买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于互联网的患者腿部术后智能个性化康复训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119400354B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411506144.4，技术领域涉及：G16H20/30；该发明授权一种基于互联网的患者腿部术后智能个性化康复训练方法是由兰美娟;钱维明;钱磊;卢丽君;李红炎;杨建温;陈优晨设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本一种基于互联网的患者腿部术后智能个性化康复训练方法在说明书摘要公布了：本发明公开了一种基于互联网的患者腿部术后智能个性化康复训练方法，包括数据采集，用于采集患者病情信息和患者通过互联网上传的腿部康复训练数据；数据预处理，用于对患者训练检测原始数据进行数据预处理；患者康复训练特征提取，用于提取患者康复训练特征；非正确训练动作检测，用于针对患者的非正确训练动作进行智能检测；患者康复训练指导纠正，用于生成指导纠正指数，结合医疗知识图谱，生成患者腿部个性化康复训练等级建议方案；为避免患者由于时间、地理位置和腿部行走不便的限制，引入互联网技术及深度学习图像分析，提高医生远程腿部训练恢复就诊指导效率，节省患者现场随诊成本，提高患者治疗的积极性及腿部的康复速度。

本发明授权一种基于互联网的患者腿部术后智能个性化康复训练方法在权利要求书中公布了：1.一种基于互联网的患者腿部术后智能个性化康复训练方法，其特征在于，包括以下步骤： S1：数据采集，用于采集患者病情信息和患者通过互联网上传的腿部康复训练录像视频数据，具体为从患者康复训练录像视频中，通过采集，得到康复训练所需的训练检测原始数据，其中，所述患者病情信息包括患者病历的文本数据和患者腿部术后影像数据； S2：数据预处理，用于对患者训练检测原始数据进行数据预处理，具体为对所述患者训练检测原始数据进行视频帧属性调整，并采用改进的三帧差分法和对抗网络CVAE-GAN进行视频对抗性增强，得到预处理患者训练检测数据集； S3：患者康复训练特征提取，用于提取患者康复训练特征，具体为依据所述患者训练检测数据集，采用ResNet深度学习模型进行局部特征提取，并通过线性判别分析LDA进行特征的筛选，构建并提取腿部训练整体特征，得到患者康复训练特征数据； S4：非正确训练动作检测，用于针对患者的非正确训练动作进行智能检测，具体为依据所述患者训练检测数据集和患者康复训练特征数据，采用结合通道注意力机制的DenseNet卷积神经网络，进行非正确训练动作检测，得到患者康复训练非正确训练动作识别数据； S5：患者康复训练指导纠正，用于基于所述患者康复训练非正确训练动作识别数据、患者病历的文本数据和患者腿部术后影像数据，生成指导纠正指数Hik，所述指导纠正指数结合医疗知识图谱，生成患者腿部个性化康复训练等级建议方案； 所述S3具体包括以下步骤： S31：建立三维坐标系； S32：FlowNet深度学习模型局部特征提取； S33：局部特征筛选，线性判别分析LDA进行统计后特征筛选； S34：整体特征筛选提取，主成分分析PCA进行特征筛选； S35：康复训练特征提取； 在S31中，所述建立三维坐标系，具体为依据所述预处理患者训练检测数据集中的对抗康复训练前景帧图像集和对抗康复训练后景帧图像集，构建康复训练患者三维坐标系，并通过构建所述康复训练患者三维坐标系，得到康复训练患者关节点像素定位信息，所述康复训练患者关节点像素定位信息的计算公式为： 其中，Mx,y,z是康复训练患者关节点像素定位信息，C是前景帧中的图像像素值，D是背景帧中的图像像素值，A,B是康复训练患者关节点集合，其中，A是身体中心的关节点，B是患病腿部的关节点； 在S32中，所述FlowNet深度学习模型局部特征提取，具体指通过光流估计法Lucas-Kanade计算得到帧图像特征点位置坐标，并根据所述帧图像特征点位置坐标，通过FlowNet深度学习模型提取得到局部特征信息，所述帧图像特征点位置坐标的计算公式为： Ki+1＝xi，yi+H*mi， 其中，Ki+1是第i+1帧的帧图像特征点位置坐标，i是帧图像索引，xi，yi是第i帧的帧图像特征点位置坐标，H是中值滤波标识符，用于表示大小为2×2的中值滤波计算函数，mi是第i帧的光流参数信息，其中，光流参数信息mi的计算公式为：mi＝zi，vi，zi是第i帧的横轴方向光流参数信息，vi是第i帧的纵轴方向光流参数信息； 在S33中，具体实现为对所述局部特征信息进行分布统计，并且通过线性判别分析LDA对统计后的特征进行筛选，得到局部特征分布Ld； 在S34中，所述整体特征提取，具体为构建整体特征提取模型，通过主成分分析PCA进行特征筛选，得到运动动作整体特征信息，所述整体特征提取模型的计算公式为： 其中，Y是整体特征提取模型，pca·是矩阵行列式筛选计算函数，Ld·是运动动作的局部特征分布，β是帧图像所有局部特征的空间多规格网格划分，k是帧图像所有局部特征的时间多规格网格划分，T是康复训练患者动作状态的时间连续序列，F是康复训练患者动作的动态特征集合； 在S35中，所述康复训练特征提取，具体为通过建立三维坐标系、FlowNet深度学习模型局部特征提取、局部特征筛选和整体特征筛选提取，得到患者康复训练特征数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。