[发明专利]远程训练方案的推送方法、装置、计算机设备和存储介质

说明书

本申请涉及一种远程训练方案的推送方法、装置、计算机设备和存储介质。方法包括：获取第一终端发送的认知功能评估信息和医学相关信息；认知功能评估信息是通过第一用户在第一终端上进行远程评估得到的；医学相关信息包括医学图像信息和生物资料信息；依据认知功能评估信息和医学相关信息，确定异常阶段信息；根据资料库中的多种训练资料，确定与异常阶段信息相匹配的训练方案，训练方案中包括与多个认知域相关的训练资料；将训练方案推送至第一终端，以供第一用户根据训练方案进行训练操作。采用本方法能够向用户自动推荐合适的评估和训练方案，实现了远程的认知评估与训练，使得用户无需借助特殊医疗设备，即可以完成居家训练。

技术领域

本申请涉及智能交互技术领域，特别是涉及一种远程训练方案的推送方法、装置、计算机设备和存储介质。

背景技术

目前用户根据身体状况需要进行一定的训练时，都需要前往专业机构，先通过一系列繁琐的检查流程，再根据检查结果由人工现场指导并陪同训练。然而这种方式需要用户频繁地动身前往现场，耗时耗力，存在不够便利的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够远程推送训练方案的远程训练方案的推送方法、装置、计算机设备和存储介质。

一种远程训练方案的推送方法，所述方法包括：

获取第一终端发送的认知功能评估信息和医学相关信息；所述认知功能评估信息是通过第一用户在所述第一终端上进行远程评估得到的；所述医学相关信息包括医学图像信息和生物资料信息；

依据所述认知功能评估信息和医学相关信息，确定异常阶段信息；

根据资料库中的多种训练资料，确定与所述异常阶段信息相匹配的训练方案，所述训练方案中包括与多个认知域相关的训练资料；

将所述训练方案推送至所述第一终端，以供所述第一用户根据所述训练方案进行训练操作。

在其中一个实施例中，所述依据所述认知功能评估信息和医学相关信息，确定异常阶段信息，包括：

对医学图像信息进行图像预处理，得到预处理图像；

将所述预处理图像输入至预先训练好的长短时记忆神经网络模型中，由所述长短时记忆神经网络模型进行特征提取，得到图像特征的隐藏表示；所述图像特征包括波段变化特征、边缘特征、以及灰度特征；

基于所述生物资料信息和图像特征的隐藏表示，利用全连接神经网络进行分类，得到预测阶段信息；

根据所述认知功能评估信息和所述预测阶段信息，确定第一用户的异常阶段信息。

在其中一个实施例中，所述长短时记忆神经网络模型的训练步骤包括：

获取当前的样本图像，并将所述当前的样本图像中的图像特征作为当前时刻的输入值；

根据上一时刻图像特征的隐藏表示，由遗忘门对所述输入值进行加权运算得到第一中间值、由输入门对所述输入值进行加权运算得到第二中间值和第三中间值、以及由输出门对所述输入值进行加权运算得到第四中间值；

根据上一时刻图像特征的单元状态、第一中间值、第二中间值、以及第三中间值，确定当前时刻的图像特征的单元状态；

根据所述当前时刻的图像特征的单元状态和第四中间值，得到当前时刻的输出值；其中，所述输出值为当前时刻的图像特征的隐藏表示；

获取下一样本图像，将下一样本图像中的图像特征作为下一时刻的输入值，并返回至根据上一时刻图像特征的隐藏表示，由遗忘门对所述输入值进行加权运算得到第一中间值、由输入门对所述输入值进行加权运算得到第二中间值和第三中间值、以及由输出门对所述输入值进行加权运算得到第四中间值的步骤继续执行，直至满足训练终止条件时停止迭代，得到训练好的长短时记忆神经网络模型。