一种术后护理训练的智能监测管理方法及系统与流程

1.本公开涉及术后护理训练技术领域，具体涉及一种术后护理训练的智能监测管理方法及系统。


背景技术：

2.患者在经过手术治疗后会进行相应的术后训练恢复，术后训练恢复对于手术治疗效果和病人的健康恢复状况具有重要影响，传统的术后训练往往通过人工进行监测，随着科技的发展，智能监测也被应用到术后训练中。
3.目前，现有技术中存在对用户的术后护理训练的监测准确性不足，监测管理效果不佳的技术问题。


技术实现要素：

4.本公开提供了一种术后护理训练的智能监测管理方法及系统，用以解决现有技术中存在对用户的术后护理训练的监测准确性不足，监测管理效果不佳的技术问题。
5.根据本公开的第一方面，提供了一种术后护理训练的智能监测管理方法，包括：获取第一用户的预设训练数据集；根据所述预设训练数据集的变化特征进行阶段性划分，输出预设阶段训练数据集；采集所述第一用户的实时训练数据集，其中，所述实时训练数据集包括术后训练的实时肌力数据集、以及所述第一用户使用所述第一训练设备的设备实时传感数据集；根据所述预设阶段训练数据集，生成阶段监控模型；将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析，输出实时阶段完成度；当所述实时阶段完成度大于预设阶段完成度，向所述阶段监控模型发送阶段变更指令，用于控制所述阶段监控模型的监测参数变更为下一阶段的监测参数。
6.根据本公开的第二方面，提供了一种术后护理训练的智能监测管理系统，包括：预设训练数据集获取模块，所述预设训练数据集获取模块用于获取第一用户的预设训练数据集；阶段性划分模块，所述阶段性划分模块用于根据所述预设训练数据集的变化特征进行阶段性划分，输出预设阶段训练数据集；实时训练数据集获取模块，所述实时训练数据集获取模块用于采集所述第一用户的实时训练数据集，其中，所述实时训练数据集包括术后训练的实时肌力数据集、以及所述第一用户使用所述第一训练设备的设备实时传感数据集；阶段监控模型生成模块，所述阶段监控模型生成模块用于根据所述预设阶段训练数据集，生成阶段监控模型；阶段完成度输出模块，所述阶段完成度输出模块用于将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析，输出实时阶段完成度；监测参数变更模块，所述监测参数变更模块用于当所述实时阶段完成度大于预设阶段完成度，向所述阶段监控模型发送阶段变更指令，用于控制所述阶段监控模型的监测参数变更为下一阶段的监测参数。
7.根据本公开采用的一种术后护理训练的智能监测管理方法，本公开首先根据预设训练数据集的变化特征进行阶段性划分，输出预设阶段训练数据集，采集第一用户的实时
肌力数据集和设备实时传感数据集，并输入阶段监控模型中进行分析，输出实时阶段完成度，根据实时阶段完成度判断是否进行下一阶段的训练监测，达到提高术后护理训练的监测管理准确性，提升监测管理效果，为术后康复训练提供辅助用的技术效果。
8.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
9.为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述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示例性的，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，还可以根据提供的附图获得其他的附图。
10.图1为本公开实施例提供的一种术后护理训练的智能监测管理方法的流程示意图；
11.图2为本公开实施例中将实时肌力数据集和实时设备传感数据集输入阶段监控模型中的流程示意图；
12.图3为本公开实施例中输出训练质量指标的流程示意图；
13.图4为本公开实施例提供的一种术后护理训练的智能监测管理系统的结构示意图。
14.附图标记说明：预设训练数据集获取模块11，阶段性划分模块12，实时训练数据集获取模块13，阶段监控模型生成模块14，阶段完成度输出模块15，监测参数变更模块16。
具体实施方式
15.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
16.为了解决现有技术中存在对用户的术后护理训练的监测准确性不足，监测管理效果不佳的技术问题，本公开的发明人经过创造性的劳动，得到了本公开的一种术后护理训练的智能监测管理方法及系统。
17.实施例一
18.图1为本公开实施例提供的一种术后护理训练的智能监测管理方法图，所述方法应用于训练数据监测系统，所述系统与第一训练设备通信连接，如图1所示，所述方法包括：
19.步骤s100：获取第一用户的预设训练数据集；
20.上述的训练数据监测系统是用于对用户的术后训练进行智能监测管理的系统平台，第一训练设备是指用于辅助训练，获取用户术后肌肉恢复情况的传感器，比如手部握力传感器、腿部运动传感器等，具体根据用户的手术部位及术后训练数据的类型，结合实际情况确定第一训练设备的类型，在此不做限制，训练数据监测系统与第一训练设备通信连接，可以实现信息的交互传输。
21.具体而言，第一用户是指需要进行术后护理训练的任一用户，预设训练数据集是
根据第一用户的手术情况预先指定的训练数据集合，简单来说，第一用户在手术完成后，医护人员为其制定不同时期下的机体训练恢复数据，比如，术后护理训练前期，第一用户的肌力数据远远低于正常水平，随着训练时间的变化，肌力数据缓慢升高，直到趋于正常水平，预设训练数据集中包括不同时期对机体训练恢复数据的要求。
22.步骤s200：根据所述预设训练数据集的变化特征进行阶段性划分，输出预设阶段训练数据集；
23.具体而言，预设训练数据集中包括不同时期对机体训练恢复数据的要求，也就是说，随着训练护理时间的迁移，机体训练恢复数据是动态变化的，直到用户完全康复，训练数据会达到正常水平，基于此，对预设训练数据集中的数据进行变化特征分析，将预设训练数据集中处于同一水平的训练数据划分到一起，组成预设阶段训练数据集，预设阶段训练数据集中包含多个不同训练阶段的训练数据集合。
24.步骤s300：采集所述第一用户的实时训练数据集，其中，所述实时训练数据集包括术后训练的实时肌力数据集、以及所述第一用户使用所述第一训练设备的设备实时传感数据集；
25.具体而言，实时训练数据集是指用户当前的训练数据，包括术后训练的实时肌力数据集、以及第一用户使用第一训练设备的设备实时传感数据集，实时肌力数据集是指用户的肢体做随意运动时肌肉收缩的力量信息，一般是由护理人员对第一用户进行检查获取，也可以通过肌力测试仪器获取。设备实时传感数据集是指第一用户使用第一训练设备时，第一训练设备自动采集到的第一用户的握力情况、腿部运动情况等数据。
26.步骤s400：根据所述预设阶段训练数据集，生成阶段监控模型；
27.具体而言，阶段监控模型是根据预设阶段训练数据集对第一用户进行分阶段监控的功能模型，简单来说，预设阶段训练数据集中包含多个不同训练阶段的训练数据，可以将预设阶段训练数据集中的训练数据作为各个训练阶段的目标数据，也就是说，只有各个训练阶段的实时训练数据达到预设阶段训练数据集中的训练数据，说明该阶段训练完成。根据预设阶段训练数据集，生成阶段监控模型，阶段监控模型用于对第一用户的各个训练阶段进行监测，也就是说，以预设阶段训练数据集中各个阶段的训练数据作为监测比对的监测参数，通过将实时训练数据输入阶段监控模型，对实时监测数据和预设阶段训练数据集中各个阶段的训练数据进行比对识别，对各个阶段实时训练情况进行监控，获取不同阶段下的术后护理训练情况。
28.步骤s500：将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析，输出实时阶段完成度；
29.其中，如图2所示，本公开实施例步骤s500还包括：
30.步骤s510：对所述实时肌力数据集和所述设备实时传感数据集进行曲线绘制，得到肌力变化曲线和传感变化曲线；
31.步骤s520：对所述肌力变化曲线和所述传感变化曲线进行稳定性分析，输出所述肌力变化曲线的稳定指数和传感变化曲线的稳定指数；
32.步骤s530：当所述肌力变化曲线的稳定指数和所述传感变化曲线的稳定指数均大于预设稳定指数，将所述实时肌力数据集和所述实时设备传感数据集输入所述阶段监控模型中。
33.具体而言，首先可以根据第一用户当前所处的训练阶段，从预设阶段训练数据集中各个阶段的训练数据中提取出对应的训练阶段的预设训练数据，以此作为阶段监控模型的监测参数，将实时肌力数据集和设备实时传感数据集输入阶段监控模型中，通过阶段监控模型对监测参数与实时肌力数据集和设备实时传感数据集进行比对分析，根据比对分析结果判断第一用户当前训练阶段的恢复状态，也就是监测参数与实时肌力数据集和设备实时传感数据集之间的差异越小，说明恢复状态越好，即对应的实时阶段完成度越高，实时阶段完成度是介于0-100％。
34.具体地，将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析之前，需要对实时肌力数据集和实时设备传感数据集进行分析，分析过程如下：以时间作为横坐标，分别以实时肌力数据和设备实时传感数据作为纵坐标，从而对实时肌力数据集和设备实时传感数据集进行曲线绘制，得到肌力变化曲线和传感变化曲线，进一步分别对肌力变化曲线和传感变化曲线进行稳定性分析，稳定性不是要求实时肌力数据集和设备实时传感数据集维持一个状态值不变，用户在进行术后训练过程中，实时肌力数据集和设备实时传感数据集一定是实时变化的，稳定性分析是用于分析实时肌力数据集和设备实时传感数据集的变化是否稳定，比如肌力变化曲线和传感变化曲线按照一定的规律稳步上升，其稳定性就较高，对应的稳定指数也较高，稳定指数用于反映一定时间内实时肌力数据和设备实时传感数据的变化稳定性，具体可以在肌力变化曲线和传感变化曲线上寻找多个点，计算任一两个相邻的点之间的变化率，从而获取多个变化率，进一步计算多个变化率的标准差分别作为肌力变化曲线和传感变化曲线的稳定指数，从而输出肌力变化曲线的稳定指数和传感变化曲线的稳定指数，进一步由护理人员根据实际情况设置预设稳定指数，进而对肌力变化曲线的稳定指数和传感变化曲线的稳定指数与预设稳定指数进行比较判断，当肌力变化曲线的稳定指数和传感变化曲线的稳定指数均大于预设稳定指数时，将实时肌力数据集和实时设备传感数据集输入阶段监控模型中，进行术后训练监测。通过对实时肌力数据集和实时设备传感数据集进行稳定性分析，便于初步判断第一用户的术后训练情况，如果实时肌力数据集和实时设备传感数据集的稳定指数达不到预设稳定指数，说明第一用户的术后训练可能存在问题，导致恢复情况不稳定，继续进行术后训练监测没有意义，还可能造成无法预知的后果，通过对稳定指数进行判断，便于在稳定指数达到预设稳定指数的情况下，进行后续的术后训练监测；在稳定指数没有达到预设稳定指数的情况下，辅助护理人员对第一用户进行及时检查，防止造成更加严重的后果。
35.步骤s600：当所述实时阶段完成度大于预设阶段完成度，向所述阶段监控模型发送阶段变更指令，用于控制所述阶段监控模型的监测参数变更为下一阶段的监测参数。
36.具体而言，根据实际情况设置预设阶段完成度，预设阶段完成度是用于判断当前阶段的术后护理训练是否合格的参考指标，进一步对实时阶段完成度和预设阶段完成度进行比较，如果实时阶段完成度大于预设阶段完成度，说明当前阶段的术后护理训练合格，进而向阶段监控模型发送阶段变更指令，通过阶段变更指令控制阶段监控模型的监测参数变更为下一阶段的监测参数，监测参数就是预设阶段训练数据集中不同阶段的预设训练数据，进而继续对下一阶段的术后训练进行监测，举例如，预设阶段完成度设置为95％，第一用户当前阶段的术后恢复状态良好，实时阶段完成度达到了98％，说明当前阶段训练完成，可以进行下一阶段的训练，由此实现对用户的术后护理训练的实时监测，提升监测准确性，
同时提升监测管理效果。
37.其中，如图3所示，本公开实施例步骤s700还包括：
38.步骤s710：根据所述预设阶段训练数据集，生成多个数据存储子模块；
39.步骤s720：其中，每个数据存储子模块用于存储所述第一用户处于对应阶段的训练记录数据集，所述训练记录数据集包括训练完成度记录数据、训练周期记录数据以及训练窗口期记录数据；
40.步骤s730：根据所述多个数据存储子模块，获取多个阶段完成度；
41.步骤s740：对所述多个完成度进行质量评估，输出训练质量指标。
42.其中，本公开实施例步骤s740还包括：
43.步骤s741：根据所述训练完成度、所述训练周期以及所述训练窗口期为质量评估指标，输出完成质量指标、周期质量指标以及窗口质量指标；
44.步骤s742：对所述完成质量指标、周期质量指标以及窗口质量指标进行训练，搭建质量评估模型，其中，所述质量评估模型为三层全连接的神经网络模型；
45.步骤s743：根据所述质量评估模型，输出所述训练质量指标。
46.具体而言，预设阶段训练数据集中包含多个不同训练阶段的预设训练数据，一个训练阶段对应一个数据存储子模块，每个数据存储子模块用于存储该训练阶段对应的训练记录数据集，训练记录数据集包括训练完成度记录数据、训练周期记录数据以及训练窗口期记录数据。具体来说，每一个训练阶段包含多次训练，训练完成度记录数据是指一个训练阶段内多次训练对应的多个完成度，一次训练中包含不同的训练动作，每个训练动作的训练频率不同，比如手部握力训练50次、下肢伸展训练50次，以此重复5次作为一次训练，训练完成度记录数据包括动作完成度和时间完成度，动作完成度是指一个训练动作是否达标，比如握力的深度，指尖是否与手掌接触，以及每一次握力的持续时间是否合格；一个训练阶段是一个整体训练周期，又可以根据多次训练分为多个训练周期，训练周期记录数据包括多次训练对应的训练时间，训练窗口期记录数据是指用户在一个训练阶段内没有按时进行训练的时间段，比如，一天内要训练4次，用户在第3次训练时间内没有进行训练，记录训练缺失的时间段。根据多个数据存储子模块，通过获取多个阶段完成度，多个阶段完成度包括多个训练阶段对应的训练完成度记录数据、训练周期记录数据以及训练窗口期记录数据，进而对多个完成度进行质量评估，输出训练质量指标，训练质量指标表征各个训练阶段的整体训练完成度的高低，从而实现术后护理训练的监测管理。
47.具体地，对多个完成度进行质量评估的过程如下：首先根据训练完成度记录数据获取各个训练阶段对应的多次训练的多个动作完成度和多个时间完成度，对多个动作完成度和多个时间完成度进行均值计算，以均值计算结果作为完成质量指标。进而根据训练周期记录数据获取各个训练阶段对应的训练次数作为周期质量指标，根据训练窗口期记录数据获取训练缺失次数作为窗口质量指标，根据完成质量指标、周期质量指标以及窗口质量指标进行训练，搭建质量评估模型，其中，质量评估模型为三层全连接的神经网络模型，包括输入层、隐藏层、输出层，其中输入层和输出层是已经确定的，要实现多层全连接神经网络，其方法就是将隐藏层设为多层的神经网络结构，通过隐藏层进行复杂的非线性逻辑运算，输出训练质量指标，具体可以通过获取多组样本完成质量指标、样本周期质量指标、样本窗口质量指标，并为每一组数据配置一个样本训练质量指标，通过样本数据对质量评估
模型进行训练监督，并对质量评估模型的准确率进行测试，获得符合预期要求的质量评估模型。将完成质量指标、周期质量指标以及窗口质量指标输入质量评估模型，输出训练质量指标。通过对术后护理训练数据进行分析评价，获取训练质量指标，实现对术后训练的监测管理。
48.其中，本公开实施例步骤s800还包括：
49.步骤s810：根据所述预设阶段训练数据集，对每个阶段进行监控粒度配置，输出粒度配置参数；
50.步骤s820：其中，所述粒度配置参数用于对所述阶段监控模型处于不同训练阶段时的监控粒度进行分配，且每个阶段对应的监控粒度不相同。
51.具体而言，监控粒度是指数据粒度，简单来说，预设阶段训练数据集中包含不同训练阶段下的预设训练数据，不同训练阶段下的预设训练数据所处的数据变化程度不同，如果对不同训练阶段下的预设训练数据设置相同的数据粒度，对不同训练阶段的训练数据进行分析时，如果一个阶段对应的预设训练数据的变化程度较小，可能会导致该阶段的训练数据变化不明显，甚至看不出数据的变化，比如，进行质量评估时，可能会导致训练完成度记录数据、训练周期记录数据以及训练窗口期记录数据无明显变化，进而导致训练质量指标不准确
52.因此，需要对不同阶段进行不同的监控粒度配置，获取粒度配置参数，粒度配置参数也是指数据粒度，用于对阶段监控模型处于不同训练阶段时的监控粒度进行分配，且每个阶段对应的监控粒度不相同，即每个阶段数据采集的频率、数据量不同。
53.粒度配置参数至少包括肌力数据总量、肌力数据采集频率、设备传感数据总量、设备传感采集频率中的一种，也就是说，对于数据变化程度较小的训练阶段，可以增大肌力数据总量、肌力数据采集频率、设备传感数据总量、设备传感采集频率，提高监控精度，从而提升监测准确性。当粒度配置参数的数量大于等于2时，也就是粒度配置参数至少包括肌力数据总量、肌力数据采集频率、设备传感数据总量、设备传感采集频率中的两种数据，进一步对粒度配置参数中的各组参数进行粒度触发概率计算，粒度触发概率是根据粒度配置参数中的各组参数对应的数据变化程度确定的，如果数据变化程度较大，对应的粒度触发概率就较大，进一步根据粒度触发概率计算结果对粒度配置参数中的配置参数进行权重计算，简单来说，粒度配置参数中包含两个或者两个以上的参数，不同的参数对应的数据变化程度不同，变化程度较大的参数对应的粒度触发概率较大，对于粒度触发概率较大的参数，设置的距离的监控粒度数值可以设置的较大一些。通过根据数据的变化程度，进行监控粒度配置，可以有效提高监测精度和监测管理准确性。
54.其中，本公开实施例步骤s900还包括：
55.步骤s910：通过对所述实时肌力数据集和所述设备实时传感数据集进行偏差比对，获取训练偏差；
56.步骤s920：当所述训练偏差大于预设训练偏差，生成预警信息，将所述预警信息通过第一电子设备发送至所述第一用户，用于提醒训练数据记录出现误差。
57.具体而言，实时肌力数据集和设备实时传感数据集均表示第一用户的术后训练恢复情况，正常情况下，两者是一致的，由于设备或者个体差异，可能会有微小的偏差，存在的偏差即为训练偏差，只要偏差处于偏差允许范围内，属于正常情况，预设训练偏差就是指偏
差允许范围，可以根据实际情况自行设定，对训练偏差与预设训练偏差进行偏差比对，如果训练偏差大于预设训练偏差，说明训练数据记录出现误差，由此生成预警信息，预警信息中包含训练偏差，通过第一电子设备将预警信息发送至第一用户，第一电子设备是与训练数据监测系统连接的平板、手机、电脑等电子设备，用于提醒训练数据记录出现误差，辅助第一用户进行训练数据记录的修正，保证监测管理的准确性。
58.基于上述分析可知，本公开提供了一种术后护理训练的智能监测管理方法，在本实施例中，首先根据预设训练数据集的变化特征进行阶段性划分，输出预设阶段训练数据集，采集第一用户的实时肌力数据集和设备实时传感数据集，并输入阶段监控模型中进行分析，输出实时阶段完成度，根据实时阶段完成度判断是否进行下一阶段的训练监测，达到提高术后护理训练的监测准确性，提升监测管理效果，为术后康复训练提供辅助用的技术效果。
59.实施例二
60.基于与前述实施例中一种术后护理训练的智能监测管理方法同样的发明构思，如图4所示，本公开还提供了一种术后护理训练的智能监测管理系统，所述系统与第一训练设备通信连接，所述系统包括：
61.预设训练数据集获取模块11，所述预设训练数据集获取模块11用于获取第一用户的预设训练数据集；
62.阶段性划分模块12，所述阶段性划分模块12用于根据所述预设训练数据集的变化特征进行阶段性划分，输出预设阶段训练数据集；
63.实时训练数据集获取模块13，所述实时训练数据集获取模块13用于采集所述第一用户的实时训练数据集，其中，所述实时训练数据集包括术后训练的实时肌力数据集、以及所述第一用户使用所述第一训练设备的设备实时传感数据集；
64.阶段监控模型生成模块14，所述阶段监控模型生成模块14用于根据所述预设阶段训练数据集，生成阶段监控模型；
65.阶段完成度输出模块15，所述阶段完成度输出模块15用于将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析，输出实时阶段完成度；
66.监测参数变更模块16，所述监测参数变更模块16用于当所述实时阶段完成度大于预设阶段完成度，向所述阶段监控模型发送阶段变更指令，用于控制所述阶段监控模型的监测参数变更为下一阶段的监测参数。
67.进一步而言，所述系统还包括：
68.数据存储模块，所述数据存储模块用于根据所述预设阶段训练数据集，生成多个数据存储子模块，其中，每个数据存储子模块用于存储所述第一用户处于对应阶段的训练记录数据集，所述训练记录数据集包括训练完成度记录数据、训练周期记录数据以及训练窗口期记录数据；
69.多个阶段完成度获取模块，所述多个阶段完成度获取模块用于根据所述多个数据存储子模块，获取多个阶段完成度；
70.质量评估模块，所述质量评估模块用于对所述多个完成度进行质量评估，输出训练质量指标。
71.进一步而言，所述系统还包括：
72.质量评估指标获取模块，所述质量评估指标获取模块用于根据所述训练完成度、所述训练周期以及所述训练窗口期为质量评估指标，输出完成质量指标、周期质量指标以及窗口质量指标；
73.质量评估模型搭建模块，所述质量评估模型搭建模块用于对所述完成质量指标、周期质量指标以及窗口质量指标进行训练，搭建质量评估模型，其中，所述质量评估模型为三层全连接的神经网络模型；
74.训练质量指标输出模块，所述训练质量指标输出模块用于根据所述质量评估模型，输出所述训练质量指标。
75.进一步而言，所述系统还包括：
76.曲线绘制模块，所述曲线绘制模块用于对所述实时肌力数据集和所述设备实时传感数据集进行曲线绘制，得到肌力变化曲线和传感变化曲线；
77.稳定性分析模块，所述稳定性分析模块用于对所述肌力变化曲线和所述传感变化曲线进行稳定性分析，输出所述肌力变化曲线的稳定指数和传感变化曲线的稳定指数；
78.稳定指数判断模块，所述稳定指数判断模块用于当所述肌力变化曲线的稳定指数和所述传感变化曲线的稳定指数均大于预设稳定指数，将所述实时肌力数据集和所述实时设备传感数据集输入所述阶段监控模型中。
79.进一步而言，所述系统还包括：
80.监控粒度配置模块，所述监控粒度配置模块用于根据所述预设阶段训练数据集，对每个阶段进行监控粒度配置，输出粒度配置参数，其中，所述粒度配置参数用于对所述阶段监控模型处于不同训练阶段时的监控粒度进行分配，且每个阶段对应的监控粒度不相同。
81.进一步而言，所述系统还包括：
82.粒度配置参数分析模块，所述粒度配置参数分析模块用于确定所述粒度配置参数至少包括肌力数据总量，肌力数据采集频率、设备传感数据总量、设备传感采集频率中的一种；
83.权重计算模块，所述权重计算模块用于当所述粒度配置参数的数量大于等于2时，对所述粒度配置参数中的各组参数进行粒度触发概率计算，根据粒度触发概率计算结果对所述粒度配置参数中的配置参数进行权重计算。
84.进一步而言，所述系统还包括：
85.偏差比对模块，所述偏差比对模块用于通过对所述实时肌力数据集和所述设备实时传感数据集进行偏差比对，获取训练偏差；
86.预警信息发送模块，所述预警信息发送模块用于当所述训练偏差大于预设训练偏差，生成预警信息，将所述预警信息通过第一电子设备发送至所述第一用户，用于提醒训练数据记录出现误差。
87.前述实施例一中的一种术后护理训练的智能监测管理方法具体实例同样适用于本实施例的一种术后护理训练的智能监测管理系统，通过前述对一种术后护理训练的智能监测管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种术后护理训练的智能监测管理系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明
即可。
88.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行，也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
89.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种术后护理训练的智能监测管理方法，其特征在于，所述方法应用于训练数据监测系统，所述系统与第一训练设备通信连接，所述方法包括：获取第一用户的预设训练数据集；根据所述预设训练数据集的变化特征进行阶段性划分，输出预设阶段训练数据集；采集所述第一用户的实时训练数据集，其中，所述实时训练数据集包括术后训练的实时肌力数据集、以及所述第一用户使用所述第一训练设备的设备实时传感数据集；根据所述预设阶段训练数据集，生成阶段监控模型；将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析，输出实时阶段完成度；当所述实时阶段完成度大于预设阶段完成度，向所述阶段监控模型发送阶段变更指令，用于控制所述阶段监控模型的监测参数变更为下一阶段的监测参数。2.如权利要求1所述的方法，其特征在于，所述方法还包括：根据所述预设阶段训练数据集，生成多个数据存储子模块；其中，每个数据存储子模块用于存储所述第一用户处于对应阶段的训练记录数据集，所述训练记录数据集包括训练完成度记录数据、训练周期记录数据以及训练窗口期记录数据；根据所述多个数据存储子模块，获取多个阶段完成度；对所述多个完成度进行质量评估，输出训练质量指标。3.如权利要求2所述的方法，其特征在于，对所述多个完成度进行质量评估，输出训练质量指标，方法包括：根据所述训练完成度、所述训练周期以及所述训练窗口期为质量评估指标，输出完成质量指标、周期质量指标以及窗口质量指标；对所述完成质量指标、周期质量指标以及窗口质量指标进行训练，搭建质量评估模型，其中，所述质量评估模型为三层全连接的神经网络模型；根据所述质量评估模型，输出所述训练质量指标。4.如权利要求1所述的方法，其特征在于，将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析之前，方法包括：对所述实时肌力数据集和所述设备实时传感数据集进行曲线绘制，得到肌力变化曲线和传感变化曲线；对所述肌力变化曲线和所述传感变化曲线进行稳定性分析，输出所述肌力变化曲线的稳定指数和传感变化曲线的稳定指数；当所述肌力变化曲线的稳定指数和所述传感变化曲线的稳定指数均大于预设稳定指数，将所述实时肌力数据集和所述实时设备传感数据集输入所述阶段监控模型中。5.如权利要求1所述的方法，其特征在于，所述方法还包括：根据所述预设阶段训练数据集，对每个阶段进行监控粒度配置，输出粒度配置参数；其中，所述粒度配置参数用于对所述阶段监控模型处于不同训练阶段时的监控粒度进行分配，且每个阶段对应的监控粒度不相同。6.如权利要求5所述的方法，其特征在于，所述粒度配置参数至少包括肌力数据总量，肌力数据采集频率、设备传感数据总量、设备传感采集频率中的一种；
其中，当所述粒度配置参数的数量大于等于2时，对所述粒度配置参数中的各组参数进行粒度触发概率计算，根据粒度触发概率计算结果对所述粒度配置参数中的配置参数进行权重计算。7.如权利要求1所述的方法，其特征在于，所述方法还包括：通过对所述实时肌力数据集和所述设备实时传感数据集进行偏差比对，获取训练偏差；当所述训练偏差大于预设训练偏差，生成预警信息，将所述预警信息通过第一电子设备发送至所述第一用户，用于提醒训练数据记录出现误差。8.一种术后护理训练的智能监测管理系统，其特征在于，所述系统与第一训练设备通信连接，所述系统包括：预设训练数据集获取模块，所述预设训练数据集获取模块用于获取第一用户的预设训练数据集；阶段性划分模块，所述阶段性划分模块用于根据所述预设训练数据集的变化特征进行阶段性划分，输出预设阶段训练数据集；实时训练数据集获取模块，所述实时训练数据集获取模块用于采集所述第一用户的实时训练数据集，其中，所述实时训练数据集包括术后训练的实时肌力数据集、以及所述第一用户使用所述第一训练设备的设备实时传感数据集；阶段监控模型生成模块，所述阶段监控模型生成模块用于根据所述预设阶段训练数据集，生成阶段监控模型；阶段完成度输出模块，所述阶段完成度输出模块用于将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析，输出实时阶段完成度；监测参数变更模块，所述监测参数变更模块用于当所述实时阶段完成度大于预设阶段完成度，向所述阶段监控模型发送阶段变更指令，用于控制所述阶段监控模型的监测参数变更为下一阶段的监测参数。

技术总结
本公开提供了一种术后护理训练的智能监测管理方法及系统，涉及术后护理训练技术领域，该方法包括：获取第一用户的预设训练数据集；进行阶段性划分，输出预设阶段训练数据集；采集所述第一用户的实时训练数据集，所述实时训练数据集包括术后训练的实时肌力数据集、设备实时传感数据集；生成阶段监控模型；将所述实时肌力数据集和所述设备实时传感数据集输入所述阶段监控模型中进行分析，输出实时阶段完成度；当所述实时阶段完成度大于预设阶段完成度，向所述阶段监控模型发送阶段变更指令，解决了现有技术中存在对用户的术后护理训练的监测准确性不足，监测管理效果不佳的技术问题，达到提高监测管理准确性的技术效果。达到提高监测管理准确性的技术效果。达到提高监测管理准确性的技术效果。


技术研发人员：陈红梅 丁宇 朱宇 张志凡
受保护的技术使用者：中国人民解放军总医院第六医学中心
技术研发日：2023.04.04
技术公布日：2023/7/12