【技术实现步骤摘要】
本专利技术涉及护理领域，尤其涉及一种盆底肌康复训练的监测方法及相关设备。
技术介绍
1、盆底肌肉在提供盆腔器官支持和维持尿失禁和大便控制方面发挥着重要作用。当患者因产后、术后造成盆底肌损伤，可导致患者尿失禁、性生活障碍等，严重影响患者生活质量。
2、目前临床上主要通过规范化的进行凯格尔运动或生物电刺激等使盆底肌恢复原有的张力和协调性，从而达到改善尿失禁、性生活障碍。凯格尔运动需要患者在医护人员指导下感知盆底肌并进行肌肉收缩，无法及时得到反馈，而生物电刺激一般借助于较大的仪器设备来实现，患者需要反复往返医院及家庭，耗时耗力。
技术实现思路
1、本专利技术实施例提供了一种盆底肌康复训练的监测方法及相关设备，通过提前训练一个识别模型来对用户在执行动作分解集合中每个动作的标准性进行识别，可以及时的对用户执行动作是否标准进行反馈，提升盆底肌的恢复效果。
2、本专利技术第一方面提供了一种盆底肌康复训练的监测方法，包括：
3、对目标运动进行动作分解，以得到动作分解集合，所述目标运动与所述盆底肌康复训练具有关联关系；
4、通过目标用户在预设身体部位的贴片获取所述目标用户在执行所述动作分解集合中每个动作的第一运动数据；
5、将所述每个动作的第一运动数据逐一输入至识别模型，以得到所述每个动作与对应的标准动作之间的识别相似度，所述识别模型为预先通过神经网络对训练样本进行训练得到的，所述训练样本包括实验者集合中每个实验者执行所述动作分解集合中每个
6、根据所述识别相似度生成对应的提示信息。
7、本专利技术第二方面提供了一种盆底肌康复训练的监测装置，包括：
8、分解模块，用于对目标运动进行动作分解，以得到动作分解集合，所述目标运动与所述盆底肌康复训练具有关联关系；
9、获取模块，用于通过目标用户在预设身体部位的贴片获取所述目标用户在执行所述动作分解集合中每个动作的第一运动数据；
10、识别模块，用于将所述每个动作的第一运动数据逐一输入至识别模型，以得到所述每个动作与对应的标准动作之间的识别相似度，所述识别模型为预先通过神经网络对训练样本进行训练得到的，所述训练样本包括实验者集合中每个实验者执行所述动作分解集合中每个动作的运动数据；
11、提示模块，用于根据所述识别相似度生成对应的提示信息。
12、一种可能的设计中，所述识别模块还用于：
13、根据所述实验者集合中每个实验者的属性信息进行聚类，得到多个类别中每个类别所对应的目标实验者集合；
14、采集所述目标实验者集合中每个实验者在执行所述动作分解集合中每个动作的第二运动数据，所述第二运动数据包括动作周期、动作速度、动作起始位置、动作终止位置以及动作所对应的肌肉收缩范围；
15、对所述第二运动数据进行预处理，以得到所述多个类别中每个类别所对应的训练样本集合；
16、构建初始识别模型，并基于所述多个类别中每个类别所对应的训练样本集合对所述初始识别模型进行迭代训练，直至达到预置的迭代终止条件，得到所述多个类别中每个类别所对应的识别模型。
17、一种可能的设计中，所述识别模块具体用于：
18、确定所述目标用户在所述目标实验者集合中所属的实验者类别；
19、从所述多个类别中选择与所述实验者类别对应的目标识别模型；
20、将所述每个动作的第一运动数据逐一输入至所述目标识别模型，以得到所述每个动作与对应的标准动作之间的识别相似度。
21、一种可能的设计中，所述初始别模型包括卷积层、池化层、全连接层以及softmax函数，其中，所述卷积层为lstm层，包含128个神经元，所述全连接层包括32个神经元的第一全连接层以及16个神经元的第二全连接层。
22、一种可能的设计中，所述识别模块还用于：
23、判断迭代次数是否达到预设阈值，若是，则确定达到所述预置的迭代终止条件；
24、或，
25、判断所述初始识别模型的损失函数是否收敛，若是，则确定达到所述预置的迭代终止条件。
26、一种可能的设计中，所述识别模块还用于：
27、确定所述第一运动数据所对应的实际相似度；
28、根据所述实际相似度与所述识别相似度对所述识别模型进行更新。
29、本专利技术第三方面提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如上述第一方面所述的盆底肌康复训练的监测方法的步骤。
30、本专利技术第四方面提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如上述第一方面所述的盆底肌康复训练的监测方法的步骤。
31、综上所述，可以看出，本专利技术提供的实施例中，通过对目标运动进行动作分解，以得到动作分解集合，并通过目标用户在预设身体部位的贴片获取目标用户在执行动作分解集合中每个动作的第一运动数据；将每个动作的第一运动数据逐一输入至识别模型，以得到每个动作与对应的标准动作之间的识别相似度，识别模型为预先通过神经网络对训练样本进行训练得到的，训练样本包括实验者集合中每个实验者执行动作分解集合中每个动作的运动数据；根据识别相似度生成对应的提示信息。由此，通过提前训练一个识别模型来对用户在执行动作分解集合中每个动作的标准性进行识别，可以及时的对用户执行动作是否标准进行反馈，提升盆底肌的恢复效果。
本文档来自技高网...【技术保护点】
1.一种盆底肌康复训练的监测方法，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，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述每个动作的第一运动数据逐一输入至识别模型，以得到所述每个动作与对应的标准动作之间的识别相似度包括：
4.根据权利要求2所述的方法，其特征在于，所述初始别模型包括卷积层、池化层、全连接层以及softmax函数，其中，所述卷积层为LSTM层，包含128个神经元，所述全连接层包括32个神经元的第一全连接层以及16个神经元的第二全连接层。
5.根据权利要求2至4中任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：
7.一种盆底肌康复训练的监测装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述识别模块还用于：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机管理类程序，其特征在于：所述计算机管理类
...【技术特征摘要】
1.一种盆底肌康复训练的监测方法，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，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述每个动作的第一运动数据逐一输入至识别模型，以得到所述每个动作与对应的标准动作之间的识别相似度包括：
4.根据权利要求2所述的方法，其特征在于，所述初始别模型包括卷积层、池化层、全连接层以及softmax函数，其中，所述卷积层为lstm层，包含128个神经元，所述全连接层包括32个神经元的第一全连接层以及16个神经元的第二全连接层。
【专利技术属性】
技术研发人员：刘小红，刘博，彭慧，张琳丽，
申请(专利权)人：华中科技大学同济医学院附属同济医院，
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。