[发明专利]基于肢体动作的颈椎病筛查装置在审
申请号: | 202011604678.2 | 申请日: | 2020-12-30 |
公开(公告)号: | CN112562852A | 公开(公告)日: | 2021-03-26 |
发明(设计)人: | 梁国彦;陈俊颖;郑书豪 | 申请(专利权)人: | 广东省人民医院 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G06T7/00;G06N3/08;G06N3/04 |
代理公司: | 深圳紫辰知识产权代理有限公司 44602 | 代理人: | 万鹏 |
地址: | 510080 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 肢体 动作 颈椎病 装置 | ||
1.一种基于肢体动作的颈椎病筛查装置,其特征在于,包括:
存储模块,存储有颈椎病的诊断参数,所述诊断参数用于作为判断评估目标是否患有颈椎病的参考;
视频采集模块,用于采集含有评估目标的肢体动作的视频;
信息提取模块,用于将所述视频拆分为多个单帧图像;
数据分析模块,用于根据所述单帧图像计算测试参数,所述测试参数包括在预设时间段内评估目标的肢体完成预设动作的次数,所述数据分析模块还用于计算所述测试参数与所述诊断参数的差值;
显示模块,用于显示评估结果,所述评估结果包括所述测试参数、所述差值以及与所述差值相关的诊断结果中的任何一个或多个。
2.根据权利要求1所述的颈椎病筛查装置,其特征在于,
所述数据分析模块利用基于第一卷积神经网络的深度学习方法在多个所述单帧图像中捕捉评估目标的肢体动作。
3.根据权利要求2所述的颈椎病筛查装置,其特征在于,
所述预设时间段不小于5秒且不大于60秒。
4.根据权利要求2所述的颈椎病筛查装置,其特征在于,
所述存储模块还存储有评估目标的属性,所述属性包括性别和年龄,并且所述诊断结果与所述属性相关。
5.根据权利要求2所述的颈椎病筛查装置,其特征在于,
还包括服务器和数据传输模块,所述存储模块、所述信息提取模块和所述数据分析模块均设于所述服务器,所述视频采集模块和所述显示模块均通过所述数据传输模块实现与所述服务器的数据通信。
6.根据权利要求5所述的颈椎病筛查装置,其特征在于,
还包括手机或平板电脑,所述视频采集模块和所述显示模块均设于所述手机或所述平板电脑。
7.根据权利要求2至6中任一项所述的颈椎病筛查装置,其特征在于,
所述信息提取模块包括预处理组件和检验组件,所述预处理组件用于将所述视频拆分为多个所述单帧图像,所述检验组件用于检验所述单帧图像是否含有评估目标的肢体。
8.根据权利要求7所述的颈椎病筛查装置,其特征在于,
所述检验组件利用基于第二卷积神经网络的深度学习方法判断所述单帧图像是否含有评估目标的肢体。
9.根据权利要求7所述的颈椎病筛查装置,其特征在于,
所述信息提取模块还包括过滤组件,所述预处理组件提取多个连续的所述单帧图像作为一个检验包,所述检验组件检验所述检验包内的所述单帧图像是否含有评估目标的肢体,所述过滤组件将所述检验包分类为合格检验包和不合格检验包,所述合格检验包内的所有所述单帧图像均含有评估目标的肢体,所述数据分析模块根据多个所述合格检验包计算所述测试参数。
10.根据权利要求7所述的颈椎病筛查装置,其特征在于,
所述第一卷积神经网络包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、最大池化层、平均池化层和全连接层,所述第一卷积层从所述单帧图像中提取特征参数并输入所述最大池化层,从所述最大池化层输出数据依次传输至所述第二卷积层、所述第三卷积层、所述第四卷积层、所述第五卷积层、所述平均池化层和所述全连接层,所述第二卷积层、所述第三卷积层、所述第四卷积层和所述第五卷积层分别包括3个、24个、36个和3个ResNeXt网络块,所述第二卷积层、所述第三卷积层、所述第四卷积层和所述第五卷积层均采用组卷积的方式。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东省人民医院,未经广东省人民医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011604678.2/1.html,转载请声明来源钻瓜专利网。