本技术涉及智能医疗领域，具体涉及一种基于步态特征预测脑小血管患者的方法、系统、设备及计算机可读存储介质。
背景技术：
1、步态是人活动的基础运动功能之一，反应了一个人的基本活动能力。步行的过程是在中枢神经系统的调控下将周围神经系统及骨骼、肌肉与关节等运动系统动态整合，并且在感觉信息与认知控制等系统的共同参与下完成，其中任何一个环节出现问题都有可能出现步态障碍。随着年龄的增长，步态异常变得越来越常见，在社区居住的8％到19％的老年人中可能会发生步态障碍。老年人步态异常的常见原因包括神经系统疾病、骨关节疾病、足部畸形与下肢血管性疾病。在接受步态评估的步态障碍老年患者中，神经系统疾病占30％至50％，主要为周围神经病、脑血管病和帕金森综合症等。神经系统疾病导致的步态障碍是65岁以上老年人意外跌倒的首要原因。
2、脑小血管病(cerebral small vessel diseas，csvd)主要是颅内微、小动静脉及毛细血管的结构或功能障碍所导致的一系列影像与临床综合征。临床表现以认知障碍与痴呆、运动及步态障碍、情绪行为异常、膀胱功能异常为主要特征。其中，步态障碍是csvd临床综合征中的主要表现之一，由于步态的代偿能力，直到发展为明显的步态障碍才被重视，csvd也是经常容易被临床医师忽视的一种步态障碍原因。
技术实现思路
1、对csvd的早期步态评估与针对性干预训练将有望改善预后，增加患者生存率，避免重大脑血管事件的发生，针对csvd与步态障碍关系不明确的问题，本发明对csvd患者的步态特征进行分析研究，并根据实验分析结果提出一种基于步态特征预测脑小血管患者的方法，具体包括：
2、获取患者的步态数据；
3、基于所述步态数据提取得到时间参数；所述时间参数包括下列的一种或几种：步速、跨步速度、摆动速度；
4、将所述时间参数输至预测模型中得到预测结果。
5、进一步，所述时间参数还包括下列的一种或几种：步频、转身时间；
6、可选地，所述步态数据提取还包括空间参数，将所述时间参数和空间参数输至预测模型中得到预测结果；
7、可选地，所述空间参数包括步宽；
8、可选地，所述空间参数还包括下列的一种或几种：步高、步幅；
9、可选地，所述预测模型包括下列的一种或几种：决策树、随机森林、支持向量机、xgboost、神经网络。
10、所述步态数据提取还包括周期参数，将所述周期参数和时间参数输至预测模型中得到预测结果；
11、可选地，所述周期参数包括双支撑相；
12、可选地，所述周期参数还包括下列的一种或几种:摆动相、站立相；
13、可选地，所述步态数据提取还包括空间参数和周期参数，将所述周期参数、空间参数和时间参数输至预测模型中得到预测结果。
14、所述患者的步态数据包括单任务行走步态数据，患者通过执行所述单任务行走得到患者的单任务步态数据，基于单任务步态数据得到单任务时间参数；将单任务时间参数输至预测模型中得到预测结果；
15、可选地，所述单任务行走包括下列的任意一种：正常速度行走、快速行走、超快速行走、慢速行走、超慢速行走；
16、可选地，基于单任务步态数据还包括得到单任务空间参数，将单任务时间参数、单任务空间参数输至预测模型中得到预测结果；
17、可选地，基于单任务步态数据还包括得到单任务周期参数，将单任务时间参数、单任务周期参数输至预测模型中得到预测结果；
18、可选地，基于单任务步态数据还包括得到单任务周期参数、单任务空间参数，将单任务时间参数、单任务周期、单任务空间参数输至预测模型中得到预测结果；
19、可选地，所述患者的步态数据还包括双任务行走步态数据，所述双任务行走是患者在执行所述单任务行走时，同时执行认知任务，患者通过执行所述双任务行走得到患者的双任务步态数据，基于双任务步态数据得到双任务时间参数；将双任务时间参数输至预测模型中得到预测结果；
20、可选地，所述认知任务包括下列的一种或几种：简单连续计算、复杂连续计算、语言生成任务；
21、可选地，基于双任务步态数据还包括得到双任务空间参数，将双任务时间参数、双任务空间参数输至预测模型中得到预测结果；
22、可选地，基于双任务步态数据还包括得到双任务空间参数，将双任务时间参数、双任务空间参数输至预测模型中得到预测结果；
23、可选地，基于双任务步态数据还包括得到双任务空间参数、双任务周期参数，将双任务时间参数、双任务空间参数、双任务周期参数输至预测模型中得到预测结果；
24、可选地，所述患者的步态数据还包括单任务步态数据和双任务步态数据，基于单任务步态数据和双任务步态数据得到单任务时间参数和双任务时间参数，将单任务时间参数和双任务时间参数输至预测模型中得到预测模型；
25、可选地，基于单任务步态数据和双任务步态数据还包括得到单任务空间参数和双任务空间参数，将单任务时间参数、双任务时间参数、单任务空间参数和双任务空间参数输至预测模型中得到预测模型；
26、可选地，基于单任务步态数据和双任务步态数据还包括得到单任务周期参数和双任务周期参数，将单任务时间参数、双任务时间参数、单任务周期参数和双任务周期参数输至预测模型中得到预测模型；
27、可选地，基于单任务步态数据和双任务步态数据还包括得到单任务周期参数、双任务周期参数、单任务空间参数和双任务空间参数，将单任务时间参数、双任务时间参数、单任务周期参数、双任务周期、单任务空间参数和双任务空间参数输至预测模型中得到预测模型。
28、所述预测模型是对所述时间参数与预设参数范围进行比较得到预测结果，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者；
29、可选地，所述预测模型是对所述时间参数和空间参数与预设参数范围进行比较，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者；
30、可选地，所述预测模型是对所述时间参数和周期参数与预设参数范围进行比较，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者；
31、可选地，所述预测模型是对所述时间参数、空间参数和周期参数与预设参数范围进行比较，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者；
32、可选地，所述时间参数中步速、跨步速度、摆动速度小于预设参数，步频、转身时间大于预设参数范围，空间参数中步幅、步高小于预设参数范围，步宽大于预设参数范围，周期参数中，摆动相小于预设参数范围，站立相、双支撑相大于预设参数范围时，判定为候选脑小血管患者。
33、可选地，所述预测模型是对执行单任务和/或双任务的患者步态数据得到的时间参数与预设参数范围进行比较，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者；
34、可选地，所述预测模型是对执行单任务和/或双任务的患者步态数据得到的时间参数和空间参数与预设参数范围进行比较，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者；
35、可选地，所述预测模型是对执行单任务和/或双任务的患者步态数据得到的时间参数和周期参数与预设参数范围进行比较，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者；
36、可选地，所述预测模型是对执行单任务和/或双任务的患者步态数据得到的时间参数、空间参数和周期参数与预设参数范围进行比较，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者。
37、进一步，所述患者执行所述单任务行走，当预测模型得到步速小于预设参数范围时，预测为候选脑小血管患者；
38、可选地，所述患者执行所述单任务行走，当预测模型得到步速、跨步速度小于预设参数范围时，预测为候选脑小血管患者；
39、可选地，所述患者执行所述单任务行走，当预测模型得到步速、跨步速度、摆动速度小于预设参数范围时，预测为候选脑小血管患者；
40、可选地，当步速、跨步速度、摆动速度减小于预设参数范围，步宽大于预设参数范围时，预测为候选脑小血管患者；
41、可选地，当步速、跨步速度、摆动速度小于预设参数范围，步宽大于预设参数范围，双支撑相大于预设参数范围时，预测为候选脑小血管患者。
42、所述患者执行所述双任务行走，且认知任务为简单连续计算时，预测模型得到步速、跨步速度、摆动速度小于预设参数范围，预测为候选脑小血管患者；
43、可选地，所述预测模型还包括得到步速、跨步速度、摆动速度小于预设参数范围，转身时间大于预设参数范围，预测为候选脑小血管患者；
44、可选地，所述预测模型还包括得到步速、跨步速度、摆动速度、步频小于预设参数范围，转身时间大于预设参数范围，预测为候选脑小血管患者；
45、可选地，所述患者执行所述双任务行走，且认知任务为复杂连续计算时，预测模型得到步速、步频小于预设参数范围，转身时间大于预设参数范围，预测为候选脑小血管患者。
46、本发明的目的在于提供一种基于步态特征预测脑小血管患者的系统，包括：
47、获取单元：获取患者的步态数据；
48、特征单元：基于所述步态数据提取得到时间参数；所述时间参数包括下列的一种或几种：步速、跨步速度、摆动速度；
49、预测单元：将所述时间参数输至预测模型中得到预测结果。
50、本发明在于提供一种基于步态特征预测脑小血管患者的设备，包括：
51、存储器或处理器，所述处理器处理所述存储器上存储的计算机程序，所述计算机程序执行实现上述的基于步态特征预测脑小血管患者的方法。
52、本发明的目的在于提供一种计算机可读存储介质，其上有计算机程序，包括：
53、所述计算机程序执行实现上述的基于步态特征预测脑小血管患者的方法。
54、本发明的优势：
55、1.通过患者步态数据中的时间参数/空间参数/周期参数进行分析，明确脑小血管患者的步态特征中需要重点关注的参数，包括步速、跨步速度、摆动速度、步宽、双支撑相；在对患者步态特征预测时，明确这些特征的变化与脑小血管患者的关系，有助于区分正常人与患有脑小血管患者，对患者进行辅助诊断；在对步态的临床评估中，更应该优先关注这些步态参数的变化，有助于为针对性的康复训练提供相关依据，减轻患者步态障碍困扰。
56、2.通过执行单任务行走和双任务行走获取患者的步态数据，其中双任务行走是在执行单任务行走的基础上同时执行认知任务，认知任务包括简单连续计算、复杂连续计算、语言任务生成，通过双任务行走得到不同认知任务对于步态产生的干扰程度不同，进一步明确了脑小血管患者的步态特点。
1.一种基于步态特征预测脑小血管患者的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于步态特征预测脑小血管患者的方法，其特征在于，所述时间参数还包括下列的一种或几种：步频、转身时间；
3.根据权利要求1所述的基于步态特征预测脑小血管患者的方法，其特征在于，所述步态数据提取还包括周期参数，将所述周期参数和时间参数输至预测模型中得到预测结果；
4.根据权利要求1所述的基于步态特征预测脑小血管患者的方法，其特征在于，所述患者的步态数据包括单任务行走步态数据，患者通过执行所述单任务行走得到患者的单任务步态数据，基于单任务步态数据得到单任务时间参数；将单任务时间参数输至预测模型中得到预测结果；可选地，所述单任务行走包括下列的任意一种：正常速度行走、快速行走、超快速行走、慢速行走、超慢速行走；
5.根据权利要求1所述的基于步态特征预测脑小血管患者的方法，其特征在于，所述预测模型是对所述时间参数与预设参数范围进行比较得到预测结果，当所述步态数据超过所述预设参数范围时，判定患者为候选脑小血管患者；
6.根据权利要求5所述的基于步态特征预测脑小血管患者的方法，其特征在于，所述患者执行所述单任务行走，当预测模型得到步速小于预设参数范围时，预测为候选脑小血管患者；
7.根据权利要求5所述的基于步态特征预测脑小血管患者的方法，其特征在于，所述患者执行所述双任务行走，且认知任务为简单连续计算时，预测模型得到步速、跨步速度、摆动速度小于预设参数范围，预测为候选脑小血管患者；
8.一种基于步态特征预测脑小血管患者的系统，其特征在于，包括：
9.一种基于步态特征预测脑小血管患者的设备，其特征在于，包括：
10.一种计算机可读存储介质，其上有计算机程序，其特征在于，包括：
