CN113611394A - 基于虚拟现实技术对强迫症状的心理评估及干预方法 - Google Patents
基于虚拟现实技术对强迫症状的心理评估及干预方法 Download PDFInfo
- Publication number
- CN113611394A CN113611394A CN202110748048.0A CN202110748048A CN113611394A CN 113611394 A CN113611394 A CN 113611394A CN 202110748048 A CN202110748048 A CN 202110748048A CN 113611394 A CN113611394 A CN 113611394A
- Authority
- CN
- China
- Prior art keywords
- training
- scene
- trainer
- library
- physiological state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Abstract
本发明公开了一种基于虚拟现实技术对强迫症状的心理评估及干预方法,系统根据训练者对不同图像,视频的打分以及相应的片段图形资料,根据机器学习后,自动生成相应的完整训练场景模型及制定相应的干预训练计划,通过虚拟现实技术模拟场景,进行多次强迫观念脱敏训练、强迫行为矫正训练,使训练者增加自身的心理素质,学会如何自我摆脱强迫观念,进而消除强迫行为及强迫行为释放的内心压力;相比现有技术,本发明能够使训练者主动明确强迫观念及如何产生,在主动参与控制认知性训练强度的过程中,了解强迫观念的等级以及行为矫正所带来的的身心感受,为迁延性、反复性、多重性的强迫症状带来新的治疗方法。
Description
技术领域
本发明涉及虚拟现实应用领域,具体涉及基于虚拟现实技术对强迫症状的心理评估及干预方法。
背景技术
强迫症(OCD)是一组以强迫思维和强迫行为为主要临床表现的神经精神疾病,其特点为有意识的强迫和反强迫并存,一些毫无意义、甚至违背自己意愿的想法或冲动反反复复侵入患者的日常生活。患者虽体验到这些想法或冲动是来源于自身,极力抵抗,但始终无法控制,二者强烈的冲突使其感到巨大的焦虑和痛苦,影响学习工作、人际交往甚至生活起居。
近年来统计数据提示强迫症的发病率正在不断攀升,有研究显示普通人群中强迫症的终身患病率为1%~2%,约2/3的患者在25岁前发病。强迫症因其起病早、病程迁延等特点,常对患者社会功能和生活质量造成极大影响,传统治疗方法:(1)心理治疗,即治疗师与患者面对面沟通,通过认知行为训练、思维阻断训练、暴露反应训练、放松训练等;(2)药物治疗;(3)物理治疗等。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种基于虚拟现实技术对碎片场景的识别/分类和理解、选定,自动自主建立虚拟场景,训练场景从轻度到重度逐次变化,自动调整、自主调整或者干预式调整,配合虚实融合训练流程和发病关联因素的追溯性认知、并主观表达出与症状有关因素图景的具体解决行为,使得顽固性、迁延性、多重性的强迫症能在传统训练方法上,增加另一种无论对施行者和训练者,能更多从症状根源上,从具象中找到针对性、可控性、智能化的解决强迫症的方法。
为了实现上述目标,本发明采用如下的技术方案:
基于虚拟现实技术对强迫症状的心理评估及干预方法,其特征在于,包括以下步骤:
S1、训练者填写强迫症相关的量表,进行评估;
S2、训练者佩戴VR头盔,进入平缓、松弛、无刺激的场景;
S3、机器人向训练者介绍训练流程,并在轻松场景中先后出现若干选项,所述选项包括图像库选择进入、视频库选择进入、建模场景库选择进入;
S4、训练者依次对图像库、视频库和建模场景库进行选择,即当对图像库选择完毕后,进行视频库选择,视频库选择完毕后,进行建模场景库选择;
S5、图像库、视频库和建模场景库均需要进行多模态选择,使用多模态控制,训练者对每次呈现物件的不同图像进行不断切换,并且打分,分别选出图像库、视频库和建模场景库的最优组合分;
S6、系统根据分别选出图像库、视频库和建模场景库的最优组合分,及量表评分,与每一个库中相应的片段图形资料,自动生成相应的完整训练场景模型及制定相应的干预训练计划;
S7、在训练者进行干预训练时,通过训练场景的逐级加强,并有摄像头和生物反馈设备记录训练者在训练时的状态,并传输给后台做数据存储和分析;
S8、训练场景根据收到的实时视频及训练者认知评价进行评估,并给出报告和训练调整计划;
S9、训练者单次训练结束,生理状态恢复至常态后,训练者对训练场景中含有的主题内容进行手动拆除;
S10、将场景主题片段归入之前的图像库、视频库、建模场景库,训练者更加明确强迫症状的具体原因,并通过亲手拆除训练场景,强化暗示强迫观念及强迫行为的告别,强化训练效果;
S11、重复步骤S3-S10,直至训练者流畅完成本次干预训练计划中的所有训练,训练结束。
作为本发明的进一步优选,步骤S2开始进入训练场景前,为之后的图像、视频和建模场景要素选择,进行心理压力的清空准备,所述清空准备包括让患者在集中注意力的同时,放松呼吸,并做舒缓的肢体活动。
作为本发明的进一步优选,步骤S6中,根据图像库、视频库和建模场景库的最优组合分,结合图像库、视频库和建模场景库中对应的片段图形资料,通过模型自动生成相应的完整训练场景模型,并根据模型分析将训练场景进行逐级加强,形成阶梯式训练场景,通过摄像头和生物反馈设备记录训练者在训练时的生理状态,生理状态包括生理状态临界值和生理状态阈值,生理状态临界值用于监控训练者是否需要重复训练场景,生理状态阈值用于监控训练者是否能够继续训练;在步骤S3-10中,当训练者生理状态发生变化,并到达生理状态阈值上限时,停止训练;当训练者生理状态发生变化,到达生理状态临界值未达生理状态阈值上限时,停止后续训练,重复当前训练场景之前的训练步骤以及当前训练场景;当训练者生理状态发生变化,未到达生理状态临界值,继续训练;在步骤S3-S10中,当训练者完成训练后,需亲手在场景中手动拆除场景要素并将之归类到原先库中。
作为本发明的进一步优选,步骤S7中,逐级训练场景根据实时视分析,为下一次干预训练调整生理状态临界值和生理状态临界值。
作为本发明的进一步优选,步骤S9中,手动拆除训练场景并将场景要素归类,暗示和鼓励训练者,强化暗示强迫观念及强迫行为的告别,强化训练效果。
本发明的有益之处在于:本发明利用机器学习和虚拟现实技术,充分模拟场景,通过场景自动组合、逐级加强、认知训练、行为矫正等教导训练,生理参数监控、使训练者不断学习如何认知强迫观念,并进行强迫行为矫正;通过不断的重复训练,使训练者增加自身的心理素质,克服强迫症状心理;操作者在训练后与训练者沟通和总结训练时的心理问题,辅助训练者树立正确的、强大的心理。
具体实施方式
以下结合具体实施例对本发明作具体的介绍。
基于虚拟现实技术对强迫症状的心理评估及干预方法,其特征在于,包括以下步骤:
S1、训练者填写强迫症相关的量表,进行评估;
S2、训练者佩戴VR头盔,进入平缓、松弛、无刺激的场景;
S3、机器人向训练者介绍训练流程,并在轻松场景中先后出现若干选项,所述选项包括图像库选择进入、视频库选择进入、建模场景库选择进入;
S4、训练者依次对图像库、视频库和建模场景库进行选择,即当对图像库选择完毕后,进行视频库选择,视频库选择完毕后,进行建模场景库选择;
S5、图像库、视频库和建模场景库均需要进行多模态选择,使用多模态控制,训练者对每次呈现物件的不同图像进行不断切换,并且打分,分别选出图像库、视频库和建模场景库的最优组合分;
S6、系统根据分别选出图像库、视频库和建模场景库的最优组合分,及量表评分,与每一个库中相应的片段图形资料,自动生成相应的完整训练场景模型及制定相应的干预训练计划;
S7、在训练者进行干预训练时,通过训练场景的逐级加强,并有摄像头和生物反馈设备记录训练者在训练时的状态,并传输给后台做数据存储和分析;
S8、训练场景根据收到的实时视频及训练者认知评价进行评估,并给出报告和训练调整计划;
S9、训练者单次训练结束,生理状态恢复至常态后,训练者对训练场景中含有的主题内容进行手动拆除;
S10、将场景主题片段归入之前的图像库、视频库、建模场景库,训练者更加明确强迫症状的具体原因,并通过亲手拆除训练场景,强化暗示强迫观念及强迫行为的告别,强化训练效果;
S11、重复步骤S3-S10,直至训练者流畅完成本次干预训练计划中的所有训练,训练结束。
步骤S2开始进入训练场景前,为之后的图像、视频和建模场景要素选择,进行心理压力的清空准备,所述清空准备包括让患者在集中注意力的同时,放松呼吸,并做舒缓的肢体活动。
步骤S6中,根据图像库、视频库和建模场景库的最优组合分,结合图像库、视频库和建模场景库中对应的片段图形资料,通过模型自动生成相应的完整训练场景模型,并根据模型分析将训练场景进行逐级加强,形成阶梯式训练场景,通过摄像头和生物反馈设备记录训练者在训练时的生理状态,生理状态包括生理状态临界值和生理状态阈值,生理状态临界值用于监控训练者是否需要重复训练场景,生理状态阈值用于监控训练者是否能够继续训练;在步骤S3-10中,当训练者生理状态发生变化,并到达生理状态阈值上限时,停止训练;当训练者生理状态发生变化,到达生理状态临界值未达生理状态阈值上限时,停止后续训练,重复当前训练场景之前的训练步骤以及当前训练场景;当训练者生理状态发生变化,未到达生理状态临界值,继续训练;在步骤S3-S10中,当训练者完成训练后,需亲手在场景中手动拆除场景要素并将之归类到原先库中。
步骤S7中,逐级训练场景根据实时视分析,为下一次干预训练调整生理状态临界值和生理状态临界值。
步骤S9中,手动拆除训练场景并将场景要素归类,暗示和鼓励训练者,强化暗示强迫观念及强迫行为的告别,强化训练效果。
本训练方法是通过虚拟现实技术,将强迫症发病诱因图景随机由图像库、视频库、建模场景库调取,并展示给患者,通过多模态和跨模态检索,检测目标和眼动跟踪及相应目标之间关系,确定场景识别/分类、确定场景理解和选定,从而将碎片化的发病相关的因素自主生成带有发病诱因的训练场景,训练场景从轻度到重度,逐次递增;自动调整、自主调整或者干预式调整,为使得训练更加真实,训练的过程中,根据患者对训练的接收程度,如接收程度高,可适当增加与场景相关的实物,通过触觉感知,配合场景视觉感知,达到增强认识感觉和训练效果。
单次训练完成后,患者手势互动,将训练场景中与症状有关的因素图景分类还和原到图像库、视频库和建模场景库,并主观表达出与症状有关因素图景的具体解决行为,再次强化认识训练的效果,同时对描述性语言的选择,对照前后训练所影响到的情绪反应变化,为下次训练积累参考,直至训练结束。
本发明的有益之处在于:本发明利用机器学习和虚拟现实技术,充分模拟场景,通过场景自动组合、逐级加强、认知训练、行为矫正等教导训练,生理参数监控、使训练者不断学习如何认知强迫观念,并进行强迫行为矫正;通过不断的重复训练,使训练者增加自身的心理素质,克服强迫症状心理;操作者在训练后与训练者沟通和总结训练时的心理问题,辅助训练者树立正确的、强大的心理。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (5)
1.基于虚拟现实技术对强迫症状的心理评估及干预方法,其特征在于,包括以下步骤:
S1、训练者填写强迫症相关的量表,进行评估;
S2、训练者佩戴VR头盔,进入平缓、松弛、无刺激的场景;
S3、机器人向训练者介绍训练流程,并在轻松场景中先后出现若干选项,所述选项包括图像库选择进入、视频库选择进入、建模场景库选择进入;
S4、训练者依次对图像库、视频库和建模场景库进行选择,即当对图像库选择完毕后,进行视频库选择,视频库选择完毕后,进行建模场景库选择;
S5、图像库、视频库和建模场景库均需要进行多模态选择,使用多模态控制,训练者对每次呈现物件的不同图像进行不断切换,并且打分,分别选出图像库、视频库和建模场景库的最优组合分;
S6、系统根据分别选出图像库、视频库和建模场景库的最优组合分,及量表评分,与每一个库中相应的片段图形资料,自动生成相应的完整训练场景模型及制定相应的干预训练计划;
S7、在训练者进行干预训练时,通过训练场景的逐级加强,并有摄像头和生物反馈设备记录训练者在训练时的状态,并传输给后台做数据存储和分析;
S8、训练场景根据收到的实时视频及训练者认知评价进行评估,并给出报告和训练调整计划;
S9、训练者单次训练结束,生理状态恢复至常态后,训练者对训练场景中含有的主题内容进行手动拆除;
S10、将场景主题片段归入之前的图像库、视频库、建模场景库,训练者更加明确强迫症状的具体原因,并通过亲手拆除训练场景,强化暗示强迫观念及强迫行为的告别,强化训练效果;
S11、重复步骤S3-S10,直至训练者流畅完成本次干预训练计划中的所有训练,训练结束。
2.根据权利要求1所述的基于虚拟现实技术对强迫症状的心理评估及干预方法,其特征在于,步骤S2开始进入训练场景前,为之后的图像、视频和建模场景要素的选择,进行心理压力的清空准备,所述清空准备包括让患者在集中注意力的同时,放松呼吸,并做舒缓的肢体活动。
3.根据权利要求1所述的基于虚拟现实技术对强迫症状的心理评估及干预方法,其特征在于,步骤S6中,根据图像库、视频库和建模场景库的最优组合分,结合图像库、视频库和建模场景库中对应的片段图形资料,通过模型自动生成相应的完整训练场景模型,并根据模型分析将训练场景进行逐级加强,形成阶梯式训练场景,通过摄像头和生物反馈设备记录训练者在训练时的生理状态,生理状态包括生理状态临界值和生理状态阈值,生理状态临界值用于监控训练者是否需要重复训练场景,生理状态阈值用于监控训练者是否能够继续训练;在步骤S3-10中,当训练者生理状态发生变化,并到达生理状态阈值上限时,停止训练;当训练者生理状态发生变化,到达生理状态临界值未达生理状态阈值上限时,停止后续训练,重复当前训练场景之前的训练步骤以及当前训练场景;当训练者生理状态发生变化,未到达生理状态临界值,继续训练;在步骤S3-S10中,当训练者完成训练后,需亲手在场景中手动拆除场景要素并将之归类到原先库中。
4.根据权利要求3所述的基于虚拟现实技术对强迫症状的心理评估及干预方法,其特征在于,步骤S7中,逐级训练场景根据实时视分析,为下一次干预训练调整生理状态临界值和生理状态临界值。
5.根据权利要求3所述的基于虚拟现实技术对强迫症状的心理评估及干预方法,其特征在于,步骤S9中,手动拆除训练场景并将场景要素归类,暗示和鼓励训练者,强化暗示强迫观念及强迫行为的告别,强化训练效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110748048.0A CN113611394A (zh) | 2021-07-02 | 2021-07-02 | 基于虚拟现实技术对强迫症状的心理评估及干预方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110748048.0A CN113611394A (zh) | 2021-07-02 | 2021-07-02 | 基于虚拟现实技术对强迫症状的心理评估及干预方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113611394A true CN113611394A (zh) | 2021-11-05 |
Family
ID=78337211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110748048.0A Pending CN113611394A (zh) | 2021-07-02 | 2021-07-02 | 基于虚拟现实技术对强迫症状的心理评估及干预方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113611394A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114520042A (zh) * | 2022-03-03 | 2022-05-20 | 深圳市常春藤心理咨询有限公司 | 一种智能心理干预方法、系统、终端及存储介质 |
CN115376695A (zh) * | 2022-10-25 | 2022-11-22 | 安徽星辰智跃科技有限责任公司 | 基于扩展现实的神经心理评估及干预的方法、系统和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108428475A (zh) * | 2018-05-15 | 2018-08-21 | 段新 | 基于人体生理数据监测和虚拟现实的生物反馈训练系统 |
CN108461126A (zh) * | 2018-03-19 | 2018-08-28 | 傅笑 | 结合虚拟现实(vr)技术的新型智能化心理评估及干预系统 |
CN109171772A (zh) * | 2018-08-13 | 2019-01-11 | 李丰 | 一种基于vr技术的心理素质训练系统及训练方法 |
US20190189023A1 (en) * | 2017-12-15 | 2019-06-20 | Cantab Tecnología S. de R.L. de C.V. | Virtual reality training method for prevention of bullying |
CN112133408A (zh) * | 2020-09-28 | 2020-12-25 | 安徽徽韵心理咨询有限公司 | 一种基于vr技术的心理训练互动系统及训练方法 |
-
2021
- 2021-07-02 CN CN202110748048.0A patent/CN113611394A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190189023A1 (en) * | 2017-12-15 | 2019-06-20 | Cantab Tecnología S. de R.L. de C.V. | Virtual reality training method for prevention of bullying |
CN108461126A (zh) * | 2018-03-19 | 2018-08-28 | 傅笑 | 结合虚拟现实(vr)技术的新型智能化心理评估及干预系统 |
CN108428475A (zh) * | 2018-05-15 | 2018-08-21 | 段新 | 基于人体生理数据监测和虚拟现实的生物反馈训练系统 |
CN109171772A (zh) * | 2018-08-13 | 2019-01-11 | 李丰 | 一种基于vr技术的心理素质训练系统及训练方法 |
CN112133408A (zh) * | 2020-09-28 | 2020-12-25 | 安徽徽韵心理咨询有限公司 | 一种基于vr技术的心理训练互动系统及训练方法 |
Non-Patent Citations (1)
Title |
---|
尹合栋 等: "《基于OpenGL和VC++的大学生心理治疗虚拟现实系统设计》", 《扬州大学学报(高教研究版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114520042A (zh) * | 2022-03-03 | 2022-05-20 | 深圳市常春藤心理咨询有限公司 | 一种智能心理干预方法、系统、终端及存储介质 |
CN115376695A (zh) * | 2022-10-25 | 2022-11-22 | 安徽星辰智跃科技有限责任公司 | 基于扩展现实的神经心理评估及干预的方法、系统和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830379B2 (en) | Enhancing cognition in the presence of distraction and/or interruption | |
US10226172B2 (en) | Vision-based diagnosis and treatment | |
WO2020119355A1 (zh) | 自闭症谱系障碍患者的多模态情感认知能力的评估方法 | |
CN113611394A (zh) | 基于虚拟现实技术对强迫症状的心理评估及干预方法 | |
CN109805944B (zh) | 一种儿童共情能力分析系统 | |
CN110729049A (zh) | 心理健康预警方法 | |
CN113611395A (zh) | 基于虚拟现实技术的精神心理疾患用户辅助训练方法 | |
CN113517055A (zh) | 一种基于虚拟仿真3d技术的认知评估训练方法 | |
CA3048068A1 (en) | Adaptive behavioral training, and training of associated physiological responses, with assessment and diagnostic functionality | |
Krüger et al. | TVA in the wild: Applying the theory of visual attention to game-like and less controlled experiments | |
CN112402767A (zh) | 眼动脱敏再加工干预系统及眼动脱敏再加工干预方法 | |
Chen et al. | A VR-based Training and Intelligent Assessment System Integrated with Multi-modal Sensing for Children with Autism Spectrum Disorder | |
Giusti | Is learning movement sequences influenced by eye fixation location? | |
EP4330976A1 (en) | Methods for adaptive behavioral training using gaze -contingent eye tracking and devices thereof | |
CN115346642A (zh) | 一种自闭症谱系障碍的智能训练方法、设备及介质 | |
Earhart | Comparison of Sensorimotor Coordination in Deaf and Hearing Infants | |
Choe | Spatiotemporal Integration of Early Visual Processing: Visual Phenomena beyond the Critical Fusion Frequency | |
Kalbande et al. | Detecting the Attention Span of Autistic Children | |
CN115272645A (zh) | 多模态数据采集设备及训练中枢疲劳检测模型的方法 | |
Page | The development and effectiveness of perceptual training programme for coaches and judges in gymnastics | |
Page | The development and effectiveness of perceptual training programme for | |
Paeglis | Measurements of kinematics of the eye in characterising cognitive processes | |
Ortiz-Tudela et al. | Header: SCHEMA-DRIVEN PREDICTION EFFECTS ON MEMORY |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |