[发明专利]一种基于深度学习的脑卒中上肢运动功能自动评定方法在审
| 申请号： | 201910074666.4 | 申请日： | 2019-01-25 |
| 公开（公告）号： | CN109875565A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 李巧勤;刘朗;陈智;杨尚明;刘勇国 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | A61B5/11 | 分类号： | A61B5/11;A61B5/0488 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 苗艳荣 |
| 地址： | 610054*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的脑卒中上肢运动功能自动评定方法，包括以下步骤：基于穿戴式传感器系统采集患者上肢运动过程的惯性传感数据和肌电数据；对采集的数据进行长度归一化和数值归一化预处理；将惯性传感数据和肌电数据分别输入到两个卷积神经网络进行特征提取，对所有特征进行融合，生成基于Brunnstrom量表的运动功能等级，然后基于反向传播算法对模型参数进行迭代，训练深度学习网络模型；对需要进行上肢运动功能评定的患者，对其进行数据采集、预处理，并输入到训练好的深度学习模型，自动生成患者上肢运动功能Brunnstrom分期评定结果。本发明可应用于医院环境、社区和家庭环境中，可提高自动评定的精准度。 | ||
| 搜索关键词： | 评定 上肢运动功能 传感数据 患者上肢 运动功能 脑卒中 肌电 学习 预处理 采集 归一化预处理 卷积神经网络 传感器系统 反向传播 家庭环境 模型参数 数据采集 特征提取 网络模型 医院环境 运动过程 自动生成 归一化 精准度 迭代 量表 算法 穿戴 融合 社区 应用 | ||
【主权项】：
1.一种基于深度学习的脑卒中上肢运动功能自动评定方法，其特征在于，包括以下步骤：S1.基于穿戴式传感器系统采集患者上肢运动过程的惯性传感数据和肌电数据；S2.对采集的数据进行长度归一化和数值归一化预处理；S3.将惯性传感数据和肌电数据分别输入到两个卷积神经网络进行特征提取，对所有特征进行融合，生成基于Brunnstrom量表的运动功能等级，然后基于反向传播算法对模型参数进行迭代，训练深度学习网络模型；S4.对需要进行上肢运动功能评定的患者，对其进行与S1、S2步骤相同的数据采集、预处理，并输入到训练好的深度学习模型，自动生成患者上肢运动功能Brunnstrom分期评定结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910074666.4/，转载请声明来源钻瓜专利网。
