[发明专利]一种基于活动度特征的踝关节韧带损伤智能决策系统

权利要求书

1.一种基于活动度特征的踝关节韧带损伤智能决策系统，其特征在于，包括：

采集模块，用于采集损伤组与对照组中受试者的足踝部运动信息；

构建模块，用于根据采集的足踝部运动信息，分别构建损伤组与对照组的距下关节活动度特征空间；

生成模块，用于构建深度卷积生成式对抗网络，利用所述距下关节活动度特征空间中真实的距下关节活动度特征，扩展生成损伤组与对照组的距下关节活动度特征；

决策模块，用于构建长短时记忆网络，利用损伤组与对照组真实的距下关节活动度特征与扩展生成的距下关节活动度特征组成训练集对长短时记忆网络进行训练，得到踝关节韧带损伤智能决策模型；

其中，所述生成模块，具体用于将构建的距下关节活动度特征空间中真实的距下关节活动度特征进行拼接，形成多维特征矩阵；构建活动度特征生成器，将随机噪声进行拟合初步生成距下关节活动度特征；构建活动度特征判别器，将初步生成的距下关节活动活动度特征与多维特征矩阵中真实的距下关节活动活动度特征进行判别比较，计算其损失函数，反馈给生成器；根据反馈结果优化生成器权重，将初步生成的距下关节活动度特征进行进一步拟合并再次判别，反复迭代，直到生成符合判别器要求的损伤组与对照组的距下关节活动度特征为止。

2.根据权利要求1所述的基于活动度特征的踝关节韧带损伤智能决策系统，其特征在于，所述采集模块，具体用于基于海德堡足部测量方法，建立覆盖膝关节、踝关节、足部的足踝部运动测量模型；基于所述足踝部运动测量模型，通过光学运动捕捉系统采集损伤组与对照组中受试者在自然行走过程中的足踝部运动信息。

3.根据权利要求2所述的基于活动度特征的踝关节韧带损伤智能决策系统，其特征在于，所述膝关节的骨性标志点包括：沿膝关节弯曲轴最大距离方向的膝关节内侧和外侧标记点；

踝关节的骨性标志点包括：沿踝骨转动轴最大距离方向的内踝标记点和沿踝骨转动轴最大距离方向的外踝标记点；

足部的骨性标志点包括：跟骨内、外、背侧最凸出位置标记点，从矢状面观察轴线与地面约成45°的舟骨标记点，第1、5跖骨近端标记点和远端标记点，其中，1指大拇趾，5指小趾。

4.根据权利要求1所述的基于活动度特征的踝关节韧带损伤智能决策系统，其特征在于，所述系统还包括：

预处理模块，用于对采集模块采集到的足踝部运动信息进行预处理；其中，

所述预处理模块，具体用于对采集模块采集的足踝部运动信息进行低通数字滤波；依据人体步态的共性特征及受试者个体实际运动情况，将滤波处理后的足踝部运动信息按照跟骨背侧标记点空间坐标位置进行步态周期自动分割；将每个步态周期内的采样点个数进行标准化处理。

5.根据权利要求4所述的基于活动度特征的踝关节韧带损伤智能决策系统，其特征在于，所述构建模块，用于根据预处理后的足踝部运动信息，提取针对踝关节韧带损伤的距下关节活动度特征，分别构建损伤组与对照组的距下关节活动度特征空间。

6.根据权利要求1所述的基于活动度特征的踝关节韧带损伤智能决策系统，其特征在于，提取的距下关节活动度特征包括：胫-距骨屈曲角度、前足-跟外展角度、足部内侧拱角、足部外侧拱角、距下旋转角度、前足-踝旋外角度、内-外足中旋角和踝-跟伸缩距离。

7.根据权利要求1所述的基于活动度特征的踝关节韧带损伤智能决策系统，其特征在于，所述决策模块，具体用于将损伤组与对照组真实的距下关节活动度特征与生成的符合判别器要求的距下关节活动度特征进行组合，形成踝关节韧带损伤智能决策模型的训练集；构建长短时记忆网络，将训练集输入到构建的长短时记忆网络中，学习从距下关节活动度特征到损伤决策的映射关系；优化长短时记忆网络的参数，衡量输出结果与真实结果之间的差距并再次学习，反复迭代，直到输出符合其损失函数要求的判别结果为止；

其中，所述参数包括：训练次数、批大小、长短时记忆网络层数和隐藏层中节点的数目。