【技术实现步骤摘要】
本专利技术涉及推拿辅助教学，更具体地说，本专利技术涉及一种基于人工智能的小儿推拿教学辅助系统。
技术介绍
1、随着中医推拿在小儿保健和疾病预防中的应用逐渐普及，对推拿手法的精准控制和操作稳定性的要求日益提高。传统的小儿推拿教学主要依赖经验传授和师徒示范，缺乏对手法过程中细微动态变化的客观量化手段。近年来，传感器技术与人工智能算法在运动分析领域取得显著进展，为实现实时数据采集、信号处理及异常状态检测提供了新的可能性。
2、在现有技术中，存在多传感器数据采集时序不同步、信号噪声较大以及个体间生理差异明显等问题，这使得推拿过程中手部微颤数据的精确捕捉和处理面临严峻挑战。具体而言，如何通过先进的信号处理技术有效分离主运动与微颤信号，以及如何基于标准推拿数据建立正常微颤基线并利用自适应在线学习动态调整异常评分阈值，均为亟待解决的关键技术问题。这些问题的解决将直接影响微颤特征向量的准确构建和异常检测的鲁棒性，进而决定系统在辅助小儿推拿教学中的实际应用效果和推广价值。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供一种基于人工智能的小儿推拿教学辅助系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于人工智能的小儿推拿教学辅助系统，包括：
3、通过传感器获取推拿过程中的手部运动数据，包括推拿过程的手部微颤数据；解析手部微颤数据，生成包括微颤振幅特征、频率特征及微颤特征的特征向量；
4、通过对标
5、基于机器学习模型对特征向量进行分析，输出异常评分，通过异常评分判断是否属于异常微颤类型；当异常评分超过异常评分阈值，则判定为异常微颤类型；
6、若微颤属于异常微颤类型，提示学员调整手势、放松肌肉、优化施力角度；否则不采取措施。
7、优选的，基于卡尔曼滤波技术，去除手部运动数据中大幅度运动的干扰，保留微颤信号，对去除主运动信号的微颤信号进行频域分析，应用快速傅里叶变换或小波变换时频分析方法，对微颤信号进行分频处理，捕捉特定频段内的微颤成分，输出微抖动特征；基于微抖动特征构建特征向量，所述特征向量包含微颤的能量密度分布、主运动方向偏离度、时间序列相关性参数。
8、优选的，获取待处理的手部运动数据，进行低通/带通滤波及多维时频分析，基于实时频谱数据实施改进型自适应滤波，输出滤波信号和残差信息，利用多尺度重构技术恢复微颤时域细节并量化残差，采用滑动窗口提取多维统计特征并加权融合，与标准推拿数据比对判定异常微颤模式，在线反馈闭环优化滤波器参数。
9、优选的，包括推拿手法稳定性优化模块，将获取的特征向量输入平稳度评估模型，输出手法稳定性指数，基于手法稳定性指数自动生成实时反馈与优化建议；通过可视化界面，学员实时查看自己当前的手法稳定性指数；所述平稳度评估模型满足如下公式：
10、；
11、其中，s表示手法稳定性指数，m表示总采样时刻，j表示采样顺序编号，为时刻j微颤幅度，为标准基准幅度，≠0，表示时频能量密度，为微颤方向与主运动方向之间的夹角，a和β为非线性调节因子。
12、优选的，所述系统包括：
13、推拿方案偏差优化模块，用于实时采集推拿的力度、节奏、角度、时间、轨迹数据，并将采集的数据与预设的个性化推拿方案进行比对，输出推拿方案执行质量指数；
14、基于推拿方案执行质量指数自动生成实时反馈与优化建议；通过可视化界面，学员实时查看自己当前的推拿方案执行质量指数；根据手法稳定性指数，实时提示学员调整手势、放松肌肉、优化施力角度；
15、所述推拿方案执行质量指数的获取方式为：
16、采集并预处理各时刻的推拿关键参数和轨迹数据；提取实际推拿过程与预设方案的关键点，计算各关键点在时空上的匹配程度；将采样帧内的关键参数数据通过非传统的几何均值与指数映射方法，计算出关键参数匹配程度；基于关键点匹配程度和关键参数匹配程度，通过调和平均方法联合计算出推拿方案执行质量指数；该指数能够客观反映实际推拿动作与个性化方案之间的偏差，为后续反馈与技能改进提供量化依据。
17、优选的，所述推拿方案执行完整指数的获取方式包括：
18、分别获取推拿方案执行过程的轨迹曲线和个性化推拿方案轨迹曲线的关键点，所述关键点指的是轨迹曲线的拐点、力度和节奏的突变点；基于关键点的时空坐标计算得到关键点匹配程度；
19、分别对预设个性化推拿方案轨迹和实际执行轨迹提取关键点（包括轨迹拐点、力度及节奏突变点），预设和实际关键点序列分别记为与，其中每个关键点；分别表示横坐标、纵坐标和时间坐标；
20、设存在n个关键点，用i表示顺序编号，通过如下公式计算得到关键点匹配程度：
21、；
22、；
23、其中，di表示第i个关键点之间的欧氏距离；
24、记录每次推拿方案的推拿的力度、节奏、角度、时间、轨迹数据，将推拿方案的执行过程按照采样帧数划分为若干时刻，记录每个时刻的力度、节奏、角度、时间平均值；
25、表示第p项维度的匹配度，维度包括力度、节奏、角度、时间、轨迹数据，即；用表示第p项维度的偏差；设存在有m个采样时刻，用j表示顺序编号，力度、节奏、角度和时间的平均值，记为实际参数序列，对应的预设参数序列记为，且；
26、通过如下公式计算得到推拿关键参数匹配程度；
27、；
28、；
29、联合关键点匹配程度和推拿关键参数匹配程度，通过公式
30、；
31、计算得到推拿方案执行质量指数。
32、优选的，所述系统包括：
33、学习进度管理模块，获取每个学员在学习进度中表现，得到推拿方案执行质量指数、手法稳定性指数，对推拿方案执行质量指数、手法稳定性指数进行线性归一化处理，与任务完成效率加权求和计算得到学习进度评估系数，基于学习进度评估系数调整推拿教学内容，当学习进度评估系数高于预设目标值时，认为当前目标推拿任务执行效果良好，反馈正向激励信息并增加下一阶段目标推拿任务。
34、优选的，所述系统包括：
35、个性化推拿方案生成模块，个性化推拿方案生成模块用于获取预设的个性化推拿方案；
36、个性化推拿方案生成模块，用于获取儿童的生理数据和历史疗效数据，基于深度学习模型搭建推拿方案生成模型，并通过标准化历史数据进行训练，学习儿童生理数据与推拿疗效之间的关系；实时采集儿童信息并输入到训练好的模型中，生成个性化推拿方案；所述个性化推拿方案包括推拿的手法、力度、节奏、时间、轨迹参数。
37、本专利技术的技术效果和优点：
38、（1）本专利技术提供的小儿推拿教学辅助系统，通过精准评估学员的手部微颤信号和动作表现，系本文档来自技高网...
【技术保护点】
1.一种基于人工智能的小儿推拿教学辅助系统，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的小儿推拿教学辅助系统，其特征在于，基于卡尔曼滤波技术，去除手部运动数据中大幅度运动的干扰，保留微颤信号，对去除主运动信号的微颤信号进行频域分析，应用快速傅里叶变换或小波变换时频分析方法，对微颤信号进行分频处理，捕捉目标频段内的微颤成分，输出微抖动特征，所述目标频段设置为5Hz-10Hz；基于微抖动特征构建特征向量，所述特征向量包含微颤的能量密度分布、主运动方向偏离度、时间序列相关性参数。
3.根据权利要求1所述的一种基于人工智能的小儿推拿教学辅助系统，其特征在于，获取待处理的手部运动数据，进行低通/带通滤波及多维时频分析，基于实时频谱数据实施改进型自适应滤波，输出滤波信号和残差信息，利用多尺度重构技术恢复微颤时域细节并量化残差，采用滑动窗口提取多维统计特征并加权融合，与标准推拿数据比对判定异常微颤模式，在线反馈闭环优化滤波器参数。
4.根据权利要求1所述的一种基于人工智能的小儿推拿教学辅助系统，其特征在于，
5.根据权利要求4所
6.根据权利要求5所述的一种基于人工智能的小儿推拿教学辅助系统，其特征在于，所述推拿方案执行完整指数的获取方式包括：
7.根据权利要求5或6任一所述的一种基于人工智能的小儿推拿教学辅助系统，其特征在于，包括：
8.根据权利要求5所述的一种基于人工智能的小儿推拿教学辅助系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于人工智能的小儿推拿教学辅助系统，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的小儿推拿教学辅助系统，其特征在于，基于卡尔曼滤波技术，去除手部运动数据中大幅度运动的干扰，保留微颤信号，对去除主运动信号的微颤信号进行频域分析，应用快速傅里叶变换或小波变换时频分析方法，对微颤信号进行分频处理，捕捉目标频段内的微颤成分，输出微抖动特征，所述目标频段设置为5hz-10hz；基于微抖动特征构建特征向量，所述特征向量包含微颤的能量密度分布、主运动方向偏离度、时间序列相关性参数。
3.根据权利要求1所述的一种基于人工智能的小儿推拿教学辅助系统，其特征在于，获取待处理的手部运动数据，进行低通/带通滤波及多维时频分析，基于实时频谱数据实施改进型自适应滤波...
【专利技术属性】
技术研发人员：马颖桃，吴红瑞，郭晓乐，遇准，李韬，
申请(专利权)人：长春中医药大学附属第三临床医院，
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。