[发明专利]乳腺癌术后智能康复训练方法、装置、设备及存储介质

权利要求书

1.一种乳腺癌术后智能康复训练方法，其特征在于，包括：

获取患者进行术后康复训练时的整体图片以及面部表情图片；

将所述整体图片输入第一神经网络模型，得到患者手臂和躯干的夹角；

将所述面部表情图片输入第二神经网络模型，得到患者疼痛等级；

当所述夹角大于预设夹角阈值或所述疼痛等级大于预设疼痛等级阈值时，发出报警信息。

2.根据权利要求1所述的方法，其特征在于，获取患者进行术后康复训练时的整体图片以及面部表情图片之后，还包括：

对所述整体图片以及面部表情图片进行预处理。

3.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型为多阶段卷积神经网络模型，其中，每个阶段由多个卷积池化单元组成，所述卷积池化单元由卷积层、池化层以及激活函数组成。

4.根据权利要求3所述的方法，其特征在于，将所述整体图片输入第一神经网络模型，得到患者手臂和躯干的夹角，包括：

将所述整体图片输入所述第一神经网络模型的第一阶段，获得输出的特征图和热力图；

连接所述特征图和热力图，并作为下一阶段的输入，重复执行该步骤，直到获得最后一个阶段输出的热力图；

根据最后一个阶段输出的热力图，得到患者手臂和躯干关键点的坐标；

根据所述手臂和躯干关键点的坐标计算得到患者手臂和躯干的夹角。

5.根据权利要求1所述的方法，其特征在于，所述第二神经网络模型由顺序连接的卷积池化层、BatchNorm层、Flatten层以及全连接层组成。

6.根据权利要求5所述的方法，其特征在于，将所述面部表情图片输入第二神经网络模型，得到患者疼痛等级，包括：

将所述面部表情图片输入所述第二神经网络模型中的卷积池化层，得到多个尺度的特征图；

将所述多个尺度的特征图依次输入BatchNorm层以及Flatten层，得到压缩后的一维向量；

将所述一维向量输入全连接层，得到预测出来的患者疼痛等级。

7.根据权利要求1所述的方法，其特征在于，将所述面部表情图片输入第二神经网络模型，得到患者疼痛等级之后，还包括：

实时显示患者手臂和躯干的夹角信息以及预测出来的疼痛等级信息。

8.一种乳腺癌术后智能康复训练装置，其特征在于，包括：

获取模块，用于获取患者进行术后康复训练时的整体图片以及面部表情图片；

第一检测模块，用于将所述整体图片输入第一神经网络模型，得到患者手臂和躯干的夹角；

第二检测模块，用于将所述面部表情图片输入第二神经网络模型，得到患者疼痛等级；

报警模块，用于当所述夹角大于预设夹角阈值或所述疼痛等级大于预设疼痛等级阈值时，发出报警信息。

9.一种乳腺癌术后智能康复训练设备，其特征在于，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至7任一项所述的乳腺癌术后智能康复训练方法。

10.一种计算机可读介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至7任一项所述的一种乳腺癌术后智能康复训练方法。