[发明专利]一种AI肢体功能康复预干涉的行为采集系统及方法

说明书

本发明提出一种AI肢体功能康复预干涉的行为采集系统，包括智能组合传感器、可穿戴设备以及AI引擎；可穿戴设备包括多个运动传感器和微型边缘计算芯片；智能组合传感器采集肢体运动参数发送至微型边缘计算芯片进行边缘计算处理得出边缘计算结果；当边缘计算结果满足第一预设条件时发送反馈信号给所述AI引擎，AI引擎直接获取所述多个运动传感器的多个实时肢体运动参数；AI引擎基于AI模型对所述多个实时肢体运动参数进行分析得出第一分析结果；当第一分析结果满足第二预设条件时，AI引擎设定智能组合传感器的工作参数，并采用所述智能组合传感器对所述目标康复患者执行智能检测。本发明还公开了对应的行为采集方法。

技术领域

本发明属于脑卒中康复技术领域，尤其涉及一种AI肢体功能康复预干涉的行为采集系统、方法以及实现该方法的计算机程序指令。

背景技术

脑卒中发作后常会伴随着患者的运动、 语言和感知等方面的障碍。脑卒中患者的康复治疗是降低脑卒中致残率的最有效方法并能减少运动障碍对患者正常生活的影响。临床中为使康复治疗人员有效评估患者运动功能的状态并进而合理地制定患者的康复治疗计划， 就必须对患者进行系统的康复治疗监测。

此外，随着医学水平的提高，脑卒中死亡率明显下降，但其致残率仍高企，大部分患者基本康复后，都留有严重后遗症，偏瘫则是其中最为常见的表现之一，严重影响了人们的生活水平及质量。对于脑卒中导致的偏瘫，康复治疗介入的时间越晚，患者患肢功能恢复的希望就越小，这就使得患者家属及社会需要花费极大的代价来治疗和护理患者，给家庭和社会带来了巨大的经济及精神压力。因此，寻求快速而有效地康复治疗手段防止脑卒中复发，改善病人的各种功能和预后，提高病人的生活质量是目前人们关注的重点问题。

申请号为CN201910677478.0的中国发明专利申请提出一种基于眼部特征的脑卒中人工智能筛查方法，其具体步骤是：（1）标注及预处理已收集的眼底彩照；（2）构建及优化深度卷积神经网络模型；（3）获取待识别患者眼底图像，利用深度卷积神经人工智能模型对眼底特征进行识别，获得有无脑卒中的眼底图像分类结果；该方法能高效、便捷、无创地进行脑卒中高危人群筛查。

申请号为CN201910816430.3的中国发明专利申请提出基于特征选择的人工智能医疗诊断系统，包括人体状态感知系统模块、机器学习系统模块、诊断推理系统模块、历史数据库和结果输出模块；人体状态感知系统模块用于采集反映人体状态的数据，并将其发送至机器学习系统模块；机器学习系统模块用于对采集到的数据进行处理后，基于特征选择算法选择出部分数据特征并将其按重要性由大到小的顺序输出后，发送至诊断推理系统模块；诊断推理系统模块用于特征筛选和特征匹配，查找其对应的诊断结果，并发送至结果输出模块；历史数据库用于储存不同的数据特征及其对应的诊断结果；结果输出模块用于显示诊断结果。该人工智能医疗诊断系统，能够帮助医生快速判断病情，减少人为诊断误差。

上述现有技术都是针对个体进行诊断，并且只考虑了单一因素；此外，针对脑卒中患者尤其是术后肢体恢复患者，如何进行行为采集，在恢复锻炼中及时预介入，现有技术并未给出有效的技术方案。

发明内容

为解决上述技术问题，本发明的技术方案在硬件上包括智能组合传感器、可穿戴设备以及AI引擎；可穿戴设备包括多个运动传感器和微型边缘计算芯片；智能组合传感器采集肢体运动参数发送至微型边缘计算芯片进行边缘计算处理得出边缘计算结果；当边缘计算结果满足第一预设条件时发送反馈信号给所述AI引擎，AI引擎直接获取所述多个运动传感器的多个实时肢体运动参数；AI引擎基于AI模型对所述多个实时肢体运动参数进行分析得出第一分析结果；当第一分析结果满足第二预设条件时，AI引擎设定智能组合传感器的工作参数，并采用所述智能组合传感器对所述目标康复患者执行智能检测。本发明还公开了对应的行为采集方法。

在具体实现上，本发明的技术方案包含三个方面的方案。

在第一个方面，本发明提出一种AI肢体功能康复预干涉的行为采集系统，所述系统包括智能组合传感器和可穿戴设备。