[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

说明书

本发明公开了一种乳腺癌术后智能康复训练方法、装置、设备及存储介质，所述方法包括：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。根据本公开实施例提供的乳腺癌术后智能康复训练方法，可以智能分析患者在做康复训练时的手臂抬起高度以及疼痛程度，智能地辅助患者术后康复训练，降低了患者完成康复训练对于医生或其他专业人士的依赖程度。

技术领域

本发明涉及康复训练技术领域，特别涉及一种乳腺癌术后智能康复训练方法、装置、设备及存储介质。

背景技术

目前治疗乳腺癌的方法是通过切除患侧的乳腺、胸大肌以及周边组织，手术范围较大，在伤口恢复期需要进行患侧肢体功能训练，否则将引起患侧上肢功能障碍，影响正常的生活和工作。

目前患者出院后，需要重复住院期间的一些上肢功能训练，尤其是手指爬墙训练，传统方法是医生对患者进行手把手训练，或者病人按照康复工装进行简单训练，这些康复训练场地大、效率低，而且患者不能系统进行训练、医生对患者训练效果不能实时获得。

发明内容

本公开实施例提供了一种乳腺癌术后智能康复训练方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本公开实施例提供了一种乳腺癌术后智能康复训练方法，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；

当夹角大于预设夹角阈值或疼痛等级大于预设疼痛等级阈值时，发出报警信息。

在一个实施例中，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：

对整体图片以及面部表情图片进行预处理。

在一个实施例中，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，卷积池化单元由卷积层、池化层以及激活函数组成。

在一个实施例中，将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：

将整体图片输入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。

在一个实施例中，第二神经网络模型由顺序连接的卷积池化层、Batch Norm层、Flatten层以及全连接层组成。

在一个实施例中，将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：

将面部表情图片输入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；

将多个尺度的特征图依次输入Batch Norm层以及Flatten层，得到压缩后的一维向量；

将一维向量输入全连接层，得到预测出来的患者疼痛等级。