[发明专利]一种基于高维数据的骨质疏松患者健康监测系统

说明书

一种基于高维数据的骨质疏松患者健康监测系统，特别针对骨质疏松症患者表现出来的典型动作特征，通过在家中布置摄像机拍摄受试者的活动影像，采用轻量级、小样本的智能分析算法对影像高维数据进行分析，识别影像中表现出来的受试者的步态平衡性是否存在异常，以快速、准确预防骨质疏松可能导致的跌倒风险。

技术领域

本发明属于医疗器械领域，特别地，涉及骨质疏松患者监测技术领域。

背景技术

老年骨质疏松患者的跌倒通常会导致骨折，尤其是跌倒导致的脊柱与髋部骨折可使患者死亡。因此，加强对老年骨质疏松患者的监测，从而分析其跌倒风险显得尤为重要。

医学上常采用步态和平衡测试评估老年骨质疏松患者跌倒的风险，医者观察受试者的步态和平衡性后打分，以评分高低估算受试者跌倒的风险。研究结果表明通过实施步态和平衡性评估测试，可以在实现骨质疏松的早期发现和干预，起到预防由于骨质疏松而跌倒的风险的作用。然而在实际操作过程中，医生不可能长期对受试者进行跟踪观察，并且相当部分老年人本身并不知晓自身的骨质疏松疾病以及危害，家庭中其他成员一般也不具备预防和观察的意识，因此病人往往是在风险真正发生后才意识到问题的严重性。而采用自动化、智能化的监测手段是克服这一问题的有效途径。

基于图像、影像处理的智能动作识别算法可以实现对特定动作的识别，然而多数现有方法面向于生活场景，例如跑步、骑车、走路等，这些方法通常面向大样本数据集，模型也较复杂，计算性能相应的受到一定影响，并且由于没有足够的多场景样本会导致检测准确度下降。

也有一些算法专门用于医院场景中，即根据医生指令进行运动，从而利用图像算法判别跌倒风险。然而，很多老年人在受到指令后会产生紧张心理，不自主地发生步态变形，无法准确检测。

目前也有一些算法用于家庭环境中，但由于对老人长期的生活监测会产生大量数据，导致对硬件设备要求极高。解决这一问题，要么抽时间定期进行视频采集，要么进行视频压缩。但抽样采集视频会导致可能错过最佳判别素材，而对视频进行无差别的压缩会导致图像质量下降，检测准确度降低。

此外，对于步态的判别，目前有很多常见的图像算法，例如利用神经网络等，但这些方法通常针对于更为广泛的需求，检测的动作也是多种多样，如此造成了算法负担、计算效率极低。且不能专门针对某一特定步态进行特殊优化，也影响了判别的准确性，这种技术是难以用于医疗判别中的。而且这种算法需要极大的样本，很难短期投入使用。

发明内容

为了解决上述一个或多个问题，本发明创新的提出一种基于高维数据的骨质疏松患者健康监测系统，特别针对骨质疏松症患者表现出来的典型动作特征，通过在家中布置摄像机拍摄受试者的活动影像，采用轻量级、小样本的智能分析算法对影像高维数据进行分析，识别影像中表现出来的受试者的步态平衡性是否存在异常，以预防骨质疏松可能导致的跌倒风险。

一种基于高维数据的骨质疏松患者健康监测系统，包括摄像机和处理器；

摄像机用于采集患者影像数据，并进行预处理：获取一帧图像中的肤色部分；根据连续多帧图像中的肤色部分建立影像子集的皮肤动态分布；利用条件概率函数建立分布模型，满足条件时进行帧压缩；

处理器，接收摄像机发送的预处理后的数据，并进行识别，具体包括：

(1)设第l帧和第l+1帧图像分别表示为F_l(x,y)和F_l+1(x,y)，定义第l帧和第 l+1帧之间的加权梯度图为：

其中：

式(4)-(6)中，x,y,为整数，x,y表示图像一个像素的位置坐标，表示以像素x,y为中心的位置偏移量；