[发明专利]基于深度学习的康复评定方法、装置及介质

说明书

本发明涉及一种基于深度学习的康复评定方法、装置及介质的技术方案，包括：采集多维度数据，建康复评定数据库；调查数据库中进行关键词提取，确定康复服务对象康复指标；对多项维度数据及康复指标进行量化并构建对应的面板数据；构建基于深度学习的时间序列预测算法模型，对时间序列预测算法模型输入验证数据集进行预运行；筛选最优康复评定的预测算法模型，将康复服务对象对应的已量化的面板数据及康复指标输入至最优康复评定的预测算法模型，得到康复服务对象对应康复阶段的康复评定结果；直至完成康复服务对象的整个康复阶段评定。本发明的有益效果为：通过分布式大数据采集相关数据，进行量化处理并进行学习计算，使得康复评定更加有效。

技术领域

本发明涉及计算机领域，具体涉及了一种基于深度学习的康复评定方法、装置及介质。

背景技术

康复评定，又称为康复功能评定，是康复医学领域内一门对功能障碍进行评定的专门诊断技术，主要应用在临床检测基础上，康复评定是对病、伤、残者的功能状况与水平的客观、定性和/或定量的描述，并对结果有效影响因子加以解释，对之后是否继续进行康复过程，是否可以重返家庭和社会或进一步康复治疗，是否修改原定康复计划等提出有效的科学依据。现有技术缺乏有效的技术手段对患者的康复进行数据量化及评估。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种基于深度学习的康复评定方法、装置及介质，结合大数据与深度学习技术，对患者的康复的进行有效评定。

本发明的技术方案包括一种基于深度学习的康复评定方法，其特征在于，该方法包括：S100，通过分布式采集设备及分布式存储设备对涉及康复评定的多项维度数据进行采集，根据多项所述维度数据构建康复评定数据库；S200，根据康复服务对象所处的康复时间阶段，从调查数据库中进行关键词提取，确定康复服务对象康复指标；S300，对多项所述维度数据及所述康复指标进行量化并构建对应的面板数据；S400，构建基于深度学习的时间序列预测算法模型，对所述时间序列预测算法模型输入验证数据集进行预运行；S500，根据所述预运行的结果，筛选最优康复评定的预测算法模型，将康复服务对象对应的已量化的面板数据及康复指标输入至最优康复评定的预测算法模型，得到康复服务对象对应康复阶段的康复评定结果；S600，重复执行所述S200～S500直至完成康复服务对象的整个康复阶段评定。

根据所述的基于深度学习的康复评定方法，其中分布式采集设备及所述分布式存储设备基于Hadoop、Spark及Pyspark的分布式框架的组合，所述分布式存储设备采用Hive分布式存储，以实现大数据环境搭建。

根据所述的基于深度学习的康复评定方法，其中康复评定包括躯体功能评定、精神功能评定、语言功能评定及社会功能评定。

根据所述的基于深度学习的康复评定方法，其中维度数据包括自然环境数据、康复条件数据及康复理论研究数据。

根据所述的基于深度学习的康复评定方法，其中调查数据库包括：存储有包括但不限于采用访谈法、实地观察法、问卷法对康复对象进行的访谈、实地观察及问卷文本数据。

根据所述的基于深度学习的康复评定方法，其中S200包括：通过包括但不限于TF-IDF、PKEA、PageRank、TextRank、Rake及LDA对所述文本数据进行关键词提取；以及，采用包括但不限于K-means、K-MEDOIDS、CLARANS算法对所述文本数据进行聚类，并对每一聚类结果进行关键词提取；将聚类结果中提取的关键词作为后续康复指标参考。

根据所述的基于深度学习的康复评定方法，其中S300包括：对所述维度数据进行量化及标准化，其中量化及标准化范围为0～1，其中1为程度最大；基于所述标准化范围对维度数据建三维立面板数据，三维立面板数据中X轴为时间、Z轴为康复服务对象未进行预防干预的康复评定结果、Y轴为指标数据。