一种VR结合下的ADL导向性评估方法及系统技术方案

本发明专利技术提供了一种VR结合下的ADL导向性评估方法及系统，方法包括：获得第一用户基本信息，包括ADL评级信息，输入训练指标筛选通道，获得第一训练指标集和第一权重集；将第一训练指标集和第一权重集输入计划决策模型，获得第一训练计划，其中，第一训练计划包括第一训练目标和第一训练方案；通过第一训练方案，生成第一虚拟场景要素；通过第一训练目标，生成第一训练交互规则；基于虚拟现实技术，通过所述第一虚拟场景要素和所述第一训练交互规则，构建第一虚拟训练场景上传第一交互设备，对所述第一用户进行ADL训练。第一用户进行ADL训练。第一用户进行ADL训练。

【技术实现步骤摘要】
一种VR结合下的ADL导向性评估方法及系统


[0001]本专利技术涉及人工智能相关
，具体涉及一种VR结合下的ADL导向性评估方法及系统。

技术介绍

[0002]ADL指的是表征日常生活中为了维持生存和适应生存环境而每天必须反复进行的具有共性的活动的指标信息，ADL训练是协助具有日常生活行为能力障碍人群的主要恢复方式。
[0003]传统的ADL训练是通过对ADL能力进行人工评级，根据评级结果制定训练方案开展训练，但是由于此种方式依赖专业人员的经验和特定器材的供应，而专业人员的缺乏和特定器材的限制使得当下的ADL训练适用性较弱。
[0004]现有技术中由于较依赖专业工作人员的经验判断和特定器材的限制，导致当下的ADL训练的存在适用性较弱的技术问题。

技术实现思路

[0005]本申请实施例通过提供了一种VR结合下的ADL导向性评估方法及系统，解决了现有技术中由于较依赖专业工作人员的经验判断和特定器材的限制，导致当下的ADL训练的存在适用性较弱的技术问题。
[0006]鉴于上述问题，本申请实施例提供了一种VR结合下的ADL导向性评估方法及系统。
[0007]第一方面，本申请实施例提供了一种VR结合下的ADL导向性评估方法，其中，所述方法包括：获得第一用户基本信息，其中，所述第一用户基本信息包括ADL评级信息；将所述ADL评级信息输入训练指标筛选通道，获得第一训练指标集和第一权重集，其中，所述第一训练指标集和第一权重集一一对应；将所述第一训练指标集和所述第一权重集输入计划决策模型，获得第一训练计划，其中，所述第一训练计划包括第一训练目标和第一训练方案；通过所述第一训练方案，生成第一虚拟场景要素；通过所述第一训练目标，生成第一训练交互规则；基于虚拟现实技术，通过所述第一虚拟场景要素和所述第一训练交互规则，构建第一虚拟训练场景；将所述第一虚拟训练场景上传第一交互设备，对所述第一用户进行ADL训练。
[0008]另一方面，本申请实施例提供了一种VR结合下的ADL导向性评估系统，其中，所述系统包括：第一获得单元，用于获得第一用户基本信息，其中，所述第一用户基本信息包括ADL评级信息；第二获得单元，用于将所述ADL评级信息输入训练指标筛选通道，获得第一训练指标集和第一权重集，其中，所述第一训练指标集和第一权重集一一对应；第三获得单元，用于将所述第一训练指标集和所述第一权重集输入计划决策模型，获得第一训练计划，其中，所述第一训练计划包括第一训练目标和第一训练方案；第一生成单元，用于通过所述第一训练方案，生成第一虚拟场景要素；第二生成单元，用于通过所述第一训练目标，生成第一训练交互规则；第一构建单元，用于基于虚拟现实技术，通过所述第一虚拟场景要素和
所述第一训练交互规则，构建第一虚拟训练场景；第一执行单元，用于将所述第一虚拟训练场景上传第一交互设备，对所述第一用户进行ADL训练。
[0009]第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
[0010]第四方面，本申请实施例提供了一种计算机可读存储介质，其中，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的方法。
[0011]本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：由于采用了通过采集需要进行ADL训练用户的评级信息，根据和用户一一对应的ADL评级信息，可以通过指标筛选通道确定训练指标和指标的不同权重，再通过计划决策模型对不同权重的训练指标进行分析，自动化生成训练计划，更进一步的，根据训练计划中的训练方案和训练目标信息结合虚拟现实技术构建ADL训练的虚拟场景进行训练的技术方案，一者实现了ADL训练的自动化生成，二者通过虚拟训练场景可以适用于更多应用场景，达到了适用范围更广且智能性较强的技术效果。
[0012]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0013]图1为本申请实施例提供了一种VR结合下的ADL导向性评估方法流程示意图；图2为本申请实施例提供了一种VR结合下的ADL导向性评估方法中训练指标筛选通道的构建流程示意图；图3为本申请实施例提供了一种VR结合下的ADL导向性评估系统结构示意图；图4为本申请实施例示例性电子设备的结构示意图。
[0014]附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一生成单元14，第二生成单元15，第一构建单元16，第一执行单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
[0015]本申请提供的技术方案总体思路如下：本申请实施例通过提供了一种VR结合下的ADL导向性评估方法及系统，通过采集需要进行ADL训练用户的评级信息，根据和用户一一对应的ADL评级信息，可以通过指标筛选通道确定训练指标和指标的不同权重，再通过计划决策模型对不同权重的训练指标进行分析，自动化生成训练计划，更进一步的，根据训练计划中的训练方案和训练目标信息结合虚拟现实技术构建ADL训练的虚拟场景进行训练的技术方案，一者实现了ADL训练的自动化生成，二者通过虚拟训练场景可以适用于更多应用场景，达到了适用范围更广且智能性较强的技术效果。
[0016]在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
[0017]实施例一如图1所示，本申请实施例提供了一种VR结合下的ADL导向性评估方法，其中，所述方法包括：S100：获得第一用户基本信息，其中，所述第一用户基本信息包括ADL评级信息；具体而言，ADL指的是人们为了生存必要维持的日常生活能力，全称为activities of daily living，包括但不限于：基础性日常生活活动、工具性日常生活活动等，更进一步的，基础性日常生活活动详细为：自理活动：刷牙、进食、洗澡、梳妆、如厕、穿衣等，功能性移动：翻身、行走、跑步、驱动轮椅、上下楼梯等；工具性日常生活活动指的是日常生活中对于工具的使用能力，示例性地如：牙刷、餐具、家务用具等工具。
[0018]所述第一用户基本信息指的是需要进行ADL训练的具有日常生活能力障碍的人群的基本情况信息，包括但不限于：性别、年龄、生活习惯、过往病史、工作性质、ADL评级信息、期望恢复效果等维度的信息。进一步的，ADL评级信息指的是表征第一用户日常生活能力障碍详细信息的数据，优选的确定方式通过ADL量表进行评估，ADL量表可以全面、准确的反应第一用户的日常生活能力，每一项日常生活行为后都具有相应的评分，评分越低表示该行为的生活能力越弱，评分越高表示该行为的生活能力越强。
[0019]更进一步的，每一个行为都具有相应标准值评分，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种VR结合下的ADL导向性评估方法，其特征在于，所述方法包括：获得第一用户基本信息，其中，所述第一用户基本信息包括ADL评级信息；将所述ADL评级信息输入训练指标筛选通道，获得第一训练指标集和第一权重集，其中，所述第一训练指标集和第一权重集一一对应；将所述第一训练指标集和所述第一权重集输入计划决策模型，获得第一训练计划，其中，所述第一训练计划包括第一训练目标和第一训练方案；通过所述第一训练方案，生成第一虚拟场景要素；通过所述第一训练目标，生成第一训练交互规则；基于虚拟现实技术，通过所述第一虚拟场景要素和所述第一训练交互规则，构建第一虚拟训练场景；将所述第一虚拟训练场景上传第一交互设备，对所述第一用户进行ADL训练。2.如权利要求1所述的方法，其特征在于，所述将所述ADL评级信息输入训练指标筛选通道，之前包括：设定第一定位矢量和第二定位矢量，其中，所述第一定位矢量表征出现偏离的ADL评估指标，所述第二定位矢量表征所述ADL评估指标的偏离度；基于所述第一定位矢量和所述第二定位矢量，构建指标筛选矢量空间；将所述ADL评级信息输入所述指标筛选矢量空间进行初始化，获得所述训练指标筛选通道。3.如权利要求2所述的方法，其特征在于，所述将所述ADL评级信息输入训练指标筛选通道，获得第一训练指标集和第一权重集，包括：根据所述第一用户基本信息，构建第一预设偏离度；提取所述ADL评级信息中满足所述第一预设偏离度的所述ADL评估指标，生成所述第一训练指标集和第一偏离度集；获得第一权重分配公式：其中，为第n个训练指标的权重值，为第n个训练指标的偏离度，N表示共有N个维度训练指标；根据所述第一偏离度集和所述第一权重分配公式，获得所述第一权重集。4.如权利要求1所述的方法，其特征在于，所述将所述第一训练指标集和所述第一权重集输入计划决策模型，之前包括：采集第一数据集，其中，所述第一数据集包括多组多维ADL评估指标和预设训练计划信息；基于所述第一数据集，构建第一决策树，其中，所述第一决策树的深度限定为a，8≤a≤12；将所述第一决策树中不满足第一预设准确率的所述第一数据集进行提取，获得第一偏差数据集；调整所述第一偏差数据集在所述第一数据集中的权重，获得第二数据集；
基于所述第二数据集，构建第二决策树，其中，所述第二决策树的深度限定为b，8≤b≤12；当第M决策树中不满足第一预设准确率的所述第M数据集满足第一预设数据量时，将所述第一决策树、所述第二决策树直到所述第M决策树合并，获得所述计划决策模型。5.如权利要求4所述的方法，其特征在于，所述方法还包括：通过所述第一训练指标集和所述第一权重集对所述计划决策模型进行初始化；当所述计划决策模型初始化...

【专利技术属性】
技术研发人员：何玉，
申请(专利权)人：北京蓝田医疗设备有限公司，
类型：发明
国别省市：