一种自动反馈的数字化心电教学设备制造技术

本申请涉及一种自动反馈的数字化心电教学设备，其特征在于，包括：数据库建立模块：用于建立数字化的标准心电图谱数据集；对标准心电图谱数据集中所有的心电数据结论均进行标签化处理；用户答题模块：用于通过题库模式，在用户答题过程中，自动记录标签准确率、自动提示反馈薄弱点、针对性制定个性化学习路径。本发明专利技术的有益效果是：基于人工智能算法技术，结合知识追踪与个性化学习路径规划的算法，使学习者在学习过程中实现自动的应答反馈，帮助提高教学效率。高教学效率。高教学效率。

【技术实现步骤摘要】
一种自动反馈的数字化心电教学设备


[0001]本申请属于医院培训设备
，尤其是涉及一种自动反馈的数字化心电教学设备。

技术介绍

[0002]心电图知识是医护人员在医学课程体系中的必备内容，但由于心电图诊断类别多样，对于医护人员尤其是非心电图专业的医护人员来说较难全面掌握，对于心电图波形的准确解读，普遍有一定的困难。心电图教学方法，除了理论学习，学习者还需要大量阅读心电图实例，对尽可能多样的心电图类别重复熟悉，做到熟捻于心。由于心电图类别很多，医护人员在这个学习实践的过程中，需要接收正确的反馈，才能知道自己的理解与判断是否正确，并在这种反馈中不断调整认识、加深理解，才能起到提高自己的解读水平的作用。
[0003]传统的教学方法中，存在一些弊端。(1)首先是学生可接触且能模拟测量的的高质量图谱有限。现有的获得图谱的途径，主要是书本，以及本院科室的一些历史存档。由于书本篇幅限制，可查阅的案例也有限；医院历史存档，一方面基层医院可接触的患者数量有限，心电图类别也相对有限，另一方面由于不同的医院、不同的医生水平参差不齐，图谱质量难以保证。而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动反馈的数字化心电教学设备，其特征在于，包括：数据库建立模块：用于建立数字化的标准心电图谱数据集；对所述标准心电图谱数据集中所有的心电数据结论均进行标签化处理；用户答题模块：用于通过题库模式，在用户答题过程中，自动记录标签准确率、自动提示反馈薄弱点、针对性制定个性化学习路径。2.根据权利要求1所述的自动反馈的数字化心电教学设备，其特征在于，所述自动提示反馈薄弱点的方法为：对学习者的在线学习数据进行大量收集与记录后，通过数据挖掘的方式来对学习者的知识水平和学习偏好进行建模与评估，然后自动提示反馈薄弱点。3.根据权利要求2所述的自动反馈的数字化心电教学设备，其特征在于，所述建模与评估的方法为：首先采用知识追踪的方法对学习者的心电图认知水平进行预测，根据学习者在不同知识模块上的预测结果生成用户画像；建模与评估完成后，根据不同知识点自身的难易程度自动提示反馈薄弱点。4.根据权利要求1
‑
3任一项所述的自动反馈的数字化心电教学设备，其特征在于，在用户答题过程中，通过学习者U在用户答题模块中的做题记录R＝{(q1,a1),(q2,a2),
…
,(q
i
,a
i
),...,(q
n
,a
n
)}；其中q
i
代表题目，a
i
代表回答结果，并且每道题目q都涉及到一个或多个知识点s1,s2,
…
,s
m
；通过学习者的历史做题记录结合心电图判别知识点间的先决条件生成关系图G，为学习者U规划出一条能够更加准确并且全面地提升学习者心电图认知能力的自适应学习路径。5.根据权利要求3所述的自动反馈的数字化心电教学设备，其特征在于，所述知识追踪的方法基于深度学习，将学习者的对心电图的历史识图记录作为有序序列进行输入，采用循环神经网络对网络中的隐含状态进行训练，对学习过程进行拟合。6.根据权利要求5所述的自动反馈的数字化心电教学设备，其特征在于，所述知识追踪的方法包括以下步骤：假设已有用户的历史答题序列x1,x2,
…
,x
t
，建立知识追踪模型以预测用户在做第x
t+1
道题时的表现；用户的答题记录的形式为x
t
＝{q
t
,a
t
}，其中q
t
表示题目标签，a
t
表示是否做正确，0表示错误，1表示正确；预测时，将题目的标签q
t+1
输入到模型中，得出最终预测结果a
t+1
；知识追踪模型算法的输入步骤：对学习者U在用户答题模块中的做题记录R进行处理：假设一共有m个知识点，所有题目的知识点都在这m个知识点内，将x
t
设置为序列交互元组x
t
＝{q
t
,a
t
}，其中q
t
代表题目的知识点向量，a
t
代表是否做正确，0表示错误，1表示正确，模型的单次输入的长度为2m；假设某个题涵盖了第i个知识点，如学习者U做对该题，那么x
t
的第i个位置就是1，x
t
的后m位全为0；如学习者U做错该题，那么第m+i的位置就是1，x
t
的前m位为全为0；知识追踪模型的训练与更新：在计算得到x
t
后，通过长短期记忆网络LSTM对输入序列依次训练并更新学习者的知识状态，训练过程中，模型按照做题序列对模型的参数进行训练。假设x
t
是学习者U做题行为的one
‑
hot编码表示，输出y
t
是模型预测学习者U回答试题的正确率，每层从输入到输出的计算公式如下:h
t
＝tanh(W
hx
x
t
+W
hh
h
t
‑1+b
h
)
y
t
＝σ(W
yh
h
t
+b
y
)在LSTM中，隐藏层保留中间信息，直到通过“遗忘门”将它们显式清除；每一轮的更新公式如下：i
t
＝σ(W
ix
X
t
+W
ih
h
t
‑1+b
i
)g
t
＝σ(W
gx
X
t
+W
gh
h
t
‑1+b
g
)f
t
＝σ(W...

【专利技术属性】
技术研发人员：姜红，刘明，陈广怡，
申请(专利权)人：上海数创医疗科技有限公司，
类型：发明
国别省市：