【技术实现步骤摘要】
本专利技术涉及虚拟现实，更具体地说，本专利技术涉及焦虑障碍虚拟现实训练系统。
技术介绍
1、在当代社交互动至关重要的时代，社交焦虑障碍已经成为影响许多人的心理健康问题；这种障碍使得个体在社交场合中感到过度的紧张和担忧，对于在社交场合被他人注意、评价或批评感到强烈的害怕，过度关注自己在社交场合的外貌、言行和表现，甚至出现生理反应，例如面红、手抖、心跳加速、出汗等，严重阻碍与他人的正常互动；
2、传统社交焦虑障碍的解决方法主要包括临床诊断和心理咨询，临床诊断面临医疗资源紧缺，诊断困难、误诊等问题，心理咨询面临治疗方式单一、治疗周期较长等问题；当然也存在智能化的社交焦虑障碍解决方法，例如授权公告号为cn109298779b的专利公开了基于虚拟代理交互的虚拟训练系统与方法；允许用户根据自身需求或训练目标选择不同的交互类型、不同情境和不同性格特征的虚拟提问者进行面试训练，能满足多样性的焦虑情境呈现和个性化训练需求，用户通过多次训练即可有效地降低焦虑，提高交流技能；再例如授权公告号为cn114974517b的专利公开了基于模拟场景与交互任务设计的社交焦虑干预系统；包括：主机客户端提供多种心理学实验范式干预流程；采集被试者的用户数据以及过程数据；查询干预分析报告；获取并管理用户数据以及过程数据，将用户数据以及过程数据进行转换；对转换后的用户数据以及过程数据进行分析得到干预分析报告；可缓解具有社交焦虑障碍、焦虑抑郁的人群；
3、上述技术虽能实现发音矫正，但经专利技术人对上述方法以及现有技术进行研究和实际应用发现，上述方法
4、（1）应用限制性较大，仅能对社交焦虑障碍中一个或几个障碍进行训练；
5、（2）在训练过程中，训练系统无法根据患者的生理数据进行有效的正向指导，患者仅能在虚拟环境中依靠自身克服社交焦虑障碍；
6、（3）无法对训练后的患者提供其余的解决方法，无法指导陪护人员（如社交焦虑障碍患者家长等）实施正确的解决方法，由于社交焦虑障碍通过单一的虚拟现实训练无法彻底解决，使得患者还需进行临床诊断和心理咨询，不仅费时费力，而且难以彻底解决患者的社交焦虑障碍；
7、鉴于此，本专利技术提出焦虑障碍虚拟现实训练系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：焦虑障碍虚拟现实训练系统，包括：
2、虚拟场景构建模块，患者佩戴头戴设备，根据患者的焦虑障碍情况构建虚拟的日常生活场景；
3、患者生理数据采集模块，患者佩戴生理监测设备，在社交焦虑障碍训练前采集患者生理数据，并标记为正常生理数据；患者在虚拟日常生活场景中进行社交焦虑障碍训练，训练过程中采集患者生理数据，并标记为焦虑生理数据；
4、患者生理数据分析模块，对采集到的正常生理数据和焦虑生理数据进行分析，获取对应的焦虑等级；
5、正向指导模块，在社交焦虑障碍训练过程中，根据患者对应焦虑等级的变化，虚拟日常生活场景中的虚拟角色给出正向指导；
6、虚拟场景调整模块，根据患者对应的焦虑等级，判断是否对患者所处的虚拟日常生活场景进行调整；
7、方法提供模块，在患者完成社交焦虑障碍训练后，提供患者在实际社交活动中克服社交焦虑障碍的解决方法。
8、进一步地，患者的焦虑障碍情况包括聚会障碍、面试障碍、展示障碍、社交媒体障碍以及课堂障碍中任一种；
9、患者生理数据包括心率、皮肤电导、肌电图以及皮肤温度；生理监测设备包括心率带、皮肤电导传感器、肌电传感器以及体表温度传感器。
10、进一步地，焦虑等级的获取方法包括：
11、s1：将焦虑生理数据中的心率、皮肤电导和皮肤温度分别减去正常生理数据中的心率、皮肤电导和皮肤温度获取对应的心率差值、皮肤电导差值和皮肤温度差值；将获取的差值均标记为数据差值；
12、s2：根据数据差值，计算对应的数据差值系数；
13、s3：分别获取焦虑生理数据和正常生理数据对应肌电图中的频率和振幅；
14、s4：将焦虑生理数据对应的频率和振幅分别减去正常生理数据对应的频率和振幅获取对应的频率差值和振幅差值，将获取的差值均标记为肌电图差值；
15、s5：根据肌电图差值，计算对应的肌电图差值系数；
16、s6：根据数据差值系数和肌电图差值系数，计算对应的焦虑系数；
17、s7：根据患者对应的焦虑系数，获取患者对应的焦虑等级。
18、进一步地，所述s2中，数据差值系数的计算方法包括：
19、；
20、式中，为数据差值系数，为心率差值，为皮肤电导差值，为皮肤温度差值，、为预设权重。
21、进一步地，所述s3中，获取肌电图中频率和振幅的方法包括：
22、通过对肌电图中的肌电信号进行快速傅里叶变换分解，将时域上的肌电信号转换为频域上的能量谱，获取肌电图中的频率；快速傅里叶变换为，其中表示频域上第个频率分量，表示时域上第个肌电信号，表示肌电信号的总数，为自然对数常数，为虚数单位，为圆周率；
23、将肌电图中肌电信号对应的峰值减去肌电信号对应的谷值，获取肌电图中的振幅。
24、进一步地，所述s5中，肌电图差值系数的计算方法包括：
25、；
26、式中，为肌电图差值系数，为频率差值，为振幅差值，、为预设权重。
27、进一步地，所述s6中，焦虑系数的计算方法包括：
28、
29、式中，为焦虑系数，、为预设权重，为预设常数。
30、进一步地，正向指导包括鼓励性的言辞、社交技能指导以及情境解释。
31、进一步地，判断是否对患者所处虚拟日常生活场景进行调整的方法包括：
32、若患者在社交焦虑障碍训练过程中，对应的焦虑等级达到5级，或患者主动要求结束训练，则结束患者本次社交焦虑障碍训练；
33、若患者在社交焦虑障碍训练过程中，对应的焦虑等级未达到5级，则在本次社交焦虑障碍训练结束时，再次获取患者对应的焦虑等级；
34、若患者对应的焦虑等级小于或等于3级，则调整患者所处的虚拟日常生活场景，对患者再次进行社交焦虑障碍训练；
35、若患者对应的焦虑等级等于4级，则不调整患者所处的虚拟日常生活场景，结束患者本次社交焦虑障碍训练。
36、进一步地，提供实际社交活动中克服社交焦虑障碍对应解决方法的方法包括：
37、将患者对应的焦虑障碍情况和解决方法进行编号；
38、获取患者进行社交焦虑障碍训练的次数以及最后一次社交焦虑障碍训练对应的焦虑等级；
39、将患者对应的焦虑障碍情况编号、进行社交焦虑障碍训练的次数、最后一次社交焦虑障碍训练对应的焦虑等级作为训练数据；
40、将实时采集的训练数据，输入训练完成的方法预测模型，获取本文档来自技高网...
【技术保护点】
1.焦虑障碍虚拟现实训练系统，其特征在于，包括：
2.根据权利要求1所述的焦虑障碍虚拟现实训练系统，其特征在于，患者的焦虑障碍情况包括聚会障碍、面试障碍、展示障碍、社交媒体障碍以及课堂障碍中任一种；
3.根据权利要求2所述的焦虑障碍虚拟现实训练系统，其特征在于，所述焦虑等级的获取方法包括：
4.根据权利要求3所述的焦虑障碍虚拟现实训练系统，其特征在于，所述S2中，数据差值系数的计算方法包括：
5.根据权利要求4所述的焦虑障碍虚拟现实训练系统，其特征在于，所述S3中，获取肌电图中的频率和振幅的方法包括：
6.根据权利要求5所述的焦虑障碍虚拟现实训练系统，其特征在于，所述S5中，肌电图差值系数的计算方法包括：
7.根据权利要求6所述的焦虑障碍虚拟现实训练系统，其特征在于，所述S6中，焦虑系数的计算方法包括：
8.根据权利要求7所述的焦虑障碍虚拟现实训练系统，其特征在于，正向指导包括鼓励性的言辞、社交技能指导以及情境解释。
9.根据权利要求8所述的焦虑障碍虚拟现实训练系统，其特征在于，判断是
10.根据权利要求9所述的焦虑障碍虚拟现实训练系统，其特征在于，提供实际社交活动中克服社交焦虑障碍对应解决方法的方法包括：
11.焦虑障碍虚拟现实训练方法，其特征在于，基于权利要求1-10中任一项所述的焦虑障碍虚拟现实训练系统实现，所述方法包括：
12.一种电子设备，包括存储器、中央处理器以及存储在存储器上并在中央处理器上运行的计算机程序，其特征在于，所述中央处理器执行所述计算机程序时实现权利要求11所述焦虑障碍虚拟现实训练方法。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时实现权利要求11所述焦虑障碍虚拟现实训练方法。
...【技术特征摘要】
1.焦虑障碍虚拟现实训练系统，其特征在于，包括：
2.根据权利要求1所述的焦虑障碍虚拟现实训练系统，其特征在于，患者的焦虑障碍情况包括聚会障碍、面试障碍、展示障碍、社交媒体障碍以及课堂障碍中任一种；
3.根据权利要求2所述的焦虑障碍虚拟现实训练系统，其特征在于，所述焦虑等级的获取方法包括：
4.根据权利要求3所述的焦虑障碍虚拟现实训练系统，其特征在于，所述s2中，数据差值系数的计算方法包括：
5.根据权利要求4所述的焦虑障碍虚拟现实训练系统，其特征在于，所述s3中，获取肌电图中的频率和振幅的方法包括：
6.根据权利要求5所述的焦虑障碍虚拟现实训练系统，其特征在于，所述s5中，肌电图差值系数的计算方法包括：
7.根据权利要求6所述的焦虑障碍虚拟现实训练系统，其特征在于，所述s6中，焦虑系数的计算方法包括：
8.根据权利要求7所述的焦虑障碍虚拟现实训...
【专利技术属性】
技术研发人员：孙喆，顾天路，郝敬智，
申请(专利权)人：南京元域绿洲科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。