基于自编码器与Softmax分类器的康复评估方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116013515A(43)申请公布日2023.04.25(21)申请号202211571864.XG06N3/047(2023.01)(22)申请日2022.12.08G06N3/08(2023.01)(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人太惠玲黄琦吴援明蒋亚东段再华袁震李昊(74)专利代理机构电子科技大学专利中心51203专利代理师邓黎(51)Int.Cl.G16H50/30(2018.01)A61B5/00(2006.01)G16H50/20(2018.01)G06N3/0455(2023.01)权利要求书2页说明书5页附图2页(54)发明名称基于自编码器与Softmax分类器的康复评估方法(57)摘要本发明公开基于自编码器与Softmax分类器的康复评估方法，属于柔性应变传感器测量技术领域，具体为：多个已知康复等级的训练者完成卡罗尔手功能评定任务，手指运动监测手套获取手指采集数据，经插值与抽值得到处理后数据；构建由自编码器和Softmax分类器构成的康复等级评估模型；以处理后数据为输入，已知康复等级为训练目标，对康复等级评估模型进行训练；待评估测试者完成任务并获得待评估手指采集数据，经插值与抽值输入至训练后康复等级评估模型，输出康复等级评估结果。本发明先三次埃尔米特插值与抽值，后等数值插值，用较少数据点更准确反映手指采集数据特征，结合自编码器和Softmax分类器实现高准确率评估。CN116013515ACN116013515A权利要求书1/2页1.基于自编码器与Softmax分类器的康复评估方法，其特征在于，包括以下步骤：S1、多个已知康复等级的训练者完成Carroll手功能评定任务后，通过手指运动监测手套实时感知手部运动情况，获取对应的手指采集数据；S2、对手指采集数据进行插值与抽值，得到各训练者的处理后数据；S3、构建由自编码器和Softmax分类器构成的康复等级评估模型；其中，自编码器用于提取处理后数据的特征，Softmax分类器基于提取的特征进行康复等级评估；S4、以各训练者的处理后数据为输入，已知康复等级为训练目标，对康复等级评估模型进行训练，得到训练后康复等级评估模型；S5、待评估测试者完成Carroll手功能评定法的任务，通过手指运动监测手套实时获得待评估手指采集数据，经插值与抽值后，输入至训练后康复等级评估模型，最终输出待评估测试者的康复等级评估结果。2.根据权利要求1所述基于自编码器与Softmax分类器的康复评估方法，其特征在于，S2中插值与抽值的具体过程为：S21、计算各训练者通过手指运动监测手套获取手指采集数据的时间长度Δt；S22、对各训练者在手指运动监测手套获取手指采集数据的最长时间长度T内进行插值与抽值，选取的时间点为10x，x为[‑1,1.47]范围内等间距的10个点；其中，先对Δt以内的手指采集数据进行三次埃尔米特插值与抽值，之后基于Δt时刻的手指采集数据信号，在Δt时刻至T时刻的时间范围内进行等数值插值。3.根据权利要求2所述基于自编码器与Softmax分类器的康复评估方法，其特征在于，T不超过30s。4.根据权利要求1所述基于自编码器与Softmax分类器的康复评估方法，其特征在于，S3中自编码器的结构包括：1层输入层，神经元数量为50；3层隐藏层，各层神经元数量分别为15、3和15；1层输出层，神经元数量为50；其中，输入层、隐藏层和输出层的激活函数均为relu函数。5.根据权利要求1所述基于自编码器与Softmax分类器的康复评估方法，其特征在于，S3中Softmax分类器的结构包括：1层输入层，神经元数量为3；1层输出层，神经元数量为4；隐藏层的结构参数有如下12种：(1)1层隐藏层，神经元数量为10；(2)1层隐藏层，神经元数量为5；(3)1层隐藏层，神经元数量为20；(4)2层隐藏层，各层神经元数量分别为5和10；(5)2层隐藏层，各层神经元数量分别为10和5；(6)2层隐藏层，各层神经元数量分别为10和10；(7)2层隐藏层，各层神经元数量分别为15和10；(8)2层隐藏层，各层神经元数量分别为10和15；2CN116013515A权利要求书2/2页(9)2层隐藏层，各层神经元数量分别为15和15；(10)3层隐藏层，各层神经元数量分别为10、10和10；(11)3层隐藏层，各层神经元数量分别为15、10和10；(12)3层隐藏层，各层神经元数量分别为15、15和10；其中，输出层的激活函数为Softmax函数，输入层和隐藏层的激活函数均为relu函数。3CN116013515A说明书1/5页基于自编码器与Softmax分类器的康复评估方法技术