一种多模态脊柱健康监测方法、设备、介质及产品
本申请涉及脊柱健康监测领域,特别是涉及一种多模态脊柱健康监测方法、设备、介质及产品。
背景技术:
1、青少年脊柱变形已成为继肥胖、近视之后威胁儿童青少年健康的第三大公共健康问题。脊柱侧弯(adolescent idiopathic scoliosis,ais)与胸椎后凸是最常见的两类畸形,二者常合并存在但具有不同的自然病程。未经治疗的严重侧弯或后凸可导致胸廓畸形、肺功能受限、心功能损害,最终需后路脊柱融合术治疗,且术后永久丧失部分脊柱活动度。因此,早发现、早干预是防治核心策略,在侧弯科布角(cobb)低于25°或胸椎后凸角低于50°时,通过支具、物理治疗即可有效控制畸形进展,避免手术。
2、目前广泛采用的筛查方法(x线全脊柱正侧位片、eos三维成像、光学体表扫描等)均存在系统性缺陷,现有筛查手段存在专业门槛高、辐射风险大、频次不足、成本高昂的四重矛盾。年度筛查仅覆盖少数时间点,而ais快速进展期可能在数月内发生显著恶化(身高生长高峰期间cobb角每年可进展5°-10°),亟需一种可居家使用、无辐射、能长期动态监测的筛查工具。
3、现有可穿戴脊柱监测方案普遍存在传感单一、成本高昂、场景受限、算法僵化、精度不足的系统性缺陷。部分方法仅监测动态活动度且未针对青少年负重场景优化,部分方法仅监测胸椎俯仰角,无法识别侧弯且采用固定阈值误报率高,部分方法依赖深度摄像头不可便携,部分方法需多个惯性测量单元(inertial measurement unit,imu)且预测误差较大,部分方法使用单个imu无法区分后凸与侧弯。此外,单纯压力监测类专利仅测量压力无法识别侧弯,单一姿态监测类专利未解决体型适配问题,图像识别类专利依赖大型设备无法居家使用,现有产品仅采用单一振动提醒缺乏科学分类能力。综上,现有技术存在四大空白,一是多模态传感融合空白,缺乏压力+应变+姿态的多物理量同步采集与融合分析能力,无法对脊柱三维畸形进行综合评估;二是低成本日常化空白,尚未实现低成本硬件+日常化载体+非专业自主使用的有效结合;三是个体化智能算法空白,多采用固定阈值或统一模型,忽视个体体型差异,缺乏多模态深度学习+个体化基线学习+专属分类器生成的算法框架;四是侧弯与后凸同步识别空白,现有方案往往只能识别其一,无法满足临床对脊柱三维畸形综合筛查的实际需求。
4、因此,基于上述问题,亟需提供一种多模态脊柱健康监测方法,能够依据多模态的监测数据获取脊柱中轴偏移量以及侧弯风险等级,提高脊柱健康监测的便捷性与精准度。
5、申请内容
6、本申请的目的是提供一种多模态脊柱健康监测方法、设备、介质及产品,能够依据多模态的监测数据获取脊柱中轴偏移量以及侧弯风险等级,提高脊柱健康监测的便捷性与精准度。
7、为实现上述目的,本申请提供了如下方案:
8、第一方面,本申请提供了一种多模态脊柱健康监测方法,包括:
9、获取样本人员的背部数据;所述背部数据包括:肩带与脊柱的空间压力分布矩阵、脊柱的形变梯度向量以及脊柱的运动姿态数据;所述运动姿态数据包括:惯性传感数据以及姿态角数据;
10、根据背部数据,构建多模态脊柱健康监测模型;所述多模态脊柱健康监测模型包括:特征提取模块、特征融合模块以及结果生成模块;所述特征提取模块用于分别对背部数据进行特征提取,得到多模态特征向量;所述多模态特征向量包括:压力特征向量、应变特征向量以及姿态时序特征向量;所述特征融合模块用于对多模态特征向量进行加权融合,得到融合特征向量;所述结果生成模块用于根据融合特征向量,确定脊柱中轴偏移量以及侧弯风险等级;
11、利用训练好的多模态脊柱健康监测模型对目标人员的脊柱健康进行监测。
12、第二方面,本申请提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述的多模态脊柱健康监测方法的步骤。
13、第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的多模态脊柱健康监测方法的步骤。
14、第四方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的多模态脊柱健康监测方法的步骤。
15、根据本申请提供的具体实施例,本申请具有了以下技术效果:
16、本申请提供了一种多模态脊柱健康监测方法、设备、介质及产品,通过获取样本人员的背部数据并构建多模态脊柱健康监测模型,分别对背部数据进行特征提取并进行特征融合,并根据融合特征确定脊柱中轴偏移量以及侧弯风险等级,以对目标人员的脊柱健康进行监测;本申请提高了脊柱侧弯筛查的准确性与监测效率,实现了脊柱健康状态的实时评估与风险自动预警,通过多源传感数据的解耦提取与深度融合,有效增强了多模态脊柱健康监测模型对脊柱姿态微小变化的敏感性与抗干扰能力,降低了单一模态信息不完整导致的误判与漏判风险。
技术实现思路
1.一种多模态脊柱健康监测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的多模态脊柱健康监测方法,其特征在于,所述获取样本人员的背部数据,具体包括:
3.根据权利要求1所述的多模态脊柱健康监测方法,其特征在于,所述特征提取模块包括:二维卷积神经网络、一维卷积神经网络以及双层长短期记忆网络;
4.根据权利要求1所述的多模态脊柱健康监测方法,其特征在于,所述结果生成模块包括:回归任务分支以及分类任务分支;
5.根据权利要求4所述的多模态脊柱健康监测方法,其特征在于,所述脊柱中轴偏移量包括:科布角偏移量、胸椎后凸角偏移量、腰椎前凸角偏移量以及脊柱偏移量。
6.根据权利要求4所述的多模态脊柱健康监测方法,其特征在于,所述侧弯风险等级包括:侧弯严重程度以及风险预警等级。
7.根据权利要求1所述的多模态脊柱健康监测方法,其特征在于,所述方法还包括:
8.一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述的多模态脊柱健康监测方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的多模态脊柱健康监测方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的多模态脊柱健康监测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com