一种基于大数据的康复进程检测鞋垫及检测方法与流程

本发明涉及智能穿戴设备以及康复进程诊断领域。更具体的是，本发明涉及一种基于大数据的康复进程检测鞋垫及检测方法。

背景技术：

当前，多数下肢疾病患者在术后无法及时知道自己的康复进程，需要在有医生和专业设备的条件下进行检测。不仅过程繁琐，而且往往由于不了解自己的康复进程导致未能制定及时的康复训练计划，从而影响康复效果。近年来,智能穿戴设备发展迅速，目前步态识别的方式主要有视觉图像分析和足底压力传感器采集，前者对场地设备要求苛刻，成本高，后者步骤简单，采集精度也更高。但是大多数智能鞋垫往往只对采集数据进行简单评估和记录，没有与正常人的数据对比来分析其中规律。并且系统散热不足一直是影响大多数智能鞋垫系统正常工作的重要因素。基于此，在保证稳定性的情况下精确识别用户步态和高效利用采集的数据来制定合理的康复计划，就对推动智慧医疗、远程医疗发展有着至关重要的作用。

技术实现要素：

本发明的一个目的是设计开发了一种基于大数据的康复进程检测鞋垫，设置有气囊和排气孔，能够将鞋垫内的热空气和外部空气进行交换，使得鞋垫中单片机处于较优的工作温度。

本发明的另一个目的是设计开发了一种基于大数据的康复进程检测鞋垫的检测方法，能够将传感器采集的压力数据进行筛选分类，并基于恢复阶段判定决策函数确定使用者的恢复阶段，简单可靠。

本发明还提供了各恢复阶段判定决策函数的确定方法，采用大数据采集并确定，提高了判定决策函数的判定精度。

一种基于大数据的康复进程检测鞋垫，包括：

顶面；以及

底面，其设置在所述顶面下方；

弹性衬垫，其设置在所述顶面和所述底面之间；

气囊，其为柱状，其沿所述弹性衬垫长度方向平行排列在足跟处，且所述气囊的长度与所述弹性衬垫足跟形状匹配；

排气孔，其设置在所述气囊轴向两端；

其中，当足跟踩下时，气囊中的气体沿所述排气孔排出；当足跟抬起时，空气中的气体沿所述排气孔进入所述气囊中。

优选的是，还包括：

辅助衬垫，其设置在所述弹性气垫和底面之间。

优选的是，还包括：

压力传感器，其分别设置在辅助衬垫的足心、足尖和足跟处，用于检测压力；

单片机，其设置在所述辅助衬垫的足心处，用于接收处理所述压力传感器的检测数据；

电源，其设置在所述辅助衬垫上，并与所述压力传感器和单片机连接，用于为所述压力传感器和单片机供电。

优选的是，所述压力传感器为8个，所述足尖处设置有4个，足心处设置有2个，足跟处设置有2个。

优选的是，还包括：

无线通信模块，其设置在所述辅助衬垫上；

外部移动终端，其与所述单片机通过所述无线通信模块通信连接。

一种基于大数据的康复进程检测鞋垫的检测方法，包括如下步骤：

步骤1：按照行走状态将压力分布分为c类，确定使用者体重t以及有效行走压力与体重t的百分比为a％～b％；

步骤2：在行走过程中，按照采集周期采集压力传感器的压力值si，i＝1,2,...,8；

当(t×a％＜s1＜t×b％),(t×a％＜s2＜t×b％),...,(t×a％＜si＜t×b％)中至少一项成立时，压力传感器采集的压力值有效；

当(t×a％＜s1＜t×b％),(t×a％＜s2＜t×b％),...,(t×a％＜si＜t×b％)中任意一项均不成立时，压力传感器采集的压力值无效；

步骤3：当压力传感器采集的压力值有效时，输出压力值向量并对所述压力值向量进行分类：

其中，ej为压力值向量与第j类压力分布的欧几里得距离，kj为第j类压力分布中数据向量的项数，ni为压力值向量中的第i维压力值，mj,l,i为第j类压力分布中第l项数据向量的第i维压力值；

当ej最小时，所述压力值向量属于第j类压力分布；

步骤4：确定采集周期内采集的压力值向量在c类压力分布中出现的次数，并输出次数向量将所述次数向量分别输入各恢复阶段的判定决策函数中：

式中，为第m恢复阶段的判定决策函，sgn(w)中，w＞0时，sgn(w)＝1，w＜0时，sgn(w)＝-1；q为确定第m恢复阶段的决策判定函数时采集属于第m恢复阶段的数据项数，为第m恢复阶段的判定决策函中第p项数据的校正系数，yp为第m恢复阶段中第p项数据的阶段判定系数，xp为第m恢复阶段中第p项数据在c类压力分布中出现的次数；

当时，使用者在第m恢复阶段，当时，使用者不在第m恢复阶段。

优选的是，所述各恢复阶段的判定决策函数的确定包括：

确定第m恢复阶段的判断边界值q；

采集同属第m恢复阶段的g项数据并进行分类，确定各项数据在c类压力分布中出现的次数x1,x2,…,xp,…,xg，并获得各项数据的置信值mp：

mp＝(xp-x1)²+(xp-x2)²+…+(xp-xp-1)²

+(xp-xp+1)²+…+(xp-xg)²，p＝1,2,3,…,g

当mp≤q时，第p项数据的阶段判定系数yp＝1；

当mp＞q时，第p项数据的阶段判定系数yp＝-1；

剔除yp＝-1的数据并确定属于第m恢复阶段的数据项数q；

采用线性函数ωx+b＝0进行线性分类，并进行最小置信范围优化分类：

获得第m恢复阶段的判定决策函的校正系数：

优选的是，所述最小置信范围优化分类采用拉格朗日函数l(ω,b,α)进行优化求解：

优选的是，所述采集同属第m恢复阶段的g项数据采用步骤1-3进行分类。

优选的是，所述步骤3中，将所述压力值向量分类后，并存入对应类别内，更新所述类别压力分布的数据向量。

本发明所述的有益效果：

(1)本发明提供的基于大数据的康复进程检测鞋垫，设置有气囊和排气孔，能够将鞋垫内的热空气和外部空气进行交换，使得鞋垫中单片机处于较优的工作温度。

(2)本发提供的基于大数据的康复进程检测鞋垫的检测方法，能够将传感器采集的压力数据进行筛选分类，并基于恢复阶段判定决策函数确定使用者的恢复阶段，简单可靠。

(3)本发明还提供了各恢复阶段判定决策函数的确定方法，采用大数据采集并确定，提高了判定决策函数的判定精度。

(4)本发明通过对下肢疾病患者数据的采集与三级处理达到了康复阶段精准定位、医生建议及时反馈、康复时间大大缩短的效果

附图说明

图1为本发明所述基于大数据的康复进程检测鞋垫的结构示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供一种基于大数据的康复进程检测鞋垫，包括：顶面110；以及底面120，其设置在所述顶面110下方；弹性衬垫130，其设置在所述顶面110和所述底面120之间；气囊140，其为柱状，其沿所述弹性衬垫130长度方向平行排列在足跟处，且所述气囊140的长度与所述弹性衬垫130足跟形状匹配；排气孔150，其设置在所述气囊轴向两端；当足跟踩下时，气囊140中的气体沿所述排气孔150排出；当足跟抬起时，空气中的气体沿所述排气孔150进入所述气囊140中，使得鞋垫中单片机处于较优的工作温度。

辅助衬垫160，其设置在所述弹性气垫130和底面120之间，压力传感器161，其分别设置在辅助衬垫160的足心、足尖和足跟处，用于检测压力；单片机162，其设置在所述辅助衬垫160的足心处，用于接收处理所述压力传感器的检测数据；电源163，其设置在所述辅助衬垫160上，并与所述压力传感器161和单片机162连接，用于为所述压力传感器161和单片机162供电。所述压力传感器161为8个，所述足尖处设置有4个，足心处设置有2个，足跟处设置有2个。

无线通信模块，其设置在所述辅助衬垫上；外部移动终端，其与所述单片机通过所述无线通信模块通信连接。

所述的散热结构由气囊140、排气孔150组成，鞋垫由弹性物质组成，每次的踩踏使气囊140压缩，热空气受到压力后通过鞋垫侧面的排气孔150排出，当抬脚时鞋垫气囊恢复并吸入冷空气，冷空气通过排气孔进入电路板区域。所述电源模块采用可充电锂纽扣电池以及microusb接口。所述传感模块采用电阻式薄膜压力传感器及其应用电路，还包括lm317及其应用电路和lm324及其应用电路。lm317稳定传感器电压，保证输出数据的稳定性及可靠性，lm324放大传感器信号。采用的esp-weoom-32作为处理器内部包含mcu以及低耗蓝牙即为所述控制模块和蓝牙模块，处理器接收压力传感模块传回的数据进行一级处理，根据预先计算阈值判断是否为有效数据。若为有效数据则通过蓝牙返送给手机，手机通过归类计算进行二级处理，再将数据通过网络上传上位机，上位机通过大数据进行三级处理，判断下肢疾病患者康复信息，再反送给医生与患者。

本发明提供的基于大数据的康复进程检测鞋垫，设置有气囊和排气孔，能够将鞋垫内的热空气和外部空气进行交换，使得鞋垫中单片机处于较优的工作温度。

本发明还提供一种基于大数据的康复进程检测鞋垫的检测方法，包括如下步骤：

步骤1：按照行走状态将压力分布分为c类，确定使用者体重t以及有效行走压力与体重t的百分比为a％～b％；

步骤2：在行走过程中，按照采集周期采集压力传感器的压力值si，i＝1,2,...,8；

当(t×a％＜s1＜t×b％),(t×a％＜s2＜t×b％),...,(t×a％＜si＜t×b％)中至少一项成立时，压力传感器采集的压力值有效；

当(t×a％＜s1＜t×b％),(t×a％＜s2＜t×b％),...,(t×a％＜si＜t×b％)中任意一项均不成立时，压力传感器采集的压力值无效；

步骤3：当压力传感器采集的压力值有效时，输出压力值向量并对所述压力值向量进行分类：

其中，ej为压力值向量与第j类压力分布的欧几里得距离，kj为第j类压力分布中数据向量的项数，ni为压力值向量中的第i维压力值，mj,l,i为第j类压力分布中第l项数据向量的第i维压力值；

当ej最小时，所述压力值向量属于第j类压力分布；

将所述压力值向量分类后，并存入所述类别内，更新所述类别压力分布的数据向量；

步骤4：确定采集周期内采集的压力值向量在c类压力分布中出现的次数，并输出次数向量将所述次数向量分别输入各恢复阶段的判定决策函数中：

式中，为第m恢复阶段的判定决策函数，sgn(w)中，w＞0时，sgn(w)＝1，w＜0时，sgn(w)＝-1；q为确定第m恢复阶段的决策判定函数时采集属于第m恢复阶段的数据项数，为第m恢复阶段的判定决策函中第p项数据的校正系数，yp为第m恢复阶段中第p项数据的阶段判定系数，xp为第m恢复阶段中第p项数据在c类压力分布中出现的次数；

当时，使用者在第m恢复阶段，当时，使用者不在第m恢复阶段。

所述各恢复阶段的判定决策函数的确定包括：

基于此类病患各个阶段的大数据以及病人的数据进行模式识别，进而确定病人情况，最终确定各个恢复阶段的判定决策函数。

首先确定第m恢复阶段的判断边界值q；

采集同属第m恢复阶段的g项数据(即g个病患的数据，且初始模拟判定为第m恢复阶段)并进行分类(也采用步骤1-3进行分类)，确定各个病患在c类压力分布中各出现的次数x1,x2,…,xp,…,xg(其均为高维向量，表示病人二级数据处理得到的关于每种类别的累积出现次数)，并获得各项数据的置信值mp：

mp＝(xp-x1)²+(xp-x2)²+…+(xp-xp-1)²

+(xp-xp+1)²+…+(xp-xg)²，p＝1,2,3,…,g

当mp≤q时，第p项数据的阶段判定系数yp＝1；

当mp＞q时，第p项数据的阶段判定系数yp＝-1；

剔除yp＝-1的数据并确定属于第m恢复阶段的数据项数q；

采用线性函数ωx+b＝0进行线性分类，并进行最小置信范围优化分类：

所述最小置信范围优化分类采用拉格朗日函数l(ω,b,α)进行优化求解：

获得第m恢复阶段的判定决策函的校正系数：

即可得到第m恢复阶段的判定决策函数：

通过确定使用者的恢复阶段确定使用者的康复进程进而制定及时的康复训练计划，缩短康复时间。

本发提供的基于大数据的康复进程检测鞋垫的检测方法，能够将传感器采集的压力数据进行筛选分类，并基于恢复阶段判定决策函数确定使用者的恢复阶段，简单可靠。本发明还提供了各恢复阶段判定决策函数的确定方法，采用大数据采集并确定，提高了判定决策函数的判定精度。本发明通过对下肢疾病患者数据的采集与三级处理达到了康复阶段精准定位、医生建议及时反馈、康复时间大大缩短的效果。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。