公开(公告)号：CN115034291A

公开(公告)日：2022-09-09

申请号：CN202210551741.3

申请日：2022-05-19

Applicant: 复旦大学

Inventor： 秦海波 ,  陈炜 ,  孟龙 ,  陈晨 ,  张安静

IPC: G06K9/62 ,  A61B5/11 ,  A61B5/397 ,  A61B5/00

Abstract: 本发明属于健康检测技术领域，具体为一种基于最小任务数的脑卒中患者上肢评估方法。本发明评估方法包括：数据采集、数据预处理、特征提取、分类预测和结果分析五个步骤；本发明采集脑卒中患者上肢运动数据，使用不同的分类算法和上肢动作组合对于受试者的脑卒中等级进行预测，并进行统计分析，研究各个动作及其组合的精度和显著性。结果表明使用单个动作进行预测的精度，也能达到使用多个组合动作的预测精度，表明各组动作之间没有显著性。本发明还构建相应的评估系统。本发明可用于脑卒中患者康复工作中，仅使用单个动作进行预测，大大简化传统的使用多个动作评估脑卒中等级的流程，并实现脑卒中患者评估流程的自动化。

公开(公告)号：CN115311737A

公开(公告)日：2022-11-08

申请号：CN202210809560.6

申请日：2022-07-10

Applicant: 复旦大学

Inventor： 付淇 ,  陈炜 ,  孟龙 ,  秦海波 ,  张安静 ,  陈晨

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于健康检测技术领域，具体为一种基于深度学习的无察觉式脑卒中患者手部动作识别方法。本发明方法包括：患者手部动作的采集，手部动作设计为三大类17小类，使用非接触式Kinect传感器采集患者手部动作数据；对采集的数据进行预处理，用于模型训练和预测；采用三种深度学习模型TSN、I3D和Slowfast进行训练和预测，最后将三种模型预测结果进行融合，得到最终预测结果。本发明为脑卒中上肢精细动作活动识别提供了有效的解决方案，不再需要复杂繁琐的可穿戴式设备采集电信号，而是通过基于视觉的方式，更加便捷地识别脑卒中患者上肢活动，便于评估脑卒中患者恢复水平。