CN113925490A - 空间定向障碍分类方法 - Google Patents

空间定向障碍分类方法 Download PDF

Info

Publication number
CN113925490A
CN113925490A CN202111199279.7A CN202111199279A CN113925490A CN 113925490 A CN113925490 A CN 113925490A CN 202111199279 A CN202111199279 A CN 202111199279A CN 113925490 A CN113925490 A CN 113925490A
Authority
CN
China
Prior art keywords
test
dispersion
mass center
group
data
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.)
Granted
Application number
CN202111199279.7A
Other languages
English (en)
Other versions
CN113925490B (zh
Inventor
郝晨汝
程莉
李晓红
赵瑞斌
吴艳茹
范晓娅
李欣蔚
赵正
王安琪
董春楠
池子强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei Medical University
Original Assignee
Hebei Medical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hebei Medical University filed Critical Hebei Medical University
Priority to CN202111199279.7A priority Critical patent/CN113925490B/zh
Publication of CN113925490A publication Critical patent/CN113925490A/zh
Application granted granted Critical
Publication of CN113925490B publication Critical patent/CN113925490B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Neurology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Dentistry (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种空间定向障碍分类方法，利用测力台进行SD测试组和对照组的测试，获取SD测试组和对照组的两组躯体质量中心数据，通过预处理和离散度计算将两组测试的质量中心数据偏离量提取出来，作为行为学数据，可以对未认知到SD的这类行为学数据做进一步分析，以明确是否有不可认知型SD发生。本发明为鉴定不可认知型SD、筛选认知阈下的飞行员以及不可认知型SD的对抗训练提供客观的依据。在实际应用中，可通过本发明将飞行员发生的SD类型细分，为飞行员个体提供具有针对性的SD对抗训练，使飞行员明确不可认知型SD发生时的自身状态，通过训练降低认知域值限，最终帮助飞行员及时对抗SD，降低飞行事故和人员伤亡。

Description

空间定向障碍分类方法
技术领域
本发明涉及空间定向障碍技术领域，特别是涉及空间定向障碍分类方法。
背景技术
空间定向障碍(Spatialdisorientation,SD)是指飞行员在三维空间中运动时对自身飞行高度、位置或姿态的错误判断。按认知水平分为三个子类型：不可认知型(Unrecognized)SD，可认知型(Recognized)SD和不可对抗型(Incogitative)SD。
SD严重影响着飞行安全，目前，评价SD的方法多以主观评价和量表评价为主，其前提是飞行员已经认知到了SD，属于可认知型和不可对抗型SD的研究范畴，不可认知型SD属于认知域下，飞行员在发生这类SD时，并不认为自身出现定向障碍，故主观评价和飞行量表的评价方法并不适用于不可认知型SD。而且，主观评价和量表评价还存在主观性较大以及无法区分不同种类的SD的缺陷，进而不能为飞行员提供个性化的SD对抗训练，无法从根本上解决由SD引发的飞行事故。
因此，亟需一种能够客观评价并对SD类型进行区分的具体实施方法。
发明内容
有鉴于此，本发明提供了空间定向障碍的分类方法，实现了空间定向障碍的客观评价及三种子类型的区分。
为此，本发明提供了以下技术方案：
本发明公开了一种空间定向障碍分类方法，包括：
步骤1、获取空间定向障碍的测试组和对照组的两组躯体质量中心数据；
步骤2、对获取的两组躯体质量中心数据进行预处理；
步骤3、对预处理后的两组躯体质量中心数据进行离散度计算；离散度Di为躯体质量中心的每一个点与平均值之间的距离，计算公式如下：
Figure BDA0003304329680000021
其中
Figure BDA0003304329680000022
xi、yi分别为第i个采样点在X方向上、Y方向上的坐标，m为30秒内的总采样点数；
步骤4、基于两组躯体质量中心数据的离散度进行统计分析；
对对照组的n次重复实验的躯体质量中心离散度求平均值，作为无空间定向障碍发生时的躯体质量中心的离散度，计算方法如下：
Figure BDA0003304329680000023
其中n＝6。
将测试组的躯体质量中心数据的离散度与无空间定向障碍发生的躯体质量中心的离散度做配对T检验，计算公式如下：
Figure BDA0003304329680000024
其中，t为统计量，
Figure BDA0003304329680000025
分别为对照组和测试组的平均值
Figure BDA0003304329680000026
i表示第i个采样点，
Figure BDA0003304329680000027
分别为两样本的方差，nC、nT分别为对照组和测试组的样本容量；DCi为对照组的躯体质量中心数据的离散度，DTi为测试组的躯体质量中心数据的离散度；
步骤5、基于统计分析结果确定空间定向障碍的类型。
进一步地，获取数据时采用的设备包括：足底压力测力台，所述足底压力测力台的面积为400×600mm2，采集躯体质量中心的X方向投影数据Mx和躯体质量中心的Y方向投影数据My；
还包括投影仪和投影幕。
进一步地，对获取的两组躯体质量中心数据进行预处理，包括：
通过坐标变换将原点变换到足底压力测力台的左下角位置，使得压力中心所有坐标点为正数，变换公示如下：
(x,y)＝f(i,j)＝(i+300,j+200)；
其中，(x,y)为坐标变换后的坐标数值，(i,j)为坐标变换前的坐标数值；
将左边变换后的数据进行滤波处理。
进一步地，使用低通巴特沃斯滤波器，截止频率为10Hz。
进一步地，测试组和对照组的测试过程均在黑暗的环境中进行，受试者站立于足底压力测力台上；
测试组中，受试者观看投影幕上的空间定向障碍诱发视频，测试时间为30秒，测试结束后，询问受试者是否感觉到空间定向障碍，并记录受试者的主观作答结果；
对照组中，受试者观看投影幕上静止的图像，测试时间为30秒，重复测试6组。
进一步地，t检验的显著性水平取0.05。
进一步地，发生空间定向障碍的测试组分为两类，包括：受试者主观有空间定向障碍发生的测试组；以及测试组与对照组躯体质量中心的离散度经t检验，有显著性差异的测试组；
基于统计分析结果确定空间定向障碍的类型，包括：
若受试者主观有空间定向障碍发生，且测试组躯体质量中心中的离散度与对照组有显著性差异，则受试者的空间定向障碍的类型为不可对抗型空间定向障碍；
若受试者主观有SD发生，且测试组躯体质量中心中的离散度与对照组无显著性差异，则受试者的空间定向障碍的类型为可认知型空间定向障碍；
若受试者主观无SD发生，且测试组躯体质量中心中的离散度与对照组有显著性差异，则受试者的空间定向障碍的类型为不可认知型空间定向障碍。
本发明的优点和积极效果：
本发明提供的不同类型SD的分类方法，利用测力台进行SD测试组和对照组的测试，获取SD测试组和对照组的两组躯体质量中心数据，通过预处理和离散度计算将两组测试的质量中心数据偏离量提取出来，作为行为学数据，可以对未认知到SD的这类行为学数据做进一步分析，以明确是否有不可认知型SD发生。该方法为鉴定不可认知型SD、筛选认知阈下的飞行员以及不可认知型SD的对抗训练提供客观的依据。另外，在针对测试组的测试中会对受试者是否感觉到SD进行询问，得到受试者的主观数据，可以从主观上区分认知类型。可见，本发明提供的SD分类方法是基于主观评价和行为学客观评价的方法，既可以了解飞行员是否认知到SD，还将客观行为学数据作为评价是否出现空间定向障碍的依据。在实际应用中，可通过本方法将飞行员发生的SD类型细分，为飞行员个体提供具有针对性的SD对抗训练，使飞行员明确不可认知型SD发生时的自身状态，通过训练降低认知域值限，最终帮助飞行员及时对抗SD，降低飞行事故和人员伤亡。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种空间定向障碍分类方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
如图1所示，本发明实施例中提供了一种空间定向障碍分类方法，该方法包括以下步骤：
步骤1、获取SD测试组和对照组的两组躯体质量中心数据；
获取数据时采用的设备如下：足底压力测力台(Bertec FP4060-08，Bertec Corp，Columbus，OH，USA)面积为400×600mm2，滤波采用100Hz低通滤波方式，采集Mx(躯体质量中心的X方向投影数据)、My(躯体质量中心的Y方向投影数据)2个参数的数据。投影仪、投影幕，实验中关闭灯光，保证全黑暗的实验条件，实验中受试者需要双脚并拢，双手下垂于下肢两侧，站立于测力台上(镶嵌在地板中)，受试者前方1米远处放置投影幕，用于播放视频刺激，投影幕呈现给受试者的水平视角和垂直视角均为90°。
SD测试组和对照组的测试过程均在黑暗的环境中进行，受试者站立于测力台上。SD测试组中，受试者观看投影幕上的SD诱发视频(视景旋转视频)，测试时间为30秒，测试结束后，询问受试者是否感觉到SD，并记录受试者的主观作答结果(有或无)。对照组中，受试者观看投影幕上静止的图像(视景旋转视频暂停)，测试时间为30秒，重复测试6组。
步骤2、对获取的两组躯体质量中心数据进行预处理；
测力台采集到的原始数据中坐标原点在测力台中心的位置，这种情况下压力中心的坐标可能为负数，为了后续分析的方便性，首先通过坐标变换将原点变换到测力台的左下角位置，使得压力中心所有坐标点为正数，变换公示如下：
(x,y)＝f(i,j)＝(i+300,j+200)；
其中，(x,y)为坐标变换后的坐标数值，(i,j)为坐标变换前的坐标数值。
之后，将左边变换后的数据进行滤波处理，使用低通巴特沃斯滤波器，截止频率为10Hz。
步骤3、对预处理后的两组躯体质量中心数据进行离散度计算；
本发明实施例中，采用躯体质量中心每一个点与平均值的离散度Di作为客观指标，即躯体质量中心的每一个点与平均值之间的距离。躯体质量中心的轨迹是由X坐标和Y坐标决定的，因此需计算X、Y两个方向的离散度，计算公式如下：
Figure BDA0003304329680000061
其中
Figure BDA0003304329680000062
xi、yi分别为第i个采样点在X方向上、Y方向上的坐标，m为30秒内的总采样点数。
按照上述离散度计算公式分别计算对照组的躯体质量中心数据的离散度DCi和SD测试组的躯体质量中心数据的离散度DTi。
本发明实施例中，通过预处理和离散度计算将两组测试的质量中心数据偏离量提取出来，预处理的10HZ截止频率以及离散度能够用于反映人体质量中心数据的变化情况，并且能够根据采样点数的增加而更有统计意义，不会淹没偏离均值较小的数据点。
步骤4、基于两组躯体质量中心数据的离散度进行统计分析；
采用SD测试组和对照组两组数据。对这两组数据进行统计学分析，以明确SD测试组是否显著性区别于对照组。
具体地，对对照组6次重复实验的躯体质量中心数据的离散度求平均值，作为无SD发生时的躯体质量中心数据的离散度
Figure BDA0003304329680000063
计算方法如下：
Figure BDA0003304329680000071
其中n＝6。
对照组6次重复实验求均值，这个均值可以理解为一次对照实验的数据。因为统计分析中，对照组的数据需要和测试组数据量一样，所有对照组6次的均值就相当于是一次的数据。
然后，对SD测试组的躯体质量中心数据的离散度与无SD发生的躯体质量中心数据的离散度做配对T检验，计算公式如下：
Figure BDA0003304329680000072
其中，t为统计量，
Figure BDA0003304329680000073
分别为对照组和测试组的平均值
Figure BDA0003304329680000074
i表示第i个采样点，
Figure BDA0003304329680000075
分别为两样本的方差，nC、nT分别为对照组和测试组的样本容量，显著性水平取0.05。
最后，在提取出两组测试的质量中心数据偏离量之后，采用T检验进行两组测试显著性差异的统计学分析，这种检验方法能够高效准确的得到两个独立样本的统计分析结果。
步骤5、基于统计分析结果确定空间定向障碍的类型；
发生SD的测试组分为两类，一是：受试者主观有SD发生的测试组；二是：测试组与对照组躯体质量中心的离散度经T检验，有显著性差异(t>0.05)的测试组。
三种空间定向障碍子类型的区分方法：
不可对抗型空间定向障碍：受试者主观有SD发生，且测试组躯体质量中心中的离散度与对照组有显著性差异。
可认知型空间定向障碍：受试者主观有SD发生，且测试组躯体质量中心中的离散度与对照组无显著性差异。
不可认知型空间定向障碍：受试者主观无SD发生，且测试组躯体质量中心中的离散度与对照组有显著性差异。
飞行员在飞行中经历不可认知型空间定向障碍时，并不认为自己出现了定向问题，绝大多数的飞行事故都是由不可认知型SD导致的。本发明实施例中提供的不同类型SD的分类方法，可将飞行员发生的SD类型细分，为飞行员个体提供具有针对性的SD对抗训练，使飞行员明确不可认知型SD发生时的自身状态，通过训练降低认知域值限，最终帮助飞行员及时对抗SD，降低飞行事故和人员伤亡。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种空间定向障碍分类方法，其特征在于，包括：
步骤1、获取空间定向障碍的测试组和对照组的两组躯体质量中心数据；
步骤2、对获取的两组躯体质量中心数据进行预处理；
步骤3、对预处理后的两组躯体质量中心数据进行离散度计算；离散度Di为躯体质量中心的每一个点与平均值之间的距离，计算公式如下：
Figure FDA0003304329670000011
其中
Figure FDA0003304329670000012
xi、yi分别为第i个采样点在X方向上、Y方向上的坐标，m为30秒内的总采样点数；
步骤4、基于两组躯体质量中心数据的离散度进行统计分析；
对对照组的n次重复实验的躯体质量中心离散度求平均值，作为无空间定向障碍发生时的躯体质量中心的离散度，计算方法如下：
Figure FDA0003304329670000013
其中n＝6；
将测试组的躯体质量中心数据的离散度与无空间定向障碍发生的躯体质量中心的离散度做配对T检验，计算公式如下：
Figure FDA0003304329670000014
其中，t为统计量，
Figure FDA0003304329670000015
分别为对照组和测试组的平均值
Figure FDA0003304329670000016
i表示第i个采样点，
Figure FDA0003304329670000017
分别为两样本的方差，nC、nT分别为对照组和测试组的样本容量；DCi为对照组的躯体质量中心数据的离散度，DTi为测试组的躯体质量中心数据的离散度；
步骤5、基于统计分析结果确定空间定向障碍的类型。
2.根据权利要求1所述的一种空间定向障碍分类方法，其特征在于，获取数据时采用的设备包括：足底压力测力台，所述足底压力测力台的面积为400×600mm2，采集躯体质量中心的X方向投影数据Mx和躯体质量中心的Y方向投影数据My；
还包括投影仪和投影幕。
3.根据权利要求2所述的一种空间定向障碍分类方法，其特征在于，对获取的两组躯体质量中心数据进行预处理，包括：
通过坐标变换将原点变换到足底压力测力台的左下角位置，使得压力中心所有坐标点为正数，变换公示如下：
(x,y)＝f(i,j)＝(i+300,j+200)；
其中，(x,y)为坐标变换后的坐标数值，(i,j)为坐标变换前的坐标数值；
将左边变换后的数据进行滤波处理。
4.根据权利要求3所述的一种空间定向障碍分类方法，其特征在于，使用低通巴特沃斯滤波器，截止频率为10Hz。
5.根据权利要求1所述的一种空间定向障碍分类方法，其特征在于，测试组和对照组的测试过程均在黑暗的环境中进行，受试者站立于足底压力测力台上；
测试组中，受试者观看投影幕上的空间定向障碍诱发视频，测试时间为30秒，测试结束后，询问受试者是否感觉到空间定向障碍，并记录受试者的主观作答结果；
对照组中，受试者观看投影幕上静止的图像，测试时间为30秒，重复测试6组。
6.根据权利要求1所述的一种空间定向障碍分类方法，其特征在于，t检验的显著性水平取0.05。
7.根据权利要求6所述的一种空间定向障碍分类方法，其特征在于，发生空间定向障碍的测试组分为两类，包括：受试者主观有空间定向障碍发生的测试组；以及测试组与对照组躯体质量中心的离散度经t检验，有显著性差异的测试组；
基于统计分析结果确定空间定向障碍的类型，包括：
若受试者主观有空间定向障碍发生，且测试组躯体质量中心中的离散度与对照组有显著性差异，则受试者的空间定向障碍的类型为不可对抗型空间定向障碍；
若受试者主观有SD发生，且测试组躯体质量中心中的离散度与对照组无显著性差异，则受试者的空间定向障碍的类型为可认知型空间定向障碍；
若受试者主观无SD发生，且测试组躯体质量中心中的离散度与对照组有显著性差异，则受试者的空间定向障碍的类型为不可认知型空间定向障碍。
CN202111199279.7A 2021-10-14 2021-10-14 空间定向障碍分类方法 Active CN113925490B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111199279.7A CN113925490B (zh) 2021-10-14 2021-10-14 空间定向障碍分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111199279.7A CN113925490B (zh) 2021-10-14 2021-10-14 空间定向障碍分类方法

Publications (2)

Publication Number Publication Date
CN113925490A true CN113925490A (zh) 2022-01-14
CN113925490B CN113925490B (zh) 2023-06-27

Family

ID=79279287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111199279.7A Active CN113925490B (zh) 2021-10-14 2021-10-14 空间定向障碍分类方法

Country Status (1)

Country Link
CN (1) CN113925490B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778130A (zh) * 2023-08-25 2023-09-19 江苏盖睿健康科技有限公司 一种基于图像处理的测试结果智能识别方法和系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2071290A2 (en) * 2007-12-12 2009-06-17 Honeywell International Inc. Advisory system to aid pilot recovery from spatial disorientation during an excessive roll
CN104899827A (zh) * 2015-05-26 2015-09-09 大连理工大学 基于固定分辨率条件下的离散Radon投影和Mojette投影转换方法
CN105404767A (zh) * 2015-10-30 2016-03-16 中国航天员科研训练中心 特种医学应用的视-前庭交互实验系统及方法
CN105573342A (zh) * 2016-02-03 2016-05-11 华南农业大学 基于北斗定位系统对飞控手飞行质量的评价系统及方法
CN106551674A (zh) * 2016-09-09 2017-04-05 中国人民解放军海军总医院 基于模拟空间定向障碍场景的眼动测量装置
CN106798562A (zh) * 2017-04-05 2017-06-06 北京航空航天大学 基于近红外光谱成像驱动的前庭电刺激空间定向障碍对抗装置
CN108958289A (zh) * 2018-07-28 2018-12-07 天津大学 基于相对速度障碍的集群无人机避碰方法
CN109903636A (zh) * 2019-03-20 2019-06-18 陈勇胜 一种战斗机飞行员便携式俯仰倾斜错觉矫正训练器
CN110192878A (zh) * 2019-05-24 2019-09-03 中南民族大学 基于多导脑电信号定向转移函数的测谎方法
CN209972611U (zh) * 2019-05-08 2020-01-21 深圳诗航智能科技有限公司 可跟踪led靶标的自动跟随运输车
CN111367318A (zh) * 2020-03-31 2020-07-03 华东理工大学 一种基于视觉语义信息的动态障碍环境导航方法和装置
CN111566600A (zh) * 2018-01-22 2020-08-21 赫尔实验室有限公司 针对用户状态的神经自适应身体感测框架(nabsus)
CN111956245A (zh) * 2020-08-27 2020-11-20 复旦大学附属肿瘤医院 术后认知功能障碍预防评估方法，系统和装置
CN212112717U (zh) * 2020-06-01 2020-12-08 南京市臻坤智能科技有限公司 一种便携式身体监测报警设备
CN112800908A (zh) * 2021-01-19 2021-05-14 中国科学院心理研究所 一种基于视频中个体步态分析的焦虑感知模型的建立方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2071290A2 (en) * 2007-12-12 2009-06-17 Honeywell International Inc. Advisory system to aid pilot recovery from spatial disorientation during an excessive roll
CN104899827A (zh) * 2015-05-26 2015-09-09 大连理工大学 基于固定分辨率条件下的离散Radon投影和Mojette投影转换方法
CN105404767A (zh) * 2015-10-30 2016-03-16 中国航天员科研训练中心 特种医学应用的视-前庭交互实验系统及方法
CN105573342A (zh) * 2016-02-03 2016-05-11 华南农业大学 基于北斗定位系统对飞控手飞行质量的评价系统及方法
CN106551674A (zh) * 2016-09-09 2017-04-05 中国人民解放军海军总医院 基于模拟空间定向障碍场景的眼动测量装置
CN106798562A (zh) * 2017-04-05 2017-06-06 北京航空航天大学 基于近红外光谱成像驱动的前庭电刺激空间定向障碍对抗装置
CN111566600A (zh) * 2018-01-22 2020-08-21 赫尔实验室有限公司 针对用户状态的神经自适应身体感测框架(nabsus)
CN108958289A (zh) * 2018-07-28 2018-12-07 天津大学 基于相对速度障碍的集群无人机避碰方法
CN109903636A (zh) * 2019-03-20 2019-06-18 陈勇胜 一种战斗机飞行员便携式俯仰倾斜错觉矫正训练器
CN209972611U (zh) * 2019-05-08 2020-01-21 深圳诗航智能科技有限公司 可跟踪led靶标的自动跟随运输车
CN110192878A (zh) * 2019-05-24 2019-09-03 中南民族大学 基于多导脑电信号定向转移函数的测谎方法
CN111367318A (zh) * 2020-03-31 2020-07-03 华东理工大学 一种基于视觉语义信息的动态障碍环境导航方法和装置
CN212112717U (zh) * 2020-06-01 2020-12-08 南京市臻坤智能科技有限公司 一种便携式身体监测报警设备
CN111956245A (zh) * 2020-08-27 2020-11-20 复旦大学附属肿瘤医院 术后认知功能障碍预防评估方法，系统和装置
CN112800908A (zh) * 2021-01-19 2021-05-14 中国科学院心理研究所 一种基于视频中个体步态分析的焦虑感知模型的建立方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
齐玢;果琳丽;张志贤;李志杰;闻佳;叶培建;: "载人深空探测任务航天医学工程问题研究", 航天器环境工程, no. 01 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116778130A (zh) * 2023-08-25 2023-09-19 江苏盖睿健康科技有限公司 一种基于图像处理的测试结果智能识别方法和系统
CN116778130B (zh) * 2023-08-25 2023-12-05 江苏盖睿健康科技有限公司 一种基于图像处理的测试结果智能识别方法和系统

Also Published As

Publication number Publication date
CN113925490B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
Wang et al. Screening early children with autism spectrum disorder via response-to-name protocol
KR20120124772A (ko) 사용자 집중도 분석장치 및 방법
CN114343563B (zh) 一种多模态融合辅助干眼诊断和分型的方法、装置及系统
Bandini et al. Automatic Detection of Orofacial Impairment in Stroke.
CN110309813A (zh) 一种基于深度学习的人眼状态检测的模型训练方法、检测方法、装置、移动端设备及服务器
CN117455299B (zh) 一种模拟机复飞训练绩效评价方法和装置
CN107517375A (zh) 对立体深度运动引起的立体观看疲劳的评价分析方法
CN110598652A (zh) 眼底数据预测方法和设备
CN106667426B (zh) 一种大细胞通路功能检测方法和系统
CN109344763A (zh) 一种基于卷积神经网络的斜眼检测方法
CN113925490A (zh) 空间定向障碍分类方法
CN106814849B (zh) 基于眼球追踪的模拟飞行操作测试辅助系统及方法
Falkmer et al. Fixation identification in centroid versus start-point modes using eye-tracking data
Nisa'Minhad et al. Human emotion classifications for automotive driver using skin conductance response signal
CN108304764B (zh) 模拟飞行驾驶过程中疲劳状态检测装置及检测方法
Samsudin et al. Initial assessment of facial nerve paralysis based on motion analysis using an optical flow method
Callan et al. The brain is faster than the hand in split-second intentions to respond to an impending hazard: a simulation of neuroadaptive automation to speed recovery to perturbation in flight attitude
CN111259743B (zh) 一种近视图像深度学习识别模型训练方法及系统
CN111134693B (zh) 基于虚拟现实技术的自闭症儿童辅助检测方法、系统及终端
CN111714120A (zh) 能进行视觉定位能力评估的脑机接口系统及其应用
Antal et al. Evaluation of the grading performance of an ensemble-based microaneurysm detector
CN115670370A (zh) 一种去除眼底图像玻璃体混浊斑的视网膜成像方法和装置
CN111374632B (zh) 视网膜病变检测方法、装置及计算机可读存储介质
Zhao et al. A Strabismus Widespread Screening Method Based on Wearable Eye Tracker
CN113989894A (zh) 防尾随方法、装置及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant