[发明专利]康复治疗质量评定的方法、装置、存储介质及电子设备

说明书

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种康复治疗质量评定的方法、装置、存储介质及电子设备。

背景技术

目前在康复医院中，康复治疗师对患者进行物理治疗等康复专科治疗时，由康复治疗师利用器械，徒手或者通过患者自身力量，通过某些主动或被动的方式，帮助患者完成其全身或局部运动功能及感觉功能恢复的训练。在这个治疗过程中，除了人为主动的去观察，并没有有效的方式来针对整个治疗过程进行质量的评定，而人为主动的观察，使得质量评定具有主观性，降低了质量评定的准确性，而且也降低了质量评定的效率，从而无法判断治疗师的工作内容是否规范，不利于对治疗师的工作绩效产生评估，而且在发生患者投诉时，也无法去客观的解决纠纷。而如果只是单纯的记录治疗时间，也不能保证整个治疗过程是有效的完成的，降低了质量评定的准确性。

在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：

现有技术中，无法对康复质量进行客观性的评定，而且质量评定的效率低。

因此，需要一种新的康复治疗质量评定的方法、装置、存储介质及电子设备。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种康复治疗质量评定的方法、装置、存储介质及电子设备，能够基于深度学习模型对康复治疗的质量评定。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的第一方面，提供一种康复治疗质量评定的方法，其中，所述方法包括：

获取待评定的康复治疗视频；

根据所述康复治疗视频以及构建的所述康复治疗对应的深度学习模型，获取所述康复治疗视频的特征集合；

根据所述特征集合与所述康复治疗的特征模型的比对结果，对所述待评定的康复治疗进行质量评定。

根据一些实施例，所述方法包括：

构建所述康复治疗对应的深度学习模型；

所述构建所述康复治疗对应的深度学习模型，包括：

获取所述康复治疗的大数据样本视频；

设置帧间隔，并按照所述帧间隔依次从每个样本提取视频帧；

将每个样本的视频帧输入至卷积神经网络进行深度学习训练，以获取到每个样本的多个视频帧的特征集合；

根据获取到的每个样本的多个视频帧的特征集合与所述康复治疗中对应于所述多个视频帧的特征模型比对，获取到所述康复治疗的深度学习模型。

根据一些实施例，根据所述康复治疗视频以及构建的所述康复治疗对应的深度学习模型，获取所述康复治疗视频的特征集合，包括：

按照所述设置的帧间隔，从所述待评定的康复治疗视频中提取多个视频帧；

将提取的视频帧输入至所述深度学习模型，获取到所述康复治疗视频的多个视频帧的特征集合。

根据一些实施例，从所述康复治疗视频中提取多个视频帧之后，所述方法还包括：

对所述提取的所述多个视频帧预处理，以获取到标准形式的多个视频帧；

将所述标准形式的多个视频帧输入至所述深度学习模型，获取到所述康复治疗视频的所述多个视频帧的特征集合。

根据一些实施例，根据所述特征集合与所述康复治疗的特征模型的比对结果，对所述康复治疗进行质量评定，包括：

将所述康复治疗视频中的每个视频帧的特征集合与所述特征模型相对应的视频帧的特征集合比对，以获取所述康复治疗视频中的每个视频帧与所述特征模型中相对应视频帧的特征偏差；

根据超过阈值的特征偏差所对应的康复治疗视频帧的数目对所述康复治疗进行质量评定。

根据一些实施例，根据超过阈值的特征偏差所对应的康复治疗视频帧的数目对所述康复治疗进行质量评定,包括：

预设置每个质量级别所对应的超过所述阈值的特征偏差所对应的康复治疗视频帧的数目；

根据所述超过阈值的特征偏差所对应的康复治疗视频帧的数目所属于的质量级别，对所述康复治疗进行质量评定。

根据一些实施例，所述方法还包括：

当所述康复治疗视频中的视频帧与所述特征模型中相对应的视频帧的特征偏差超过所述阈值时，对所述视频帧进行标记，并输出预警提示。

根据本发明的第二方面，提供一种康复治疗质量评定的装置，其中，所述装置包括：

第一获取模块，用于获取待评定的康复治疗视频；