信息包括用户的年龄、用户的身体质量指数BMI和用户的性别中的至少一个；
所述基于所述膝关节运动信息，使用预先训练好的模型，得到分类结果的步骤，包括：
将所述特征信息、所述姿态信息和所述用户信息，输入预先训练好的模型，...

【专利技术属性】
技术研发人员：丁坦，李东韬，卞鸿鹄，王漪，
申请(专利权)人：西安思博探声生物科技有限公司，
类型：发明
国别省市：陕西;61