[发明专利]一种基于大数据分析的镜像神经元康复训练的方法及系统

权利要求书

1.一种基于大数据分析的镜像神经元康复训练的方法，其特征在于，所述方法包括：

步骤1，对患者特征进行提取，对提取的患者特征进行归集，通过分类模型对提取的基本信息进行分类，再对患者采集的图形信息构建卷积神经网络模型用于基于病人的图像症状特征进行分类，其中，将待分类特征向量输入图像分类模型，基于所述图像分类模型的目标函数计算所述待分类特征向量的稀疏表示向量，且根据所述稀疏表示向量确定待分类图像的类别，其中，所述患者特征包括患者的基本信息及图像信息；

步骤2，对患者的基本信息和图像信息进行数值化处理然后根据病症的相关性对信息分配权值，根据步骤1中的患者的基本信息和图像信息分别计算患者所在分类的相似度，再基于分类的患者群体的加权之和进行排序得到第一序列；

步骤3，对所述排序得到的第一序列，接收患者输入的可接受序列邻域范围，将所述第一序列中的患者所在序列位置的相邻范围内的其他患者的康复训练方法推荐给当前患者；

所述步骤3进一步包括：对其他患者的康复训练参数进行数学取中值，得到反映患者输入范围内的康复训练方法的平均参数设定值，基于该参数设定值生成镜像神经元康复训练的参考模板；

所述得到反映患者输入范围内的康复训练方法的平均参数设定值，基于该参数设定值生成镜像神经元康复训练的参考模板进一步包括：构建多刺激源的训练建议模型，其中所述多刺激源的 训练建议模型分别包括多种算法，所述算法经训练以将分类分配至所述处理后的复健参数数据的任一个参数和方法步骤，最后输出相邻患者的康复训练的建议；

所述卷积神经网络模型包括输入层、第一层卷积层，第二层池化层，第三层卷积层，第四层池化层，第五层卷积层，第六层全连接层和输出层的六层结构。

2.如权利要求1所述的一种基于大数据分析的镜像神经元康复训练的方法，其特征在于，将所述参考模板推荐给所述第一序列中全部相邻患者。

3.如权利要求1所述的一种基于大数据分析的镜像神经元康复训练的方法，其特征在于，对于神经网络的训练包括：设计康复训练任务以便于指导患者执行任务要求的内容；再对患者完成任务的情况进行评估打分，并将评估结果好于预设分值的反馈至神经网络模型作为训练集。

4.一种系统，其特征在于，所述系统包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一所述的方法。