基于深度学习的颈椎状态恢复评估方法和系统

本发明涉及颈椎恢复，特别涉及一种基于深度学习的颈椎状态恢复评估方法和系统。

背景技术：

1、目前，现代生活方式的改变，由于长时间使用电脑、手机等电子设备，以及伏案工作，人们常常保持低头或前倾的姿势，这导致颈椎长时间处于非自然状态，增加了颈椎的负担。据报道，中国80%以上的青少年颈椎处于亚健康状态，其中严重不健康的占到17.5%。颈椎病不再是老年人的专利，年轻人甚至青少年也出现了不同程度的颈椎问题。颈椎病患者可能会经历颈、肩、项背部的酸涩疼痛，反复落枕，头晕、头痛，上肢酸痛、麻木无力，肌肉萎缩等症状。在严重的情况下，甚至可能出现双下肢痉挛，四肢麻痹，大、小便失禁等。

2、随着颈椎病问题的日益严重，社会和医疗界也越来越关注这一问题，推出了颈椎牵引仪来辅助颈椎病患者进行颈椎的恢复和治疗，但是，现有的颈椎牵引仪只能根据固定的模式进行颈椎牵引治疗，无法判断颈椎治疗恢复结果。

3、在专利申请号为cn201910766585.0的专利中，提出了一种具有实时反馈功能的颈椎恢复训练信息管理方法和系统，用于辅助患者或者对使用颈椎牵引仪的患者进行颈椎治疗的效果反馈，但是其只能记录个人自身训练，无法配合颈椎牵引仪辅助患者进行治疗恢复判定。

4、而且，因为颈椎牵引仪的用户组成不同，以及患者的颈椎曲度不同，很可能不能促进颈椎生理曲度恢复，相反拉直了颈椎，弱化颈椎生理曲度；传统颈椎牵引仪无法对不同患者进行个性化的治疗，也不能对颈椎恢复状态进行评估，只能按照预设模式或者预设治疗策略进行治疗，不能自动判断治疗是否符合治疗规则，治疗效果是否符合要求。

5、在判断治疗效果时，传统颈椎牵引仪只能根据治疗后的患者状态判断治疗效果，无法在治疗过程中的任意阶段判断出治疗效果的情况。

技术实现思路

1、本发明提供一种基于深度学习的颈椎状态恢复评估方法和系统，用以解决：

2、1.传统颈椎牵引仪无法对不同患者进行个性化的治疗，也不能对颈椎恢复状态进行评估，只能按照预设模式或者预设治疗策略进行治疗的情况；

3、2.不能自动判断治疗是否符合治疗规则，治疗效果是否符合要求。在判断治疗效果时，传统颈椎牵引仪只能根据治疗后的患者状态判断治疗效果，无法在治疗过程中的任意阶段判断出治疗效果的情况。

4、针对上述问题，本发明提出一种基于深度学习的颈椎状态恢复评估方法，该方法应用于交互通信的温控颈椎牵引仪和用户终端，包括：

5、当用户终端接收到用户发出的颈椎状态恢复评估指令时，生成颈椎恢复评估请求；

6、将颈椎恢复评估请求发送至温控颈椎牵引仪，通过温控颈椎牵引仪内的角度测量感受器采集患者颈椎的实时异常曲度和患者颈椎治疗数据；

7、根据实时异常曲度和患者身体数据，设定约束条件，生成基于时间尺度确定最优治疗曲线，确定患者的目标治疗函数；

8、根据目标治疗函数，确定理想颈椎牵引轨迹；

9、将理想颈椎牵引轨迹和患者颈椎治疗数据通过训练好的深度神经网络监督模型在时间尺度下进行轨迹评估，输出颈椎恢复的评估结果。

10、优选的，所述角度测量感受器包括定位式水平传感器、电子式角度传感器和增量编码器；其中，

11、定位式水平传感器用于在水平状态下对患者颈椎进行检测，确定初始颈椎角度信息；

12、电子式角度传感器用于在颈椎治疗时，实时获取患者颈椎的实时颈椎角度信息；

13、增量编码器用于根据实时颈椎角度信息和初始颈椎角度信息，确定角度增量，并通过角度增量排序，确定颈椎治疗监督的实时牵引轨迹。

14、优选的，所述深度神经网络监督模型还用于：

15、根据定位式水平传感器，对患者颈椎进行立体建模，确定患者颈椎的初始颈椎曲度；

16、根据电子式角度传感器，获取颈椎治疗时动态向量，确定患者颈椎的动态角度；

17、根据增量编码器和动态角度，在初始颈椎曲度上进行患者颈椎的牵引变动角度计算；

18、通过牵引变动角度计算和理想颈椎牵引轨迹，判断颈椎治疗的异常变动角度，并通过异常变动角度进行患者颈椎异常状态点定位，确定轨迹偏差点。

19、优选的，所述患者身体数据包括颈椎活动范围、颈椎部位肌力、肌肉耐力、神经灵敏度、皮肤耐温程度、理想颈椎曲度。

20、优选的，所述设定约束条件包括如下步骤：

21、根据患者颈椎治疗数据，确定患者颈椎的初始异常曲度，确定患者颈椎恢复的目标颈椎曲度和时间节点个数；

22、根据目标颈椎曲度，设定每个时间节点的颈椎牵引角度和相应的最低权重；

23、根据患者身体数据，设定每个时间节点的调节区间，并对每个时间节点的颈椎牵引角度设定牵引约束条件；

24、通过深度融合算法进行牵引约束条件融合，设定每个时间节点的颈椎牵引负荷，确定不同约束条件的组合约束策略；

25、根据组合约束策略，构成约束域，在约束域内进行遗传算法求解，确定最优解，确定约束条件的最优设定方案。

26、优选的，所述基于时间尺度确定最优治疗曲线，确定患者的目标治疗函数，包括：

27、根据约束条件，确定颈椎恢复的相关性指标，并以目标颈椎矫正角度作为基准值，确定时间尺度排序筛选机制下与基准值最接近的目标相关性指标，生成基于时间尺度的最优治疗曲线；

28、通过最优治疗曲线在训练好的gan网络下进行时段分布特征输出，构成患者的目标治疗函数。

29、优选的，所述目标治疗函数还通过鉴别器进行质量鉴别，其鉴别过程如下：

30、对目标治疗函数进行预演处理，生成预演数据库；

31、搭建基于过程监督的过程注意力机制，生成全局治疗鉴别器，并通过全局治疗鉴别器对目标治疗函数中的运算过程进行学习和鉴别，生成改进的目标治疗函数；

32、将改进的目标治疗函数通过预演数据库进行数据对照，判断数据差，并通过数据差与预设差值系数的比值，确定目标治疗函数的函数质量。

33、优选的，所述根据目标治疗函数，确定颈椎牵引轨迹，包括：

34、将目标治疗函数导入温控颈椎牵引仪，并对其工作参数进行适配；

35、根据工作参数，确定牵引治疗阶段；其中，

36、牵引治疗阶段包括：顺势牵引、过渡体位牵引和小角度背伸位牵引；

37、根据牵引治疗阶段，确定患者的颈椎治疗策略，并通过温控颈椎牵引仪，确定颈椎牵引轨迹。

38、优选的，所述将理想颈椎牵引轨迹和患者颈椎治疗数据通过训练好的深度神经网络监督模型在时间尺度下进行轨迹评估，输出颈椎恢复的评估结果，包括：

39、通过深度神经网络监督模型对患者颈椎治疗数据进行分析，确定患者颈椎治疗时每一时刻的颈椎牵引数据，构建基于时间尺度的恢复分类决策树；

40、在恢复分类决策树的各个时间节点上，进行颈椎牵引数据和理想颈椎牵引轨迹的偏差对比，生成基于时间尺度的偏差序列；

41、从恢复数据分类决策树上，将偏差序列通过恢复评估规则进行赋权评估，确定颈椎恢复的评估结果。

42、本发明还提供一种基于深度学习的颈椎状态恢复评估系统，所述系统包括：

43、用户端：用于接收用户发出的颈椎状态恢复评估指令，生成颈椎恢复评估请求；

44、数据采集端：用于将颈椎恢复评估请求发送至温控颈椎牵引仪，通过温控颈椎牵引仪内的角度测量感受器采集患者颈椎的实时异常曲度和患者颈椎治疗数据；

45、治疗函数生成端：用于根据实时异常曲度和患者身体数据，设定约束条件，生成基于时间尺度确定最优治疗曲线，确定患者的目标治疗函数；

46、治疗轨迹判定端：用于根据目标治疗函数，确定理想颈椎牵引轨迹；

47、深度评估端：用于将理想颈椎牵引轨迹和患者颈椎治疗数据通过训练好的深度神经网络监督模型在时间尺度下进行轨迹评估，输出颈椎恢复的评估结果。

48、上述技术方案的有益效果为：

49、本发明中，在患者的颈椎治疗时，能够结合患者的身体数据和颈椎的实时异常曲度，综合性判断每个患者颈椎治疗数据中的实际颈椎牵引轨迹与理想颈椎牵引轨迹的偏差，主要是在不同时间点下的颈椎治疗偏差，并在赋权的情况下计算出总的偏差情况，从而判断患者的恢复情况。在这种情况下，患者颈椎治疗的恢复情况结合了治疗数据，并结合了患者实时颈椎曲度数据，能更准确的表明患者的恢复效果，还能判断患者的治疗方案是不是达到了最优的治疗效果。

50、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

51、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。