本申请涉及医学领域,本申请公开了一种疾病预测模型的构建及应用方法、模型、设备、介质,该构建方案构建的疾病预测模型通过一个特征提取模块得到步态视频的每帧步态图像中目标患者每个关节点的第一坐标特征,再通过另一个特征提取模块得到步态视频的每帧步态图像中每个患者各个关节点的第二坐标特征,再通过目标特征生成模块对两个特征提取模块的关节点特征进行处理以得到步态视频的每帧步态图像中目标患者每个关节点的目标坐标特征,并基于目标患者每个关节点的目标坐标特征对目标患者进行疾病预测。本申请的疾病预测模型能够得到目标患者更加准确的关节点坐标信息,提高了疾病预测模型的性能,从而提高疾病预测结果的准确性。
背景技术
随着医学影像技术和生物特征识别技术的发展,步态分析作为一种非接触式的生物特征识别方法,在临床医学领域得到了广泛的应用。通过对患者的步态进行分析,医生可以诊断某些神经系统疾病、肌肉骨骼疾病以及其他影响行走模式的健康问题。
目前,相关研究者利用步态视频训练了许多疾病预测模型,旨在通过训练好的疾病预测模型进行步态分析以辅助医生进行疾病诊断,即利用疾病预测模型基于患者的步态视频得到患者的疾病预测结果,将该疾病预测结果辅助医生进行更加准确的医疗诊断。然而,现有疾病预测模型在进行疾病预测时存在以下问题:现有的疾病预测模型对步态视频中患者的关节点信息进行处理时,一般会遇到关节点识别错误的问题,比如将左腿的关节点特征误认为是右腿的关节点特征,提取到错误的关节点信息导致特征不稳定,从而导致训练得到的疾病预测模型的性能不好,影响疾病预测的准确性和可靠性;此外,在包含多名患者的一个步态视频中,现有的疾病预测模型往往难以准确地区分并提取每个人的关节点坐标信息,无法明确标识哪个关节点属于特定的患者,这进一步加剧了模型预测疾病的复杂性和不确定性。因此这些问题不仅限制了模型在实际应用中的效果,还阻碍了步态分析技术在医学领域的广泛应用。
综上所述,现有的疾病预测模型性能不好(即在对步态视频中患者的关节点信息进行提取时,容易得到错误的关节点信息),导致最终得到的疾病预测结果不准确。因此,目前亟需一种能准确从步态视频中提取目标患者关节点信息的疾病预测模型,以提高疾病预测结果的准确性。
实现思路