一种心肺复苏按压姿势标准阈值的确定方法及处理器

本发明涉及人工智能急救训练，尤其涉及一种心肺复苏按压姿势标准阈值的确定方法及处理器。

背景技术：

1、心搏骤停一旦发生，如得不到及时抢救，4～6min后会造成脑和其他人体重要器官组织的不可逆损害，甚至危及生命。需要在现场立即开展高质量的心肺复苏(cardiopulmonary resuscitation，cpr)。高质量的心肺复苏是基础和高级生命支持的基础。之所以强调高质量，是因为若达不到标准，各组织器官无法获得足够灌注，导致复苏成功率显著降低，尤其是神经系统对缺血缺氧十分敏感，许多患者虽然通过复苏恢复循环，却造成不可逆的脑损伤，严重影响复苏后的生命质量。cpr的首版指南于1966年由美国国家科学院医学部国家研究委员会的一个特设cpr委员会发布。距离首版指南发布半个多世纪后，心脏骤停仍然是危及人类生命健康的首要原因。指南始终致力于利用当前的相关证据制定明确可操作的标准来优化cpr操作，从而挽救生命并卓有成效。但是将这些指标应用于cpr抢救中却不是容易的事情，需要专业的多次的甚至反复的cpr培训。目前的cpr培训绝大部分依赖培训讲师的个人能力和主观判断，缺乏统一化标准化的监测手段，导致培训水平良莠不齐。

2、不仅如此，目前已知的人体骨骼提取算法多基于自然站立位或其他特殊运动体位构建，然而cpr操作时为跪姿，目前尚无专门识别cpr动作的骨骼提取算法。目前已知的骨骼提取算法对于cpr动作提取的准确度欠佳，骨骼提取算法是后续联系人工智技术的cpr的基础，十分重要。因此为解决现有技术不足，本发明基于骨骼提取算法确定了心肺复苏按压姿势标准阈值。

3、为了实现心肺复苏的高质量训练，现有技术也提出了很多种培训系统和检测系统。例如，公开号为中国专利cn105224383a的中国专利公开了一种心肺复苏术模拟系统，用户能够通过设定显示部选择心肺复苏术的操作方式和执行参数，处理部能够根据设定的操作方式和执行参数模拟心肺复苏术并模拟出模拟结果，曲线生成部能够生成按压力波形、心搏出量波形以及脑部血流/冠脉血流波形并显示在曲线显示区域，周期平均值计算部能够计算出各参数的周期平均值并显示在参数显示区域，评价部能够根据模拟结果与标准阈值进行比较后得到评价实施的心肺复苏术是否有效的比较结果。

4、再例如，公开号为中国专利cn110990649a的中国专利公开了一种基于姿势识别技术的心肺复苏术互动培训系统，包括体感识别探头及交互软件，交互软件用于安装到计算机设备中，体感识别探头用于与计算机设备连接并被交互软件采集体感信息，所述交互软件被计算机执行时完成如下步骤：通过体感识别探头获取人体体感的实时姿势数据；将实时姿势数据与数据库中的心肺复苏标准姿势数据进行比对并输出比对结果；在显示设备上显示比对结果。该发明通过体感识别探头可以实现对人员在进行心肺复苏培训时的姿势采集，同时可以与标准的心肺复苏动作进行比对，并可以输出比对结果，从而可以实时查看到动作是否标准，可以进行动作纠正，完成训练。

5、上述现有技术监测依据的标准来自于神经网络对采集的cpr动作的直接训练，但是由于采集的动作受到了人体表面衣物的遮挡以及人体差异特征的硬性，采集得到的cpr动作与操作者的骨骼动作的差异较大，在此基础上基于神经网络训练得到的cpr动作检测模型，其检测标准不够准确。不仅如此，基于神经网络对cpr动作直接训练得到的cpr动作检测模型，要求采集cpr动作影像的采集角度需要与建模时的采集角度才能够对二维cpr动作进行准确检测，否则就无法进行准确检测。这就对采集设备的摆放位置形成了限制，使得采集设备不能够基于实际场地的情况进行任意摆放。

6、因此，基于当前现有技术中的cpr检测模型的检测标准进度较低，且采集设备的采集角度被局限的缺陷，本发明希望能够提供一种新的标准阈值确定方法，还提供一种采集设备的采集角度任意设置就能够使得检测模型实现高精度检测的标准阈值。

7、此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。

技术实现思路

1、针对现有技术之不足，本发明提供了一种心肺复苏按压姿势标准阈值的确定方法，所述方法至少包括：采用非同一采集角度的第一光学组件和第二光学组件同时采集cpr动作，基于由所述第一光学组件采集的第一动作数据和由所述第二光学组件采集的第二动作数据提取人体的骨骼点数据并至少计算与cpr动作相关的双臂姿势角度数据和重心匹配角度数据，选取若干cpr动作规范的双臂姿势角度数据和重心匹配角度数据的单侧偏态分布规律来确定双臂姿势角度数据的合理范围和重心匹配角度数据的合理范围。

2、针对现有技术中的cpr动作检测模型没有清楚的标准阈值的缺陷本发明建立具有心肺复苏按压姿势标准阈值，使得cpr动作检测模型能够基于该标准阈值准确地对监测的动作提供较精确的判断对比，从而能够将动作模型应用于cpr动作的培训以及cpr动作的标准考核，以提高cpr动作的培训和考核的精确程度。

3、具体地，本发明通过对若干样本数据进行统计和计算，计算得到每个样本数据的双臂角度和重心匹配角度。cpr动作的姿势与双臂角度和重心匹配角度的相关性较高。当双臂角度和重心匹配角度处于合理范围的情况时，cpr动作操作者的双臂的力会比较均衡，当重心匹配角度处于合理范围时，cpr操作者的前倾幅度比较合理，不会使得背部的用力不合理而导致腰背部过度疲劳。当双臂角度和中心匹配角度都处于合理范围时，双臂的肩部与腕部的直线与双肩之间的连线构成的三角形更趋近于等腰三角形，这使得双臂的用力差异不会太大，同时操作者的重心的横向偏移较小。

4、若操作者的双臂范围和重心匹配角度范围不合理时，表明操作者的双臂用力不均衡，同时重心的横向偏移较大，操作者容易由于双臂用力不均衡出现肢体疲劳。重心匹配角度不合理说明操作者的前倾幅度不足或者过度，这就使得操作者的背部用力较多，腰部容易出现疲劳。当cpr操作者容易出现疲劳时，就会使得操作者后续的按压力度不足，从而降低了心肺复苏的成功率。

5、因此，双臂角度范围和重心匹配角度范围同时处于合理范围即阈值范围，能够明显地规范cpr动作操作者的姿势为标准姿势，延迟操作者感到疲劳的时间，提高心肺复苏的成功率。

6、优选地，基于双臂姿势角度数据的单侧偏态分布规律选5％百分位数确定双臂姿势角度数据的合理范围，基于重心匹配角度数据的单侧偏态分布规律选取95％百分位数确定重心匹配角度数据的合理范围。

7、传统的cpr动作检测中，系统仅关注双臂动作幅度或者弯折角度，而忽略了身体重心对力量的影响，导致即使双臂角度合格且按压力量合格的学员的双臂力量的分布其实是均衡的，因此cpr动作的学员会感到疲累并且后期按压力量出现不足。相比于传统的仅约束双臂角度而缺乏重心约束的检测手段，本发明通过以重心匹配角度为客观参数来检测姿势的标准程度，使得cpr动作操作者在进行操作时双臂力量均衡，背部前倾范围合理，更容易在没有人类导师的引导的情况下领悟并理解到双臂力量平衡且前倾范围合理这一核心的标准姿势的要求，更容易培训并学会cpr动作的标准姿势。

8、优选地，所述非同一采集角度的第一光学组件和第二光学组件的采集角度偏差范围为30～90度。

9、最新发表的文献文章《关于多模态系统在cpr中的应用》中也提到了对cpr姿势的监测，该研究同时收集kinect摄像头和穿戴式肌电袖的多通道信号，针对按压时手臂姿势和重心变化的监测设计智能算法，但该研究有较明显的局限性。该研究为机器学习得到的黑盒算法，必须保持设备尽可能完全一致，否则实验结果无法泛化应用。例如将kinect摄像头移动到不同的位置，或者在当前设置中添加或移除某一传感器，该研究得到的算法将不再适用。与该研究不同的是，本发明首先利用智能算法提取cpr操作者的骨骼点，然后与此研究中得到的标准范围进行比较。基于本发明检测的参数是手臂角度和重心角度，并且采用ai加统计的方法，因此摄像头的角度、距离在每次实验及今后应用时并不要求完全一样，只要在一定范围内变化，对结果无明显影响。其次，多模态这一研究中采用单一摄像头收集受试者的按压姿势，未说明摄像头摆放的具体距离和角度，在实施研究时发现单一摄像头有盲区，需要至少2个角度同时收集才能多角度更准确的收集按压姿势数据。此外，本研究中培训者无需穿戴任何设备，也不受其他设备的影响，其便捷性、泛化性及兼容性更好，以后推广应用的可行性更高。

10、优选地，所述非同一采集角度的第一光学组件和第二光学组件的采集角度偏差范围为45度，其中，所述第一光学组件以第一角度方向采集cpr动作的第一动作数据，所述第一角度方向朝向cpr动作操作者的躯体正面，所述第二光学组件以第二角度方向采集cpr动作的第二动作数据。

11、当采集角度偏差范围为45度时，采集到的第一动作数据和第二动作数据能够更准确地计算双臂姿势角度数据和所述重心匹配角度数据，该采集角度偏差范围为45度是最理想的，计算最准确的偏差角度。

12、优选地，所述双臂姿势角度数据和所述重心匹配角度数据是基于人的骨骼点连接所形成的线段来分析的；其中，右臂姿势角度是指由右肩、右肘关节和右腕的骨骼点连线形成的角度，左臂姿势角度是指由左肩、左肘关节和左腕的骨骼点连线形成的角度，重心匹配角度是指cpr动作操作者的重心移动方向与平面法向量之间的夹角。

13、优选地，选取若干cpr动作规范的双臂姿势角度数据和重心匹配角度数据的方式至少包括：选取置信度合格的双臂姿势角度数据和重心匹配角度数据；由至少两位专业人员对cpr动作进行指标的标注，选取cpr动作的标注指标合格的cpr动作的双臂姿势角度数据和重心匹配角度数据进行分布统计。

14、优选地，所述方法还包括：专业人员对cpr动作进行指标的标注内容至少包括：手臂伸直及其指标，重心匹配角度及其指标。

15、优选地，所述方法还包括：在提取所述骨骼点数据之前，对由所述第一光学组件采集的第一动作数据和由所述第二光学组件采集的第二动作数据进行数据预处理，所述数据预处理的方法包括数据的缺失值与异常值分析、数据清洗、特征选取和/或数据变换。

16、优选地，所述双臂姿势角度数据包括左臂姿势角度数据和右臂姿势角度数据，左臂姿势角度数据的合理范围为169.24°-180°，右臂姿势角度数据的合理范围为168.49-180°，重心匹配角度数据的合理范围0-18.46°。

17、本发明还提供一种处理器，能够运行心肺复苏按压姿势标准阈值的确定方法，所述处理器被配置为：接收由所述第一光学组件采集的第一动作数据和非同一采集角度的所述第二光学组件采集的第二动作数据，基于所述第一动作数据和所述第二动作数据提取人体的骨骼点数据并至少计算与cpr动作相关的双臂姿势角度数据和重心匹配角度数据，选取若干cpr动作规范的双臂姿势角度数据和重心匹配角度数据的单侧偏态分布规律来确定双臂姿势角度数据的合理范围和重心匹配角度数据的合理范围。

18、本发明首次构建了专门用于识别cpr动作的心肺复苏按压姿势标准阈值，相较于其他骨骼提取算法，本发明对cpr的动作提取更加准确，为将来研究尤其是与人工智能算法打下重要的基础。