一种脂肪肝康复运动训练方案预测装置

技术领域

本发明涉及人工智能技术领域，特别是涉及一种脂肪肝康复运动训练方案预测装置。

背景技术

我国脂肪肝患病率高达12.5％-35.4％，接近2亿患者，脂肪肝严重损害人体肝脏的健康，脂肪肝如得不到及时控制治理，会导致患者出现心血管疾病、动脉硬化以至于肝癌，给家庭和社会带来沉重负担。脂肪肝康复运动训练有方案多样性、针对性较弱，脂肪肝康复的导向性较差等特点。因此，脂肪肝康复运动训练对患者需要针对性强，导向性好。但在临床场景下，需要医生具有丰富临床经验和临床研究，才能针对不同肝脏脂肪的含量给出适宜的运动康复训练方案。

脂肪肝患者康复运动训练整体方案包括具体运动方案制定，康复效果预测以及复诊安排等，高度依赖医生的丰富临床经验，还需要消耗医生较多的时间和精力。此外，我国医疗资源分布很不均衡，每次诊治，对欠发达地区的医院内的基层内科医生来说都是一次“大数据”的挑战。相比起人脑的记忆分析，通过深度学习对MRI图像处理，得到肝脏脂肪的含量，再结合相关数据得到康复运动训练方案，从而辅助医生做出更合理的决策。因此，不仅对于医生，对于患者个人脂肪肝康复运动训练方案的预测十分重要。这不仅可以帮助制定更精准，更个性化的康复运动训练方案；还有助于节省稀缺的医疗资源。

发明内容

为了克服现有技术的不足，本发明的目的是提供一种脂肪肝康复运动训练方案预测装置。

为实现上述目的，本发明提供了如下方案：

一种脂肪肝康复运动训练方案预测装置，包括：

数据获取单元，用于获取脂肪肝康复运动训练方案相关数据；所述脂肪肝康复运动训练方案相关数据包括：患者的基础个人信息、核磁共振腹部脂肪定量图像及其相应的康复运动训练方案；

图像处理单元，用于将患者的核磁共振腹部脂肪定量图像输入到深度学习网络中得到肝脏脂肪的含量；

方案对比单元，用于将患者在执行完不同的康复运动训练方案时，通过预设的评判标准做对比，并利用TextCNN网络将执行完的康复运动训练方案进行分级，得到对比数据；

模型训练单元，用于采用深度学习网络模型或集成算法对所述脂肪肝康复运动训练方案相关数据、所述对比数据和所述肝脏脂肪的含量进行特征筛选分析预测，得到脂肪肝康复运动训练方案预测模型；

优秀方案提取单元，用于利用所述脂肪肝康复运动训练方案预测模型将下次执行的康复运动训练方案分成优、中、差三类，并提取“优”类别的康复运动训练方案；

最佳方案确定单元，用于根据患者的特征因素指标从“优”类别的康复运动训练方案中筛选出相应患者的最佳康复运动训练方案。

优选的，所述数据获取单元包括：

第一数据处理子单元，用于对脂肪肝康复运动训练方案相关数据进行数据清洗得到数据清洗后的脂肪肝康复运动训练方案相关数据。

优选的，所述数据获取单元还包括：

第二数据处理单元，用于对数据清洗后患者的基础个人信息及其相应的康复运动训练方案进行word2vec编码处理得到编码后的样本数据。

优选的，在所述图像处理单元中，将患者的核磁共振腹部脂肪定量图像输入到U-Net模型中对脂肪肝区域进行分割，并利用脂肪分数PDFF值计算肝脏脂肪含量和分布。

优选的，所述患者的特征因素指标包括肝脏的脂肪含量、是否含有严重并发症、年龄、性别和职业。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种脂肪肝康复运动训练方案预测装置，包括：数据获取单元，用于获取脂肪肝康复运动训练方案相关数据；图像处理单元，用于将患者的核磁共振腹部脂肪定量图像输入到深度学习网络中得到肝脏脂肪的含量；方案对比单元，用于将患者在执行完不同的康复运动训练方案时，通过预设的评判标准做对比；模型训练单元，用于采用深度学习网络模型或集成算法对脂肪肝康复运动训练方案相关数据、对比数据和肝脏脂肪的含量进行特征筛选分析预测，得到脂肪肝康复运动训练方案预测模型；优秀方案提取单元，用于提取“优”类别的康复运动训练方案；最佳方案确定单元，用于根据患者的特征因素指标从“优”类别的康复运动训练方案中筛选出相应患者的最佳康复运动训练方案。本发明以MRI图像和深度学习为基础，通过结合脂肪肝康复运动训练方案相关数据，可以根据不同的个体特征和康复需求进行个性化预测和训练方案的制定，提高了康复训练的针对性和有效性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种脂肪肝康复运动训练方案预测装置原理图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

请参阅图1，一种脂肪肝康复运动训练方案预测装置，包括：

数据获取单元101，用于获取脂肪肝康复运动训练方案相关数据；所述脂肪肝康复运动训练方案相关数据包括：患者的基础个人信息、核磁共振腹部脂肪定量图像(即MRI图像)及其相应的康复运动训练方案。

本实施例中筛选的脂肪肝康复运动训练方案相关数据的属性包括患者基础个人信息，例如性别、年龄、职业、是否有严重并发症等，还有患者的MRI图像以及康复运动训练方案等。其中，康复运动训练方案包括慢跑、中快速步行、跳舞、跳绳、游泳等运动方法。

进一步的，所述数据获取单元101包括：

第一数据处理子单元，用于对脂肪肝患者康复运动训练方案相关数据进行数据清洗得到数据清洗后的脂肪肝康复运动训练方案相关数据。

数据清洗的目的是提高脂肪肝康复运动训练方案相关数据的质量，例如删除重复数据、填充缺失数据、检测异常数据等，主要是改善数据质量，具体的清洗方法在此不作限定。

第二数据处理单元，用于对数据清洗后患者的基础个人信息及其相应的康复运动训练方案进行word2vec编码处理得到编码后的样本数据。

需要说明的是，对康复运动训练方案进行编码，有利于后续的数据分析和方案预测，本发明还可以通过其他数据化的方式描述表达。

图像处理单元102，用于将患者的核磁共振腹部脂肪定量图像输入到深度学习网络中得到肝脏脂肪的含量；具体的，本实施例中，可将患者的核磁共振腹部脂肪定量图像输入到U-Net模型中对脂肪肝区域进行分割，并利用PDFF值(Proton Density Fat Fraction)计算肝脏脂肪的含量。

方案对比单元103，用于将患者在执行完不同的康复运动训练方案时，通过预设的评判标准做对比，并利用TextCNN网络将执行完的康复运动训练方案进行分级，得到对比数据；进一步的，本发明的评判标准包括PDFF的降低率、肝功能以及血脂的检查，其后利用TextCNN网络将执行完的方案分成1～5级，5级最好。

模型训练单元104，用于采用深度学习网络模型或集成算法对所述脂肪肝康复运动训练方案相关数据、所述对比数据和所述肝脏脂肪的含量进行特征筛选分析预测，得到脂肪肝康复运动训练方案预测模型；其中，深度学习网络模型包括Bert、CNN等，集成算法包括Bagging、Boosting等，以上深度学网络模型和集成算法根据具体情况选择，对此不作限定。

优秀方案提取单元105，用于利用所述脂肪肝康复运动训练方案预测模型将下次执行的康复运动训练方案分成优、中、差三类，并提取“优”类别的康复运动训练方案；

最佳方案确定单元106，用于根据患者的特征因素指标从“优”类别的康复运动训练方案中筛选出相应患者的最佳康复运动训练方案。

进一步的，在本发明实施例中，可以采用公式：

根据患者的特征因素指标从“优”类别的康复运动训练方案中筛选出相应患者的最佳康复运动训练方案；其中w

待患者康复后，将患者从第一次执行康复运动训练方案直至康复的过程中肝脏脂肪的含量以及对应的康复运动训练数据进行收集形成个人数据库，便于患者了解个人的身体状况。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明以MRI图像和深度学习为基础，通过结合脂肪肝康复运动训练方案相关数据，可以根据不同的个体特征和康复需求进行个性化预测和训练方案的制定，提高了康复训练的针对性和有效性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法而言，由于其与实施例公开的装置相对应，所以描述的比较简单，相关之处参见装置部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。