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！

龙图腾网获悉徐州医科大学;徐州佳智信息科技有限公司申请的专利一种基于深度学习的肢体康复动作识别与评估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：CN120108045B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510587646.2，技术领域涉及：G06V40/20；该发明授权一种基于深度学习的肢体康复动作识别与评估方法是由宋泊明;刘兆青;李书艳;吴响;赵岩设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本一种基于深度学习的肢体康复动作识别与评估方法在说明书摘要公布了：本发明属于计算机应用技术领域，涉及一种基于深度学习的肢体康复动作识别与评估方法，该方法通过采集肢体功能康复动作的视频数据和骨架数据，经预处理后构建视频数据和骨架数据的训练集和验证集；构建SE‑ResBlock3D和LSTM的混合模型，混合模型对输入的视频数据依次通过执行卷积层、4个残差块序列和LSTM模块来实现肢体功能康复动作的识别与分类；构建深度学习网络SGP‑Net，深度学习网络SGP‑Net对输入的预处理后的骨架数据依次通过执行STGCN模块、GAT模块和PMTC模块来提取和评估肢体功能康复动作的空间和时序特征，以实现对肢体功能康复动作的质量评估。

本发明授权一种基于深度学习的肢体康复动作识别与评估方法在权利要求书中公布了：1.一种基于深度学习的肢体康复动作识别与评估方法，其特征在于：包括如下步骤： S1、对采集到的肢体功能康复动作的视频数据和骨架数据进行预处理，并构建视频数据与骨架数据的训练集和验证集； S2、用视频数据的训练集和验证集对构建好的混合模型进行训练与验证，并保存优化后的混合模型，所述混合模型包括按顺序连接的3D卷积神经网络、至少两个连续设置的残差序列、全连接层、LSTM层、全连接层和SoftMax函数，且相邻两个残差序列通过下采样卷积层连接，用于视频特征提取和分类，以获得动作正确的视频特征； S3、用骨架数据的训练集和验证集对构建好的深度学习网络SGP-Net进行训练与验证，并保存优化后的深度学习网络SGP-Net，所述深度学习网络SGP-Net是由依次布置的包含GAT模块的STGCN模块和PMTC模块构成的，用于提取评估肢体功能康复动作的空间和时序特征；其中：包含GAT模块的STGCN模块用于捕捉时序特征，同时保留空间特征的结构性特点，通过GAT模块动态计算节点间的注意力权重，自适应调整节点间的连接权重；PMTC模块包括依次布置的动态卷积核生成器、多尺度卷积操作、时空联合注意力机制、时序建模模块和时间卷积模块，用于提取与分析动作序列中的时间动态特征； S4、将步骤S2获得的视频特征和步骤S3提取的空间和时序特征输入动作质量评估模块进行质量评估，通过质量评估报告，获得个性化的指导与建议。

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徐州医科大学;徐州佳智信息科技有限公司，其通讯地址为：221004 江苏省徐州市铜山路209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”。