【技术实现步骤摘要】
本申请涉及医学领域，尤其涉及一种疾病预测模型的构建及应用方法、模型、设备、介质。
技术介绍
1、随着医学影像技术和生物特征识别技术的发展，步态分析作为一种非接触式的生物特征识别方法，在临床医学领域得到了广泛的应用。通过对患者的步态进行分析，医生可以诊断某些神经系统疾病、肌肉骨骼疾病以及其他影响行走模式的健康问题。
2、目前，相关研究者利用步态视频训练了许多疾病预测模型，旨在通过训练好的疾病预测模型进行步态分析以辅助医生进行疾病诊断，即利用疾病预测模型基于患者的步态视频得到患者的疾病预测结果，将该疾病预测结果辅助医生进行更加准确的医疗诊断。然而，现有疾病预测模型在进行疾病预测时存在以下问题：现有的疾病预测模型对步态视频中患者的关节点信息进行处理时，一般会遇到关节点识别错误的问题，比如将左腿的关节点特征误认为是右腿的关节点特征，提取到错误的关节点信息导致特征不稳定，从而导致训练得到的疾病预测模型的性能不好，影响疾病预测的准确性和可靠性；此外，在包含多名患者的一个步态视频中，现有的疾病预测模型往往难以准确地区分并提取每个人的关节点坐标信息，无法明确标识哪个关节点属于特定的患者，这进一步加剧了模型预测疾病的复杂性和不确定性。因此这些问题不仅限制了模型在实际应用中的效果，还阻碍了步态分析技术在医学领域的广泛应用。
3、综上所述，现有的疾病预测模型性能不好(即在对步态视频中患者的关节点信息进行提取时，容易得到错误的关节点信息)，导致最终得到的疾病预测结果不准确。因此，目前亟需一种能准确从步态视频中提取目标患者关节点信
技术实现思路
1、本申请提供一种疾病预测模型的构建及应用方法、模型、设备、介质，以解决现有的疾病预测模型性能不好，导致最终得到的疾病预测结果不准确的问题。
2、本申请的第一方面提供了一种疾病预测模型的构建方法，该疾病预测模型用于基于患者的步态视频进行疾病预测，该方法包括：
3、获取步态视频集，其中，步态视频集中包括多个步态视频，每个步态视频中包括多帧步态图像，每帧步态图像中包括一个或多个患者，每个患者的身体结构包含多个关节点；
4、构建初始疾病预测模型，其中，初始疾病预测模型包括：
5、第一特征提取模块，用于将每个步态视频作为目标步态视频，以及将目标步态视频中一个患者作为目标患者，对目标步态视频的每帧步态图像中目标患者的每个关节点进行第一特征提取操作，以得到目标步态视频的每帧步态图像中目标患者每个关节点的第一坐标特征；
6、第二特征提取模块，用于对目标步态视频的每帧步态图像中各个患者的每个关节点进行第二特征提取操作，以得到目标步态视频的每帧步态图像中每个患者各个关节点的第二坐标特征；
7、目标特征生成模块，用于基于目标步态视频的每帧步态图像中目标患者每个关节点的第一坐标特征、目标步态视频的每帧步态图像中每个患者各个关节点的第二坐标特征，得到目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征；
8、疾病预测模块，用于基于目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征，得到目标步态视频中目标患者对应的疾病预测结果；
9、其中，目标特征生成模块与第一特征提取模块、第二特征提取模块、疾病预测模块分别通信连接；
10、利用步态视频集对初始疾病预测模型进行多次迭代训练至收敛。
11、在本申请的一些实施例中，第一特征提取模块被配置为：
12、利用自上而下的人体姿态估计方法对目标步态视频的每帧步态图像中目标患者的每个关节点进行第一特征提取操作，以得到目标步态视频的每帧步态图像中目标患者每个关节点的第一坐标特征。
13、在本申请的一些实施例中，第二特征提取模块被配置为：
14、利用自下而上的人体姿态估计方法对目标步态视频的每帧步态图像中每个患者的各个关节点进行第二特征提取操作，以得到目标步态视频的每帧步态图像中每个患者各个关节点的第二坐标特征。
15、在本申请的一些实施例中，每帧步态图像中包括一个患者时，目标特征生成模块被配置为采用如下方式得到目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征：
16、将目标步态视频的每帧步态图像中目标患者每个关节点的第一坐标特征与该帧步态图像中目标患者对应关节点的第二坐标特征进行融合处理，以得到目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征。
17、在本申请的一些实施例中，每帧步态图像中包括多个患者时，目标特征生成模块被配置为采用如下方式得到目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征：
18、将目标步态视频的每帧步态图像中目标患者每个关节点的第一坐标特征分别与该帧步态图像中各个患者对应关节点的第二坐标特征进行均方误差计算，以得到多个均方误差值，并将多个均方误差值中最小的均方误差值对应的患者的每个关节点的第二坐标特征作为目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征。
19、在本申请的一些实施例中，采用如下方式得到多个均方误差值：
20、
21、其中，m为每帧步态图像中患者的数量，n为患者关节点的数量，msej表示第j个均方误差，ai表示目标步态视频的每帧步态图像中目标患者第i个关节点的第一坐标特征，表示目标步态视频的每帧步态图像中第j个患者的第i个关节点的第二坐标特征。
22、本申请的第二方面提供了一种疾病预测模型，该疾病预测模型用于基于患者的步态视频进行疾病预测，其中，步态视频中包括多帧步态图像，每帧步态图像中包括一个或多个患者，每个患者的身体结构包含多个关节点，该模型包括：
23、第一特征提取模块，用于将步态视频中一个患者作为目标患者，对步态视频的每帧步态图像中目标患者的每个关节点进行第一特征提取操作，以得到步态视频的每帧步态图像中目标患者每个关节点的第一坐标特征；
24、第二特征提取模块，用于对步态视频的每帧步态图像中各个患者的每个关节点进行第二特征提取操作，以得到步态视频的每帧步态图像中每个患者各个关节点的第二坐标特征；
25、目标特征生成模块，用于基于步态视频的每帧步态图像中目标患者每个关节点的第一坐标特征、步态视频的每帧步态图像中每个患者各个关节点的第二坐标特征，得到步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征；
26、疾病预测模块，用于基于步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征，得到步态视频的目标患者对应的疾病预测结果；
27、其中，目标特征生成模块与第一特征提取模块、第二特征提取模块、疾病预测模块分别通信连接。
28、本申请的第三方面提供一种疾病预测模型的应用方法，该方法包括：
29、获取患者的步态视频；
30、利用上述实施例中的疾病预测模型基于患者的步态本文档来自技高网...
【技术保护点】
1.一种疾病预测模型的构建方法，所述疾病预测模型用于基于患者的步态视频进行疾病预测，其特征在于，所述方法包括：
2.根据权利要求1所述疾病预测模型的构建方法，其特征在于，所述第一特征提取模块被配置为：
3.根据权利要求1所述疾病预测模型的构建方法，其特征在于，所述第二特征提取模块被配置为：
4.根据权利要求1所述疾病预测模型的构建方法，其特征在于，每帧步态图像中包括一个患者时，所述目标特征生成模块被配置为采用如下方式得到所述目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征：
5.根据权利要求1所述疾病预测模型的构建方法，其特征在于，每帧步态图像中包括多个患者时，所述目标特征生成模块被配置为采用如下方式得到所述目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征：
6.根据权利要求5所述的方法，其特征在于，采用如下方式得到多个均方误差值：
7.一种利用如权利要求1-6任一所述疾病预测模型的构建方法构建的疾病预测模型，所述疾病预测模型用于基于患者的步态视频进行疾病预测，其中，所述步态视频中包括
8.一种疾病预测模型的应用方法，其特征在于，所述方法包括：
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6、8任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1-6、8任一项所述方法。
...【技术特征摘要】
1.一种疾病预测模型的构建方法，所述疾病预测模型用于基于患者的步态视频进行疾病预测，其特征在于，所述方法包括：
2.根据权利要求1所述疾病预测模型的构建方法，其特征在于，所述第一特征提取模块被配置为：
3.根据权利要求1所述疾病预测模型的构建方法，其特征在于，所述第二特征提取模块被配置为：
4.根据权利要求1所述疾病预测模型的构建方法，其特征在于，每帧步态图像中包括一个患者时，所述目标特征生成模块被配置为采用如下方式得到所述目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征：
5.根据权利要求1所述疾病预测模型的构建方法，其特征在于，每帧步态图像中包括多个患者时，所述目标特征生成模块被配置为采用如下方式得到所述目标步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征：
6....
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。