System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于医疗,尤其涉及一种人工智能辅助的帕金森病患者锻炼依从性改善系统。
技术介绍
1、帕金森病又称特发性帕金森病(idiopathic parkinson’s disease,pd),简称parkinson病,也称为震颤麻痹(paralysis agitans,shaking palsy),是中老年人常见的神经系统变性疾病,也是中老年人最常见的锥体外系疾病。65岁以上人群患病率为1000/10万,随年龄增高,男性稍多于女性。该病的主要临床特点:静止性震颤、动作迟缓及减少、肌张力增高、姿势不稳等为主要特征。症状体征1.一般资料帕金森病多见于中老年,呈隐袭性发病,50岁以上的患者占总患病人数的90%以上,慢性进展性病程,5~8年后约半数患者需要帮助。震颤、强直、运动不能(或运动减少)与姿势和平衡障碍为其主要表现。2.首发症状存在着个体差异,以多动为主要表现者易于早期诊断。通常认为,从发病至诊断时间平均2.5年。然而,现有帕金森病患者锻炼过程,不能及时对帕金森病患者异常步态的提醒;影响锻炼效果;同时,不能准确评估帕金森病患者锻炼康复后的健康程度。
2、通过上述分析,现有技术存在的问题及缺陷为:
3、(1)现有帕金森病患者锻炼过程,不能及时对帕金森病患者异常步态的提醒;影响锻炼效果;
4、(2)不能准确评估帕金森病患者锻炼康复后的健康程度。
技术实现思路
1、针对现有技术存在的问题,本专利技术提供了一种人工智能辅助的帕金森病患者锻炼依从性改善系统
2、本专利技术是这样实现的,一种人工智能辅助的帕金森病患者锻炼依从性改善系统包括:
3、个人信息采集模块、病症信息采集模块、锻炼数据采集模块、中央控制模块、数据分析模块、异常提醒模块、健康评估模块、锻炼制定模块、显示模块;
4、个人信息采集模块,与中央控制模块连接,使用自然语言处理技术来解读患者的语音输入,用于采集帕金森病患者信息;
5、病症信息采集模块,与中央控制模块连接,用于采集帕金森病患者症状信息,采用机器学习算法分析患者的运动模式,监测症状变化;
6、锻炼数据采集模块,与中央控制模块连接,用于采集帕金森病患者锻炼数据;
7、中央控制模块,与个人信息采集模块、病症信息采集模块、锻炼数据采集模块、数据分析模块、异常提醒模块、健康评估模块、锻炼制定模块、显示模块连接,用于控制各个模块正常工作;
8、数据分析模块,与中央控制模块连接,用于通过分析程序对采集的数据进行分析;
9、异常提醒模块,与中央控制模块连接,用于对帕金森病患者异常步态进行提醒,利用实时反馈系统提醒患者及时调整活动或寻求医疗帮助;
10、健康评估模块,与中央控制模块连接,用于对帕金森病患者锻炼康复后健康进行评估;
11、锻炼制定模块,与中央控制模块连接,用于根据分析结果制定帕金森病患者锻炼计划;
12、显示模块,与中央控制模块连接,用于通过显示器显示个人信息、病症信息、锻炼数据、分析结果、提醒信息、评估结果、制定计划,同时采用增强现实技术为患者提供更直观的锻炼指导和反馈。
13、进一步,所述病症信息采集模块包括:
14、通过传感器收集患者日常活动中的运动数据,传感器集成在医疗监测设备中;从原始运动数据中提取有意义的特征,包括步行速度、步态周期、摆动幅度;
15、在特征提取之后,对数据进行预处理,包括去噪、标准化、归一化;使用神经网络算法在提取的特征上训练模型,使用已标记的训练数据学习识别帕金森病特有的运动模式和异常;
16、训练好的模型用于识别和分类新的运动数据,区分正常和异常的运动模式,识别帕金森病患者特有的步态异常;
17、系统实时监测患者的运动状态,并根据模型的分析结果提供反馈。
18、进一步,所述数据分析模块包括:
19、数据统计模块,用于统计帕金森病患者信息、病症、锻炼数据;
20、相关性分析模块,用于对帕金森病患者数据进行相关性分析;
21、病症风险分析模块,用于对帕金森病患者病情风险进行分析。
22、进一步,所述锻炼制定模块包括:
23、步态训练模块,用于纠正步态,进行步行、走路等功能锻炼;
24、手部锻炼模块,用于通过手部抓握、放松练习,以及进行一些手工艺活动来改善手部功能;
25、平衡训练模块,用于通过坐位和立位训练,调整重心高低、睁眼闭眼和支撑面大小来调整训练难度。
26、进一步,所述异常提醒模块提醒方法如下:
27、(1)若帕金森病患者处于行走状态,获取步态信息;
28、其中,所述步态信息包括步态模式和/或步态时间间隔,步态模式表示脚底前部和脚底后部是否着地以及着地顺序,步态时间间隔表示脚底前部和脚底后部着地的时间间隔;
29、(2)根据所述步态模式和/或步态时间间隔,确定步态是否为异常步态;若为异常步态,则进行提醒。
30、进一步,所述若帕金森病患者处于行走状态,获取步态信息,包括:
31、通过第一传感器和第二传感器,获取一个行走周期内脚底前部着地时间和/或脚底后部着地时间;
32、根据一个行走周期内脚底前部着地时间和/或脚底后部着地时间,获取所述步态信息;
33、其中,所述第一传感器和第二传感器位于同一只脚上,所述第一传感器位于前脚掌或趾部,第二传感器位于脚底后部。
34、进一步,所述根据所述步态时间间隔,确定步态是否为异常步态,包括:
35、根据所述步态时间间隔和异常步态时间阈值的关系,确定步态是否为异常步态。
36、进一步,所述根据所述步态模式,确定步态是否为异常步态,包括:
37、根据所述步态模式与预设异常步态的关系,确定步态是否为异常步态;
38、根据所述步态模式和步态时间间隔,确定步态是否为异常步态,包括:
39、若根据所述步态模式与预设异常步态的关系,确定与步态信息对应的步态不是异常步态,则根据所述步态时间间隔和异常步态时间阈值的关系,确定与步态信息对应的步态是否为异常步态。
40、进一步,所述步态信息还包括一个行走周期内脚底前部的第一压力曲线和一个行走周期内脚底后部的第二压力曲线,所述方法还包括:
41、若第一压力曲线与脚底前部压力参考曲线不匹配和/或第二压力曲线与脚底后部压力参考曲线不匹配,则确定与步态信息对应的步态为异常步态。
42、进一步,所述健康评估模块评估方法如下:
43、1)获取帕金森病患者信息,所述帕金森病患者信息包括与健康有关的多个特征信息,以及与健康无关的多个特征信息;对所述帕金森病患者信息进行预处理得到样本数据集;将所述样本数据集划分为训练集和测试集;
44、2)根据所述训练集中的数据和预设的算法构建健康模型本文档来自技高网...
【技术保护点】
1.一种人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,包括:
2.如权利要求1所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述病症信息采集模块包括:
3.如权利要求1所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述数据分析模块包括:
4.如权利要求1所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述异常提醒模块提醒方法如下:
5.如权利要求4所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述若帕金森病患者处于行走状态,获取步态信息,包括:
6.如权利要求4所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述根据所述步态时间间隔,确定步态是否为异常步态,包括:
7.如权利要求4所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述根据所述步态模式,确定步态是否为异常步态,包括:
8.如权利要求4所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述步态信息还包括一个行走周期内脚底前部
9.如权利要求1所述的健康监测系统和健康监测方法,其特征在于,所述健康评估模块评估方法如下:
10.一种实施如权利要求1-9任意一项所述人工智能辅助的帕金森病患者锻炼依从性改善系统的人工智能辅助的帕金森病患者锻炼依从性改善方法,其特征在于,所述人工智能辅助的帕金森病患者锻炼依从性改善方法包括:
...【技术特征摘要】
1.一种人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,包括:
2.如权利要求1所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述病症信息采集模块包括:
3.如权利要求1所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述数据分析模块包括:
4.如权利要求1所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述异常提醒模块提醒方法如下:
5.如权利要求4所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述若帕金森病患者处于行走状态,获取步态信息,包括:
6.如权利要求4所述人工智能辅助的帕金森病患者锻炼依从性改善系统,其特征在于,所述根据所述步态时间间隔,确定...
【专利技术属性】
技术研发人员:杜艳玲,金艳标,彭阿丽,张琳苑,吾超,
申请(专利权)人:中国人民解放军空军军医大学,
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。