[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

说明书

本发明公开了一种基于大数据分析的镜像神经元康复训练的方法，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，根据所述稀疏表示向量确定所述待分类图像的类别；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，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。

技术领域

本发明涉及医疗康复的技术领域，尤其涉及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。

背景技术

中枢神经系统病变常常引起人体运动功能障碍，最常见的是偏侧肢体瘫痪，极大的影响患者的工作和生活，而且给家庭和社会也带来了沉重的负担。而通过镜像神经元训练具有较为积极的作用。镜像神经元(mirror neuron system，简称MNS)是指能直接在观察者大脑中映射出别人的动作、情绪、意图等的一类具有特殊映射功能的神经元，它广泛存在于多个脑区并参与动作的理解、模仿、共情、社会认知等活动。作为国内外认知神经科学研究的热点，研究人员发现镜像神经元在动作识别及其模仿上起着重要作用。作为一类特殊的神经元，镜像神经元不仅在个体执行特定动作时产生兴奋，当个体观察到其他同类执行相同或相似动作时，也可以产生类似的兴奋。

目前，虽然一些研究表明了基于镜像神经元的训练对功能障碍患者的康复具有一定的作用，且在临床上MNS治疗的报道已有很多，但是在硬件方面，基于镜像神经元进行康复训练的设备比较简陋，进行程序化自动化的康复训练设备更是未见公开，利用已有的设备无法获得更好的治疗效果。

同时，康复训练的方法有限，患者并不能选择出更好的复健方法进行训练。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明公开了一种基于大数据分析的镜像神经元康复训练的方法，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，将所述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所述待分类图像的类别，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。

更进一步地，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。

更进一步地，将所述参考模板推荐给所述第一序列中全部相邻患者。

更进一步地，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，其中所述多刺激源额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。

更进一步地，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。