本发明公开了一种基于大数据的阴道松弛评估训练系统及方法，属于评估训练技术领域。现今阴道松弛训练方案均根据用户具体的症状给予对应的训练方案，方案参数固定。同样的病症，即使症状程度不同，损伤部位不同，均会选择同样的训练方案。本发明是基于个人的盆底损伤评估结果，针对快肌，慢肌等不同的损伤部位，先确定方案类型，并再此基础上根据评估结果的分项分，进一步修正方案的详细参数。提供千人千面的训练方案。此方案针对损伤程度的不同，训练方案难度智能调整，帮助用户坚持训练全程，且针对用户个人的方案有利于提高训练效果。
1.一种基于大数据的阴道松弛评估训练方法，其特征在于：该方法包括以下步骤：S1、当对盆底损伤进行评估前，根据训练方案模板结合自身症状选择模板方案；
S2、在选择初步的训练方案后，对盆底慢肌阶段、耐力阶段和快肌阶段进行统计计算，并且采集腹部肌力判断腹部肌力对阴道松弛评估的影响，得到主动训练模板的难度系数，调节主动训练的难度；
在选择初步的训练方案后，对盆底慢肌阶段、耐力阶段和快肌阶段进行统计计算，并且采集腹部肌力判断腹部肌力对阴道松弛评估的影响，得到主动训练模板的难度系数，调节主动训练的难度，具体为：对训练过程进行采样，采样频率为N，取慢肌收缩阶段5次收缩保持，每次10秒的数据为N×10×5，组成一维数组Nm_arr，取耐力阶段收缩保持60秒的数据为N×60，组成一维数组Nn_arr；
计算Nm_arr 数组个数记为 m_count ，计算Nn_arr数组个数记为n_coun，数组总个数为all_count=m_count+n_count，进行for循环all_count次，将数组Nm_arr和Nn_arr合并，组成数组Nm_n_arr，遍历数组Nm_n_arr，结合平均值算法公式可以得到慢肌+耐力阶段收缩保持的综合肌力平均值Nm_n_avg，具体公式为：；
代入样本标准差公式可以得到慢肌+耐力阶段收缩保持综合样本标准差Nm_n_σ，具体公式为： ；
根据上述相同的方法，取快肌阶段，5秒时间发力，10秒放松，取前5秒采样的数据假定点为{N1，N2，N3...Nn}，组成的数组记为Narr1，设数据最小值为Nmin1，数据最大值为Nmax1 ，Nsum1为数据最大值和最小值的和，遍历数组Narr1判断当N1>N2，Nmin1 = N2，Nmax1 = N1，Nsum1 = N1+N2，循环N次之后得到 ；重复以上步骤5次；分别得到 ，取5次最大值平均值
在对盆底信号进行采集时，利用电极片在腹部采集腹部肌力，记录腹部肌力的数据，在计算盆底数据的同时，将采集腹部肌力的数据组成的数组设为Farr，代入计算平均值公式得到腹部肌力平均值Favg，代入样本标准差公式得到腹部肌力样本标准差Fσ；
a1、每个方案存在1 10个的方案组件，每个组件是电刺激、触发电刺激、凯格尔模板训~练、多媒体游戏训练中的训练模式，凯格尔模板训练、多媒体游戏训练为纯主动训练；
a2、计算当前方案中组件个数，总个数记为unit_count；
a3、for循环unit_count次数，每次先判断方案类型，当方案属于格尔模板训练或多媒体游戏训练，继续下一步；否则跳过当前方案，继续下一个组件类型判断；
a4、主动训练为N个点组成的一维数组，每个点代表当前收缩保持的幅值，假定为每个点幅值H，单位是μV，遍历N个点，每个点根据难度系数调整为H = H × 1 × D，判断当H >
100的时候 H =100，当H < 2的时候，H =2 ， 当H有小数位的时候四舍五入取整；
a5、循环上述步骤a1‑a4，直到遍历一个方案的所有组件；
S3、在主动调节训练模板的难度后，利用计算得到的前后静息、慢肌+耐力阶段的参数，根据电刺激调节参数公式实现对电刺激参数的调节；
在主动调节训练模板的难度后，利用计算得到的前后静息、慢肌阶段和耐力阶段的参数，根据电刺激调节参数公式实现对电刺激参数的调节，具体为：首先对电刺激调节系数计算，采集频率为N，合并前静息阶段60秒，后静息阶段60秒；采集数据为（60 + 60）×N个数值组成的数组Nq_h，通过平均值计算公式得到前后静息阶段采集肌电平均值Nq_h_avg，通过样本标准差公式求得前后静息阶段采集肌电样本标准差Nq_h_σ，求得前后静息离散系数 为： ；
取慢肌收缩阶段5次收缩保持，每次10秒的数据：N×10×5，组成一维数组Nm_arr，取耐力阶段收缩保持60秒的数据：N×60，组成一维数组Nn_arr；计算Nm_arr 数组个数记为 m_count ，计算Nn_arr数组个数记为n_count；总个数all_count = m_count + n_count，进行 for 循环all_count次，将数组Nm_arr和Nn_arr合并，组成数组Nm_n_arr，遍历数组Nm_n_arr，结合平均值算法公式可以得到慢肌+耐力阶段收缩保持的综合肌力平均值Nm_n_avg，代入样本标准差公式可以得到慢肌+耐力阶段收缩保持综合样本标准差Nm_n_σ，代入离散系数公式得到慢肌+耐力阶段离散系数 为： ；
根据上诉所得到的前后静息离散系数 、综合肌力平均值Nm_n_avg、综合样本标准差Nm_n_σ，计算得出电刺激调节参数S，具体为：Nm_n_avg 在[0，10] ，
b1、计算当前方案中组件个数，总个数记为unit_count；
b2、for循环unit_count次数，每次先判断当前组件类型，当前组件属于电刺激，继续下一步，否则跳过当前组件，继续下一个组件类型判断；
b3、电刺激组件参数包含电刺激频率，脉宽，上升时间，下降时间，根据计算得到的电刺激调节参数S，调节当前方案脉宽参数，设当前组件脉宽为P，Pnew为调节后的新的脉宽，Pnew=P+S；
b4、循环上述步骤b1‑b4，直至遍历一个方案的所有组件；
S4、在对电刺激参数进行调节后，根据已知的前静息、后静息、腹部肌线、慢肌+耐力阶段平均值和标准差的计算，对智能组件进行判断，并添加新的智能组件；
对智能组件进行判断，并添加新的智能组件，实现对智能组件的优化，具体为：根据得到的前静息平均值Nstart_avg，前静息阶段样本标准差Nstart_σ，后静息阶段平均值Nend_avg，后静息阶段样本标准差Nend _σ；根据得到的腹部肌线平均值Favg，腹肌肌线样本标准差Fσ，慢肌+耐力阶段平均值Nm_n_avg；利用智能组件新增系数公式计算高张调节 系数和 腹部 发力 调节系 数，具体为 ： ；
c1、计算当前方案中组件个数，总个数记为unit_count；
c2、for循环unit_count次数，每次先判断当前组件类型，当前组件为主动训练，则继续下一步；否则跳过当前组件，继续下一个组件类型判断；
c3、判断G值，当G >=1.0，当前组件之前加入“放松电刺激”组件；频率100HZ，脉宽200μs，时长10分钟；当abd>0.3，当前主动训练前加入“腹部‑会阴协调性收缩训练”，循环结束；
S5、根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果最为接近的用户，进而得到训练效果最优的方案。
2.根据权利要求1所述的一种基于大数据的阴道松弛评估训练方法，其特征在于：在S5中，根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果最为接近的用户，对训练方案进行二次优化，具体步骤为：d1、检索阴道松弛评估数据库，根据偏差值算法，求得相同方案模板中，偏差值最小的
d1.2、从0 N遍历N个评估数据，当遍历的评估所选方案模板和本次方案类型相同，则继续下一步，否则跳过本次评估数据；
d1.3、判定当前评估数据组成的一维数组是CurrentArr，遍历的评估数据定义为ObjectArr；根据偏差值算法，求得偏差值为offsetValue，存入偏差值组成的数组OffsetArr，偏差值计算公式为: ；
和 均为基于数据ObjectArr的两个序列各个对应点，n为数据的总个数；
d1.4、根据冒泡排序算法排序从小到大排序OffsetArr，求得和本次评估数据最为相似且方案模板也相同的评估数据组成的数组，取相似度最高的前10名组成OffsetArrTop10；
d2、根据偏差度最小的10次评估数据，查找对应用户后一次相同方案模板的评估数据，判定若后一次评估数据优于当前评估数据，则记录当前评估数据对应的评估方案，并记录提升系数improvePercent ；
d2.1、根据当前评估数据找到当前评估方案对应的用户，根据数据库继续查找当前用户在本次评估之后的方案模板相同的最近一次评估数据，根据S2中难度系数算法，计算当前用户的前后二次评估数据，当前一次难度系数记为D1，后一次记为D2，定义提升系数 improvePercent=（D2‑D1）×100 ；当improvePercent>0 的时候，当前评估数据对应的improvePercent存入提升数据数组improvePercentArr ；
d2.2、根据冒泡算法遍历数组improvePercentArr，从小到大排序，取最后一位即提升幅度最大的一次评估数据对应的训练方案数据，定义为大数据中和自己评估数据最为相近且选择模板方案相同的最优训练方案；
d3.1、遍历当前选择的模板方案，判定当前组件类型，如果是主动训练，则继续第二步，如果是电刺激训练则继续第三步，否则跳过当前组件；
d3.2、定义当前组件组成的数组为CurrentArr，最优方案组件对应的组件组成的数组为RightArr；根据偏差值算法，计算得出RightArr的偏差值rightOffset；根据最大值算法取得CurrentArr最大值CurrentMax，RightArr最大值RightMax，当，当前组件幅值降低 ；
d3.3、定义当前组件电刺激参数对应的脉宽为Currentμ，最优电刺激参数对应的脉宽为Rightμ，当 ，则 ；
3.一种基于大数据的阴道松弛评估训练系统，应用于权利要求1‑2中任一项所述的一种基于大数据的阴道松弛评估训练方法，其特征在于：所述阴道松弛评估训练系统包括选择训练模块、主动训练调节模块、电刺激参数调节模块、智能组件添加模块和AI智能调优模块；
所述选择训练模块用于通过对盆底损伤的简单分析，根据训练方案模板结合自身症状选择模板方案；
所述主动训练调节模块用于通过对盆底慢肌阶段和耐力阶段进行统计计算，得到主动训练模板的难度系数，调节主动训练的难度；
所述电刺激参数调节模块用于通过对前后静息、慢肌阶段和耐力阶段的参数进行计算，根据电刺激调节参数公式实现对电刺激参数的调节；
所述智能组件添加模块用于通过对前静息、后静息、腹部肌线、慢肌、耐力阶段的平均值和标准差计算，对智能组件进行判断后，添加新的组件；
所述AI智能调优模块用于根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果相同的用户，进而得到训练效果相匹配的方案。
4.根据权利要求3所述的一种基于大数据的阴道松弛评估训练系统，其特征在于：所述主动训练调节模块通过计算慢肌+耐力阶段收缩保持的综合肌力平均值和样本标准差，计算快肌阶段的平均值、腹部肌力的平均值和标准差，得到主动训练模板难度系数，根据难度系数调节训练方案。
5.根据权利要求3所述的一种基于大数据的阴道松弛评估训练系统，其特征在于：所述电刺激参数调节模块用于通过计算前后静息、慢肌阶段和耐力阶段的平均值和标准差，得到电刺激调节参数；根据电刺激调节参数对电刺激，调节当前方案脉宽参数。
6.根据权利要求5所述的一种基于大数据的阴道松弛评估训练系统，其特征在于：所述智能组件添加模块通过计算前静息、后静息、腹部肌线的平均值和标准差，慢肌和耐力阶段的平均值，利用智能组件新增系数公式，得到高张调节系数和腹部发力调节系数，通过对高张调节和腹部发力调节两个系数的判断，添加“放松电刺激”组件和“腹部‑会阴协调性收缩训练”组件。
7.根据权利要求6所述的一种基于大数据的阴道松弛评估训练系统，其特征在于：所述AI智能调优模块通过检索阴道松弛评估数据库，根据偏差值算法，求得相同方案模板中，偏差值最小的10次评估结果，根据偏差度最小的10次评估数据，找到对应用户后一次相同方案模板的的评估数据，判定如果后一次评估数据优于当前评估数据，则记录当前评估数据对应的评估方案，并记录提升系数；根据冒泡算法遍历提升系数所构成的数组，从小到大排序之后；取提升幅度最大的一次评估数据对应的训练方案数据，定义为大数据中和自己评估数据最为相近且选择模板方案相同的最优训练方案。
一种基于大数据的阴道松弛评估训练系统及方法
技术领域
[0001] 本发明涉及评估训练技术领域，具体为一种基于大数据的阴道松弛评估训练系统及方法。
背景技术
[0002] 盆底功能障碍是指盆底的支持结构发生了损伤或功能异常导致的一组疾病。包括压力性尿失禁、盆腔器官脱垂、便失禁、性功能障碍、急迫性尿失禁以及慢性盆腔痛等一组疾病。
[0003] Glazer 盆底表面肌电评估方案( 简称 Glazer 评估) 1997 年由 Glazer 和 Marinsff 提出。采用盆底肌电生物反馈仪，通过阴道电极采集并测量盆底肌群进行一系列收缩和放松动作时的盆底肌肌电信号，从而反映盆底肌的功能，指导康复训练，评估康复效果。
[0004] 训练方案是包含电刺激、触发电刺激、凯格尔模板训练、多媒体游戏训练等等训练模式。其中凯格尔模板训练、多媒体游戏训练是纯主动训练，方案训练模板数据转化为图像数据用来提示用户收缩、放松盆底肌肉，将阴道电极置入患者阴道，阴道电极采集患者盆底表面肌电值并将肌电信号转换为图像。提示用户按照模板线收缩、放松盆底肌，进而完成训练。
[0005] 现有的盆底阴道松弛训练方案都是医生预先编好训练方案内容，比如压力性尿失禁方案，盆腔器官脱垂方案，便失禁方案等等。当产后用户做完阴道松弛评估，分数较低的时候，医生就会询问用户有何症状，并且根据症状直接推送给用户对应的训练方案。该方案同类型的病人皆是一样。但即使相同症状的用户由于盆底肌受损程度不同，训练效果差异很大。且部分方案主动发力部分难度很高。不少用户很难坚持一个疗程，最后主动放弃训练。
发明内容
[0006] 本发明的目的在于提供一种基于大数据的阴道松弛评估训练系统及方法，以解决上述背景技术中提出的问题。
[0007] 为了解决上述技术问题，本发明提供如下技术方案：
[0008] 一种基于大数据的阴道松弛评估训练方法，该方法包括以下步骤：
[0009] S1、对盆底损伤的简单分析，根据训练方案模板结合自身症状选择模板方案；
[0010] S2、在对训练方案的主动训练模板进行难度调节，对盆底慢肌阶段、耐力阶段和快肌阶段进行统计计算，并且采集腹部肌力判断腹部肌力对阴道松弛评估的影响，得到主动训练模板的难度系数，调节主动训练的难度；
[0011] 在对训练方案的主动训练模板进行难度调节，对盆底慢肌阶段、耐力阶段和快肌阶段进行统计计算，并且采集腹部肌力判断腹部肌力对阴道松弛评估的影响，得到主动训练模板的难度系数，调节主动训练的难度，具体为：
[0012] 对训练过程进行采样，采样频率为N，取慢肌收缩阶段5次收缩保持，每次10秒的数据为N×10×5，组成一维数组Nm_arr，取耐力阶段收缩保持60秒的数据为N×60，组成一维数组Nn_arr；
[0013] 计算Nm_arr 数组个数记为 m_count ，计算Nn_arr数组个数记为n_coun，数组总个数为all_count=m_count+n_count，进行for循环all_count次，将数组Nm_arr和Nn_arr合并，组成数组Nm_n_arr，遍历数组Nm_n_arr，结合平均值算法公式可以得到慢肌+耐力阶段收缩保持的综合肌力平均值Nm_n_avg，具体公式为：；
[0014] 代入样本标准差公式可以得到慢肌+耐力阶段收缩保持综合样本标准差Nm_n_σ，具体公式为： ；
[0015] 根据上述相同的方法，取快肌阶段，5秒时间发力，10秒放松，取前5秒采样的数据假定点为{N1，N2，N3...Nn}，组成的数组记为Narr1，设数据最小值为Nmin1，数据最大值为Nmax1 ，Nsum1为数据最大值和最小值的和，遍历数组Narr1判断当N1>N2，Nmin1 = N2，Nmax1 = N1，Nsum1 = N1+N2，循环N次之后得到 ;重复以上步骤5次；分别得到 ，取5次最大值平均
值定义为 ，具体公式为： ；
[0016] 在对盆底信号进行采集时，利用电极片在腹部采集腹部肌力，判断腹部肌力对阴道松弛评估的影响，在计算盆底数据的同时，将采集腹部肌力的数据组成的数组设为Farr，代入计算平均值公式得到腹部肌力平均值Favg，代入样本标准差公式得到腹部肌力样本标准差Fσ；
[0017] 定义主动训练模板难度系数为；
[0018] D值越大，代表评估结果越好，用户可以训练的方案难度越高；
[0019] 根据难度系数调整训练方案，具体步骤为：
[0020] a1、每个方案存在1 10个的方案组件，每个组件是电刺激、触发电刺激、凯格尔模~板训练、多媒体游戏训练中的训练模式，凯格尔模板训练、多媒体游戏训练为纯主动训练；
[0021] a2、计算当前方案中组件个数，总个数记为unit_count；
[0022] a3、for循环unit_count次数，每次先判断方案类型，当方案属于格尔模板训练或多媒体游戏训练，继续下一步；否则跳过当前方案，继续下一个组件类型判断；
[0023] a4、主动训练为N个点组成的一维数组，每个点代表当前收缩保持的幅值，假定为每个点幅值H，单位是μV，遍历N个点，每个点根据难度系数调整为H = H × 1 × D，判断当H > 100的时候 H =100，当H < 2的时候，H =2 ， 当H有小数位的时候四舍五入取整；
[0024] a5、循环上述步骤a1‑a4，直到遍历一个方案的所有组件。
[0025] S3、在主动调节训练模板的难度后，利用计算得到的前后静息、慢肌阶段和耐力阶段的参数，根据电刺激调节参数公式实现对电刺激参数的调节；
[0026] 在主动调节训练模板的难度后，利用计算得到的前后静息、慢肌阶段和耐力阶段的参数，根据电刺激调节参数公式实现对电刺激参数的调节，具体为：
[0027] 首先对电刺激调节系数计算，采集频率为N，合并前静息阶段60秒，后静息阶段60秒；采集数据为（60 + 60）×N个数值组成的数组Nq_h，通过平均值计算公式得到前后静息阶段采集肌电平均值Nq_h_avg，通过样本标准差公式求得前后静息阶段采集肌电样本标准差Nq_h_σ，求得前后静息离散系数为： ；
[0028] 取慢肌收缩阶段5次收缩保持，每次10秒的数据：N×10×5，组成一维数组Nm_arr，取耐力阶段收缩保持60秒的数据：N×60，组成一维数组Nn_arr；计算Nm_arr 数组个数记为 m_count ，计算Nn_arr数组个数记为n_count；总个数all_count = m_count + n_count，进行 for 循环all_count次，将数组Nm_arr和Nn_arr合并，组成数组Nm_n_arr，遍历数组Nm_n_arr，结合平均值算法公式可以得到慢肌+耐力阶段收缩保持的综合肌力平均值Nm_n_avg，代入样本标准差公式可以得到慢肌+耐力阶段收缩保持综合样本标准差Nm_n_σ，代入离散系数公式得到慢肌+耐力阶段离散系数为： ；
[0029] 根据上诉所得到的前后静息离散系数 、综合肌力平均值Nm_n_avg、综合样本标准差Nm_n_σ，计算得出电刺激调节参数S，具体为：Nm_n_avg 在[0，10] ，[0030] ；
[0031] Nm_n_avg 在(10，20] ，
[0032] ；
[0033] Nm_n_avg 在(20，30]，
[0034] ；
[0035] 根据电刺激调节参数调节方案，具体步骤为：
[0036] b1、计算当前方案中组件个数，总个数记为unit_count；
[0037] b2、for循环unit_count次数，每次先判断当前组件类型，当前组件属于电刺激，继续下一步，否则跳过当前组件，继续下一个组件类型判断；
[0038] b3、电刺激组件参数包含电刺激频率，脉宽，上升时间，下降时间，根据计算得到的电刺激调节参数S，调节当前方案脉宽参数，设当前组件脉宽为P，Pnew=P+S；
[0039] b4、循环上述步骤b1‑b4，直到遍历一个方案的所有组件。
[0040] S4、在对电刺激参数进行调节后，根据已知的前静息、后静息、腹部肌线、慢肌和耐力阶段平均值和标准差的计算，对智能组件进行判断，并添加新的智能组件；
[0041] 对智能组件进行判断，并添加新的智能组件，实现对智能组件的优化，具体为：
[0042] 根据得到的前静息平均值Nstart_avg，前静息阶段样本标准差Nstart_σ，后静息阶段平均值Nend_avg，后静息阶段样本标准差Nend _σ；根据得到的腹部肌线平均值Favg，腹肌肌线样本标准差Fσ，慢肌+耐力阶段平均值Nm_n_avg；利用智能组件新增系数公式计算高张调节系数和腹部发力调节系数，具体为： ；；
[0043] 根据计算得到的调节系数调节方案，具体步骤为：
[0044] c1、计算当前方案中组件个数，总个数记为unit_count；
[0045] c2、for循环unit_count次数，每次先判断当前组件类型，当前组件为主动训练，则继续下一步；否则跳过当前组件，继续下一个组件类型判断；
[0046] c3、判断G值，当G >=1.0，当前组件之前加入“放松电刺激”组件；频率100HZ，脉宽200μs，时长10分钟；当abd>0.3，当前主动训练前加入“腹部‑会阴协调性收缩训练”，循环结束；否则继续循环。
[0047] S5、根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果最为接近的用户，进而得到训练效果最优的方案。
[0048] 根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果最为接近的用户，对训练方案进行二次优化，具体步骤为：
[0049] d1、检索阴道松弛评估数据库，根据偏差值算法，求得相同方案模板中，偏差值最小的10次评估结果。具体步骤为：
[0050] d1.1、假设阴道松弛评估数据库有N个评估数据；
[0051] d1.2、从0 N遍历N个评估数据，当遍历的评估所选方案模板和本次方案类型相同，则继续下一步，否则跳过本次评估数据；
[0052] d1.3、判定当前评估数据组成的一维数组是CurrentArr，遍历的评估数据定义为ObjectArr；根据偏差值算法，求得偏差值为offsetValue，存入偏差值组成的数组OffsetArr，偏差值计算公式为: ；
[0053] 和 均为基于数据ObjectArr的两个序列各个对应点，n为数据的总个数；
[0054] d1.4、根据冒泡排序算法排序从小到大排序OffsetArr，求得和本次评估数据最为相似且方案模板也相同的评估数据组成的数组，取相似度最高的前10名组成OffsetArrTop10；
[0055] d2、根据偏差度最小的10次评估数据，查找对应用户后一次相同方案模板的评估数据，判定若后一次评估数据优于当前评估数据，则记录当前评估数据对应的评估方案，并记录提升系数improvePercent ；
[0056] d2.1、根据当前评估数据找到当前评估方案对应的用户，根据数据库继续查找当前用户在本次评估之后的方案模板相同的最近一次评估数据，根据S2中难度系数算法，计算当前用户的前后二次评估数据，当前一次难度系数记为D1，后一次记为D2，定义提升系数 improvePercent=（D2‑D1）×100 ；当improvePercent>0 的时候，当前评估数据对应的improvePercent存入提升数据数组improvePercentArr ；
[0057] d2.2、根据冒泡算法遍历数组improvePercentArr，从小到大排序，取最后一位即提升幅度最大的一次评估数据对应的训练方案数据，定义为大数据中和自己评估数据最为相近且选择模板方案相同的最优训练方案；
[0058] d3、根据最优训练方案调整当前方案参数；
[0059] d3.1、遍历当前选择的模板方案，判定当前组件类型，如果是主动训练，则继续第二步，如果是电刺激训练则继续第三步，否则跳过当前组件；
[0060] d3.2、定义当前组件组成的数组为CurrentArr，最优方案组件对应的组件组成的数组为RightArr；根据偏差值算法，计算得出RightArr的偏差值rightOffset；根据最大值算法取得CurrentArr最大值CurrentMax，RightArr最大值RightMax，当，当前组件幅值降低 ；
[0061] 当 ，当前组件幅值提升 ；
[0062] d3.3、定义当前组件电刺激参数对应的脉宽为Currentμ，最优电刺激参数对应的脉宽为Rightμ，当 ，则 ；
[0063] 当 时， 。
[0064] 一种基于大数据的阴道松弛评估训练系统，所述盆底阴道松弛训练方案生成系统包括选择训练模块、主动训练调节模块、电刺激参数调节模块、智能组件添加模块和AI智能调优模块；
[0065] 所述选择训练模块用于通过对盆底损伤的简单分析，根据训练方案模板结合自身症状选择模板方案；
[0066] 所述主动训练调节模块用于通过对盆底慢肌阶段和耐力阶段进行统计计算，得到主动训练模板的难度系数，调节主动训练的难度；
[0067] 所述电刺激参数调节模块用于通过对前后静息、慢肌阶段和耐力阶段的参数进行计算，根据电刺激调节参数公式实现对电刺激参数的调节；
[0068] 所述智能组件添加模块用于通过对前静息、后静息、腹部肌线、慢肌、耐力阶段的平均值和标准差计算，对智能组件进行判断后，添加新的组件；
[0069] 所述AI智能调优模块用于根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果相同的用户，进而得到训练效果相匹配的方案。
[0070] 主动训练调节模块通过计算慢肌+耐力阶段收缩保持的综合肌力平均值和样本标准差，计算快肌阶段的平均值、腹部肌力的平均值和标准差，得到主动训练模板难度系数，根据难度系数调节训练方案。
[0071] 电刺激参数调节模块用于通过计算前后静息、慢肌阶段和耐力阶段的平均值和标准差，得到电刺激调节参数；根据电刺激调节参数对电刺激，调节当前方案脉宽参数。
[0072] 智能组件添加模块通过计算前静息、后静息、腹部肌线的平均值和标准差，慢肌和耐力阶段的平均值，利用智能组件新增系数公式，得到高张调节系数和腹部发力调节系数，通过对高张调节和腹部发力调节两个系数的判断，添加“放松电刺激”组件和“腹部‑会阴协调性收缩训练”组件。
[0073] AI智能调优模块通过检索阴道松弛评估数据库，根据偏差值算法，求得相同方案模板中，偏差值最小的10次评估结果，根据偏差度最小的10次评估数据，找到对应用户后一次相同方案模板的的评估数据，判定如果后一次评估数据优于当前评估数据，则记录当前评估数据对应的评估方案，并记录提升系数；根据冒泡算法遍历提升系数所构成的数组，从小到大排序之后；取提升幅度最大的一次评估数据对应的训练方案数据，定义为大数据中和自己评估数据最为相近且选择模板方案相同的最优训练方案。
[0074] 与现有技术相比，本发明所达到的有益效果是：
[0075] 1、本发明针对阴道松弛评估的快肌，慢肌，前后静息值结合病人实际症状，智能生成个性化训练方案，根据用户个人情况调整方案难易度，电刺激参数，并结合大数据AI二次调优，确保训练效果最优。
[0076] 2、本发明充分利用了阴道松弛评估结果的多项参数，通过评估结果的多个参数对相应的盆底方案进行个性化定制，通过调节电刺激参数，主动训练的凯格尔训练难度，增加放松电刺激组件或者腹部‑会阴协调性收缩训练组件的方式提供千人千面的盆底阴道松弛训练方案，本发明对应的方案提高了训练效果，难易度适中，提高了用户训练过程中的用户体验，帮助用户坚持训练完全程。
附图说明
[0077] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0078] 图1是本发明一种基于大数据的阴道松弛评估训练系统的模块流程图；
[0079] 图2是本发明一种基于大数据的阴道松弛评估训练方法的“放松电刺激”组件波形图。
具体实施方式
[0080] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0081] 请参阅图1‑图2，本发明提供技术方案：
[0082] 一种基于大数据的阴道松弛评估训练方法，该方法包括以下步骤：
[0083] S1、对盆底损伤的简单分析，根据训练方案模板结合自身症状选择模板方案；
[0084] S2、在对训练方案的主动训练模板进行难度调节，对盆底慢肌阶段、耐力阶段和快肌阶段进行统计计算，并且采集腹部肌力判断腹部肌力对阴道松弛评估的影响，得到主动训练模板的难度系数，调节主动训练的难度；
[0085] 在对训练方案的主动训练模板进行难度调节，对盆底慢肌阶段、耐力阶段和快肌阶段进行统计计算，并且采集腹部肌力判断腹部肌力对阴道松弛评估的影响，得到主动训练模板的难度系数，调节主动训练的难度，具体为：
[0086] 对训练过程进行采样，采样频率为N，取慢肌收缩阶段5次收缩保持，每次10秒的数据为N×10×5，组成一维数组Nm_arr，取耐力阶段收缩保持60秒的数据为N×60，组成一维数组Nn_arr；
[0087] 计算Nm_arr 数组个数记为 m_count ，计算Nn_arr数组个数记为n_coun，数组总个数为all_count=m_count+n_count，进行for循环all_count次，将数组Nm_arr和Nn_arr合并，组成数组Nm_n_arr，遍历数组Nm_n_arr，结合平均值算法公式可以得到慢肌+耐力阶段收缩保持的综合肌力平均值Nm_n_avg，具体公式为：；
[0088] 代入样本标准差公式可以得到慢肌+耐力阶段收缩保持综合样本标准差Nm_n_σ，具体公式为： ；
[0089] 根据上述相同的方法，取快肌阶段，5秒时间发力，10秒放松，取前5秒采样的数据假定点为{N1，N2，N3...Nn}，组成的数组记为Narr1，设数据最小值为Nmin1，数据最大值为Nmax1 ，Nsum1为数据最大值和最小值的和，遍历数组Narr1判断当N1>N2，Nmin1 = N2，Nmax1 = N1，Nsum1 = N1+N2，循环N次之后得到 ;重复以上步骤5次；分别得到 ，取5次最大值平均值
定义为 ，具体公式为： ；
[0090] 在对盆底信号进行采集时，利用电极片在腹部采集腹部肌力，判断腹部肌力对阴道松弛评估的影响，在计算盆底数据的同时，将采集腹部肌力的数据组成的数组设为Farr，代入计算平均值公式得到腹部肌力平均值Favg，代入样本标准差公式得到腹部肌力样本标准差Fσ；
[0091] 定义主动训练模板难度系数为；
[0092] D值越大，代表评估结果越好，用户可以训练的方案难度越高；
[0093] 根据难度系数调整训练方案，具体步骤为：
[0094] a1、每个方案存在1 10个的方案组件，每个组件是电刺激、触发电刺激、凯格尔模~板训练、多媒体游戏训练中的训练模式，凯格尔模板训练、多媒体游戏训练为纯主动训练；
[0095] a2、计算当前方案中组件个数，总个数记为unit_count；
[0096] a3、for循环unit_count次数，每次先判断方案类型，当方案属于格尔模板训练或多媒体游戏训练，继续下一步；否则跳过当前方案，继续下一个组件类型判断；
[0097] a4、主动训练为N个点组成的一维数组，每个点代表当前收缩保持的幅值，假定为每个点幅值H，单位是μV，遍历N个点，每个点根据难度系数调整为H = H × 1 × D，判断当H > 100的时候 H =100，当H < 2的时候，H =2 ， 当H有小数位的时候四舍五入取整；
[0098] a5、循环上述步骤a1‑a4，直到遍历一个方案的所有组件。
[0099] S3、在主动调节训练模板的难度后，利用计算得到的前后静息、慢肌阶段和耐力阶段的参数，根据电刺激调节参数公式实现对电刺激参数的调节；
[0100] 在主动调节训练模板的难度后，利用计算得到的前后静息、慢肌阶段和耐力阶段的参数，根据电刺激调节参数公式实现对电刺激参数的调节，具体为：
[0101] 首先对电刺激调节系数计算，采集频率为N，合并前静息阶段60秒，后静息阶段60秒；采集数据为（60 + 60）×N个数值组成的数组Nq_h，通过平均值计算公式得到前后静息阶段采集肌电平均值Nq_h_avg，通过样本标准差公式求得前后静息阶段采集肌电样本标准差Nq_h_σ，求得前后静息离散系数为： ；
[0102] 取慢肌收缩阶段5次收缩保持，每次10秒的数据：N×10×5，组成一维数组Nm_arr，取耐力阶段收缩保持60秒的数据：N×60，组成一维数组Nn_arr；计算Nm_arr 数组个数记为 m_count ，计算Nn_arr数组个数记为n_count；总个数all_count = m_count + n_count，进行 for 循环all_count次，将数组Nm_arr和Nn_arr合并，组成数组Nm_n_arr，遍历数组Nm_n_arr，结合平均值算法公式可以得到慢肌+耐力阶段收缩保持的综合肌力平均值Nm_n_avg，代入样本标准差公式可以得到慢肌+耐力阶段收缩保持综合样本标准差Nm_n_σ，代入离散系数公式得到慢肌+耐力阶段离散系数为： ；
[0103] 根据上诉所得到的前后静息离散系数 、综合肌力平均值Nm_n_avg、综合样本标准差Nm_n_σ，计算得出电刺激调节参数S，具体为：
[0104] Nm_n_avg 在[0，10] ，；
[0105] Nm_n_avg 在(10，20] ，；
[0106] Nm_n_avg 在(20，30]，；
[0107] 根据电刺激调节参数调节方案，具体步骤为：
[0108] b1、计算当前方案中组件个数，总个数记为unit_count；
[0109] b2、for循环unit_count次数，每次先判断当前组件类型，当前组件属于电刺激，继续下一步，否则跳过当前组件，继续下一个组件类型判断；
[0110] b3、电刺激组件参数包含电刺激频率，脉宽，上升时间，下降时间，根据计算得到的电刺激调节参数S，调节当前方案脉宽参数，设当前组件脉宽为P，Pnew=P+S；
[0111] b4、循环上述步骤b1‑b4，直到遍历一个方案的所有组件。
[0112] S4、在对电刺激参数进行调节后，根据已知的前静息、后静息、腹部肌线、慢肌和耐力阶段平均值和标准差的计算，对智能组件进行判断，并添加新的智能组件；
[0113] 对智能组件进行判断，并添加新的智能组件，实现对智能组件的优化，具体为：
[0114] 根据得到的前静息平均值Nstart_avg，前静息阶段样本标准差Nstart_σ，后静息阶段平均值Nend_avg，后静息阶段样本标准差Nend _σ；根据得到的腹部肌线平均值Favg，腹肌肌线样本标准差Fσ，慢肌+耐力阶段平均值Nm_n_avg；利用智能组件新增系数公式计算高张调节系数和腹部发力调节系数，具体为： ；；
[0115] 根据计算得到的调节系数调节方案，具体步骤为：
[0116] c1、计算当前方案中组件个数，总个数记为unit_count；
[0117] c2、for循环unit_count次数，每次先判断当前组件类型，当前组件为主动训练，则继续下一步；否则跳过当前组件，继续下一个组件类型判断；
[0118] c3、判断G值，当G >=1.0，当前组件之前加入“放松电刺激”组件；频率100HZ，脉宽200μs，时长10分钟；当abd>0.3，当前主动训练前加入“腹部‑会阴协调性收缩训练”，循环结束；否则继续循环。
[0119] S5、根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果最为接近的用户，进而得到训练效果最优的方案。
[0120] 根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果最为接近的用户，对训练方案进行二次优化，具体步骤为：
[0121] d1、检索阴道松弛评估数据库，根据偏差值算法，求得相同方案模板中，偏差值最小的10次评估结果。具体步骤为：
[0122] d1.1、假设阴道松弛评估数据库有N个评估数据；
[0123] d1.2、从0 N遍历N个评估数据，当遍历的评估所选方案模板和本次方案类型相同，则继续下一步，否则跳过本次评估数据；
[0124] d1.3、判定当前评估数据组成的一维数组是CurrentArr，遍历的评估数据定义为ObjectArr；根据偏差值算法，求得偏差值为offsetValue，存入偏差值组成的数组OffsetArr，偏差值计算公式为: ；
[0125] 和 均为基于数据ObjectArr的两个序列各个对应点，n为数据的总个数；
[0126] d1.4、根据冒泡排序算法排序从小到大排序OffsetArr，求得和本次评估数据最为相似且方案模板也相同的评估数据组成的数组，取相似度最高的前10名组成OffsetArrTop10；
[0127] d2、根据偏差度最小的10次评估数据，查找对应用户后一次相同方案模板的评估数据，判定若后一次评估数据优于当前评估数据，则记录当前评估数据对应的评估方案，并记录提升系数improvePercent ；
[0128] d2.1、根据当前评估数据找到当前评估方案对应的用户，根据数据库继续查找当前用户在本次评估之后的方案模板相同的最近一次评估数据，根据S2中难度系数算法，计算当前用户的前后二次评估数据，当前一次难度系数记为D1，后一次记为D2，定义提升系数 improvePercent=（D2‑D1）×100 ；当improvePercent>0 的时候，当前评估数据对应的improvePercent存入提升数据数组improvePercentArr ；
[0129] d2.2、根据冒泡算法遍历数组improvePercentArr，从小到大排序，取最后一位即提升幅度最大的一次评估数据对应的训练方案数据，定义为大数据中和自己评估数据最为相近且选择模板方案相同的最优训练方案；
[0130] d3、根据最优训练方案调整当前方案参数；
[0131] d3.1、遍历当前选择的模板方案，判定当前组件类型，如果是主动训练，则继续第二步，如果是电刺激训练则继续第三步，否则跳过当前组件；
[0132] d3.2、定义当前组件组成的数组为CurrentArr，最优方案组件对应的组件组成的数组为RightArr；根据偏差值算法，计算得出RightArr的偏差值rightOffset；根据最大值算法取得CurrentArr最大值CurrentMax，RightArr最大值RightMax，
[0133] 当 ，当前组件幅值降低 ；
[0134] 当 ，当前组件幅值提升 ；
[0135] d3.3、定义当前组件电刺激参数对应的脉宽为Currentμ，最优电刺激参数对应的脉宽为Rightμ，当 ，则 ；
[0136] 当 时， 。
[0137] 一种基于大数据的阴道松弛评估训练系统，所述盆底阴道松弛训练方案生成系统包括选择训练模块、主动训练调节模块、电刺激参数调节模块、智能组件添加模块和AI智能调优模块；
[0138] 所述选择训练模块用于通过对盆底损伤的简单分析，根据训练方案模板结合自身症状选择模板方案；
[0139] 所述主动训练调节模块用于通过对盆底慢肌阶段和耐力阶段进行统计计算，得到主动训练模板的难度系数，调节主动训练的难度；
[0140] 所述电刺激参数调节模块用于通过对前后静息、慢肌阶段和耐力阶段的参数进行计算，根据电刺激调节参数公式实现对电刺激参数的调节；
[0141] 所述智能组件添加模块用于通过对前静息、后静息、腹部肌线、慢肌、耐力阶段的平均值和标准差计算，对智能组件进行判断后，添加新的组件；
[0142] 所述AI智能调优模块用于根据阴道松弛评估大数据，寻找大数据中相同病症且评估结果相同的用户，进而得到训练效果相匹配的方案。
[0143] 主动训练调节模块通过计算慢肌+耐力阶段收缩保持的综合肌力平均值和样本标准差，计算快肌阶段的平均值、腹部肌力的平均值和标准差，得到主动训练模板难度系数，根据难度系数调节训练方案。
[0144] 电刺激参数调节模块用于通过计算前后静息、慢肌阶段和耐力阶段的平均值和标准差，得到电刺激调节参数；根据电刺激调节参数对电刺激，调节当前方案脉宽参数。
[0145] 智能组件添加模块通过计算前静息、后静息、腹部肌线的平均值和标准差，慢肌和耐力阶段的平均值，利用智能组件新增系数公式，得到高张调节系数和腹部发力调节系数，通过对高张调节和腹部发力调节两个系数的判断，添加“放松电刺激”组件和“腹部‑会阴协调性收缩训练”组件。
[0146] AI智能调优模块通过检索阴道松弛评估数据库，根据偏差值算法，求得相同方案模板中，偏差值最小的10次评估结果，根据偏差度最小的10次评估数据，找到对应用户后一次相同方案模板的的评估数据，判定如果后一次评估数据优于当前评估数据，则记录当前评估数据对应的评估方案，并记录提升系数；根据冒泡算法遍历提升系数所构成的数组，从小到大排序之后；取提升幅度最大的一次评估数据对应的训练方案数据，定义为大数据中和自己评估数据最为相近且选择模板方案相同的最优训练方案。
[0147] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0148] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
