本技术涉及医学评估,特别是涉及一种跌倒风险评估方法、装置、电子设备和存储介质。
背景技术:
1、随着世界人口老龄化的加剧,老年人的日常护理成为一个重要的社会需求。衰老和疾病给老年人的运动机能带来了衰退,使老年人的跌倒风险增加,跌倒也成为老年人因伤就医的一个主要原因。对老年人的跌倒风险进行评估,并对跌倒风险较高的老年人进行有针对性的护理和相关锻炼指导,有助于降低老年人跌倒的概率,从而提高老年人的生活质量。
2、目前,跌倒风险评估方法主要是由相关医护人员使用各种跌倒风险评估量表对老年人跌倒风险进行评估。然而,这种评估方法比较依赖于相关医护人员的专业能力,如果相关医护人员的专业能力不足,很可能导致跌倒风险的误判,使得跌倒风险评估的准确率较低。
技术实现思路
1、本技术实施例的目的在于提供一种跌倒风险评估方法、装置、电子设备和存储介质,以降低跌倒风险评估的误判率,提高跌倒风险评估的准确率。具体技术方案如下:
2、第一方面,本技术实施例提供了一种跌倒风险评估方法,所述方法包括:
3、获取待评估对象反射雷达信号所生成的雷达回波信号;
4、对所述雷达回波信号进行特征分析,得到所述待评估对象的目标特征数据,其中,所述目标特征数据包括:姿态特征数据、速度特征数据和体征特征数据中的至少一个;
5、将所述目标特征数据输入到预先训练的跌倒风险评估模型中,并获取所述跌倒风险评估模型输出的关于所述待评估对象的跌倒风险评估结果;
6、其中,所述跌倒风险评估模型是利用具有样本标签的多组样本特征数据对预设的初始模型进行训练得到的,每组样本特征数据包括基于一样本对象反射雷达信号所生成的雷达回波信号确定的所述样本对象的样本特征数据,每组样本特征数据的样本标签表征具有该组样本特征数据的样本对象的预设跌倒风险。
7、可选的,一种具体实现方式中,所述目标特征数据包括:所述姿态特征数据、所述速度特征数据和所述体征特征数据;
8、所述对所述雷达回波信号进行特征分析,得到所述待评估对象的目标特征数据,包括:
9、对所述雷达回波信号进行慢时间维度的快速傅里叶变换,得到时频图,并基于所述时频图所表征的所述待评估对象的运动特征,确定所述待检测对象的速度特征数据和体征特征数据;
10、将所述雷达回波信号转换为点云图,并基于所述点云图所表征的所述待评估对象的人体空间位置信息,确定所述待评估对象的姿态特征数据。
11、可选的,一种具体实现方式中,所述目标特征数据包括:所述姿态特征数据、所述速度特征数据和所述体征特征数据;所述跌倒风险评估模型包括特征提取层和结果评估层;
12、所述将所述目标特征数据输入到预先训练的跌倒风险评估模型中,并获取所述跌倒风险评估模型输出的关于所述待评估对象的跌倒风险评估结果,包括:
13、将所述姿态特征数据、所述速度特征数据和所述体征特征数据输入到所述跌倒风险评估模型中,并获取所述跌倒风险评估模型输出的关于所述待评估对象的跌倒风险评估结果;
14、其中,所述特征提取层用于分别对所述姿态特征数据、所述速度特征数据和所述体征特征数据进行高维特征提取,得到多个高维特征信息,并对所述多个高维特征信息进行融合计算,得到目标高维特征;所述结果评估层用于对所述目标高维特征进行学习,并输出所述目标高维特征对应的关于所述待评估对象的跌倒风险评估结果。
15、可选的,一种具体实现方式中,所述获取待评估对象反射雷达信号所生成的雷达回波信号,包括:
16、获取待评估对象执行指定动作的过程中,所述待评估对象反射雷达信号所生成的雷达回波信号。
17、可选的,一种具体实现方式中,所述方法还包括:
18、根据预设的关于护理方案和风险评估结果之间的对应关系,确定所述跌倒风险评估结果对应的目标护理方案,作为所述待评估对象的护理方案。
19、第二方面,本技术实施例提供了一种跌倒风险评估装置,所述装置包括:
20、信号获取模块,用于获取待评估对象反射雷达信号所生成的雷达回波信号;
21、特征分析模块,用于对所述雷达回波信号进行特征分析,得到所述待评估对象的目标特征数据,其中,所述目标特征数据包括:姿态特征数据、速度特征数据和体征特征数据中的至少一个;
22、风险评估模块,用于将所述目标特征数据输入到预先训练的跌倒风险评估模型中,并获取所述跌倒风险评估模型输出的关于所述待评估对象的跌倒风险评估结果;其中,所述跌倒风险评估模型是利用具有样本标签的多组样本特征数据对预设的初始模型进行训练得到的,每组样本特征数据包括基于一样本对象反射雷达信号所生成的雷达回波信号确定的所述样本对象的样本特征数据,每组样本特征数据的样本标签表征具有该组样本特征数据的样本对象的预设跌倒风险。
23、可选的,一种具体实现方式中,所述目标特征数据包括:所述姿态特征数据、所述速度特征数据和所述体征特征数据;
24、所述特征分析模块包括:
25、时频图分析子模块,用于对所述雷达回波信号进行慢时间维度的快速傅里叶变换,得到时频图,并基于所述时频图所表征的所述待评估对象的运动特征,确定所述待检测对象的速度特征数据和体征特征数据;
26、点云图分析子模块,用于将所述雷达回波信号转换为点云图,并基于所述点云图所表征的所述待评估对象的人体空间位置信息,确定所述待评估对象的姿态特征数据。
27、可选的,一种具体实现方式中,所述目标特征数据包括:所述姿态特征数据、所述速度特征数据和所述体征特征数据;所述跌倒风险评估模型包括特征提取层和结果评估层;
28、所述风险评估模块具体用于:
29、将所述姿态特征数据、所述速度特征数据和所述体征特征数据输入到所述跌倒风险评估模型中,并获取所述跌倒风险评估模型输出的关于所述待评估对象的跌倒风险评估结果;
30、其中,所述特征提取层用于分别对所述姿态特征数据、所述速度特征数据和所述体征特征数据进行高维特征提取,得到多个高维特征信息,并对所述多个高维特征信息进行融合计算,得到目标高维特征;所述结果评估层用于对所述目标高维特征进行学习,并输出所述目标高维特征对应的关于所述待评估对象的跌倒风险评估结果。
31、可选的,一种具体实现方式中,所述信号获取模块具体用于:
32、获取待评估对象执行指定动作的过程中,所述待评估对象反射雷达信号所生成的雷达回波信号。
33、可选的,一种具体实现方式中,所述装置还包括:
34、方案确定模块,用于根据预设的关于护理方案和风险评估结果之间的对应关系,确定所述跌倒风险评估结果对应的目标护理方案,作为所述待评估对象的护理方案。
35、第三方面,本技术实施例提供了一种电子设备,包括:
36、存储器,用于存放计算机程序;
37、处理器,用于执行存储器上所存放的程序时,实现上述任一所述的跌倒风险评估方法。
38、第四方面,本技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的跌倒风险评估方法。
39、本技术实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的跌倒风险评估方法。
40、本技术实施例有益效果:
41、以上可见,应用本技术实施例提供的方案,在对待评估对象进行跌倒风险评估时,可以先获取待评估对象反射雷达信号所生成的雷达回波信号;然后通过对所获取的雷达回波信号进行特征分析,得到待评估对象的目标特征数据;进而便可以将目标特征数据输入到预先训练的跌倒风险评估模型中,得到跌倒风险评估模型输出的关于待评估对象的跌倒风险评估结果。
42、基于此,应用本技术实施例提供的方案,用于训练跌倒风险评估模型的样本特征数据是基于真实的样本对象所确定的样本特征数据,进而,基于上述样本特征数据所训练的跌倒风险评估模型可以较为准确地反映特征数据和跌倒风险之间的对应关系。因此,通过将待评估对象的目标特征数据数据输入到跌倒风险评估模型中得到的关于待评估对象的跌倒风险评估结果具有较高的准确性。应用本技术实施例提供的方法进行跌倒风险评估,可以降低跌倒风险评估的误判率,提高跌倒风险评估的准确率。
43、另外,在进行跌倒风险评估的过程中,基于雷达信号采集待评估对象的目标特征数据的成本较低,并且可以在待评估对象不穿戴设备且不采集待评估对象的图像的情况下,获取对待评估对象的目标特征数据,使得本技术实施例提供的跌倒风险评估方法具有良好的隐私性。并且,应用本技术实施例提供的方案,跌倒风险评估模型可以代替相关医护人员进行跌倒风险评估,从而实现跌倒风险评估过程的自动化和智能化,进而降低人工成本。
44、当然,实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。