康复疗法的确定方法与装置、存储介质、电子设备
阅读：786发布：2020-05-08
专利汇可以提供康复疗法的确定方法与装置、存储介质、电子设备专利检索，专利查询，专利分析的服务。并且本公开属于计算机技术领域，涉及一种康复疗法的确定方法及装置、计算机可读存储介质、 电子 设备。该方法包括：获取目标指标和对象标识，并发送携带对象标识的参数获取 请求 ；基于参数获取请求，接收与目标指标对应的目标指标参数；将目标指标参数输入至预先训练好的 机器学习 模型中，以使机器学习模型输出目标疗法；获取与目标指标对应的评定标准，若目标指标参数未满足评定标准，生成与目标疗法对应的预警信息；根据预警信息调整目标疗法，以进行相应的康复训练。一方面，医护人员实时监测对象的目标指标参数，了解对象的健康状况；另一方面，为医护人员推荐准确的 治疗 措施和方法，化被动抢救为主动干预治疗，对 预防 重大 疾病 发生有重大影响。，下面是康复疗法的确定方法与装置、存储介质、电子设备专利的具体信息内容。
1.一种康复疗法的确定方法，其特征在于，所述方法包括：
获取目标指标和对象标识，并发送携带所述对象标识的参数获取请求；
基于所述参数获取请求，接收与所述目标指标对应的目标指标参数；
将所述目标指标参数输入至预先训练好的机器学习模型中，以使所述机器学习模型输出目标疗法；
获取与所述目标指标对应的评定标准，若所述目标指标参数未满足所述评定标准，生成与所述目标疗法对应的预警信息；
根据所述预警信息调整所述目标疗法，以进行相应的康复训练。
2.根据权利要求1所述的康复疗法的确定方法，其特征在于，在所述将所述目标指标参数输入至预先训练好的机器学习模型中之前，所述方法还包括：
获取指标参数样本和与所述指标参数样本对应的疗法样本；其中，所述机器学习模型是基于所述指标参数样本和所述疗法样本训练形成的；
将所述指标参数样本输入至一待训练机器学习模型中，获取所述待训练机器学习模型输出的与所述指标参数样本对应的疗法；
若所述疗法与所述疗法样本不匹配，对所述待训练机器学习模型的参数进行调整，以使所述疗法与所述疗法样本相同。
3.根据权利要求1所述的康复疗法的确定方法，其特征在于，所述根据所述预警信息调整所述目标疗法，以进行相应的康复训练，包括：
若所述预警信息为第一预警信息，降低与所述目标疗法对应的康复训练的频率和/或强度；
若所述预警信息为第二预警信息，暂停与所述目标疗法对应的康复训练；
若所述预警信息为第三预警信息，终止所述目标疗法对应的康复训练。
4.根据权利要求3所述的康复疗法的确定方法，其特征在于，所述若所述预警信息为第一预警信息，减轻与所述目标疗法对应的康复训练的频率和/或强度，包括：
获取与所述目标疗法对应的所述目标指标参数的变化量；
若所述变化量满足第一预设条件，确定所述预警信息为第一预警信息；
生成与所述第一预警信息对应的第一预警报告，以根据所述第一预警报告降低康复训练的频率和/或强度。
5.根据权利要求3所述的康复疗法的确定方法，其特征在于，所述若所述预警信息为第二预警信息，暂停与所述目标疗法对应的康复训练，包括：
获取与所述目标疗法对应的所述目标指标参数的变化量；
若所述变化量满足第二预设条件，确定所述预警信息为第二预警信息；
生成与所述第二预警信息对应的第二预警报告，以根据所述第二预警报告暂停康复训练。
6.根据权利要求3所述的康复疗法的确定方法，其特征在于，所述若所述预警信息为第三预警信息，终止所述目标疗法对应的康复训练，包括：
获取与所述目标疗法对应的所述目标指标参数的变化量；
若所述变化量满足第三预设条件，确定所述预警信息为第三预警信息；
生成与所述第三预警信息对应的第三预警报告，以根据所述第三预警报告终止康复训练。
7.根据权利要求1所述的康复疗法的确定方法，其特征在于，所述生成与所述目标疗法对应的预警信息，包括：
生成与所述目标疗法对应的候选预警信息，并获取所述候选预警信息的个数；
若所述个数为多个，获取与多个所述候选预警信息对应的预设优先级；
比较所述预设优先级，并根据比较结果确定预警信息。
8.一种康复疗法的确定装置，其特征在于，包括：
指标获取模块，被配置为获取目标指标和对象标识，并发送携带所述对象标识的参数获取请求；
参数接收模块，被配置为基于所述参数获取请求，接收与所述目标指标对应的目标指标参数；
疗法确定模块，被配置为将所述目标指标参数输入至预先训练好的机器学习模型中，以使所述机器学习模型输出目标疗法；
信息生成模块，被配置为获取与所述目标指标对应的评定标准，若所述目标指标参数未满足所述评定标准，生成与所述目标疗法对应的预警信息；
疗法调整模块，被配置为根据所述预警信息调整所述目标疗法，以进行相应的康复训练。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的康复疗法的确定方法。
10.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器被配置为经由执行所述可执行指令来执行如权利要求1-7中任意一项所述的康复疗法的确定方法。
康复疗法的确定方法与装置、存储介质、电子设备
技术领域
[0001] 本公开涉及计算机技术领域，尤其涉及一种康复疗法的确定方法与康复疗法的确定装置、计算机可读存储介质及电子设备。
背景技术
[0002] 通过预防的手段可以延缓病情发生，或者不至于严重到某种程度。但由于人们的预防意识薄弱，不仅本人的身体健康受到比较严重的损害，还会给家人和社会经济造成较大负担。因此预防大于治疗应被重点关注，也应该成为科学的医学手段，提倡人们防患于未然。
[0003] 医护人员对患者病情及时、准确的判断，对患者能否获得及时有效的治疗以及患者的生命能否被挽回，起着至关重要的作用。伴随着疾病谱的改变，威胁人类生存的主要疾病已不再是传染病，而是难以治愈的癌症和心脑血管疾病等慢性病，对慢性病的防治已经成为亟待解决的问题。
[0004] 鉴于此，本领域亟需开发一种新的康复疗法的确定方法及装置。
[0006] 本公开的目的在于提供一种康复疗法的确定方法、康复疗法的确定装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制而导致的未选择适宜的康复疗法预防疾病的问题。
[0007] 本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0008] 根据本发明实施例的第一个方面，提供一种康复疗法的确定方法，所述方法包括：获取目标指标和对象标识，并发送携带所述对象标识的参数获取请求；基于所述参数获取请求，接收与所述目标指标对应的目标指标参数；将所述目标指标参数输入至预先训练好的机器学习模型中，以使所述机器学习模型输出目标疗法；获取与所述目标指标对应的评定标准，若所述目标指标参数未满足所述评定标准，生成与所述目标疗法对应的预警信息；
根据所述预警信息调整所述目标疗法，以进行相应的康复训练。
根据所述预警信息调整所述目标疗法，以进行相应的康复训练。
[0009] 在本发明的一种示例性实施例中，在所述将所述目标指标参数输入至预先训练好的机器学习模型中之前，所述方法还包括：获取指标参数样本和与所述指标参数样本对应的疗法样本；其中，所述机器学习模型是基于所述指标参数样本和所述疗法样本训练形成的；将所述指标参数样本输入至一待训练机器学习模型中，获取所述待训练机器学习模型输出的与所述指标参数样本对应的疗法；若所述疗法与所述疗法样本不匹配，对所述待训练机器学习模型的参数进行调整，以使所述疗法与所述疗法样本相同。
[0010] 在本发明的一种示例性实施例中，所述根据所述预警信息调整所述目标疗法，以进行相应的康复训练，包括：若所述预警信息为第一预警信息，降低与所述目标疗法对应的康复训练的频率或强度；若所述预警信息为第二预警信息，暂停与所述目标疗法对应的康复训练；若所述预警信息为第三预警信息，终止所述目标疗法对应的康复训练。
[0011] 在本发明的一种示例性实施例中，所述若所述预警信息为第一预警信息，减轻与所述目标疗法对应的康复训练的频率或强度，包括：获取与所述目标疗法对应的所述目标指标参数的变化量；若所述变化量满足第一预设条件，确定所述预警信息为第一预警信息；生成并发送与所述第一预警信息对应的第一预警报告，以根据所述第一预警报告降低康复训练的频率或强度。
[0012] 在本发明的一种示例性实施例中，所述若所述预警信息为第二预警信息，暂停与所述目标疗法对应的康复训练，包括：获取与所述目标疗法对应的所述目标指标参数的变化量；若所述变化量满足第二预设条件，确定所述预警信息为第二预警信息；生成并发送与所述第二预警信息对应的第二预警报告，以根据所述第二预警报告暂停康复训练。
[0013] 在本发明的一种示例性实施例中，所述若所述预警信息为第三预警信息，终止所述目标疗法对应的康复训练，包括：获取与所述目标疗法对应的所述目标指标参数的变化量；若所述变化量满足第三预设条件，确定所述预警信息为第三预警信息；生成并发送与所述第三预警信息对应的第三预警报告，以根据所述第三预警报告终止康复训练。
[0014] 在本发明的一种示例性实施例中，所述生成与所述目标疗法对应的预警信息，包括：生成与所述目标疗法对应的候选预警信息，并获取所述候选预警信息的个数；若所述个数为多个，获取与多个所述候选预警信息对应的预设优先级；比较所述预设优先级，并根据比较结果确定预警信息。
[0015] 根据本发明实施例的第二个方面，提供一种康复疗法的确定装置，所述装置包括：指标获取模块，被配置为获取目标指标和对象标识，并发送携带所述对象标识的参数获取请求；参数接收模块，被配置为基于所述参数获取请求，接收与所述目标指标对应的目标指标参数；疗法确定模块，被配置为将所述目标指标参数输入至预先训练好的机器学习模型中，以使所述机器学习模型输出目标疗法；信息生成模块，被配置为获取与所述目标指标对应的评定标准，若所述目标指标参数未满足所述评定标准，生成与所述目标疗法对应的预警信息；疗法调整模块，被配置为根据所述预警信息调整所述目标疗法，以进行相应的康复训练。
[0016] 根据本发明实施例的第三个方面，提供一种电子设备，包括：处理器和存储器；其中，存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例的康复疗法的确定方法。
[0017] 根据本发明实施例的第四个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意示例性实施例中的康复疗法的确定方法。
[0018] 由上述技术方案可知，本发明示例性实施例中的康复疗法的确定方法、康复疗法的确定装置、计算机存储介质及电子设备至少具备以下优点和积极效果：
[0019] 在本公开的示例性实施例提供的方法及装置中，通过获取到的与对象标识对应的目标指标参数，可以确定适宜患者的目标疗法，为患者提供康复训练的依据。一方面，医护人员可以实时监测患者的目标指标参数，了解患者的健康状况；另一方面，为医护人员及时推荐准确的治疗措施和方法，化被动抢救为主动干预治疗，对预防患者的重大疾病发生有重大影响。
[0021] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022] 图1示意性示出本公开示例性实施例中一种康复疗法的确定方法的流程图；
[0023] 图2示意性示出本公开示例性实施例中确定预警信息的方法的流程示意图；
[0024] 图3示意性示出本公开示例性实施例中调整目标疗法的方法的流程示意图；
[0025] 图4示意性示出本公开示例性实施例中根据第一预警信息调整目标疗法的方法的流程示意图；
[0026] 图5示意性示出本公开示例性实施例中根据第二预警信息调整目标疗法的方法的流程示意图；
[0027] 图6示意性示出本公开示例性实施例中根据第三预警信息调整目标疗法的方法的流程示意图；
[0028] 图7示意性示出本公开示例性实施例中训练一待训练机器学习模型的方法的流程示意图；
[0029] 图8示意性示出本公开示例性实施例中一种康复疗法的确定装置的结构示意图；
[0030] 图9示意性示出本公开示例性实施例中应用场景中的康复疗法的确定方法的流程示意图；
[0031] 图10示意性示出本公开示例性实施例中一种用于实现康复疗法的确定方法的电子设备；
[0032] 图11示意性示出本公开示例性实施例中一种用于实现康复疗法的确定方法的计算机可读存储介质。
具体实施方式
[0033] 现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
[0034] 本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。
[0035] 此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
[0036] 针对相关技术中存在的问题，本公开提出了一种康复疗法的确定方法。图1示出了康复疗法的确定方法的流程图，如图1所示，康复疗法的确定方法至少包括以下步骤：
[0037] 步骤S110.获取目标指标和对象标识，并发送携带对象标识的参数获取请求。
[0038] 步骤S120.基于参数获取请求，接收与目标指标对应的目标指标参数。
[0039] 步骤S130.将目标指标参数输入至预先训练好的机器学习模型中，以使机器学习模型输出目标疗法。
[0040] 步骤S140.获取与目标指标对应的评定标准，若目标指标参数未满足评定标准，生成与目标疗法对应的预警信息。
[0041] 步骤S150.根据预警信息调整目标疗法，以进行相应的康复训练。
[0042] 在本公开的示例性实施例中，通过获取到的与对象标识对应的目标指标参数，可以确定适宜患者的目标疗法，为患者提供康复训练的依据。一方面，医护人员可以实时监测对象的目标指标参数，了解对象的健康状况；另一方面，为医护人员及时推荐准确的治疗措施和方法，化被动抢救为主动干预治疗，对预防患者的重大疾病发生有重大影响。
[0043] 下面对康复疗法的确定方法的各个步骤进行详细说明。
[0044] 在步骤S110中，获取目标指标和对象标识，并发送携带对象标识的参数获取请求。
[0045] 在本公开的一种示例性实施例中，可以将健康指标异常检出率排在前列的指标确定为目标指标。该目标指标可以包括超重、血脂异常、脂肪肝、血尿酸增高、血压升高和空腹血糖增高。其中，超重的病因可以与不健康的饮食习惯，以及缺乏体力活动有关，因此，可以导致高血压、糖尿病和冠心病等；血脂异常可以是引起动脉粥样硬化的“元凶”，血脂异常还是慢性心脑血管疾病的高危因素；出现脂肪肝的主要原因可以是长期饮酒或肥胖，脂肪肝还是糖尿病和高血压的危险因素；血尿酸增高可以是与高血压、高血糖和痛风性关节炎相关的指标；血压升高可以是导致脑卒中、冠心病、心肌梗死等疾病的最主要高危因素；空腹血糖增高时，易患脑卒中、冠心病和糖尿病。除此之外，还可以根据实际情况和设定，将其他健康指标确定为目标指标，本示例性实施例对此不做特殊限定。
[0046] 其中，对象标识可以是识别患者相关的以及识别患者的任何直接或间接信息。举例而言，对象标识可以是一个或多个唯一标识符、一个或多个序列号、与患者姓名有关的一个或多个加密代码、与患者身份有关的一个或多个加密代码，或者一个或多个患者的医疗记录等，本示例性实施例对此不做特殊限定。
[0047] 当要为患者推荐疗法的时候，可以发送携带该患者的对象标识的参数获取请求。该参数获取请求可以是通过同一终端发送的，也可以是通过不同的终端发送的，以便于不同康复中心获取患者的目标指标参数，本示例性实施例对此不做特殊限定。
[0048] 在步骤S120中，基于参数获取请求，接收与目标指标对应的目标指标参数。
[0049] 在本公开的一种示例性实施例中，在发送参数获取请求之后，可以得到返回的患者在目标指标上对应的目标指标参数，作为推荐康复疗法的依据。
[0050] 在步骤S130中，将目标指标参数输入至预先训练好的机器学习模型中，以使机器学习模型输出目标疗法。
[0051] 在本公开的一种示例性实施例中，在机器学习时，一般可以将样本分成三个独立的部分，分别是训练集、验证集和测试集。其中，训练集用来估计模型，验证集用来确定网络结构或者控制模型复杂程度的参数，测试集检验最终选择最优的模型的性能如何。机器学习模型可以是通过各种机器学习算法训练得到的，用于根据目标指标参数获得目标疗法的模型。采用的机器学习算法可以是随机森林算法、支持向量机算法、罗杰斯特回归算法、卷积神经网络算法中的任意一种，还可以是其他机器算法，本示例性实施例对此不做特殊限定。机器学习建模的效果可以通过真正类率和负正类率表示。真正类率(true positive rate，简称为TPR)的计算公式为：TPR＝TP/(TP+FN)，用于表示分类器识别出的正实例占所有正实例的比例；负正类率(false positive rate，简称为FPR)的计算公式为：FPR＝FP/(FP+TN)，用于表征分类器错认为正类的负实例的比例。通常来讲，Kolmogorov-Smirnov值(简称为KS值)越大，表征模型能够将正负类别分开的程度越大。举例而言，综合考虑KS值与TPR在四种机器学习模型中的表现，可以选择卷积神经网络算法作为确定目标疗法的机器学习模型。除此之外，还可以根据其他评价标准选择其他的机器学习算法，本示例性实施例对此不做特殊限定。通过机器学习模型对目标指标参数进行评估，可以得到与目标指标参数对应的目标疗法。
[0052] 举例而言，目标疗法可以包括运动疗法、理疗、作业疗法、认知训练和物理治疗。其中，运动疗法可以利用器械、徒手或患者自身力量，运动疗法通过某些运动方式(主动或被动运动等)，使患者获得全身或局部运动功能、感觉功能恢复的训练方法；理疗可以是利用人工或自然界物理因素作用于人体，使之产生有利的反应，达到预防和治疗疾病目的的方法；作业疗法可以是应用有目的的、经过选择的作业活动，对由于身体上、精神上、发育上有功能障碍或残疾，以致不同程度地丧失生活自理和劳动能力的患者，进行评价、治疗和训练的过程；认知训练可以是将心理学专业理论、范式与游戏化思维相结合而设计的一系列训练系统，系统结合被训者的现状及心理发展特点，主要对注意力、感知觉、记忆力、思维力、情绪能力、认知灵活性等六大认知能力进行训练，帮助被训者提升认知水平；物理治疗可以是使用包括声、光、冷、热、电、力(运动和压力)等物理因子进行治疗，针对人体局部或全身性的功能障碍或病变，采用非侵入性、非药物性的治疗来恢复身体原有生理功能的方法。
[0053] 举例而言，超重的目标疗法可以是运动疗法，借住运动来达到调整身心、恢复健康和劳动能力的效果；高血压的目标疗法可以是理疗，在降血压的同时，还可以软化血管，净化血液，清理血管中的垃圾，达到降血压以及稳血压的作用；预防脑卒中、脑外伤和脑瘫等的目标疗法可以是作业治疗和认知训练；糖尿病的目标疗法可以是物理治疗，例如针灸、磁疗、推拿按摩或生物电疗等。
[0054] 在步骤S140中，获取与目标指标对应的评定标准，若目标指标参数未满足评定标准，生成与目标疗法对应的预警信息。
[0055] 在本公开的一种示例性实施例中，获取与目标指标对应的评定标准，并比较目标指标参数是否满足评定标准。举例而言，若目标指标为血压升高时，可以获取到对应的评定标准是收缩压≥140毫米汞柱，舒张压≥90毫米汞柱；若目标指标是空腹血糖增高，可以获取对应的评定标准是3.9-6.1mmol/L，本示例性实施例不再一一列举。将患者的目标指标参数与对应的评定标准进行对比，可以根据比较结果确定该患者的异常情况，作为是否启动预警机制的基础。
[0056] 若目标指标参数未满足评定标准，确定目标指标参数满足预设条件，并生成与目标疗法对应的预警信息。当患者的目标指标参数不符合对应的评定标准，可以根据该目标指标参数生成对应的预警信息。该预警信息可以是用于向医护人员发出紧急信号，报告危险情况的信息，作为医护人员调整目标疗法的依据。
[0057] 在可选的实施例中，图2示出了确定预警信息的方法的流程示意图，如图2所示，该方法至少包括以下步骤：在步骤S210中，生成与目标疗法对应的候选预警信息，并获取候选预警信息的个数。在生成预警信息的过程中，可能有一个或多个目标指标参数不满足对应的评定标准，因此可以产生一个或多个候选预警信息。鉴于此，可以对候选预警信息的个数进行统计，以得到候选预警信息的个数。
[0058] 在步骤S220中，若个数为多个，获取与多个候选预警信息对应的预设优先级。当有多个候选预警信息的时候，可以进一步得到多个候选预警信息分别对应的预设优先级，该预设优先级可以是提前设置的，也可以是根据患者的目标指标参数生成的，本示例性实施例对此不做特殊限定。
[0059] 在步骤S230中，比较预设优先级，并根据比较结果确定预警信息。
[0060] 在本示例性实施例中，举例而言，若第一候选预警信息的优先级为1，第二候选预警信息的优先级为2，因此，可以确定将第一候选预警信息确定为对应的预警信息。
[0061] 在本示例性实施例中，给出了一种确定预警信息的方法，比较方式简单，确定方式准确，实用性极强。
[0062] 在步骤S150中，根据预警信息调整目标疗法，以进行相应的康复训练。
[0063] 在可选的实施例中，图3示出了调整目标疗法的方法的流程意图，如图3所示，该方法至少包括以下步骤：在步骤S310中，若预警信息为第一预警信息，降低与目标疗法对应的康复训练的频率和/或强度。图4示出了根据第一预警信息调整所目标疗法的方法的流程示意图，如图4所示，该方法至少包括以下步骤：在步骤S410中，获取与目标疗法对应的目标指标参数的变化量。举例而言，该目标指标参数可以是收缩压。因此，可以在进行目标疗法前后，分别测量患者的收缩压，以得到收缩压的变化量。除此之外，该目标指标参数还可以是其他参数，本示例性实施例对此不做特殊限定。
[0064] 在步骤S420中，若变化量满足第一预设条件，确定预警信息为第一预警信息。其中，该第一预设条件可以是针对不同的目标指标参数预设的变化量阈值。举例而言，若患者收缩压的下降量超过对应的阈值时，可以确定该变化量满足第一预设条件，并生成第一预警信息。
[0065] 在步骤S430中，生成与第一预警信息对应的第一预警报告，以根据第一预警报告减轻康复训练的频率和/或强度。为使医护人员可以清晰获取并方便储存患者的疗法进行情况，可以根据第一预警信息生成对应的第一预警报告。在该第一预警报告中可以显示患者的各项目标指标参数和异常项，以及与的第一预警信息对应的调整建议，亦即减轻该患者的康复训练的频率和/或强度。举例而言，可以减少患者运动疗法的次数，或者减轻患者认知训练的强度等，本示例性实施例对此不做特殊限定。
[0066] 在本示例性实施例中，具体说明了根据第一预警信息调整目标疗法的方式，避免疗法强度过大或频率过快为患者带来的身体及心理负担，也避免了在医护人员不知情或准备不足的情况下发生意外，最大程度地减轻危害。
[0067] 在步骤S320中，若预警信息为第二预警信息，暂停与目标疗法对应的康复训练。在可选的实施例中，图5示出了根据第二预警信息调整目标疗法的方法的流程示意图，如图5所示，该方法至少包括以下步骤：在步骤S510中，获取与目标疗法对应的目标指标参数的变化量。举例而言，该目标指标参数可以是收缩压。因此，可以在进行目标疗法前后，分别测量患者的收缩压，以得到收缩压的变化量。除此之外，该目标指标参数还可以是其他参数，本示例性实施例对此不做特殊限定。
[0068] 在步骤S520中，若变化量满足第二预设条件，确定预警信息为第二预警信息。其中，该第一预设条件可以是针对不同的目标指标参数预设的变化量阈值。举例而言，若患者收缩压的下降量超过对应的阈值时，且患者同时出现胸闷和呼吸困难等不适时，可以确定该变化量满足第二预设条件，并生成第二预警信息。
[0069] 在步骤S530中，生成与第二预警信息对应的第二预警报告，以根据第二预警报告暂停康复训练。为使医护人员可以清晰获取并方便储存患者的疗法进行情况，可以根据第二预警信息生成对应的第二预警报告。在该第二预警报告中可以显示患者的各项目标指标参数和异常项，以及与的第二预警信息对应的调整建议，亦即暂停该患者的康复训练。其中，具体暂停时长可以根据患者后续的目标指标参数和医护人员的经验判断确定，本示例性实施例对此不做特殊限定。
[0070] 在本示例性实施例中，具体说明了根据第二预警信息调整目标疗法的方式，避免在患者不适的情况下还要进行康复训练为患者带来负担，也避免了在医护人员不知情或准备不足的情况下发生意外，最大程度地减轻危害。
[0071] 在步骤S330中，若预警信息为第三预警信息，终止与目标疗法对应的康复训练。在可选的实施例中，图6示出了根据第三预警信息调整目标疗法的方法的流程示意图，如图6所示，该方法至少包括以下步骤：在步骤S610中，获取与目标疗法对应的目标指标参数的变化量。举例而言，该目标指标参数可以是收缩压。因此，可以在进行目标疗法前后，分别测量患者的收缩压，以得到收缩压的变化量。除此之外，该目标指标参数还可以是脉搏等其他参数，本示例性实施例对此不做特殊限定。
[0072] 在步骤S620中，若变化量满足第三预设条件，确定预警信息为第三预警信息。其中，该第一预设条件可以是针对不同的目标指标参数预设的变化量阈值。举例而言，若患者收缩压的下降量超过对应的阈值时，且患者同时安静时的脉搏在100次/min以上，或者训练过程中的脉搏在135-140次/min时，可以确定该变化量满足第三预设条件，并生成第三预警信息。
[0073] 在步骤S630中，生成与第三预警信息对应的第三预警报告，以根据第三预警报告终止康复训练。为使医护人员可以清晰查看并方便储存患者的疗法进行情况，可以根据第三预警信息生成对应的第三预警报告。在该第三预警报告中可以显示患者的各项目标指标参数和异常项，以及与的第三预警信息对应的调整建议，亦即停止该患者的康复训练。
[0074] 在本示例性实施例中，具体说明了针对不同等级的预警信息，对目标疗法的调整方法，不仅可以实时了解患者的目标指标情况，还可以作为医护人员及时准确地提供治疗措施和服务的依据。
[0075] 在可选的实施例中，图7示出了训练一待训练机器学习模型的方法的流程示意图，如图7所示，该方法至少包括以下步骤：在步骤S710中，获取指标参数样本和与指标参数样本对应的疗法样本；其中，机器学习模型是基于指标参数样本和疗法样本训练形成的。其中，指标参数样本和与指标参数样本对应的疗法样本可以是在已知对应疗法的目标指标参数和对应的目标疗法的集合中选取的，本示例性实施例对此不做特殊限定。
[0076] 在步骤S720中，将指标参数样本输入至一待训练机器学习模型中，获取待训练机器学习模型输出的与指标参数样本对应的疗法。
[0077] 在步骤S730中，若疗法与疗法样本不匹配，对待训练机器学习模型的参数进行调整，以使疗法与疗法样本相同。待训练机器学习模型输出疗法之后，可以将该疗法与疗法样本进行匹配，判断输出的疗法是否与疗法样本相同，进而根据匹配结果判定待训练机器学习模型是否已经训练完成。
[0078] 若疗法与疗法样本不匹配，表明该待训练机器学习模型并未训练好，因此需要对待训练机器学习模型的参数进行调整，以使疗法与对应的疗法样本相同，完成对待训练机器学习模型的训练。
[0079] 对于机器学习模型的完整训练保证了目标疗法输出的准确性，进一步的，为患者的康复训练的正确性提供了保证。
[0080] 此外，在本公开的示例性实施例中，还提供一种康复疗法的确定装置。图8示出了康复疗法的确定装置的结构示意图，如图8所示，康复疗法的确定装置800可以包括：指标获取模块810、参数接收模块820、疗法确定模块830、信息生成模块840和疗法调整模块850。其中：
[0081] 指标获取模块810，被配置为获取目标指标和对象标识，并发送携带对象标识的参数获取请求；参数接收模块820，被配置为基于参数获取请求，接收与目标指标对应的目标指标参数；疗法确定模块830，被配置为将目标指标参数输入至预先训练好的机器学习模型中，以使机器学习模型输出目标疗法；信息生成模块840，被配置为获取与目标指标对应的评定标准，若目标指标参数未满足评定标准，生成与目标疗法对应的预警信息；疗法调整模块，被配置为根据预警信息调整目标疗法，以进行相应的康复训练。
[0082] 上述康复疗法的确定装置的具体细节已经在对应的康复疗法的确定方法中进行了详细的描述，因此此处不再赘述。
[0083] 应当注意，尽管在上文详细描述中提及了康复疗法的确定装置800的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0084] 下面结合一应用场景对本公开实施例中的康复疗法的确定方法做出详细说明。
[0085] 图9示出了应用场景中的康复疗法的确定方法的流程示意图，如图9所示，康复系统920可以从医护系统910中获取目标指标，举例而言，该目标指标可以是超重、血脂异常、脂肪肝、血尿酸增高、血压升高和空腹血糖增高。除此之外，还可以是其他指标，本示例性实施例对此不做特殊限定。康复系统920可以向数据中心930发送携带对象标识的参数获取请求。当数据中心930接收到该参数获取请求之后，可以确定与目标指标对应的目标指标参数，并反馈给康复系统920。康复系统920可以将接收到的目标指标参数输入预先训练好的机器学习模型中，并输出目标疗法。举例而言，该目标疗法可以包括运动疗法、理疗、作业疗法、认知训练和物理治疗。并且，将目标疗法推荐给医护系统910，以供医护人员为患者提供更为科学的康复训练方法。
[0086] 具体的，康复系统920获取到老人在三次不同时间段所测目标指标参数超过正常范围，测算出老人有超重或者肥胖的风险，为老人推荐目标疗法，并推送给医护系统910，医护人员可以为老人做适宜的运动疗法。但在后续某次运动疗法后，老人出现收缩压明显下降的情况，风险预警机制将观测到的数据向医护人员报告危险情况的预警信息，医护人员根据预警信息选择暂停老人的运动疗法康复训练，以减轻危害。
[0087] 通过获取到的与对象标识对应的目标指标参数，可以确定适宜患者的目标疗法，为患者提供康复训练的依据。一方面，医护人员可以实时监测患者的目标指标参数，了解患者的健康状况；另一方面，为医护人员及时推荐准确的治疗措施和方法，化被动抢救为主动干预治疗，对预防患者的重大疾病发生有重大影响。
[0088] 需要说明的是，虽然以上示例性实施例的实施方式以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或者必须执行全部的步骤才能实现期望的结果。附加地或者备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
[0089] 此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
[0090] 通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
[0091] 此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
[0092] 下面参照图10来描述根据本发明的这种实施例的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0093] 如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040。
[0094] 其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
[0095] 存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1021和/或高速缓存存储单元1022，还可以进一步包括只读存储单元(ROM)1023。
[0096] 存储单元1020还可以包括具有一组(至少一个)程序模块1025的程序/实用工具1024，这样的程序模块1025包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0098] 电子设备1000也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1040通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
[0099] 通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
[0100] 在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
[0101] 参考图11所示，描述了根据本发明的实施例的用于实现上述方法的程序产品1100，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0102] 所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0103] 计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0104] 可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
[0105] 可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 超参数优化方法、装置、计算机设备和存储介质 | 2020-05-08 | 690 |
| 基于深度学习的操作系统的异常日志的处理方法及装置 | 2020-05-08 | 911 |
| 基于机器学习的直落式物料下料机控制方法 | 2020-05-11 | 49 |
| 一种用于智慧数据碰撞的机器学习方法及装置 | 2020-05-08 | 379 |
| 控制支援装置及方法、车辆、记录介质、用于使计算机发挥功能的已学习模型及生成方法 | 2020-05-11 | 179 |
| 一种基于机器学习的应收账款兑付风险控制方法及系统 | 2020-05-08 | 568 |
| 一种基于区块链的安全SVM训练方法 | 2020-05-08 | 630 |
| 用于支持盘故障预测的方法、设备和计算机程序产品 | 2020-05-08 | 122 |
| 一种海量数据库表快速分类的方法 | 2020-05-08 | 492 |
| 视频处理方法、装置、电子设备及存储介质 | 2020-05-08 | 217 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈