[發明專利]一種老年人動作康復訓練管理數據模型構建方法

有效

• 申請號: 201811517085.5
• 申請日: 2018-12-12
• 公開（公告）號: CN109411053B
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 欒萍;王占文
• 申請（專利權）人: 深圳大學
• 主分類號: G16H20/30
• 分類號: G16H20/30;G16H50/20
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 廖苑濱

1.一種老年人動作康復訓練管理數據模型構建方法，其特征在于：所述構建方法包括如下步驟：

步驟1：設計量子比較器，采集老人肢體運動狀態數據；

步驟2：使用量子比較器把采集的狀態數據與運動狀態評價數據庫比較得到老人肢體概況數據；

步驟3：根據康復系統構建老人若干個康復訓練方案；

步驟4：把康復訓練方案進行動作分解，得到康復動作；

步驟5：收集所有康復動作的康復成效，對康復成效進行分解得到獨立的成效元，建立初始成效模型；

步驟6：匯總所有康復訓練動作成效元，按成效元相似、互補原則合并，得到最終康復訓練動作模型，建立動作與成效模型；

步驟7：以得到的成效元作為公理設計的功能域，以設計的數據模型為物理域，根據總成效的層次關系，按“Z”字形逐個映射，得到對應的數據，按映射關系匯總得到數據模型；

所述步驟1中設計量子比較器的具體過程為：

利用量子受控門設計量子借位器和復位器，利用量子借位器和復位器設計n位量子比較器；

所述設計量子借位器和復位器的具體過程為：

利用四個受控門和一個2量子比特的融合門實現量子借位器設計，用符號B_o表示；

將量子借位器應用到量子態|c_i-1|b_i|a_i，得到

其中是異或操作，c_i-1,b_i,a_i∈{0,1}，當c_i-1表示兩個整數減b-a的前i-1位減的借位，b_i,a_i分別表示整數b,a的第i位數，則表示兩個整數減b-a的前i位減的借位；

將量子借位器運算后的輔助量子位，即第一個量子位復位到|c_i-1，

設計量子復位器，由四個受控門和一個2量子比特的融合門組成，用符號R_e表示；

將量子復位器應用到量子態得到

其中是異或操作，c_i,b_i,a_i∈{0,1}，由公式(2)可知量子復位器將復位為|c_i-1|b_i|a_i；

所述設計n位量子比較器的具體過程為：

利用量子借位器、量子復位器和Toffoli門實現n量子比特的量子比較器設計線路，用符號C_a表示，n量子比特的量子比較器由(n-1)個借位器、(n-1)個量子復位器、2個Toffoli門和1個量子受控門組成，它實現兩個n位的整數的比較運算；

假設n位的整數a和b存儲在如下兩個n量子比特的基態中：

其中a_n-1a_n-2...a和b_n-1b_n-2...b₀分別是整數a和b的二進制表示，a_h,b_h∈{0,1},h＝0,...,n-1；

添加2量子比特的量子基態作為量子比較器的輔助位，并排列順序得到|0b_n-1a_n-1b_n-2a_n-2...0b₀a₀作為輸入，將量子比較器應用到|0b_n-1a_n-1b_n-2a_n-2...0b₀a₀，得到

C_a|0b_n-1a_n-1b_n-2a_n-2...0b₀a₀＝|ξb_n-1a_n-1b_n-2a_n-2...0b₀a₀ (4)

其中當b≥a時，ξ＝0,當b＜a時,ξ＝1，

由公式(4)可知，量子比較器實現如下的比較運算：

由公式(5)可知，其中一個輔助量子比特運算前和運算后都為|0，它不會與保存運算結果的量子態構成糾纏，故可在運算后移去，完成n位量子比較器設計；

所述步驟1中采集老人肢體運動狀態數據的具體過程為：

使用傳感器采集老人實驗運動時的年齡、體重、血壓、心率和時間，通過攝像頭采集老人實驗運動時肢體的運動時的視頻，對采集的視頻進行貞分解，得到分解圖片，對分解的圖片進行圖片識別預處理，過濾圖片色彩，邊緣識別，得到每張分解圖片的老人肢體運動幅度圖，對老人肢體運動幅度圖進行數字識別轉換，選取極值和初始第一張老人肢體運動幅度圖的數值，根據極值得到老人實驗運動肢體幅度數據；

所述步驟2中的具體過程：

把采集的老人實驗運動時的年齡、體重、血壓、心率、時間和肢體幅度數據輸入量子比較器與運動狀態評價數據庫內的數據進行對比，輸出老人肢體概況數據；所述運動狀態評價數據庫內存儲了老人各個年齡段、各個體重所對應的運動時的血壓、心率數據，同時還包括各個年齡段、各個體重對應的實驗肢體運動幅度數據，把采集的老人實驗運動肢體幅度數據與存儲的數據比對得到老人肢體概況數據；

所述步驟3中康復系統為TMES康復治療體系，以老人肢體概況數據為起始點，康復成效為目標點，構建從起始點到目標點的線路即為康復訓練方案；

所述步驟4中的具體過程為：

把所有的康復訓練方案進行以最小康復動作為單元進行分解，得到分解康復動作，同時分析分解康復動作的成效，以成效為目標元，尋找具有目標元的動作，并收集與分解康復動作匯總得到康復動作；

所述步驟5中的具體過程為：

收集每個康復動作的康復成效，基于UML的用例圖描述康復動作的康復成效，對每個康復成效分解到最小粒度的成效元，直到所有成效都不能再分，得到的成效元之間彼此獨立，成效元之間不能夠有一樣的成效信息和語義重疊的成效；

所述成效元之間滿足一下關系：

式中，R表示一個需要劃分的上級成效，r₁，r₂，r₃，···，r_i，···，r_n代表分解后得到的n個成效元，按此得到初始的個性化成效模型；

所述步驟6中

對所有康復動作的康復成效元進行合并，得到由獨立成效元構成的總成效模型和康復動作與成效模型，合并采取相同和互補原則進行，相同合并原則指語義相同、相近的成效合并；互補合并原則指彼此剛好互相滿足的成效合并；

所述步驟7中的具體過程為：

基于公理設計理論設計映射得到數據模型，以得到成效模型作為公理設計的功能域，以設計的數據模型為公理設計的物理域，根據總成效的層次關系，按“Z”字形逐個映射，得到對應的數據，建立對應數據映射關系，成效與數據的映射關系通過如下映射矩陣描述：

[Rs]＝[A][Ds]

式中A為設計方陣，表達成效與對應數據之間是否有關系，用0和X來描述，0表示兩者之間沒有關聯，X表示兩者之間關聯性強，Rs為成效，Ds為數據；

根據上述映射矩陣得到底層的數據或屬性和得到上下級數據的關系，按映射關系匯總得到數據模型和成效與數據模型的映射關系，并根據得到的康復動作與成效模型，可得到成效、康復動作和康復訓練管理數據之間的關系，以推理方式形成康復訓練管理數據模型；

所述成效與數據模型的映射包括中間成效的數據模型映射和成效元級的數據映射，關系式為：

其中，R1、R2、Ri為上級成效分解得到的子成效，D1、D2、Di為映射數據。