【技术实现步骤摘要】
本专利技术属于辅助诊断，尤其涉及一种基于异常步态识别的康复评估方法与设备。
技术介绍
1、大多数神经精神系统疾病如抑郁症、阿尔兹海默病、帕金森病等往起病隐匿，早期症状不典型，发病后缓解进展，需要居家长期健康管理，大脑步态运动控制系统与其他皮层以及皮层下结构之间存在交互作用，任何损害这种交互作用或者损害步态控制执行系统的疾病，均出现步态特征的改变。因此，步态特征是神经精神疾病者活动水平的客观临床标志物，这也使得基于步态特征进行神经精神疾病的识别成为亟待解决的技术问题。
2、为解决上述技术问题，现有技术方案中给出了结合所述膝关节活动范围、所述步态功能和所述肌肉力量信息评估待检测者的康复情况，具体的在专利技术专利cn202011475921.5《一种基于可穿戴传感器的康复评估方法和系统》、cn201511017130.7《一种计步及运动状态评估装置》中均给出了类似的技术手段，但是通过分析不难发现存在以下技术问题：
3、神经类疾病的直接关联特征为用户的脑电信号，若忽视了用户的脑电信号不可能准确的实现对用户的康复状态的准确评估，同时由于用户的精神状态存在一定程度的差异，使得脑电信号的波动情况较为严重，因此若不能实现对脑电信号的有效特征信号的筛选，同样无法准确的实现对用户的康复状态的准确评估。
4、针对上述技术问题，本专利技术提供了一种基于异常步态识别的康复评估方法与设备。
技术实现思路
1、为实现本专利技术目的，本专利技术采用如下技术方案：
2
3、一种基于异常步态识别的康复评估方法，其特征在于，具体包括：
4、s1基于患者的年龄将所述患者划分至不同的年龄区间，并根据患者的脑电特征与所述患者的疾病类型以及患病严重程度确定不同的年龄区间内的不同的脑电特征与不同的疾病类型的疾病关联系数以及在不同的疾病类型之间的疾病区别因子；
5、s2通过所述疾病关联系数以及疾病区别因子确定所述脑电特征在不同的年龄区间的识别有效值，并基于所述识别有效值进行不同的年龄区间内的有效脑电特征的识别；
6、s3基于目标患者的基本信息确定所述目标患者所处的年龄区间以及所述目标患者匹配的有效脑电特征，通过所述目标患者的有效脑电特征的变动情况以及不同的有效脑电特征的识别有效值确定所述目标患者的患病状态发生变动时，进入下一步骤；
7、s4提取所述目标患者的步态特征以及足底压力特征，并结合所述目标患者的有效脑电特征以及有效脑电特征的识别有效值进行所述目标患者的疾病类型以及疾病康复评估结果的输出。
8、进一步的技术方案在于，所述年龄区间根据预设年龄间距进行等间隔划分，其中所述预设年龄间距根据所述患者的数量进行确定，其中所述患者的数量越多，则所述预设年龄间隔越小。
9、进一步的技术方案在于，所述疾病类型包括但不限于抑郁症、阿尔兹海默病、帕金森病。
10、进一步的技术方案在于，所述患病严重程度根据所述患者的疾病类型的不同的疾病关联指标的指标数据进行确定，具体的所述患病严重程度基于百分比进行划分。
11、进一步的技术方案在于，所述步态特征采用步态平衡监测仪，其采样频率16帧/s,图像800*600，最小判断步态周期为10。
12、进一步的技术方案在于，进行所述目标患者的疾病类型以及疾病康复评估结果的输出采用基于步态平衡分析仪，信息输入为4通道，内置处理子系统的数量为10，所述目标患者的疾病类型以及疾病康复评估结果通过打印综合分析报告的方式进行输出。
13、另一方面，本专利技术提供了一种基于异常步态识别的康复评估设备，采用上述的一种基于异常步态识别的康复评估方法，其特征在于，具体包括：
14、脑电特征评估模块，脑电特征筛选模块，变动评估模块，结果输出模块；
15、其中所述脑电特征评估模块负责基于患者的年龄将所述患者划分至不同的年龄区间，并根据患者的脑电特征与所述患者的疾病类型以及患病严重程度确定不同的年龄区间内的不同的脑电特征与不同的疾病类型的疾病关联系数以及在不同的疾病类型之间的疾病区别因子；
16、所述脑电特征筛选模块负责通过所述疾病关联系数以及疾病区别因子确定所述脑电特征在不同的年龄区间的识别有效值，并基于所述识别有效值进行不同的年龄区间内的有效脑电特征的识别；
17、所述变动评估模块负责基于目标患者的基本信息确定所述目标患者所处的年龄区间以及所述目标患者匹配的有效脑电特征，通过所述目标患者的有效脑电特征的变动情况以及不同的有效脑电特征的识别有效值确定所述目标患者的患病状态是否发生变动；
18、所述结果输出模块负责提取所述目标患者的步态特征以及足底压力特征，并结合所述目标患者的有效脑电特征以及有效脑电特征的识别有效值进行所述目标患者的疾病类型以及疾病康复评估结果的输出。
19、本专利技术的有益效果在于：
20、1、基于识别有效值进行不同的年龄区间内的有效脑电特征的识别，充分考虑到由于年龄区间的差异导致的脑电特征的波动状态的差异，同时通过进一步考虑由于不同的脑电特征在疾病类型的区分以及关联情况两个角度实现了对有效的脑点特征的筛选，也为进一步进行康复状态以及患病状态的变动情况的评估奠定了基础。
21、2、通过目标患者的有效脑电特征的变动情况以及不同的有效脑电特征的识别有效值确定目标患者的患病状态是否发生变动，不仅考虑到不同的目标患者的有效脑电特征的变动情况，通过与识别有效值的结合也实现了对不同的有效脑电特征的变动情况的影响程度的考虑，实现了对患病状态是否发生变动的准确评估，也为进一步实现对不同的目标患者采用差异化的康复评估措施奠定了基础。
22、3、通过步态特征以及足底压力特征、目标患者的有效脑电特征进行目标患者的疾病类型以及疾病康复评估结果的输出，实现了从多种特征融合的角度实现了对目标患者的疾病康复评估结果的确定，避免了采用单一的特征导致的判断的准确率不高的技术问题，保证了疾病康复评估结果的准确性。
23、其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
24、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种基于异常步态识别的康复评估方法，其特征在于，具体包括：
2.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述年龄区间根据预设年龄间距进行等间隔划分，其中所述预设年龄间距根据所述患者的数量进行确定，其中所述患者的数量越多，则所述预设年龄间隔越小。
3.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述疾病类型包括但不限于抑郁症、阿尔兹海默病、帕金森病。
4.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述患病严重程度根据所述患者的疾病类型的不同的疾病关联指标的指标数据进行确定，具体的所述患病严重程度基于百分比进行划分。
5.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述疾病关联系数的确定的方法为：
6.如权利要求5所述的基于异常步态识别的康复评估方法，其特征在于，所述疾病关联系数的取值范围在0到1之间，其中所述疾病关联系数越大，则所述脑电特征与所述疾病类型的关联程度越高。
7.如权利要求1所述的基于异常步态识别的康复评估方法，其特征
8.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述步态特征采用步态平衡监测仪，其采样频率16帧/s, 图像800*600，最小判断步态周期为10。
9.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，进行所述目标患者的疾病类型以及疾病康复评估结果的输出采用基于步态平衡分析仪，信息输入为4通道，内置处理子系统的数量为10，所述目标患者的疾病类型以及疾病康复评估结果通过打印综合分析报告的方式进行输出。
10.一种基于异常步态识别的康复评估设备，采用权利要求1-9任一项所述的一种基于异常步态识别的康复评估方法，其特征在于，具体包括：
...【技术特征摘要】
1.一种基于异常步态识别的康复评估方法，其特征在于，具体包括：
2.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述年龄区间根据预设年龄间距进行等间隔划分，其中所述预设年龄间距根据所述患者的数量进行确定，其中所述患者的数量越多，则所述预设年龄间隔越小。
3.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述疾病类型包括但不限于抑郁症、阿尔兹海默病、帕金森病。
4.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述患病严重程度根据所述患者的疾病类型的不同的疾病关联指标的指标数据进行确定，具体的所述患病严重程度基于百分比进行划分。
5.如权利要求1所述的基于异常步态识别的康复评估方法，其特征在于，所述疾病关联系数的确定的方法为：
6.如权利要求5所述的基于异常步态识别的康复评估方法，其特征在于，所述疾病关联系数的...
【专利技术属性】
技术研发人员：崔文波，张利娜，石见，贠勇，郭艳，王姣艳，周志丹，赵长伟，龚伟莹，李敏，张军辉，王旭东，王江龙，齐丛林，
申请(专利权)人：新乡市华西卫材有限公司，
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。