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,该方案通过在疾病预测模型中引入步态方向判断模块用于基于步态视频的每帧步态图像中患者每个关节点的坐标特征,计算步态视频的每帧步态图像中患者的步态方向,并将患者相同步态方向的所有帧的步态图像进行拼接处理,以得到不同步态方向的步态视频,以及疾病预测模块基于指定步态方向的步态视频,得到步态视频中患者对应的疾病预测结果。本申请构建的疾病预测模型通过判断并筛选出指定步态方向的步态视频对患者进行疾病预测,提高了疾病预测结果的准确性,提高了疾病预测模型的性能。
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。通过对患者步态的进行分析,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,相关研究人员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。疾病预测模型通过对步态视频的处理,可以自动提取患者的步态特征,其中,步态视频中一般包括患者多个步态方向的步态图像,步态方向是指患者在步态视频中的行走方向,例如前行(向前走)或后行(向后走)等方向,不同步态方向的步态视频能够反映出患者在不同条件下的运动模式,而某些疾病可能会在特定方向上的步态特征中表现得更为明显(例如,脊髓损伤(SCI)患者在不同的行走方向上可能会表现出不同的步态特征。脊髓损伤可能会影响患者的下肢协调能力,导致在前行时出现不稳定的步态,如步态摆动期缩短、步宽增加等特征,相比之下,在进行侧向移动或是转身动作时,患者的步态可能会显示出更显著的功能受限。在这种情况下,通过专门分析患者在侧向移动或转身时的步态视频,可以更清晰地识别出与脊髓损伤相关的步态异常,从而提高疾病预测的准确性和特异性。),因此选择指定步态方向的步态视频显得尤为关键,通过筛选出特定方向上的步态视频,模型可以更精确地捕捉到与特定疾病相关的步态变化,减少其他方向步态模式引入的噪声干扰,简化数据处理流程,提高分析效率,使得模型训练更为高效,预测结果更为可靠。
然而,现有技术中利用步态视频对疾病预测模型进行训练时,模型没有筛选出指定步态方向的步态视频进行疾病预测,而是通过学习患者不同步态方向的步态特征进行疾病预测,这种方式可能会对模型引入噪声干扰,影响模型性能,导致最终得到的疾病预测结果不准确,同时增加了不必要的计算负担,降低了模型训练的效率。
综上所述,现有的疾病预测模型性能不好,导致最终得到的疾病预测结果不准确的问题。因此,目前亟需一种性能更好的疾病预测模型,以提高疾病预测结果的准确性。
实现思路