[发明专利]一种基于骨架数据的跌倒伤害程度预测方法、系统及终端

说明书

本申请公开了一种基于骨架数据的跌倒伤害程度预测方法、系统及终端，对跌到过程中的骨架数据进行采集，对身体骨骼的各个部位进行向量表示；建立跌到伤害评估模型，第一ST‑LSTM网络用于对跌倒时受伤部位进行检测，第二ST‑LSTM网络用于对伤害程度进行评估；将处理后的数据输入所述跌倒伤害评估模型，获取伤害关键部位及其伤害程度评估结果。伤害评估模型有效提取关节和身体部位的时空特征，并通过各层实施注意力机制，更好地区分不同跌倒方式对身体伤害部位的影响，以及不同部位对跌倒伤害程度的影响，有效提高跌倒伤害程度评估精度。可适用于跌倒时身体各高危部位的伤害程度评估，使得同时评估多个部位伤害程度成为可能。

技术领域

本申请涉及跌倒伤害评估技术领域，具体涉及一种基于骨架数据的跌倒伤害程度预测方法、系统及终端。

背景技术

人体跌倒事件可能造成身体伤害，严重者甚至导致死亡。相关研究表明，跌倒事件造成伤害最多的前三个部位分别是头部、髋部和膝盖。跌倒损伤的严重程度与坠落高度、速度、动能和撞击位置的加速度等因素都有关。对跌倒造成的伤害程度进行评估，不仅有助于急救过程采取有效措施，而且对后续制定合理的护理措施也可提供参考。

目前临床上主要采用损伤严重程度量表进行跌倒损伤严重程度评定，如颅脑损伤标准、颅脑损伤模型和简易损伤量表，但主要是针对车祸、运动或行人事故的损伤程度评定。有研究采用仿真模拟实验，基于人体电子计算机断层扫描数据建立有限元模型对易受伤部位进行受力分析实验，评估在相应跌倒场景下可能会造成的伤害程度，例如Majumder使用骨盆-股骨-软组织复合体三维有限元模型评估向后跌倒对骨盆损伤的影响。

但是，传统量表评定方式基于主观判断，评定结果受评定师主观影响大，存在主观差异和通用性问题。而针对特定部位的有限元仿真方法，则只考虑单个部位受伤程度评定。

发明内容

本申请为了解决上述技术问题，提出了如下技术方案：

第一方面，本申请实施例提供了一种基于骨架数据的跌倒伤害程度预测方法，所述方法包括：对跌倒过程中的骨架数据进行采集，其中采集时间根据跌倒持续时间进行设定；对身体骨骼的各个部位进行向量表示；建立跌倒伤害评估模型，所述伤害评估模型包括第一ST-LSTM网络和第二ST-LSTM网络，所述第一ST-LSTM网络用于对跌倒时受伤部位进行检测，所述第二ST-LSTM网络用于对伤害程度进行评估；将处理后的数据输入所述跌倒伤害评估模型，获取伤害关键部位及其伤害程度评估结果。

采用上述实现方式，伤害评估模型有效提取关节和身体部位的时空特征，并通过各层实施注意力机制，更好地区分不同跌倒方式对身体伤害部位的影响，以及不同部位对跌倒伤害程度的影响，有效提高跌倒伤害程度评估精度。可适用于跌倒时身体各高危部位的伤害程度评估，使得同时评估多个部位伤害程度成为可能。

结合第一方面，在第一方面第一种可能的实现方式中，所述对跌倒过程中的骨架数据进行采集包括：根据预设频率在所述采集时间内采集人体骨骼节点序列数据；将所述人体骨骼节点序列数据进行帧采样，将输入序列分成预设数量的等长段，从每个等长段中随机选择一帧，获取训练样本。

结合第一方面，在第一方面第二种可能的实现方式中，第一ST-LSTM网络对跌倒时受伤部位进行检测包括：将所有节点信息进行聚合；对信息量进行归一化，得到不同关节点在不同时间点的隐藏状态信息的注意力权重；利用注意力权重，对每列进行加权求和，得到不同关节点的加权特征表示；将加权后的输出状态输入至全连接层，获得特征向量；将全连接层输出的分类数值计算网络的预测值，即受伤部位的概率分布。