基于多维度数据融合的踝泵运动康复训练调节方法与流程

摘要: 本发明涉及康复医疗,具体涉及基于多维度数据融合的踝泵运动康复训练调节方法。背景技术:1、踝泵运动是通过踝关节规律性背伸、跖屈动作,利用小腿肌肉收缩产生“泵”效应...
基于多维度数据融合的踝泵运动康复训练调节方法与流程

本发明涉及康复医疗,具体涉及基于多维度数据融合的踝泵运动康复训练调节方法。

背景技术:

1、踝泵运动是通过踝关节规律性背伸、跖屈动作,利用小腿肌肉收缩产生“泵”效应,促进下肢静脉血液回流和淋巴回流的康复训练方法,被公认为临床最简单、高效的dvt预防措施之一,现有研究表明,规范化的踝泵运动能够有效降低卧床患者下肢深静脉血栓发生率,广泛应用于骨科、妇产科、普外科、老年科及icu等科室,然而,临床实践中踝泵运动的实施仍面临以下技术缺陷:

2、(1)现有康复装置多采用纯机械固定结构或固定程序控制模式,运动参数一经设定即保持不变,缺乏对患者实时运动表现与生理响应的动态感知与反馈调节能力,训练缺乏量化评估与闭环调节机制,难以实现个性化适配;

3、(2)现有踝泵运动装置采用单类型传感器进行数据采集,仅能监测关节活动范围等单一维度指标,无法同步获取运动学特征、血流动力学响应和患者主观感受等多维信息,无法精准区分标准动作与代偿错误动作;

4、(3)现有设备的设计与调节逻辑完全基于客观生理参数或运动参数,未将患者主观疲劳度、疼痛感受等主观反馈数据纳入训练调控依据,缺乏主观感受与客观指标的融合机制,忽视患者耐受状态对训练安全的影响。

技术实现思路

1、本发明的目的在于提供基于多维度数据融合的踝泵运动康复训练调节方法,以解决现有技术中训练缺乏量化评估与闭环调节机制,难以实现个性化适配,无法精准区分标准动作与代偿错误动作以及缺乏主观感受与客观指标的融合机制,忽视患者耐受状态对训练安全的影响的技术问题。

2、为解决上述技术问题,本发明具体提供下述技术方案:

3、本发明提供了基于多维度数据融合的踝泵运动康复训练调节方法,包括以下步骤:

4、获取患者在踝泵运动过程中的多维度数据,所述多维度数据至少包括反映踝关节运动学特征的运动数据、反映下肢血液动力学变化的生理数据、以及反映患者主观感受的主观反馈数据;

5、对所述多维度数据进行时间对齐与特征提取,构建联合特征向量,所述联合特征向量包含运动幅度特征、运动频率特征、血流速度特征和主观疲劳度特征;

6、将所述联合特征向量输入预设的关联分析模型,计算循环-运动协同指数,所述循环-运动协同指数用于量化当前运动模式下生理响应与运动表现之间的同步性与匹配度,当血流速度变化滞后于运动幅度变化超过预设阈值时,判定存在循环-运动非同步状态;

7、基于所述循环-运动协同指数的数值与所述非同步状态的判定结果,生成差异化调节指令,所述调节指令至少包括运动幅度调节量、运动频率调节量及间歇时间调节量;

8、将所述调节指令输出至康复训练设备,以动态调整后续踝泵运动的训练参数,并在下一运动周期中重复所述数据采集步骤至调节指令生成步骤,形成闭环自适应调节。

9、作为本发明的一种优选方案,所述多维度数据获取方法包括:

10、以预设的采样频率同步采集踝关节背伸角度、跖屈角度和运动频率,并对采集到的角度数据进行滑动窗口滤波处理,去除高频噪声后提取各动作周期内的峰值角度和谷值角度;

11、计算峰值角度与谷值角度的差值作为单次动作的运动幅度值,将所述运动幅度值作为运动数据;

12、以与所述运动数据相同的采样频率同步采集下肢静脉血流速度信号,对所述血流速度信号进行基线漂移校正和低通滤波处理,提取各动作周期内的血流速度峰值和血流速度谷值,计算单次动作周期内的血流速度变化量,获取生理数据。

13、作为本发明的一种优选方案,对所述多维度数据进行时间对齐与特征提取的方法包括:

14、以所述运动数据的采样时间戳为基准,将所述生理数据和所述主观反馈数据通过插值方式重采样至与所述运动数据相同的时间网格,将所述运动数据、生理数据以及主观反馈数据在时间轴上一一对应;

15、从时间对齐后的数据中提取各动作周期的运动幅度值、运动频率值、血流速度值和主观疲劳度值;

16、将同一动作周期的四个特征值组合为一个四维特征向量作为所述联合特征向量,不同动作周期对应不同的联合特征向量。

17、作为本发明的一种优选方案,在所述关联分析模型中计算循环-运动协同指数的方法包括:

18、从所述联合特征向量中提取运动幅度时间序列和血流速度时间序列,所述运动幅度时间序列表示为向量形式,各元素为按采样时间顺序排列的运动幅度值,所述血流速度时间序列表示为向量形式,各元素为按采样时间顺序排列的血流速度值;

19、分别对所述运动幅度时间序列和所述血流速度时间序列进行标准化处理;

20、在预设的时间延迟搜索范围内,计算所述运动幅度时间序列与所述血流速度时间序列之间的互相关函数值,对于所述时间延迟搜索范围内的每一个候选延迟量,计算一个互相关函数值,得到互相关函数值序列;

21、根据所述互相关函数值序列建立互相关函数曲线,在所述互相关函数曲线上搜索峰值,记录所述峰值对应的延迟时间,以所述延迟时间的绝对值作为血流响应的滞后程度度量值;

22、将所述滞后程度度量值通过映射函数转换为所述循环-运动协同指数,所述映射函数为单调递减函数。

23、作为本发明的一种优选方案,对于所述时间延迟搜索范围内的每一个候选延迟量,计算一个互相关函数值的方法包括:

24、在所述预设的时间延迟搜索范围内计算任一时刻的候选延迟量,其中t为预设的最大搜索延迟时间,所述t的取值根据踝泵运动单次动作周期的时长确定;

25、所述互相关函数值的表达式为:

26、

27、其中,表示延迟量为时的互相关函数值,表示时刻t的运动幅度值,表示时刻的血流速度值,表示所述运动幅度时间序列的标准差,表示所述血流速度时间序列的标准差,在所述时间延迟搜索范围内取值。

28、作为本发明的一种优选方案,所述关联分析模型中,所述循环-运动非同步状态的判定包括:

29、将所述互相关函数曲线上的峰值对应的延迟时间与预设的滞后阈值进行比较,当所述延迟时间为正值且所述延迟时间的绝对值大于所述滞后阈值时,判定存在所述循环-运动非同步状态;

30、在所述判定过程中进一步识别非同步状态的子类型:当所述延迟时间为正值时标记为血流滞后型非同步状态,当所述延迟时间为负值时标记为血流超前型非同步状态,当所述延迟时间为零时标记为同步状态。

31、作为本发明的一种优选方案,基于所述循环-运动协同指数的数值与所述非同步状态的判定结果,生成差异化调节指令的过程包括:

32、当标记为所述血流滞后型非同步状态时,计算所述延迟时间与所述滞后阈值的差值;

33、根据所述差值的大小确定运动频率降低幅度,差值越大则运动频率降低幅度越大,同时保持运动幅度不变并缩短间歇时间;

34、当标记为所述血流超前型非同步状态时,计算所述延迟时间的绝对值,根据所述绝对值的大小确定间歇时间延长度,绝对值越大则间歇时间延长度越大,同时保持运动频率和运动幅度不变;

35、当标记为所述同步状态时,根据所述循环-运动协同指数的数值与预设目标值之间的差值确定运动幅度增量,以步进方式逐周期增加运动幅度直至所述循环-运动协同指数达到预设目标值。

36、作为本发明的一种优选方案,所述调节指令中生成运动幅度调节量、运动频率调节量及间歇时间调节量的过程包括:

37、将所述循环-运动协同指数的数值映射至预设的调节区间;

38、在所述调节区间内按照预设的调节步长确定各调节量的档位等级;

39、各所述档位等级与所述调节量的大小呈正相关关系;

40、所述运动幅度调节量、运动频率调节量及间歇时间调节量与所述循环-运动协同指数呈负相关关系。

41、作为本发明的一种优选方案,所述预设的关联分析模型构建的方法包括:

42、采集若干组已完成训练周期的历史多维度数据及对应的历史训练效果数据;

43、将各所述历史多维度数据经时间对齐和特征提取后构建为历史联合特征向量集;

44、以各所述历史联合特征向量为输入、以对应的历史训练效果数据为输出标签,采用回归算法进行训练;

45、训练后的所述关联分析模型根据输入的联合特征向量输出循环-运动协同指数预测值的映射能力;

46、所述历史训练效果数据至少包括训练周期内的下肢血流速度改善率和动作规范达标率。

47、作为本发明的一种优选方案,所述闭环控制中在下一运动周期中重复所述数据采集步骤至调节指令生成的过程包括:

48、将所述关联分析模型的输入数据随运动周期的推进逐周期更新;

49、所述关联分析模型在各运动周期中根据当前周期采集的多维度数据重新计算循环-运动协同指数;

50、所述调节指令生成步骤在各运动周期中根据重新计算的循环-运动协同指数重新生成差异化调节指令,实现所述训练参数的逐周期动态更新。

51、本发明与现有技术相比较具有如下有益效果:

52、本发明以统一的采样频率同步采集运动学数据、血液动力学数据和主观反馈数据,通过时间对齐与特征级融合构建联合特征向量,克服了现有技术中异构数据无法有效融合的技术缺陷,引入互相关分析计算血流响应相对于运动刺激的最优延迟时间,以循环-运动协同指数量化运动与生理之间的时序耦合关系,并依据延迟时间的符号与大小将非同步状态细分为血流滞后型、血流超前型和同步型三种子类型,突破了对训练效果仅作二元粗放评价的局限,通过逐周期刷新输入数据、重算协同指数、再生调节指令的闭环迭代机制,使训练参数随患者实时状态以秒级粒度连续平滑演化,同时通过离线训练与在线推理相结合的关联分析模型,使调节决策具备历史临床数据的循证支撑,实现了对踝泵运动训练全过程的智能监测与精准调控,在保障训练安全性的前提下实现了康复效果的持续优化,具备显著的临床实用性和智能化水平。