一种人体解剖教学系统技术方案

本发明专利技术属于教学技术领域，公开了一种人体解剖教学系统，设置有用于对人体解剖教学内容进行分段教学演示的人体解剖演示服务器；人体解剖演示服务器通过双绞线与计算机双向通讯；计算机的信号输出端通过数据线连接有插槽；插槽插装在VR虚拟眼镜上，VR虚拟眼镜的外部套装有镜框，VR虚拟眼镜的内侧插装有显示器；所述计算机还通过无线基站与外部网络无线连接。该系统可以存储大量的人体模型数据，数据处理速度快，学习方式多样；设置VR虚拟眼镜可以帮助学员通过虚拟演示清晰的查看解剖演示过程，效果明显；设置人体解剖演示服务器可以存储大量的人体模型数据，真实的呈现解剖过程。

A system of human anatomy teaching

The invention belongs to the field of teaching technology, and discloses a human anatomy teaching system, which is provided with a human anatomy demonstration server which is used for teaching and demonstrating the contents of human anatomy. The human anatomy demonstration server communication with the computer through the twisted pair; the output end of the computer is connected by the data line. Slot; the slot is inserted on the VR virtual glasses, the outer package of the VR virtual glasses has a frame, the inside of the VR virtual glasses is fitted with a display, and the computer is also wirelessly connected to the external network through a wireless base station. The system can store a large number of human model data, the data processing speed is fast, and the learning method is varied. Setting VR virtual glasses can help students to clearly view the dissection demonstration process through the virtual demonstration, and the effect is obvious. The body anatomy demonstration server can store a large number of human model data and present the real anatomy. Process.

【技术实现步骤摘要】
一种人体解剖教学系统
本专利技术属于教学
，尤其涉及一种人体解剖教学系统。
技术介绍
人体解剖教学是临床医学实践教学的重要基础性教学，教学对象覆盖面宽，对尸体标本的需求量大，现实中存在教学人数增多和尸体标本来源减少的双重压力，难以提供足够数量和品种齐全的尸体标本供学生实践操作，大大制约了人体解剖教学的实践性教学效果。人体解剖教学需要学生在课前充分熟悉各类人体器官解剖的具体流程、了解人体解剖过程中的技术细节，才能保证在实际教学中能够对尸体标本进行准确的解剖操作，否则常会出现损坏标本，降低标本使用次数，增加教学成本。并且课后也需要学生能够重复回顾解剖过程，特别是对关键环节能够进行再次或多次练习，能够及时进行考核评估，而这些需求通常也因没有足够的标本保障而难以进行。综上所述，现有技术存在的问题是：传统的人体解剖教学过程中学生的实践操作机会较少，降低标本使用次数，增加教学成本；教学方式单一，人体解剖模型少，数据处理慢，学习效果不明显；图像获取不清晰。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种人体解剖教学系统，本专利技术是这样实现的，该人体解剖教学系统设置有用于对人体解剖教学内容进行分段教学演示的人体解剖演示服务器；所述人体解剖演示服务器与计算机双向通讯；所述计算机的信号输出端通过数据线连接有插槽；所述插槽插装在VR虚拟眼镜上，所述VR虚拟眼镜的外部套装有镜框，所述VR虚拟眼镜的内侧插装有显示器；所述计算机还通过无线基站与外部网络无线连接；所述计算机内部安装有：对数据进行运算和处理的微处理器；与所述微处理器电连接，用于选择教学所需的人体各类器官的人体器官选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的解剖图像，并能够对多种视角进行选择的彩色图像选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的文字的文字选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的话音的语音选择单元；与所述微处理器电连接，用于在使用者自学时选择听觉背景的背景音乐选择单元；所述VR虚拟眼镜上安装有定位装置，定位装置与插槽电连接；所述人体解剖演示服务器设置有多元线性回归分析模块，多元线性回归分析模块利用regress函数作多元线性回归分析，包括：对于自变量x1，x2，x3…xp和因变量y的n次独立观测，y关于x1，x2，x3…xp的p重广义线性回归模型公式：所述无线基站设置有无线体域网快速唤醒关联模块，所述无线体域网快速唤醒关联模块的关联方法包括：步骤一、Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值，构造Wakeup帧；在发送Wakeup帧后，向节点发送T-Poll帧；步骤二、节点收到唤醒帧后，获得本次关联的配置信息以及Hub的公钥PKb，然后选择自己的私钥SKa长为256比特，计算公钥计算公钥PKa＝SKa×G，计算出公钥后，节点再计算基于口令的公钥，PKa'＝PKa-Q(PW)，Q(PW)＝(QX，QY)，QX＝232×PW+MX；节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算：KMAC_1A＝CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)KMAC_2A＝CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64)；利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧，并向Hub发送；步骤三、Hub收到第一关联请求帧后，首先复原当前节点的公钥PKa＝PKa'+Q(PW)，Q(PW)＝(QX，QY)，QX＝232×PW+MX；MX为使QX满足椭圆曲线上的点的最小非负整数；计算DHKey＝X(SKb×PKa)＝X(SKa×SKb×G)，这里X()函数是取椭圆曲线密钥的X坐标值，Temp_1＝RMB_128(DHKey)，根据收到的信息以及计算得到的信息计算：KMAC_1B＝CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)KMAC_2B＝CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64)对比收到的KMAC_2A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五，如果不同则取消本次关联请求；步骤四、节点收到第二关联请求帧，对比在步骤二中计算的KMAC_1A与收到的KMAC_1B，如果不同则取消本次关联请求，如果相同则进入本次关联的步骤五步；步骤五、节点与Hub计算MK＝CMAC(Temp_2,Nonce_a||Nonce_b,128)，Temp_2＝LMB(DHKey)，为DHKey的最左128位；双方完成唤醒关联。所述计算机内部安装有存储试题并对试题和题量进行分布调整的智能题量模块，所述分布调整包括：学生对于知识点Ki的当前分值Si和初始题量分布Ai计算该知识点的参考题量分布Bi：Si和Bi的差值确定该知识点的题量分布调整量Ci：Ai和Ci的差值确定该知识点的更新题量分布Di：Di＝Ai+Ci令Sum＝0，对于该知识点的采用最终题量分布NDi则为：对于所有的Di＝0，设置NDi＝min{知识点Ki的题库中所有题目的最小分值}；Sum＝Sum+NDi；对于所有Di>0，NDi＝Di-(Di/100)*Sum‘’对于题量分布调整后的期末测试试题，采用随机组卷方法，题库中的题目Ti被选中的概率Qi为：知识点Ki的组卷过程为：备选题目集合S＝(1,2,3，…，14)；Ki的题量分布为Ai＝10；已选题目集合Z为空；在S中间随机取一个数i，考虑题目Ti；当剩余分值P-Pi＝0时，Z＝ZU{Ti}，成功退出；当剩余分值P-Pi大于0时，并且存在题目的分值小于P-Pi时，本次选题失败，转选下一题；否则重新开始组卷。进一步，所述彩色图像选择单元的选择方法包括：将输入的图像转换成灰度图像，对图像{grayv(i,j)}像素灰度值求和，再获取平均值：利用总的纹理特征去除背景，计算图像的像素灰度值与平均像素灰度值的差值的绝对值之和，求其平均值：利用局部纹理特征去除背景，用3×3大小的滑动窗口，遍历图像，求取中心像素灰度值与周边像素灰度值之差，在每一个窗口图像内求取平均值：进行拟合计算自适应阈值，拟合计算自适应阈值方法包括：进一步，进行拟合计算自适应阈值后，还进行构建多特征底秩矩阵表示模型，具体为：s.t.Xi＝XiAi+Ei,i＝1,…,K其中α是大于0的系数，用来度量噪声和野点带来的误差。进一步，进行构建多特征底秩矩阵表示模型后，对所述多特征底秩矩阵表示模型分解以及求解，得到新模型，所述新模型等价为以下模型：进一步，对多特征底秩矩阵表示模型求解包括：固定其他变量求解Ei得：通过阈值运算求解。进一步，对多特征底秩矩阵表示模型分解以及求解后，得到最后准确的图像，具体为：(1)根据人体各类器官的解剖图像大小、比例留下每个子空间的外接矩阵即为模糊图像区域；(2)设置一个跳变函数f(i,j)，对模糊图像区域进行精确定位，确定人体各类器官的解剖图像区域的上下边界：其中c(i,j)为c(i,j)＝LBP8,本文档来自技高网...

【技术保护点】
一种人体解剖教学系统，其特征在于，所述人体解剖教学系统设置有用于对人体解剖教学内容进行分段教学演示的人体解剖演示服务器；所述人体解剖演示服务器与计算机双向通讯；所述计算机的信号输出端通过数据线连接有插槽；所述插槽插装在VR虚拟眼镜上，所述VR虚拟眼镜的外部套装有镜框，所述VR虚拟眼镜的内侧插装有显示器；所述计算机还通过无线基站与外部网络无线连接；所述计算机内部安装有：对数据进行运算和处理的微处理器；与所述微处理器电连接，用于选择教学所需的人体各类器官的人体器官选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的解剖图像，并能够对多种视角进行选择的彩色图像选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的文字的文字选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的话音的语音选择单元；与所述微处理器电连接，用于在使用者自学时选择听觉背景的背景音乐选择单元；所述VR虚拟眼镜上安装有定位装置，定位装置与插槽电连接；所述人体解剖演示服务器设置有多元线性回归分析模块，多元线性回归分析模块利用regress函数作多元线性回归分析，包括：对于自变量x1，x2，x3…xp和因变量y的n次独立观测，y关于x1，x2，x3…xp的p重广义线性回归模型公式：...

【技术特征摘要】
2017.12.04 CN 20171126133441.一种人体解剖教学系统，其特征在于，所述人体解剖教学系统设置有用于对人体解剖教学内容进行分段教学演示的人体解剖演示服务器；所述人体解剖演示服务器与计算机双向通讯；所述计算机的信号输出端通过数据线连接有插槽；所述插槽插装在VR虚拟眼镜上，所述VR虚拟眼镜的外部套装有镜框，所述VR虚拟眼镜的内侧插装有显示器；所述计算机还通过无线基站与外部网络无线连接；所述计算机内部安装有：对数据进行运算和处理的微处理器；与所述微处理器电连接，用于选择教学所需的人体各类器官的人体器官选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的解剖图像，并能够对多种视角进行选择的彩色图像选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的文字的文字选择单元；与所述微处理器电连接，用于选择教学所需的人体各类器官的话音的语音选择单元；与所述微处理器电连接，用于在使用者自学时选择听觉背景的背景音乐选择单元；所述VR虚拟眼镜上安装有定位装置，定位装置与插槽电连接；所述人体解剖演示服务器设置有多元线性回归分析模块，多元线性回归分析模块利用regress函数作多元线性回归分析，包括：对于自变量x1，x2，x3…xp和因变量y的n次独立观测，y关于x1，x2，x3…xp的p重广义线性回归模型公式：所述无线基站设置有无线体域网快速唤醒关联模块，所述无线体域网快速唤醒关联模块的关联方法包括：步骤一、Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值，构造Wakeup帧；在发送Wakeup帧后，向节点发送T-Poll帧；步骤二、节点收到唤醒帧后，获得本次关联的配置信息以及Hub的公钥PKb，然后选择自己的私钥SKa长为256比特，计算公钥计算公钥PKa＝SKa×G，计算出公钥后，节点再计算基于口令的公钥，PKa'＝PKa-Q(PW)，Q(PW)＝(QX，QY)，QX＝232×PW+MX；节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算：KMAC_1A＝CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)KMAC_2A＝CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64)；利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧，并向Hub发送；步骤三、Hub收到第一关联请求帧后，首先复原当前节点的公钥PKa＝PKa'+Q(PW)，Q(PW)＝(QX，QY)，QX＝232×PW+MX；MX为使QX满足椭圆曲线上的点的最小非负整数；计算DHKey＝X(SKb×PKa)＝X(SKa×SKb×G)，这里X()函数是取椭圆曲线密钥的X坐标值，Temp_1＝RMB_128(DHKey)，根据收到的信息以及计算得到的信息计算：KMAC_1B＝CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)KMAC_2B＝CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64)对比收到的KMAC_2A和计算得到的KMAC_2B，如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五，如果不同则取消本次关联请求；步骤四、节点收到第二关联请求帧，对比在步骤二中计算的KMAC_1A与收到的KMAC_1B，如果不同则取消本次关联请求，如果相同则进入本次关联的步骤五步；步骤五、节点与Hub计算MK＝CMAC(Temp_2,Nonce_a||Nonce_b,128)，Temp_2＝LMB(DHKey)，为DHKey的最左128位；双方完成唤醒关联；所述计算机内部安装有存储试题并对试题和题量进行分布调整的智能题量模块，所述分布调整包括：学生对于知识点Ki的当前分值Si和初始题量分布Ai计算该知识点的参考题量分布Bi：Si和Bi的差值确定该知识点的题量分布调整量Ci：Ai和Ci的差值确定该知识点的更新题量分布Di：Di＝Ai+Ci令Sum＝0，对于该知识点的采用最终题量分布NDi则为：对于所有的Di＝0，设置NDi＝min{知识点Ki的题库中所有题目的最小分值}；Sum＝Sum+NDi；对于所有Di>0，NDi＝Di-(Di...

【专利技术属性】
技术研发人员：康卫国，邓振旭，
申请(专利权)人：菏泽学院，
类型：发明
国别省市：山东,37