System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及注意力检测评估,特别涉及一种评估注意力程度的方法及系统。
技术介绍
1、注意力缺陷多动障碍(adhd)是一种主要在儿童期发现的神经发育障碍,分为注意力不集中型、多动/冲动型和混合型。这些儿童常有专注障碍和短暂的注意力,虽然主要在儿童期出现,约5%的患者症状持续到成年,影响其社交和适应能力,adhd的原因可能与遗传、脑部结构、神经递质和环境因素有关。症状与其他疾病如自闭症相似,增加了误诊的风险,目前的诊断方法主要有临床量表,这种方法较为主观,因此开发客观的诊断工具十分必要。
2、现有技术有利用虚拟现实装置进行诊断测试,其利用虚拟现实装置测试反应患者在日常生活中的行为表现,从而可以更准确地评估患者的症状和功能,也有利用检测手部或眼部运动进行测试的,其通过检测用户的手部或眼部的运动数据,以理解复杂运动,但鲜有利用子运动(子运动是指构成更大的协调动作的小的、离散的运动)进行测试检测的,亦缺少一种结合虚拟现实装置和手部子运动对注意力程度进行评估的方法。
3、因此,研究一种能结合虚拟现实技术和子运动数据分析的评估注意力程度的方法及系统具有重要意义。
技术实现思路
1、本专利技术的目的在于提供一种评估注意力程度的方法及系统,通过子运动数据与虚拟现实的结合捕捉儿童在特定任务中的微小行为差异,并对行为差异进行分类,可以有效地评估注意力缺陷情况,填补了现有评估注意力程度的方法中缺少结合虚拟现实技术和子运动数据分析的空白。
2、为了解决上述技术问题,本方
3、向用户展示注意力虚拟测试任务;
4、采集用户在执行所述注意力测试任务中的运动数据;
5、利用所述运动数据提取子运动,并基于所述子运动提取子运动特征,其中,所述子运动为用于构成完整的小幅度的离散的运动;
6、基于所述子运动特征,通过评估注意力程度模型对所述用户进行注意力评估,得到评估结果。
7、在第一方案的一些实施例中,在利用所述运动数据提取子运动,并基于所述子运动提取子运动特征,得到子运动特征,这一步骤中,具体包括以下步骤:
8、基于所述运动数据,构建速度时间函数;
9、基于所述速度时间函数,从速度的切向速度中提取所述子运动,得到子运动函数;
10、将所述子运动函数与所述速度时间函数进行线性组合,得到组合函数;
11、根据预设要求确定所述组合函数,得到子运动组合函数;
12、基于所述子运动组合函数,提取路径规划参数、控制增益参数和容错参数,得到所述子运动特征。
13、在第一方案的一些实施例中,在基于所述运动数据,构建速度时间函数,这一步骤中,具体包括以下步骤:
14、基于所述运动数据,遍历计算三维空间中任意相邻两点间的距离并取所述距离的模长,得到多个所述距离的模长;
15、将所有所述距离的模长相加得到总位移;
16、基于所述总位移计算平均速度,并利用滤波器进行滤波,得到滤波后的平均速度,构建速度时间函数。
17、在第一方案的一些实施例中,所述子运动函数的定义如下:
18、
19、上式中,b(t)为所述子运动函数,d是运动产生的位移,其中t0≤t≤t1,t0是运动开始时间,t1是运动结束时间,μ控制偏度,σ确定曲线的峰度。
20、在第一方案的一些实施例中,所述预设要求为:所述组合函数的拟合误差小于预设阈值;
21、所述拟合误差的定义如下:
22、
23、上式中,g(t)是所述速度时间函数,f(t)是所述子运动组合函数,ε为所述拟合误差。
24、在第一方案的一些实施例中,所述子运动特征包括最小曲率半径、pid、位置容错误差和方向容错误差。
25、在第一方案的一些实施例中,在采集用户在执行所述注意力测试任务中的运动数据,这一步骤中,具体包括以下步骤:
26、构建三维采样空间;
27、基于所述三维采样空间,结合自动校正算法采集用户在执行所述注意力测试任务中的三维手部运动数据。
28、在第一方案的一些实施例中,所述注意力虚拟测试任务包括跟随任务、空间记忆任务和目标搜索任务中的至少一个。
29、在第一方案的一些实施例中,所述评估注意力程度模型的构建训练过程,具体包括以下步骤:
30、运动数据采集并提取子运动,对所述子运动进行标注,得到标注后的子运动;
31、利用transformer进行所述子运动特征提取;
32、基于所述子运动特征构建子运动检测模块和子运动分类模块;
33、利用所述标注后的子运动对所述子运动检测模块和所述子运动分类模块进行迭代训练,得到评估注意力程度模型。
34、本方案的第二方案在于,提供了一种评估注意力程度的系统,应用了上述所述的第一方案,包括:
35、交互体验模块,用于向用户展示注意力虚拟测试任务;
36、数据实时捕获模块,用于采集用户在执行所述注意力测试任务中的运动数据;
37、子运动分析模块,用于利用所述运动数据提取子运动,并基于所述子运动提取子运动特征,得到子运动特征;
38、分类模块,用于基于所述子运动特征,通过评估注意力程度模型对所述用户进行注意力评估,得到评估结果。
39、本专利技术较为突出的有益效果如下:
40、本专利技术结合虚拟现实技术和子运动分析来更准确地评估儿童的症状,通过虚拟现实游戏能详细记录每个子运动的信息,通过捕捉含有儿童在特定任务中的微小行为差异的子运动的信息,并进行分析,可以识别出其中的模式和规律,方便后续解析用户意图,为评估提供准确和客观的数据支撑,不仅评估结果稳定可靠,还为adhd的未来研究和治疗开启了新的视角,可以有效地评估注意力缺陷情况。
本文档来自技高网...【技术保护点】
1.一种评估注意力程度的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的评估注意力程度的方法,其特征在于,在利用所述运动数据提取子运动,并基于所述子运动提取子运动特征,得到子运动特征,这一步骤中,具体包括以下步骤:
3.根据权利要求2所述的评估注意力程度的方法,其特征在于,在基于所述运动数据,构建速度时间函数,这一步骤中,具体包括以下步骤:
4.根据权利要求2所述的评估注意力程度的方法,其特征在于,所述子运动函数的定义如下:
5.根据权利要求2所述的评估注意力程度的方法,其特征在于,所述预设要求为:所述组合函数的拟合误差小于预设阈值;
6.根据权利要求2所述的评估注意力程度的方法,其特征在于,所述子运动特征包括最小曲率半径、PID、位置容错误差和方向容错误差。
7.根据权利要求1所述的评估注意力程度的方法,其特征在于,在采集用户在执行所述注意力测试任务中的运动数据,这一步骤中,具体包括以下步骤:
8.根据权利要求1所述的评估注意力程度的方法,其特征在于,所述注意力虚拟测试任务包括跟随任务
9.根据权利要求1所述的评估注意力程度的方法,其特征在于,所述评估注意力程度模型的构建训练过程,具体包括以下步骤:
10.一种评估注意力程度的系统,其特征在于,应用了权利要求1至权利要求9任一项中所述的评估注意力程度的方法,包括:
...【技术特征摘要】
1.一种评估注意力程度的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的评估注意力程度的方法,其特征在于,在利用所述运动数据提取子运动,并基于所述子运动提取子运动特征,得到子运动特征,这一步骤中,具体包括以下步骤:
3.根据权利要求2所述的评估注意力程度的方法,其特征在于,在基于所述运动数据,构建速度时间函数,这一步骤中,具体包括以下步骤:
4.根据权利要求2所述的评估注意力程度的方法,其特征在于,所述子运动函数的定义如下:
5.根据权利要求2所述的评估注意力程度的方法,其特征在于,所述预设要求为:所述组合函数的拟合误差小于预设阈值;
6.根据权利要求2所述的评估注意力...
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。