一种基于用户特征的脊柱康复方案筛选方法及系统与流程

1.本发明涉及数据处理技术领域，具体涉及一种基于用户特征的脊柱康复方案筛选方法及系统。


背景技术：

2.目前许多工作需要长期伏案进行，导致现代人或多或少患有颈部和腰部方面的脊柱疾病，在影响患者生活时，患者常会选择专业的康复科医生、治疗师进行线下康复指导和训练，但是专业的康复指导训练需要专业人员面对面进行了解、分析和执行，且需要长期坚持，需要花费患者较多的时间、成本和精力。
3.现有技术中患者可自主根据脊柱康复训练方案内的动作完成相关锻炼，但由于自主训练方案没有针对患者进行制定，容易出现训练动作不合理，导致康复效果不佳，甚至出现二次伤害。
4.现有技术中存在患者在自主进行脊柱康复训练时，无法准确获取适用于自身的训练方案，导致训练效果差的技术问题。


技术实现要素：

5.本技术提供了一种基于用户特征的脊柱康复方案筛选方法及系统，用于针对解决现有技术中存在的在自主进行脊柱康复训练时，无法准确获取适用于自身的训练方案，导致训练效果差的技术问题。
6.鉴于上述问题，本技术提供了一种基于用户特征的脊柱康复方案筛选方法及系统。
7.第一方面，本技术提供了一种基于用户特征的脊柱康复方案筛选方法，所述方法包括：采集目标用户的多项特征信息，获得用户特征信息集合，其中，所述目标用户为待进行记住康复方案筛选的用户；根据多个测试指标，对所述目标用户的脊柱肌力强度进行测试，获得包括多个肌力强度测试数据的肌力强度数据集合；将所述用户特征信息集合输入脊柱康复方案数据库进行初步索引筛选，获得多个初选脊柱康复方案，每个初选脊柱康复方案内包括对多个训练指标进行康复训练的训练参数，多个训练指标和多个测试指标对应；根据所述肌力强度数据集合，分析所述多个训练指标对于所述目标用户的重要性，获得多个重要性参数；按照所述多个训练指标，将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别输入训练效果分析模型内的多个分析单元内，获得多个训练分值集；采用所述多个重要性参数，对所述多个训练分值集进行加权计算，获得多个初选分值，并将最大的初选分值对应的初选脊柱康复方案，作为所述目标用户的脊柱康复方案筛选结果。
8.第二方面，本技术提供了一种基于用户特征的脊柱康复方案筛选系统，所述系统包括：集合获取模块，所述集合获取模块用于采集目标用户的多项特征信息，获得用户特征信息集合，其中，所述目标用户为待进行记住康复方案筛选的用户；测试模块，所述测试模
块用于根据多个测试指标，对所述目标用户的脊柱肌力强度进行测试，获得包括多个肌力强度测试数据的肌力强度数据集合；初步索引筛选模块，所述初步索引筛选模块用于将所述用户特征信息集合输入脊柱康复方案数据库进行初步索引筛选，获得多个初选脊柱康复方案，每个初选脊柱康复方案内包括对多个训练指标进行康复训练的训练参数，多个训练指标和多个测试指标对应；分析模块，所述分析模块用于根据所述肌力强度数据集合，分析所述多个训练指标对于所述目标用户的重要性，获得多个重要性参数；第一输入模块，所述第一输入模块用于按照所述多个训练指标，将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别输入训练效果分析模型内的多个分析单元内，获得多个训练分值集；加权计算模块，所述加权计算模块用于采用所述多个重要性参数，对所述多个训练分值集进行加权计算，获得多个初选分值，并将最大的初选分值对应的初选脊柱康复方案，作为所述目标用户的脊柱康复方案筛选结果。
9.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
10.本技术提供的一种基于用户特征的脊柱康复方案筛选方法及系统，涉及数据处理技术领域，解决了现有技术中在自主进行脊柱康复训练时，无法准确获取适用于自身的训练方案，导致训练效果差的技术问题，实现了根据患者的特征，制定适用于患者的脊柱康复训练方案，指导患者进行自主的康复训练，提升方案推荐的适用性和训练的效果。
附图说明
11.图1为本技术提供了一种基于用户特征的脊柱康复方案筛选方法流程示意图；
12.图2为本技术提供了一种基于用户特征的脊柱康复方案筛选方法中获得用户特征信息集合流程示意图；
13.图3为本技术提供了一种基于用户特征的脊柱康复方案筛选方法中肌力强度数据集合流程示意图；
14.图4为本技术提供了一种基于用户特征的脊柱康复方案筛选方法中多个初选脊柱康复方案流程示意图；
15.图5为本技术提供了一种基于用户特征的脊柱康复方案筛选方法中多个重要性参数流程示意图；
16.图6为本技术提供了一种基于用户特征的脊柱康复方案筛选方法中多个训练分值集流程示意图；
17.图7为本技术提供了一种基于用户特征的脊柱康复方案筛选方法中多个初选分值流程示意图；
18.图8为本技术提供了一种基于用户特征的脊柱康复方案筛选系统结构示意图。
19.附图标记说明：集合获取模块1，测试模块2，初步索引筛选模块3，分析模块4，第一输入模块5，加权计算模块6。
具体实施方式
20.本技术通过提供一种基于用户特征的脊柱康复方案筛选方法及系统，用于解决现有技术中在自主进行脊柱康复训练时，无法准确获取适用于自身的训练方案，导致训练效果差的技术问题。
21.实施例一
22.如图1所示，本技术实施例提供了一种基于用户特征的脊柱康复方案筛选方法，该方法包括：
23.步骤s100：采集目标用户的多项特征信息，获得用户特征信息集合，其中，所述目标用户为待进行记住康复方案筛选的用户；
24.具体而言，本技术实施例提供的一种基于用户特征的脊柱康复方案筛选方法应用于一种基于用户特征的脊柱康复方案筛选系统，为保证对目标用户所生成脊柱康复方案的适应性，首先需要对目标用户所包含的多个特征进行采集，且目标用户为系统待进行记住康复方案筛选的用户，同时目标用户的多个特征可以包含目标用户的年龄信息、性别信息、体重信息、身高信息以及脊柱等过往病史信息，通过将目标用户的年龄信息、性别信息、体重信息、身高信息和脊柱等过往病史信息进行整合汇总，从而对用户特征信息集合进行获得，为后期实现生成适用于目标用户的脊柱康复方案作为重要参考依据。
25.步骤s200：根据多个测试指标，对所述目标用户的脊柱肌力强度进行测试，获得包括多个肌力强度测试数据的肌力强度数据集合；
26.具体而言，由于需要对目标用户现阶段的脊柱肌力强度进行测试，以便后期能够适应性生成与目标用户脊柱康复所对应的康复方案，因此需要对多个测试指标进行设置，多个测试指标包括颈部左侧肌力强度、颈部右侧肌力强度、腰部左侧肌力强度、腰部右侧肌力强度、颈部左侧屈、颈部右侧屈、腰部左侧屈、腰部右侧屈、颈部前侧肌力强度、颈部后侧肌力强度、颈部前侧屈肌力强度、颈部后侧屈肌力强度，进一步的按照多个测试指标，对目标用户的脊柱形变肌力强度进行检测，且每个测试指标均对应一个肌力强度测试数据，最终将所有肌力强度数据进行汇总后记作肌力强度数据集合，进而保障了对生成适用于目标用户的脊柱康复方案的实现。
27.步骤s300：将所述用户特征信息集合输入脊柱康复方案数据库进行初步索引筛选，获得多个初选脊柱康复方案，每个初选脊柱康复方案内包括对多个训练指标进行康复训练的训练参数，多个训练指标和多个测试指标对应；
28.具体而言，在对脊柱康复方案所拥有的方案基础上，对脊柱康复方案进行方案采集，其中对脊柱康复方案所采集的方案包含但不仅限于脊柱的拉伸训练方案、三点支撑法方案、跪位躯干充分拉伸运动方案、上下肢交叉平举训练方案等，以及不同训练内容的训练频率和训练强度等，在此基础上对脊柱康复方案数据库进行构建，进一步的，将上述所获用户特征信息集合输入至所构建的脊柱康复方案数据库中进行适应性初步索引筛选，且在脊柱康复方案数据库中所包含的每个初选脊柱康复方案内均存在对多个训练指标进行康复训练的训练参数，即根据训练指标对目标用户进行康复训练时的训练参数进行采集，同时多个训练指标与多个测试指标为对应关系，为后续实现生成适用于目标用户的脊柱康复方案夯实基础。
29.步骤s400：根据所述肌力强度数据集合，分析所述多个训练指标对于所述目标用户的重要性，获得多个重要性参数；
30.具体而言，在目标用户的脊柱肌力强度所进行测试所获的包括多个肌力强度测试数据的肌力强度数据集合的基础上，根据目标用户脊柱所存在的问题，对多个训练指标对于目标用户的重要性进行分析，同时将多个训练指标中对目标用户脊柱康复有效的训练指
标进行提取，对目标用户脊柱康复越有效则该训练指标对目标用户的重要性越高，进一步的，将所有训练指标根据重要性由大到小进行排序，将训练指标重要性占60％及以上的多个参数进行整合汇总，从而对多个重要性参数进行获取，实现对生成适用于目标用户的脊柱康复方案有着限定的作用。
31.步骤s500：按照所述多个训练指标，将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别输入训练效果分析模型内的多个分析单元内，获得多个训练分值集；
32.具体而言，将多个训练指标作为基础，将肌力强度数据集合与所获多个初选脊柱康复方案中所包含的肌力强度数据以及训练参数分别输入至训练效果分析模型中的多个分析单元内，即首先在bp神经网络的基础上，构建并监督训练获得符合预设条件的分析单元，将任意选取一测试指标以及对应的训练指标内所包含的训练参数、对用户进行康复训练后的训练分值完成对应分析单元的构建，同理构建其他多个测试指标和多个训练指标对应的多个分析单元，由所有分析单元组成训练效果分析模型，输入至所构建的对应分析单元中进行分析，最终将肌力强度数据集合和多个初选脊柱康复方案内的肌力强度数据和训练参数分别依次输入训练效果分析模型中所对应的不同分析单元内，并将不同分析单元所输出的不同训练分值进行整合记作多个训练分值集，以便为后期生成适用于目标用户的脊柱康复方案时作为参照数据。
33.步骤s600：采用所述多个重要性参数，对所述多个训练分值集进行加权计算，获得多个初选分值，并将最大的初选分值对应的初选脊柱康复方案，作为所述目标用户的脊柱康复方案筛选结果。
34.具体而言，根据筛选后的多个重要性参数对上述所获多个训练分值集进行加权计算，加权计算需要基于大量的数据汇总以及精确确定权重后再进行针对性计算，根据多个重要性参数的大小对多个训练分值集进行权重分配，重要性参数越大则权重分配越高，同时根据所配比的多个权重值分别对多个训练分值集中所包含的训练分值进行加权计算，由该加权计算结果获得多个初选分值，且所有初选分值均分别对应一初选脊柱康复方案，进一步的，将所有初选脊柱康复方案按照初选分值由大到小进行排序，由此将具有最大初选分值的初选脊柱康复方案作为最终目标用户的脊柱康复方案的筛选结果，实现了由患者的特征准确制定脊柱康复训练方案，提升方案推荐的适用性和训练的效果。
35.进一步而言，如图2所示，本技术步骤s100还包括：
36.步骤s110：采集所述目标用户的年龄信息、性别信息、体重信息、身高信息和过往病史信息；
37.步骤s120：结合所述年龄信息、性别信息、体重信息、身高信息和过往病史信息，获得所述用户特征信息集合。
38.具体而言，为使得最终输出的脊柱康复方案与目标用户的匹配性，因此需要对目标用户的年龄信息、性别信息、体重信息、身高信息和过往病史信息进行采集，过往病史可以包含目标用户的现病史、遗传史、既往病史、慢性病史等，进一步的，对目标用户的年龄信息、性别信息、体重信息、身高信息和过往病史信息进行特征结合，即目标用户的年龄信息是指处于不同年龄段脊柱的特征均存在差异，目标用户的性别信息是指根据性别的不同对脊柱的康复方案进行选择，目标用户的体重信息可以视为体重越大则脊柱承重越高，目标
用户的身高信息是指身高生长过快过高则导致脊柱侧弯的几率也同比增加，目标用户的过往病史是指将对脊柱会产生影响的过往病史进行提取，进而对目标用户的特征信息集合进行提取，达到为后期实现生成适用于目标用户的脊柱康复方案提供重要依据的技术效果。
39.进一步而言，如图3所示，本技术步骤s200还包括：
40.步骤s210：获取所述多个测试指标，所述多个测试指标包括颈部左侧肌力强度、颈部右侧肌力强度、腰部左侧肌力强度、腰部右侧肌力强度、颈部左侧屈、颈部右侧屈、腰部左侧屈、腰部右侧屈、颈部前侧肌力强度、颈部后侧肌力强度、颈部前侧屈肌力强度、颈部后侧屈肌力强度；
41.步骤s220：按照所述多个测试指标，对所述目标用户进行脊柱形变肌力强度检测，获得多个测试指标的多个肌力强度测试数据，作为所述肌力强度数据集合。
42.具体而言，通过多个测试指标对目标用户的脊柱形变肌力强度进行检测，多个测试指标中包含颈部左侧肌力强度、颈部右侧肌力强度、腰部左侧肌力强度、腰部右侧肌力强度、颈部左侧屈、颈部右侧屈、腰部左侧屈、腰部右侧屈、颈部前侧肌力强度、颈部后侧肌力强度、颈部前侧屈肌力强度、颈部后侧屈肌力强度，目标用户的脊柱形变肌力强度的检测是通过基于脊柱形变产生的电压变化转化为发力大小进行目标用户的多个指标的检测，可通过现有技术中的脊柱肌力强度检测方法进行检测。具体可通过患者转动颈部、腰部等脊柱部位，使转动的压力施给传感器，该传感器发生形变，传感器受到的压力与受力大小相关，从而使传感器内的阻抗发生变化，同时使得激励电压发生变化，输出一个变化的模拟信号，进而根据预设的模拟信号标准，获得该压力的大小，进而检测获得肌力强度数据集合，同时肌力强度数据集合中包含多个测试指标，以此保证后期更精准的对适用于目标用户的脊柱康复方案进行生成。
43.进一步而言，如图4所示，本技术步骤s300还包括：
44.步骤s310：基于过去时间内进行脊柱康复方案制定的用户，获得多个历史用户的多个历史用户特征信息集合，并按照所述多项特征信息划分获得多个历史特征信息集合；
45.步骤s320：根据所述多个历史特征信息集合，构建多个索引元素集；
46.步骤s330：根据所述多个历史用户制定的历史脊柱康复方案，获得历史脊柱康复方案集合；
47.步骤s340：根据所述历史脊柱康复方案集合，构建多个数据元素；
48.步骤s350：基于所述多个索引元素集和多个数据元素的索引关系，构建所述脊柱康复方案数据库；
49.步骤s360：将所述用户特征信息集合输入所述脊柱康复方案数据库进行索引，获得对应的多个历史脊柱康复方案，作为所述多个初选脊柱康复方案。
50.具体而言，对当前时刻之前进行过脊柱康复方案制定的用户的特征信息进行提取，之前的脊柱康复方案制定一般通过专业医师进行制定。如此，获得多个历史用户包含的多个历史用户特征信息集合，同时按照多项特征信息中不同的特征对多个历史特征信息集合进行特征划分，获得多个历史特征信息集合，每个历史特征信息集合内包括一种用户特征信息的多个历史数据。
51.进一步的，对所划分的多个历史特征信息集合对应构建固定索引元素，即对每种特征均进行一层索引，同时对多个历史用户制定对应的历史脊柱康复方案进行汇总后，对
每一个历史脊柱康复方案进行数据元素的构建，且多个索引元素集为多个数据元素的索引，通过多个索引元素集对多个数据元素进行多层索引查询，在此基础上完成对脊柱康复方案数据库的构建，通过数据库内的多层索引后，获得过去时间内具有相同用户特征信息集合的用户的脊柱康复方案，并将其作为初选脊柱康复方案，进一步的，将用户特征信息集合输入至所构建的脊柱康复方案数据库进行索引操作，从而对应获得多个历史脊柱康复方案，并将其记作多个初选脊柱康复方案进行输出，达到基于多个初选脊柱康复方案对适用于目标用户的脊柱康复方案进行生成。
52.进一步而言，如图5所示，本技术步骤s400还包括：
53.步骤s410：获取过去时间内具有所述用户特征信息集合的历史用户的脊柱肌力强度测试数据，获得多个历史肌力强度数据集合；
54.步骤s420：计算所述多个历史肌力强度数据集合内所述多个测试指标的均值，获得多个测试指标均值；
55.步骤s430：计算所述肌力强度数据集合内多个测试指标的肌力强度数据与对应的测试指标均值的偏差程度，获得多个偏差参数；
56.步骤s440：将所述多个偏差参数作为所述多个重要性参数。
57.具体而言，在过去时间内通过对目标用户的脊柱肌力强度进行测试，从而获得具有用户特征信息集合的历史用户的脊柱肌力强度测试数据集，进一步的，通过对所获多个历史肌力强度数据集合内所包含多个测试指标的肌力强度数据的均值进行计算，进一步的，对目标用户的肌力强度数据集合内多个测试指标的肌力强度数据与对应的测试指标均值的偏差程度进行计算，是指根据具有相同用户特征信息集合的脊柱肌力强度测试数据的均值，计算目标用户每个测试指标肌力强度数据与测试指标均值的偏离参数，即目标用户的肌力强度数据与测试指标均值的差值与该测试指标均值的比值，从而对多个偏差参数进行获取，继而将多个偏差参数记作多个重要性参数，偏差参数越大，则说明目标用户在该测试指标上的肌力强度数据越不标准，则该测试指标的康复训练对于目标用户的重要性越大，在此基础上完成对适用于目标用户的脊柱康复方案的生成。
58.进一步而言，如图6所示，本技术步骤s500还包括：
59.步骤s510：基于第一测试指标和对应的第一训练指标，获得样本第一肌力强度数据集合和样本第一训练参数集合；
60.步骤s520：并获取采用所述样本第一训练参数集合内训练参数对具有所述样本第一肌力强度数据集合内肌力强度数据的用户进行康复训练后的训练分值，获得样本第一训练分值集合；
61.步骤s530：采用所述样本第一训练参数集合、样本第一肌力强度数据集合和样本第一训练分值集合作为构建数据，基于bp神经网络，构建并监督训练获得符合预设条件的第一分析单元；
62.步骤s540：继续构建其他多个测试指标和多个训练指标对应的多个分析单元，获得所述训练效果分析模型；
63.步骤s550：将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别依次输入所述多个分析单元内，获得所述多个训练分值集。
64.具体而言，在多个测试指标中任意选取一测试指标记作第一测试指标，且多个测
试指标与多个训练指标为一一对应的关系，因此通过所选第一测试指标与其所对应的第一训练指标，对基于第一测试指标下的样本第一肌力强度数据集合，以及基于第一训练指标下的样本第一训练参数集合进行提取，进一步的，采用样本第一训练参数集合内训练参数对具有样本第一肌力强度数据集合内肌力强度数据的用户进行康复训练后的训练进行评分，其评分分值越高，则康复训练效果越好，从而对样本第一训练分值集合进行获取，在bp神经网络的基础上，采用构建数据，构建数据是指采用样本第一训练参数集合、样本第一肌力强度数据集合和样本第一训练分值集合，构建并监督训练获得符合预设条件的第一分析单元，第一分析单元的构建过程可以是将训练数据集中每一组训练数据输入第一分析单元，通过这组训练数据对应的监督数据进行第一分析单元的输出监督调整，进行第一分析单元的训练调整。训练数据集中的每组训练数据均包括构建数据，监督数据集为与训练数据集一一对应的监督数据，当第一分析单元的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则第一分析单元训练完成。
65.为保证第一分析单元的准确性，可以通过测试数据集进行第一分析单元的测试处理，举例而言，测试准确率可以设定为85％，当测试数据集的测试准确率满足85％时，则第一分析单元构建完成。
66.同时一个测试指标对应一个训练指标对应一个分析单元，分析单元的输入数据为对应测试指标的肌力强度数据和对应训练指标的训练参数，具体包括训练方案、训练频率和训练强度等数据，因此对其他多个测试指标和多个训练指标对应的多个分析单元进行同理构建，基于所有构建完成的分析单元，组成训练效果分析模型，最终将肌力强度数据集合和多个初选脊柱康复方案内的肌力强度数据和训练参数分别依次输入所构建的多个分析单元内，获得每个初选脊柱康复方案的多个训练指标的训练分值，作为训练分值集，进而对多个训练分值集进行获得，以保证在对对适用于目标用户的脊柱康复方案生成时的高效性。
67.进一步而言，如图7所示，本技术步骤s600还包括：
68.步骤s610：根据所述多个重要性参数的大小，进行权重分配，获得多个权重值；
69.步骤s620：采用所述多个权重值，分别对所述多个训练分值集内的训练分值进行加权计算，获得所述多个初选分值。
70.具体而言，根据多个重要性参数的大小对多个训练分值集进行权重分配，重要参数越大则权重分配越高，权重分配可以通过层次分析法，并根据肌力强度数据集合内多个指标的数据，对目标用户的各个评价指标的重要性进行两两对比后，再利用层次分析法中已有的成对比较阵标度表建立判断矩阵，进一步的，按照一致性比例对判断矩阵进行一致性检验，一致性比例的计算公式为：
[0071][0072][0073]
λmax为判断矩阵的最大特征值，n为评价指标个数；
[0074]
ri表示平均随机一致性指标，通过查表可知。
[0075]
当一致性比例＜0.1时，认为判断矩阵的一致性是可以接受的，执行下一步，否则
对判断矩阵作出修正，通过归一化算法的计算判断矩阵权重，作为多个训练分值集内多个训练指标对应训练分支的评价指标权重，然后根据多个评价指标权重，按照加权算数平均算子公式分别计算出多个训练分值集对应的加权算术平均值。加权算术平均值的具体计算式如下：
[0076]
waw＝aa*u1+ab*u2+ac*u3+ad*u4+ae*u5+af*u6+ag*
[0077]
u7+ah*u8+ai*u9+aj*u
10
+ak*u
11
+a
l
*u
12
；
[0078]
wbw＝ba*u1+bb*u2+bc*u3+bd*u4+be*u5+bf*u6+bg*
[0079]
u7+bh*u8+bi*u9+bj*u
10
+bk*u
11
+b
l
*u
12
；
[0080]
wcw＝ca*u1+cb*u2+cc*u3+cd*u4+ce*u5+cf*u6+cg*u7+
[0081]ch
*u8+ci*u9+cj*u
10
+ck*u
11
+c
l
*u
12
；
[0082]
wdw＝da*u1+db*u2+dc*u3+dd*u4+de*u5+df*u6+dg*
[0083]
u7+dh*u8+di*u9+dj*u
10
+dk*u
11
+d
l
*u
12
；
[0084]
wew＝ea*u1+eb*u2+ec*u3+ed*u4+ee*u5+ef*u6+eg*
[0085]
u7+eh*u8+ei*u9+ej*u
10
+ek*u
11
+e
l
*u
12
；
[0086]
其中，a、b、c、d、e分别表示初选脊柱康复方案；
[0087]
u1、u2、u3、u4、u5、u6、u7、u8、u9、u
10
、u
11
、u
12
表示多个重要性参数权重分配后，多个训练指标以及多个测试指标的权重值。
[0088]
waw、wbw、wcw、wdw、wew表示每个初选脊柱康复方案对应的加权算术平均值。
[0089]
a，b，c，d，e，f，g，h，i，j，k，l表示每个初选脊柱康复方案内多个测试指标对应的多个训练指标的训练方案的训练分值。
[0090]
将加权算术平均值从大到小进行排序，然后将对应的初筛结果依次输出，作为多个初选分值。
[0091]
在一个实施例中，也可以直接根据多个重要性参数的大小，进行权重分配，获得权重分配结果。具体计算多个重要性参数与多个重要性参数之和的比值，获得多个权重值，作为权重分配结果。
[0092]
综上所述，本技术实施例提供的一种基于用户特征的脊柱康复方案筛选方法及系统，至少包括如下技术效果：解决了现有技术中在自主进行脊柱康复训练时，无法准确获取适用于自身的训练方案，导致训练效果差的技术问题，实现了根据患者的特征，制定适用于患者的脊柱康复训练方案，指导患者进行自主的康复训练，提升方案推荐的适用性和训练的效果。
[0093]
实施例二
[0094]
基于与前述实施例中一种基于用户特征的脊柱康复方案筛选方法相同的发明构思，如图8所示，本技术提供了一种基于用户特征的脊柱康复方案筛选系统，系统包括：
[0095]
集合获取模块1，所述集合获取模块1用于采集目标用户的多项特征信息，获得用户特征信息集合，其中，所述目标用户为待进行记住康复方案筛选的用户；
[0096]
测试模块2，所述测试模块2用于根据多个测试指标，对所述目标用户的脊柱肌力强度进行测试，获得包括多个肌力强度测试数据的肌力强度数据集合；
[0097]
初步索引筛选模块3，所述初步索引筛选模块3用于将所述用户特征信息集合输入脊柱康复方案数据库进行初步索引筛选，获得多个初选脊柱康复方案，每个初选脊柱康复
方案内包括对多个训练指标进行康复训练的训练参数，多个训练指标和多个测试指标对应；
[0098]
分析模块4，所述分析模块4用于根据所述肌力强度数据集合，分析所述多个训练指标对于所述目标用户的重要性，获得多个重要性参数；
[0099]
第一输入模块5，所述第一输入模块5用于按照所述多个训练指标，将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别输入训练效果分析模型内的多个分析单元内，获得多个训练分值集；
[0100]
加权计算模块6，所述加权计算模块6用于采用所述多个重要性参数，对所述多个训练分值集进行加权计算，获得多个初选分值，并将最大的初选分值对应的初选脊柱康复方案，作为所述目标用户的脊柱康复方案筛选结果。
[0101]
进一步而言，系统还包括：
[0102]
信息采集模块，所述信息采集模块用于采集所述目标用户的年龄信息、性别信息、体重信息、身高信息和过往病史信息；
[0103]
结合模块，所述结合模块用于结合所述年龄信息、性别信息、体重信息、身高信息和过往病史信息，获得所述用户特征信息集合。
[0104]
进一步而言，系统还包括：
[0105]
指标获取模块，所述指标获取模块用于获取所述多个测试指标，所述多个测试指标包括颈部左侧肌力强度、颈部右侧肌力强度、腰部左侧肌力强度、腰部右侧肌力强度、颈部左侧屈、颈部右侧屈、腰部左侧屈、腰部右侧屈、颈部前侧肌力强度、颈部后侧肌力强度、颈部前侧屈肌力强度、颈部后侧屈肌力强度；
[0106]
强度检测模块，所述强度检测模块用于按照所述多个测试指标，对所述目标用户进行脊柱形变肌力强度检测，获得多个测试指标的多个肌力强度测试数据，作为所述肌力强度数据集合。
[0107]
进一步而言，系统还包括：
[0108]
划分模块，所述划分模块用于基于过去时间内进行脊柱康复方案制定的用户，获得多个历史用户的多个历史用户特征信息集合，并按照所述多项特征信息划分获得多个历史特征信息集合；
[0109]
元素集构建模块，所述元素集构建模块用于根据所述多个历史特征信息集合，构建多个索引元素集；
[0110]
方案集合获得模块，所述方案集合获得模块用于根据所述多个历史用户制定的历史脊柱康复方案，获得历史脊柱康复方案集合；
[0111]
数据元素构建模块，所述数据元素构建模块用于根据所述历史脊柱康复方案集合，构建多个数据元素；
[0112]
数据库构建模块，所述数据库构建模块用于基于所述多个索引元素集和多个数据元素的索引关系，构建所述脊柱康复方案数据库；
[0113]
索引模块，所述索引模块用于将所述用户特征信息集合输入所述脊柱康复方案数据库进行索引，获得对应的多个历史脊柱康复方案，作为所述多个初选脊柱康复方案。
[0114]
进一步而言，系统还包括：
[0115]
强度数据集合获得模块，所述强度数据集合获得模块用于获取过去时间内具有所
述用户特征信息集合的历史用户的脊柱肌力强度测试数据，获得多个历史肌力强度数据集合；
[0116]
第一计算模块，所述第一计算模块用于计算所述多个历史肌力强度数据集合内所述多个测试指标的均值，获得多个测试指标均值；
[0117]
第二计算第二计算模块，所述第二计算模块用于计算所述肌力强度数据集合内多个测试指标的肌力强度数据与对应的测试指标均值的偏差程度，获得多个偏差参数；
[0118]
参数模块，所述参数模块用于将所述多个偏差参数作为所述多个重要性参数。
[0119]
进一步而言，系统还包括：
[0120]
集合获得模块，所述集合获得模块用于基于第一测试指标和对应的第一训练指标，获得样本第一肌力强度数据集合和样本第一训练参数集合；
[0121]
训练模块，所述训练模块用于并获取采用所述样本第一训练参数集合内训练参数对具有所述样本第一肌力强度数据集合内肌力强度数据的用户进行康复训练后的训练分值，获得样本第一训练分值集合；
[0122]
第一构建模块，所述第一构建模块用于采用所述样本第一训练参数集合、样本第一肌力强度数据集合和样本第一训练分值集合作为构建数据，基于bp神经网络，构建并监督训练获得符合预设条件的第一分析单元；
[0123]
第二构建模块，所述第二构建模块用于继续构建其他多个测试指标和多个训练指标对应的多个分析单元，获得所述训练效果分析模型；
[0124]
第二输入模块，所述第二输入模块用于将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别依次输入所述多个分析单元内，获得所述多个训练分值集。
[0125]
进一步而言，系统还包括：
[0126]
权重分配模块，所述权重分配模块用于根据所述多个重要性参数的大小，进行权重分配，获得多个权重值；
[0127]
第三计算模块，所述第三计算模块用于采用所述多个权重值，分别对所述多个训练分值集内的训练分值进行加权计算，获得所述多个初选分值。
[0128]
本说明书通过前述对一种基于用户特征的脊柱康复方案筛选方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于用户特征的脊柱康复方案筛选系统，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。
[0129]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于用户特征的脊柱康复方案筛选方法，其特征在于，所述方法包括：采集目标用户的多项特征信息，获得用户特征信息集合，其中，所述目标用户为待进行记住康复方案筛选的用户；根据多个测试指标，对所述目标用户的脊柱肌力强度进行测试，获得包括多个肌力强度测试数据的肌力强度数据集合；将所述用户特征信息集合输入脊柱康复方案数据库进行初步索引筛选，获得多个初选脊柱康复方案，每个初选脊柱康复方案内包括对多个训练指标进行康复训练的训练参数，多个训练指标和多个测试指标对应；根据所述肌力强度数据集合，分析所述多个训练指标对于所述目标用户的重要性，获得多个重要性参数；按照所述多个训练指标，将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别输入训练效果分析模型内的多个分析单元内，获得多个训练分值集；采用所述多个重要性参数，对所述多个训练分值集进行加权计算，获得多个初选分值，并将最大的初选分值对应的初选脊柱康复方案，作为所述目标用户的脊柱康复方案筛选结果。2.根据权利要求1所述的方法，其特征在于，采集目标用户的多项特征信息，获得用户特征信息集合，包括；采集所述目标用户的年龄信息、性别信息、体重信息、身高信息和过往病史信息；结合所述年龄信息、性别信息、体重信息、身高信息和过往病史信息，获得所述用户特征信息集合。3.根据权利要求1所述的方法，其特征在于，根据多个测试指标，对所述目标用户的脊柱肌力强度进行测试，包括：获取所述多个测试指标，所述多个测试指标包括颈部左侧肌力强度、颈部右侧肌力强度、腰部左侧肌力强度、腰部右侧肌力强度、颈部左侧屈、颈部右侧屈、腰部左侧屈、腰部右侧屈、颈部前侧肌力强度、颈部后侧肌力强度、颈部前侧屈肌力强度、颈部后侧屈肌力强度；按照所述多个测试指标，对所述目标用户进行脊柱形变肌力强度检测，获得多个测试指标的多个肌力强度测试数据，作为所述肌力强度数据集合。4.根据权利要求1所述的方法，其特征在于，将所述用户特征信息集合输入脊柱康复方案数据库进行初步索引筛选，获得多个初选脊柱康复方案，包括：基于过去时间内进行脊柱康复方案制定的用户，获得多个历史用户的多个历史用户特征信息集合，并按照所述多项特征信息划分获得多个历史特征信息集合；根据所述多个历史特征信息集合，构建多个索引元素集；根据所述多个历史用户制定的历史脊柱康复方案，获得历史脊柱康复方案集合；根据所述历史脊柱康复方案集合，构建多个数据元素；基于所述多个索引元素集和多个数据元素的索引关系，构建所述脊柱康复方案数据库；将所述用户特征信息集合输入所述脊柱康复方案数据库进行索引，获得对应的多个历史脊柱康复方案，作为所述多个初选脊柱康复方案。
5.根据权利要求1所述的方法，其特征在于，根据所述肌力强度数据集合，分析所述多个训练指标对于所述目标用户的重要性，获得多个重要性参数，包括：获取过去时间内具有所述用户特征信息集合的历史用户的脊柱肌力强度测试数据，获得多个历史肌力强度数据集合；计算所述多个历史肌力强度数据集合内所述多个测试指标的均值，获得多个测试指标均值；计算所述肌力强度数据集合内多个测试指标的肌力强度数据与对应的测试指标均值的偏差程度，获得多个偏差参数；将所述多个偏差参数作为所述多个重要性参数。6.根据权利要求1所述的方法，其特征在于，按照所述多个训练指标，将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别输入训练效果分析模型内的多个分析单元内，包括：基于第一测试指标和对应的第一训练指标，获得样本第一肌力强度数据集合和样本第一训练参数集合；并获取采用所述样本第一训练参数集合内训练参数对具有所述样本第一肌力强度数据集合内肌力强度数据的用户进行康复训练后的训练分值，获得样本第一训练分值集合；采用所述样本第一训练参数集合、样本第一肌力强度数据集合和样本第一训练分值集合作为构建数据，基于bp神经网络，构建并监督训练获得符合预设条件的第一分析单元；继续构建其他多个测试指标和多个训练指标对应的多个分析单元，获得所述训练效果分析模型；将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别依次输入所述多个分析单元内，获得所述多个训练分值集。7.根据权利要求1所述的方法，其特征在于，采用所述多个重要性参数，对所述多个训练分值集进行加权计算，获得多个初选分值，包括：根据所述多个重要性参数的大小，进行权重分配，获得多个权重值；采用所述多个权重值，分别对所述多个训练分值集内的训练分值进行加权计算，获得所述多个初选分值。8.一种基于用户特征的脊柱康复方案筛选系统，其特征在于，所述系统包括：集合获取模块，所述集合获取模块用于采集目标用户的多项特征信息，获得用户特征信息集合，其中，所述目标用户为待进行记住康复方案筛选的用户；测试模块，所述测试模块用于根据多个测试指标，对所述目标用户的脊柱肌力强度进行测试，获得包括多个肌力强度测试数据的肌力强度数据集合；初步索引筛选模块，所述初步索引筛选模块用于将所述用户特征信息集合输入脊柱康复方案数据库进行初步索引筛选，获得多个初选脊柱康复方案，每个初选脊柱康复方案内包括对多个训练指标进行康复训练的训练参数，多个训练指标和多个测试指标对应；分析模块，所述分析模块用于根据所述肌力强度数据集合，分析所述多个训练指标对于所述目标用户的重要性，获得多个重要性参数；第一输入模块，所述第一输入模块用于按照所述多个训练指标，将所述肌力强度数据集合和所述多个初选脊柱康复方案内的肌力强度数据和训练参数分别输入训练效果分析
模型内的多个分析单元内，获得多个训练分值集；加权计算模块，所述加权计算模块用于采用所述多个重要性参数，对所述多个训练分值集进行加权计算，获得多个初选分值，并将最大的初选分值对应的初选脊柱康复方案，作为所述目标用户的脊柱康复方案筛选结果。

技术总结
本发明提供了一种基于用户特征的脊柱康复方案筛选方法及系统，涉及数据处理技术领域，方法包括：采集多项特征信息，获得用户特征信息集合，对多个测试指标进行测试，获得肌力强度数据集合，将用户特征信息集合输入脊柱康复方案数据库获得多个初选脊柱康复方案，分析多个训练指标获得多个重要性参数，将肌力强度数据集合和多个初选脊柱康复方案分别输入训练效果分析模型，获得多个训练分值集，将最大的初选分值对应的初选脊柱康复方案，作为目标用户的脊柱康复方案筛选结果，解决现有技术无法准确获取适用于自身的训练方案，导致训练效果差的技术问题，实现由患者的特征准确制定脊柱康复训练方案，提升方案推荐的适用性和训练的效果。的效果。的效果。


技术研发人员：张坤 贺琛 马瑞 潘冬 冯斌 单丁 曹冬冬
受保护的技术使用者：中航创世机器人（西安）有限公司
技术研发日：2023.05.15
技术公布日：2023/8/14