本發(fā)明涉及康復(fù)運(yùn)動(dòng)規(guī)劃，尤其涉及基于計(jì)算機(jī)輔助的康復(fù)運(yùn)動(dòng)規(guī)劃系統(tǒng)。

背景技術(shù)：

1、康復(fù)運(yùn)動(dòng)規(guī)劃是一個(gè)集醫(yī)學(xué)、生物力學(xué)、計(jì)算機(jī)科學(xué)、機(jī)器人技術(shù)和數(shù)據(jù)分析于一體的技術(shù)領(lǐng)域，旨在為受傷或術(shù)后的患者提供個(gè)性化和優(yōu)化的康復(fù)治療方案。通過(guò)使用傳感器技術(shù)、運(yùn)動(dòng)捕捉和機(jī)器學(xué)習(xí)方法，這一領(lǐng)域的專(zhuān)家能夠分析患者的運(yùn)動(dòng)能力和局限性，制定適合其當(dāng)前健康狀況的康復(fù)計(jì)劃。這些計(jì)劃幫助患者提高關(guān)節(jié)靈活性、肌肉力量、協(xié)調(diào)性，并恢復(fù)運(yùn)動(dòng)功能?？祻?fù)運(yùn)動(dòng)規(guī)劃系統(tǒng)評(píng)估患者的運(yùn)動(dòng)性能，監(jiān)測(cè)康復(fù)進(jìn)展，并根據(jù)實(shí)時(shí)反饋調(diào)整治療方案，以實(shí)現(xiàn)最佳治療效果。

2、其中，康復(fù)運(yùn)動(dòng)規(guī)劃系統(tǒng)用于幫助康復(fù)醫(yī)生和治療師制定、執(zhí)行和監(jiān)控患者的康復(fù)訓(xùn)練計(jì)劃。這種系統(tǒng)通過(guò)分析患者的需求和康復(fù)目標(biāo)，生成個(gè)性化的訓(xùn)練方案，支持患者在康復(fù)過(guò)程中的各個(gè)階段。它的主要用途包括評(píng)估患者的身體狀況，生成和調(diào)整個(gè)性化康復(fù)計(jì)劃，監(jiān)控康復(fù)進(jìn)度，并通過(guò)虛擬現(xiàn)實(shí)技術(shù)提供互動(dòng)訓(xùn)練環(huán)境。這些系統(tǒng)提高了康復(fù)訓(xùn)練的效率，確保了訓(xùn)練的安全性和有效性，同時(shí)通過(guò)詳細(xì)的數(shù)據(jù)分析，幫助醫(yī)療專(zhuān)業(yè)人員優(yōu)化康復(fù)支持和治療策略。

3、現(xiàn)有技術(shù)在康復(fù)數(shù)據(jù)處理上缺乏靈敏度和個(gè)性化能力，特別在多部位分析和預(yù)測(cè)上未提供足夠維度和精度，導(dǎo)致康復(fù)計(jì)劃不能完全滿足患者需求。傳統(tǒng)時(shí)間序列預(yù)測(cè)方法未能全面捕捉復(fù)雜數(shù)據(jù)中的潛在趨勢(shì)，影響了預(yù)測(cè)的全面性和準(zhǔn)確性。運(yùn)動(dòng)模式分析上，缺乏有效方法構(gòu)建全身運(yùn)動(dòng)關(guān)系圖，影響了訓(xùn)練計(jì)劃的針對(duì)性和有效性?？祻?fù)計(jì)劃調(diào)整缺乏動(dòng)態(tài)性和實(shí)時(shí)反應(yīng)，未充分考慮患者實(shí)時(shí)變化，降低了康復(fù)效率和安全性，延緩患者恢復(fù)進(jìn)程。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的基于計(jì)算機(jī)輔助的康復(fù)運(yùn)動(dòng)規(guī)劃系統(tǒng)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：基于計(jì)算機(jī)輔助的康復(fù)運(yùn)動(dòng)規(guī)劃系統(tǒng)包括：

3、數(shù)據(jù)分解與特征提取模塊收集康復(fù)數(shù)據(jù)，按時(shí)間順序進(jìn)行排序，對(duì)數(shù)據(jù)點(diǎn)分解，得到單組固有模態(tài)函數(shù)和殘余趨勢(shì)，合并所有固有模態(tài)函數(shù)的結(jié)果，針對(duì)身體多部位提取關(guān)鍵特征，生成康復(fù)數(shù)據(jù)分解結(jié)果；

4、神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模塊基于所述康復(fù)數(shù)據(jù)分解結(jié)果，重構(gòu)固有模態(tài)函數(shù)和殘余趨勢(shì)的時(shí)間序列，計(jì)算每個(gè)分量的預(yù)測(cè)值，合并預(yù)測(cè)結(jié)果，針對(duì)每個(gè)部位特征和運(yùn)動(dòng)模式進(jìn)行預(yù)測(cè)，生成多維度預(yù)測(cè)結(jié)果；

5、運(yùn)動(dòng)模式與關(guān)聯(lián)分析模塊從所述多維度預(yù)測(cè)結(jié)果中提取每個(gè)部位的預(yù)測(cè)數(shù)據(jù)，構(gòu)建患者全身運(yùn)動(dòng)的關(guān)系圖，利用連接邊表示部位間的運(yùn)動(dòng)相關(guān)性，聚合鄰居節(jié)點(diǎn)信息，更新節(jié)點(diǎn)特征，提取關(guān)鍵運(yùn)動(dòng)模式，生成運(yùn)動(dòng)模式分析結(jié)果；

6、康復(fù)計(jì)劃與訓(xùn)練優(yōu)化模塊基于所述運(yùn)動(dòng)模式分析結(jié)果，識(shí)別關(guān)鍵運(yùn)動(dòng)模式，調(diào)整多部位的訓(xùn)練內(nèi)容和順序，自動(dòng)加權(quán)鄰居節(jié)點(diǎn)的信息，并調(diào)整局部運(yùn)動(dòng)訓(xùn)練強(qiáng)度，生成優(yōu)化康復(fù)計(jì)劃。

7、作為本發(fā)明的進(jìn)一步方案，所述固有模態(tài)函數(shù)和殘余趨勢(shì)的獲取步驟具體為：

8、對(duì)康復(fù)數(shù)據(jù)按時(shí)間順序進(jìn)行排序，生成排序后的數(shù)據(jù)序列d;

9、對(duì)所述排序后的數(shù)據(jù)序列，應(yīng)用希爾伯特-黃變換進(jìn)行分解，采用公式：

10、；

11、；

12、引入動(dòng)態(tài)調(diào)整系數(shù)和，計(jì)算固有模態(tài)分量和殘余趨勢(shì)，得到處理前的固有模態(tài)分量和殘余趨勢(shì)；

13、其中，和是基于數(shù)據(jù)特性調(diào)整的系數(shù)，是數(shù)據(jù)序列中的第個(gè)點(diǎn)，是數(shù)據(jù)點(diǎn)總數(shù)，是分量的數(shù)量，表示頻率；

14、對(duì)每個(gè)所述固有模態(tài)分量進(jìn)行能量歸一化處理，并保留所述殘余趨勢(shì)作為分析的一部分，采用公式：

15、；

16、得到歸一化固有模態(tài)函數(shù)和殘余趨勢(shì)；

17、其中，是歸一化后的第個(gè)固有模態(tài)函數(shù)隨時(shí)間的變化，是積分，表示在整個(gè)數(shù)據(jù)集期間的能量總和。

18、作為本發(fā)明的進(jìn)一步方案，所述康復(fù)數(shù)據(jù)分解結(jié)果的獲取步驟具體為：

19、綜合所述歸一化固有模態(tài)函數(shù)和殘余趨勢(shì)到一個(gè)數(shù)據(jù)序列中，采用公式：

20、；

21、計(jì)算綜合模態(tài)數(shù)據(jù)序列；

22、其中，為綜合模態(tài)數(shù)據(jù)序列，是根據(jù)每個(gè)模態(tài)函數(shù)的方差調(diào)整的權(quán)重，是殘余趨勢(shì)的標(biāo)準(zhǔn)化權(quán)重；

23、對(duì)所述綜合模態(tài)數(shù)據(jù)序列執(zhí)行關(guān)鍵特征提取，采用公式：

24、；

25、計(jì)算數(shù)據(jù)的斜率和曲率識(shí)別變異點(diǎn)和趨勢(shì)特征，得到關(guān)鍵特征量化指標(biāo)；

26、其中，為關(guān)鍵特征量化指標(biāo)，表示綜合模態(tài)數(shù)據(jù)序列m的一階導(dǎo)數(shù)，即斜率，表示綜合模態(tài)數(shù)據(jù)序列m的二階導(dǎo)數(shù)，即曲率；

27、根據(jù)所述關(guān)鍵特征量化指標(biāo)重構(gòu)數(shù)據(jù)點(diǎn)，采用公式：

28、；

29、使用函數(shù)調(diào)整每個(gè)數(shù)據(jù)點(diǎn)的貢獻(xiàn)，生成康復(fù)數(shù)據(jù)分解結(jié)果；

30、其中，為康復(fù)數(shù)據(jù)分解結(jié)果，是一個(gè)閾值函數(shù)，根據(jù)的值調(diào)整的貢獻(xiàn)。

31、作為本發(fā)明的進(jìn)一步方案，所述多維度預(yù)測(cè)結(jié)果的獲取步驟具體為：

32、應(yīng)用希爾伯特-黃變換，將所述康復(fù)數(shù)據(jù)分解結(jié)果分解為差異化的固有模態(tài)函數(shù)，得到固有模態(tài)時(shí)間序列；

33、對(duì)每個(gè)所述固有模態(tài)函數(shù)時(shí)間序列進(jìn)行未來(lái)狀態(tài)的預(yù)測(cè)，利用自回歸移動(dòng)平均模型，公式為：

34、；

35、獲取每個(gè)模態(tài)分量的強(qiáng)化預(yù)測(cè)結(jié)果；

36、其中，是預(yù)測(cè)值，是自回歸系數(shù)，是前期的觀測(cè)值，是移動(dòng)平均系數(shù)，是前期的誤差項(xiàng)，是調(diào)整系數(shù)，表示時(shí)間序列的最小值加權(quán)，是誤差的最大值處理；

37、將所述每個(gè)模態(tài)分量的強(qiáng)化預(yù)測(cè)結(jié)果進(jìn)行合并，使用加權(quán)線性疊加方法，生成預(yù)測(cè)結(jié)果時(shí)間序列；

38、針對(duì)差異化的康復(fù)部位和運(yùn)動(dòng)模式，利用所述預(yù)測(cè)結(jié)果時(shí)間序列，進(jìn)行多變量線性回歸分析，確定對(duì)應(yīng)每個(gè)康復(fù)部位和運(yùn)動(dòng)模式的預(yù)測(cè)結(jié)果，得到針對(duì)每個(gè)部位特征和運(yùn)動(dòng)模式的多維度預(yù)測(cè)結(jié)果。

39、作為本發(fā)明的進(jìn)一步方案，所述構(gòu)建患者全身運(yùn)動(dòng)的關(guān)系圖的步驟具體為：

40、從所述多維度預(yù)測(cè)結(jié)果中，通過(guò)索引過(guò)濾算法篩選目標(biāo)部位的數(shù)據(jù)，生成部位數(shù)據(jù)序列；

41、對(duì)所述部位數(shù)據(jù)序列應(yīng)用平滑處理，減少噪聲和異常值的影響，采用公式：

42、；

43、生成平滑數(shù)據(jù)序列；

44、其中，為平滑后的預(yù)測(cè)值，是原始數(shù)據(jù)序列中在時(shí)間點(diǎn)的數(shù)據(jù)值，是鄰域大小，是衰減系數(shù)；

45、使用所述平滑數(shù)據(jù)序列，通過(guò)向量表示法將數(shù)據(jù)向量化，并計(jì)算向量之間的擬合度，采用公式：

46、；

47、生成數(shù)據(jù)向量的擬合度結(jié)果；

48、其中，表示部位和部位之間數(shù)據(jù)向量的擬合度，、分別代表部位和的數(shù)據(jù)向量，表示向量和中的第個(gè)元素，是向量長(zhǎng)度；

49、根據(jù)所述數(shù)據(jù)向量的擬合度結(jié)果構(gòu)建全身運(yùn)動(dòng)的關(guān)系圖，利用連接邊表示部位間的運(yùn)動(dòng)相關(guān)性，每個(gè)節(jié)點(diǎn)代表一個(gè)部位，每條邊的權(quán)重根據(jù)數(shù)據(jù)向量的擬合度計(jì)算得出，通過(guò)圖的節(jié)點(diǎn)和邊關(guān)系表示全身運(yùn)動(dòng)的動(dòng)態(tài)模式，得到患者全身運(yùn)動(dòng)的關(guān)系圖。

50、作為本發(fā)明的進(jìn)一步方案，所述運(yùn)動(dòng)模式分析結(jié)果的獲取步驟具體為：

51、利用所述全身運(yùn)動(dòng)關(guān)系圖，通過(guò)計(jì)算鄰接節(jié)點(diǎn)特征的加權(quán)平均值，聚合鄰居節(jié)點(diǎn)信息，采用公式：

52、；

53、生成聚合的鄰居信息；

54、其中，是節(jié)點(diǎn)的聚合特征值，是的鄰居節(jié)點(diǎn)集，是鄰居節(jié)點(diǎn)的特征值，是節(jié)點(diǎn)和之間的邊的權(quán)重；

55、使用所述聚合鄰居節(jié)點(diǎn)信息，更新每個(gè)節(jié)點(diǎn)的特征，結(jié)合原始特征與鄰居聚合特征，采用公式：

56、；

57、確定原始特征與聚合特征的影響力，生成更新后的節(jié)點(diǎn)特征；

58、其中，是更新后的節(jié)點(diǎn)特征，是平衡系數(shù)；

59、根據(jù)所述更新的節(jié)點(diǎn)特征，識(shí)別和提取關(guān)鍵運(yùn)動(dòng)模式，采用公式：

60、；

61、生成運(yùn)動(dòng)模式分析結(jié)果；

62、其中，是節(jié)點(diǎn)的關(guān)鍵性評(píng)分，是第特征的權(quán)重，是的更新特征中的第個(gè)特征。

63、作為本發(fā)明的進(jìn)一步方案，所述調(diào)整多部位的訓(xùn)練內(nèi)容和順序的步驟具體為：

64、從所述運(yùn)動(dòng)模式分析結(jié)果中識(shí)別關(guān)鍵模式，采用公式：

65、；

66、定量分析每個(gè)模式的影響力，生成關(guān)鍵運(yùn)動(dòng)模式評(píng)分；

67、其中，為模式的關(guān)鍵性評(píng)分，是因子的影響權(quán)重，是模式在因子下的性能指標(biāo)，是因子的衰減系數(shù)；

68、對(duì)所述關(guān)鍵運(yùn)動(dòng)模式進(jìn)行影響分析，采用公式：

69、；

70、確定其對(duì)訓(xùn)練部位的影響，得到每個(gè)關(guān)鍵模式的影響評(píng)估；

71、其中，是模式的影響指數(shù)，是特征的重要性權(quán)重，是模式在特征的表現(xiàn)，是特征的增強(qiáng)系數(shù)；

72、根據(jù)所述關(guān)鍵模式的影響評(píng)估結(jié)果，優(yōu)化訓(xùn)練內(nèi)容和順序，采用公式：

73、；

74、得到調(diào)整多部位的訓(xùn)練內(nèi)容和順序；

75、其中，表示訓(xùn)練順序，通過(guò)對(duì)影響指數(shù)進(jìn)行降序排序。

76、作為本發(fā)明的進(jìn)一步方案，所述優(yōu)化康復(fù)計(jì)劃的獲取步驟具體為：

77、利用所述全身運(yùn)動(dòng)關(guān)系圖，自動(dòng)計(jì)算每個(gè)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)信息。采用公式：

78、；

79、聚合鄰居節(jié)點(diǎn)的特征，得到加權(quán)后的鄰居節(jié)點(diǎn)信息；

80、其中，表示節(jié)點(diǎn)的聚合特征值，是的鄰居節(jié)點(diǎn)集，是鄰居節(jié)點(diǎn)的特征值，是節(jié)點(diǎn)和之間的連接權(quán)重，、是非線性調(diào)整參數(shù)，是一個(gè)小常數(shù)以規(guī)避除零錯(cuò)誤；

81、根據(jù)所述加權(quán)后的鄰居節(jié)點(diǎn)信息，調(diào)整每個(gè)訓(xùn)練部位的訓(xùn)練強(qiáng)度，采用公式：

82、；

83、生成調(diào)整后的局部運(yùn)動(dòng)訓(xùn)練強(qiáng)度；

84、其中，是調(diào)整后的訓(xùn)練強(qiáng)度，是節(jié)點(diǎn)的基礎(chǔ)訓(xùn)練強(qiáng)度，是調(diào)整系數(shù)；

85、整合所述加權(quán)后的鄰居節(jié)點(diǎn)信息和所述調(diào)整后的局部運(yùn)動(dòng)訓(xùn)練強(qiáng)度，采用公式：

86、；

87、生成優(yōu)化康復(fù)計(jì)劃；

88、其中，表示優(yōu)化康復(fù)計(jì)劃。

89、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果在于：

90、本發(fā)明中，通過(guò)康復(fù)數(shù)據(jù)的細(xì)致收集和排序，并對(duì)數(shù)據(jù)點(diǎn)進(jìn)行分解，新方案提取出固有模態(tài)函數(shù)和殘余趨勢(shì)，增強(qiáng)了對(duì)數(shù)據(jù)中細(xì)微變化的捕捉。這提高了基礎(chǔ)數(shù)據(jù)的精度，使康復(fù)計(jì)劃更精細(xì)地適應(yīng)不同部位需求。時(shí)間序列預(yù)測(cè)通過(guò)重構(gòu)固有模態(tài)函數(shù)和殘余趨勢(shì)，提升了預(yù)測(cè)的準(zhǔn)確性和個(gè)性化，使計(jì)劃更精確地調(diào)整。全身運(yùn)動(dòng)關(guān)系圖的構(gòu)建和關(guān)鍵運(yùn)動(dòng)模式的提取優(yōu)化了對(duì)患者運(yùn)動(dòng)模式的理解，提高了訓(xùn)練的針對(duì)性和有效性。動(dòng)態(tài)優(yōu)化機(jī)制確保了訓(xùn)練內(nèi)容和強(qiáng)度實(shí)時(shí)響應(yīng)患者反饋，增強(qiáng)了訓(xùn)練的安全性和個(gè)性化，加速患者恢復(fù)。