CN114373356A - 基于虚拟现实的自适应式应激训练方法及系统 - Google Patents
基于虚拟现实的自适应式应激训练方法及系统 Download PDFInfo
- Publication number
- CN114373356A CN114373356A CN202210050483.0A CN202210050483A CN114373356A CN 114373356 A CN114373356 A CN 114373356A CN 202210050483 A CN202210050483 A CN 202210050483A CN 114373356 A CN114373356 A CN 114373356A
- Authority
- CN
- China
- Prior art keywords
- physiological signal
- tested object
- training
- stress
- virtual reality
- 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
- 238000012549 training Methods 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims description 47
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 13
- 230000036387 respiratory rate Effects 0.000 claims description 5
- 210000004556 brain Anatomy 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000036391 respiratory frequency Effects 0.000 description 2
- 230000003938 response to stress Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008918 emotional behaviour Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000006397 emotional response Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004938 stress stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请涉及一种基于虚拟现实的自适应式应激训练方法及系统,方法包括:获取被试对象的基础信息,根据被试对象的基础信息生成初始训练场景参数。获取被试对象在初始训练场景参数下的生理信号,以预设的目标生理信号为进化目标,执行迭代循环;迭代循环包括:通过自适应调整训练场景参数使被试对象的生理信号向着目标生理信号的方向进行进化,直到被试对象的生理信号与目标生理信号的差值在预设范围内为止。在迭代循环结束时,输出当前训练场景参数。本申请中,基于迭代算法,使得应激训练的场景参数可以根据被试对象的生理信号进行自适应性调整,效率更高且节省人力。
Description
技术领域
本申请涉及生物医学技术领域,尤其涉及一种基于虚拟现实的自适应式应激训练方法及系统。
背景技术
虚拟现实技术囊括计算机、电子信息、仿真技术,其基本实现方式是计算机模拟虚拟环境从而给人以环境沉浸感。它利用现实生活中的数据,通过计算机技术产生电子信号,并将该电子信号与各种输出设备结合使其转化为能够让人们感受到的现象,这些现象可以是现实中真真切切的物体,也可以是肉眼所看不到的物质,虚拟现实技术模拟环境的真实性与现实世界难辨真假,而且在模拟高度紧张和复杂的危险场景时保证了身临其境的同时又具有安全性。一些研究比较了虚拟现实、其他媒体与现实生活刺激在诱导情绪反应方面的效果,结果发现虚拟刺激使被试对象产生的情绪行为反应与真实刺激引发的反应相似。
应激训练是针对受到应激刺激时容易引发的身心不适状态而进行的提高个体适应能力的训练。其具有与实际应激场景相同的应激刺激与应激反应成分,通过应激源暴露而增加对应激的耐受性,如飞行员在模拟器上像实际飞行一样进行训练。同时,应激训练还会教授受训者应激管理技巧,使其为特定训练场景下的挑战任务做好充分的准备。
由于应激反应存在个体差异,不同年龄、性别、人格特质的个体面对相同的压力可能出现完全不同的身体心理反应。现有技术中通过研究个体在虚拟仿真场景下脑电及其它生理信号特征性变化可以得到人体对特定场景的个体化反应,应激训练的场景参数需要根据个体生理特征进行适应性调整,而现有技术中只能人工调整,效率低下。
发明内容
为至少在一定程度上克服相关技术中应激训练的场景参数只能人工调整,效率低下的问题,本申请提供一种基于虚拟现实的自适应式应激训练方法及系统。
本申请的方案如下:
根据本申请实施例的第一方面,提供一种基于虚拟现实的自适应式应激训练方法,包括:
获取被试对象的基础信息,根据所述被试对象的基础信息生成初始训练场景参数;
获取所述被试对象在所述初始训练场景参数下的生理信号;
以预设的目标生理信号为进化目标,执行迭代循环;所述迭代循环包括:通过自适应调整训练场景参数使所述被试对象的生理信号向着所述目标生理信号的方向进行进化,直到所述被试对象的生理信号与所述目标生理信号的差值在预设范围内为止;
在所述迭代循环结束时,输出当前训练场景参数。
优选的,在本申请一种可实现的方式中,还包括:
将所述迭代循环中产生的经验数据进行共享。
优选的,在本申请一种可实现的方式中,所述获取所述被试对象在所述初始训练场景参数下的生理信号,包括:
获取所述被试对象在虚拟现实装置根据所述初始训练场景参数模拟的训练场景下的生理信号。
优选的,在本申请一种可实现的方式中,所述获取所述被试对象在所述初始训练场景参数下的生理信号,还包括:
获取所述被试对象被生理信号采集装置根据预设采集频率采集的生理信号。
优选的,在本申请一种可实现的方式中,还包括:获取所述生理信号对应的时标信号。
优选的,在本申请一种可实现的方式中,所述被试对象的基础信息至少包括:年龄、性别、人格特质等;
所述训练场景参数至少包括:播放频率和播放场景;
所述被试对象的生理信号至少包括:脑电信号、脉搏、呼吸频率和心率。
根据本申请实施例的第一方面,提供一种基于虚拟现实自适应式的应激训练系统,其特征在于,包括:
中间服务器、监控决策设备和应激训练设备;
所述监控决策设备和所述应激训练设备均连接所述中间服务器;
所述监控决策设备用于获取被试对象的基础信息,根据所述被试对象的基础信息生成初始训练场景参数,并将所述初始训练场景参数通过所述中间服务器发送到所述应激训练设备;
所述应激训练设备用于向所述被试对象施加所述初始训练场景参数,采集所述被试对象在所述初始训练场景参数下的生理信号,并将所述生理信号通过所述中间服务器发送到所述监控决策设备;
所述监控决策设备还用于获取所述被试对象在所述初始训练场景参数下的生理信号;以预设的目标生理信号为进化目标,执行迭代循环;所述迭代循环包括:通过自适应调整训练场景参数使所述被试对象的生理信号向着所述目标生理信号的方向进行进化,直到所述被试对象的生理信号与所述目标生理信号的差值在预设范围内为止;在所述迭代循环结束时,输出当前训练场景参数。
优选的,在本申请一种可实现的方式中,所述监控决策设备、所述应激训练设备和所述被试对象均为多个;
各所述监控决策设备、各所述应激训练设备和各所述被试对象一一对应。
优选的,在本申请一种可实现的方式中,各所述监控决策设备还用于通过所述中间服务器将所述迭代循环中产生的经验数据进行共享。
优选的,在本申请一种可实现的方式中,所述监控决策设备包括:监控计算机和信号回放装置;
所述应激训练设备包括:本地中央处理单元、控制器、虚拟现实装置和生理信号采集装置;
所述监控计算机分别连接所述中间服务器和所述信号回放装置;
所述控制器分别连接所述本地中央处理单元、所述虚拟现实装置和所述生理信号采集装置;
所述本地中央处理单元还连接所述中间服务器;
所述虚拟现实装置和所述生理信号采集装置均配带在所述被试对象上;
所述信号回放装置用于回放历史训练场景参数下的被试对象的历史生理信号;
所述虚拟现实装置用于根据训练场景参数向所述被试对象模拟训练场景;
所述生理信号采集装置用于根据预设采集频率采集所述被试对象的生理信号,并将所述生理信号发送到所述控制器;
所述控制器用于将当前训练场景参数、所述被试对象的当前生理信号通过所述本地中央处理单元和所述中间服务器发送到所述监控计算机。
本申请提供的技术方案可以包括以下有益效果:本申请中的基于虚拟现实的自适应式应激训练方法,包括:获取被试对象的基础信息,根据被试对象的基础信息生成初始训练场景参数。获取被试对象在初始训练场景参数下的生理信号,以预设的目标生理信号为进化目标,执行迭代循环;迭代循环包括:通过自适应调整训练场景参数使被试对象的生理信号向着目标生理信号的方向进行进化,直到被试对象的生理信号与目标生理信号的差值在预设范围内为止。在迭代循环结束时,输出当前训练场景参数。本申请中,基于迭代算法,使得应激训练的场景参数可以根据被试对象的生理信号进行自适应性调整,效率更高且节省人力。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请一个实施例提供的一种基于虚拟现实的自适应式应激训练方法的流程示意图;
图2是本申请一个实施例提供的一种基于虚拟现实的自适应式应激训练系统的结构示意图;
图3是本申请另一个实施例提供的一种基于虚拟现实的自适应式应激训练系统的结构示意图。
附图标记:中间服务器-21;监控决策设备-22;应激训练设备-23。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
一种基于虚拟现实的自适应式应激训练方法,参照图1,包括:
S11:获取被试对象的基础信息,根据被试对象的基础信息生成初始训练场景参数;
优选的,被试对象的基础信息至少包括:年龄、性别、人格特质等;
训练场景参数至少包括:播放频率和播放场景;
被试对象的生理信号至少包括:脑电信号、脉搏、呼吸频率和心率。其中,脑电信号为最重要的生理信号,脑电信号可以直观的反应被试对象受到虚拟场景的刺激程度。
本实施例中,根据被试对象的年龄、性别、人格特质等基础信息给出初始训练场景参数(播放频率、播放场景)。
S12:获取被试对象在初始训练场景参数下的生理信号;
包括:获取被试对象在虚拟现实装置根据初始训练场景参数模拟的训练场景下的生理信号。
虚拟现实技术囊括计算机、电子信息、仿真技术,其基本实现方式是计算机模拟虚拟环境从而给人以环境沉浸感。它利用现实生活中的数据,通过计算机技术产生电子信号,并将该电子信号与各种输出设备结合使其转化为能够让人们感受到的现象,这些现象可以是现实中真真切切的物体,也可以是肉眼所看不到的物质,虚拟现实技术模拟环境的真实性与现实世界难辨真假,而且在模拟高度紧张和复杂的危险场景时保证了身临其境的同时又具有安全性。虚拟刺激使被试对象产生的情绪行为反应与真实刺激反应相似。本实施例中,基于虚拟现实技术根据初始训练场景参数向被试对象模拟训练场景应激训练。
S13:以预设的目标生理信号为进化目标,执行迭代循环;迭代循环包括:通过自适应调整训练场景参数使被试对象的生理信号向着目标生理信号的方向进行进化,直到被试对象的生理信号与目标生理信号的差值在预设范围内为止;
本实施例中,通过预设目标生理信号为进化目标,不断反复迭代使被试对象的生理信号向着目标生理信号的方向进行进化,从而确定最适合当前被试对象的应激训练的场景参数。
具体迭代过程如下:
设目标生理信号为B,虚拟现实装置用于模拟的场景参数为A,脑电信号特征为C,其他生理信号(脉搏、呼吸频率和心率)特征为D,历史生理信号的特征为E,A与B、C、D、E具有函数关系,记为A=f(B,C,D,E)。
根据被试对象反馈的生理信号C、D、E判定刺激结果是向上偏离目标生理信号B或者向下偏离目标生理信号B,继而通过反方向调整场景参数A使生理信号C、D接近目标生理信号B,从而完成迭代过程。
S14:在迭代循环结束时,输出当前训练场景参数。
本实施例中的基于虚拟现实的自适应式应激训练方法,包括:获取被试对象的基础信息,根据被试对象的基础信息生成初始训练场景参数。获取被试对象在初始训练场景参数下的生理信号,以预设的目标生理信号为进化目标,执行迭代循环;迭代循环包括:通过自适应调整训练场景参数使被试对象的生理信号向着目标生理信号的方向进行进化,直到被试对象的生理信号与目标生理信号的差值在预设范围内为止。在迭代循环结束时,输出当前训练场景参数。本实施例中,基于迭代算法,使得应激训练的场景参数可以根据被试对象的生理信号进行自适应性调整,效率更高且节省人力。
一些实施例中的基于虚拟现实的自适应式应激训练方法,还包括:
将迭代循环中产生的经验数据进行共享。
本实施例中,可以同时对多个被试对象进行应激训练。多个被试对象的应激训练过程中,会产生多个迭代循环,本实施例中将各迭代循环中产生的经验数据进行共享,不仅可以使各个迭代循环中的经验互通,提升训练效率,还可以利用不同被试对象反馈的群体生理信号,采用大数据技术动态闭环自适应调整应激训练的场景参数,解决现有技术中对多个被试对象进行应激训练时存在个体差异的问题。
一些实施例中的基于虚拟现实的自适应式应激训练方法,获取被试对象在初始训练场景参数下的生理信号,还包括:
获取被试对象被生理信号采集装置根据预设采集频率采集的生理信号。
进一步的,基于虚拟现实的自适应式应激训练方法还包括:获取生理信号对应的时标信号。
本实施例中,根据预设采集频率采集生理信号,并且获取生理信号对应的时标信号,可以精确的得知被试对象的生理信号在每个时刻的变化情况。
一种基于虚拟现实的自适应式应激训练系统,参照图2,包括:
中间服务器21、监控决策设备22和应激训练设备23;
监控决策设备22和应激训练设备23均连接中间服务器21;
监控决策设备22用于获取被试对象的基础信息,根据被试对象的基础信息生成初始训练场景参数,并将初始训练场景参数通过中间服务器21发送到应激训练设备23;
应激训练设备23用于向被试对象施加初始训练场景参数,采集被试对象在初始训练场景参数下的生理信号,并将生理信号通过中间服务器21发送到监控决策设备22;
监控决策设备22还用于获取被试对象在初始训练场景参数下的生理信号;以预设的目标生理信号为进化目标,执行迭代循环;迭代循环包括:通过自适应调整训练场景参数使被试对象的生理信号向着目标生理信号的方向进行进化,直到被试对象的生理信号与目标生理信号的差值在预设范围内为止;在迭代循环结束时,输出当前训练场景参数。
本实施例中的基于虚拟现实的自适应式应激训练系统,监控决策设备22用于获取被试对象的基础信息,根据被试对象的基础信息生成初始训练场景参数,并将初始训练场景参数通过中间服务器21发送到应激训练设备23;应激训练设备23用于向被试对象施加初始训练场景参数,采集被试对象在初始训练场景参数下的生理信号,并将生理信号通过中间服务器21发送到监控决策设备22;监控决策设备22还用于获取被试对象在初始训练场景参数下的生理信号;以预设的目标生理信号为进化目标,执行迭代循环;迭代循环包括:通过自适应调整训练场景参数使被试对象的生理信号向着目标生理信号的方向进行进化,直到被试对象的生理信号与目标生理信号的差值在预设范围内为止;在迭代循环结束时,输出当前训练场景参数。本实施例中,基于迭代算法,使得应激训练的场景参数可以根据被试对象的生理信号进行自适应性调整,效率更高且节省人力。
一些实施例中的基于虚拟现实的自适应式应激训练系统,参照图2,监控决策设备22、应激训练设备23和被试对象均为多个;
各监控决策设备22、各应激训练设备23和各被试对象一一对应。
进一步的,各监控决策设备22还用于通过中间服务器21将迭代循环中产生的经验数据进行共享。
本实施例中,监控决策设备22、应激训练设备23和被试对象均为多个,且各监控决策设备22、各应激训练设备23和各被试对象一一对应。本实施例中,可以通过多个监控决策设备22和多个应激训练设备23同时对多个被试对象进行应激训练。多个被试对象的应激训练过程中,会产生多个迭代循环,本实施例中将各迭代循环中产生的经验数据进行共享,不仅可以使各个迭代循环中的经验互通,提升训练效率,还可以利用不同被试对象反馈的群体生理信号,采用大数据技术动态闭环自适应调整应激训练的场景参数,解决现有技术中对多个被试对象进行应激训练时存在个体差异的问题。
一些实施例中的基于虚拟现实的自适应式应激训练系统,参照图2,监控决策设备22包括:监控计算机和信号回放装置;
应激训练设备23包括:本地中央处理单元、控制器、虚拟现实装置和生理信号采集装置;
监控计算机分别连接中间服务器21和信号回放装置;
控制器分别连接本地中央处理单元、虚拟现实装置和生理信号采集装置;
本地中央处理单元还连接中间服务器21;
虚拟现实装置和生理信号采集装置均配带在被试对象上;
信号回放装置用于回放历史训练场景参数下的被试对象的历史生理信号;
虚拟现实装置用于根据训练场景参数向被试对象模拟训练场景;
生理信号采集装置用于根据预设采集频率采集被试对象的生理信号,并将生理信号发送到控制器;
控制器用于将当前训练场景参数、被试对象的当前生理信号通过本地中央处理单元和中间服务器21发送到监控计算机。
优选的,监控计算机和信号回放装置可以但不限于通过HDMI或VGA接口进行连接。
优选的,生理信号采集装置包括脑电信号采集装置、脉搏信号采集装置、呼吸频率信号采集装置和心率信号采集装置。图3中,脉搏信号采集装置、呼吸频率信号采集装置和心率信号采集装置统一用其它生理信号采集装置表示。
控制器和脑电信号采集装置通过总线连接,总线可以但不限于为SPI、I2C和串口。控制器和脉搏信号采集装置、呼吸频率信号采集装置、心率信号采集装置通过无线连接,无线连接可以但不限于为蓝牙、Zigbee和WIFI。
监控决策设备22通过以太网和中间服务器21相连接,中间服务器21通过以太网/光纤和应激训练设备23连接。
下表为本实施例中的基于虚拟现实的自适应式应激训练系统采用的内部通信协议。该通信协议约定监控决策设备22和中间服务器21之间、中间服务器21和应激训练设备23的数据交换格式,对于多字节数据,在传输时高字节在前,低字节在后,校验和采用X16+X12+X5+1,帧头为0x7E7E,帧尾为0x5A5A,参数配置命令帧帧长定义为从主站地址字节到控制命令字节结束总长度,状态数据应答帧帧长定义为从主站地址字节到数据字节结束总长度。下表(a)为参数配置命令帧结构,该命令由监控决策设备22通过以太网方式发送给中间服务器21,中间服务器21再通过以太网转发给对应的应激训练设备23,当对应的应激训练设备23接收的的帧头、主站地址、从站地址、帧长、校验和、帧尾全部正确时,接收并解析使用控制命令中的配置参数数据,当配置参数的数据超范围时,则使用默认配置参数。配置参数数据第一个字节设置脑电信号采集频率、第二个字节设置其它生理信号采集频率、第三字节应激训练场景参数信息(如播放频率、播放场景)等。下表(b)为状态数据应答帧结构,当应激训练设备23接收到监控决策设备22的参数配置命令帧后,将控制虚拟现实设备输出场景信息给被试对象,然后同时启动脑电信号和其它生理信号采集,并将采集的脑电信号和其它生理信号,然后打包应激训练场景参数信息、时标、脑电信号和其它生理信号发送给监控决策设备22。
(a)
(b)
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于虚拟现实的自适应式应激训练方法,其特征在于,包括:
获取被试对象的基础信息,根据所述被试对象的基础信息生成初始训练场景参数;
获取所述被试对象在所述初始训练场景参数下的生理信号;
以预设的目标生理信号为进化目标,执行迭代循环;所述迭代循环包括:通过自适应调整训练场景参数使所述被试对象的生理信号向着所述目标生理信号的方向进行进化,直到所述被试对象的生理信号与所述目标生理信号的差值在预设范围内为止;
在所述迭代循环结束时,输出当前训练场景参数。
2.根据权利要求1所述的方法,其特征在于,还包括:
将所述迭代循环中产生的经验数据进行共享。
3.根据权利要求1所述的方法,其特征在于,所述获取所述被试对象在所述初始训练场景参数下的生理信号,包括:
获取所述被试对象在虚拟现实装置根据所述初始训练场景参数模拟的训练场景下的生理信号。
4.根据权利要求1所述的方法,其特征在于,所述获取所述被试对象在所述初始训练场景参数下的生理信号,还包括:
获取所述被试对象被生理信号采集装置根据预设采集频率采集的生理信号。
5.根据权利要求1所述的方法,其特征在于,还包括:获取所述生理信号对应的时标信号。
6.根据权利要求1所述的方法,其特征在于,所述被试对象的基础信息至少包括:年龄、性别、人格特质等;
所述训练场景参数至少包括:播放频率和播放场景;
所述被试对象的生理信号至少包括:脑电信号、脉搏、呼吸频率和心率。
7.一种基于虚拟现实的自适应式应激训练系统,其特征在于,包括:
中间服务器、监控决策设备和应激训练设备;
所述监控决策设备和所述应激训练设备均连接所述中间服务器;
所述监控决策设备用于获取被试对象的基础信息,根据所述被试对象的基础信息生成初始训练场景参数,并将所述初始训练场景参数通过所述中间服务器发送到所述应激训练设备;
所述应激训练设备用于向所述被试对象施加所述初始训练场景参数,采集所述被试对象在所述初始训练场景参数下的生理信号,并将所述生理信号通过所述中间服务器发送到所述监控决策设备;
所述监控决策设备还用于获取所述被试对象在所述初始训练场景参数下的生理信号;以预设的目标生理信号为进化目标,执行迭代循环;所述迭代循环包括:通过自适应调整训练场景参数使所述被试对象的生理信号向着所述目标生理信号的方向进行进化,直到所述被试对象的生理信号与所述目标生理信号的差值在预设范围内为止;在所述迭代循环结束时,输出当前训练场景参数。
8.根据权利要求7所述的基于虚拟现实的自适应式应激训练系统,其特征在于,所述监控决策设备、所述应激训练设备和所述被试对象均为多个;
各所述监控决策设备、各所述应激训练设备和各所述被试对象一一对应。
9.根据权利要求7所述的基于虚拟现实的自适应式应激训练系统,其特征在于,各所述监控决策设备还用于通过所述中间服务器将所述迭代循环中产生的经验数据进行共享。
10.根据权利要求7所述的基于虚拟现实的自适应式应激训练系统,其特征在于,所述监控决策设备包括:监控计算机和信号回放装置;
所述应激训练设备包括:本地中央处理单元、控制器、虚拟现实装置和生理信号采集装置;
所述监控计算机分别连接所述中间服务器和所述信号回放装置;
所述控制器分别连接所述本地中央处理单元、所述虚拟现实装置和所述生理信号采集装置;
所述本地中央处理单元还连接所述中间服务器;
所述虚拟现实装置和所述生理信号采集装置均配带在所述被试对象上;
所述信号回放装置用于回放历史训练场景参数下的被试对象的历史生理信号;
所述虚拟现实装置用于根据训练场景参数向所述被试对象模拟训练场景;
所述生理信号采集装置用于根据预设采集频率采集所述被试对象的生理信号,并将所述生理信号发送到所述控制器;
所述控制器用于将当前训练场景参数、所述被试对象的当前生理信号通过所述本地中央处理单元和所述中间服务器发送到所述监控计算机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210050483.0A CN114373356A (zh) | 2022-01-17 | 2022-01-17 | 基于虚拟现实的自适应式应激训练方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210050483.0A CN114373356A (zh) | 2022-01-17 | 2022-01-17 | 基于虚拟现实的自适应式应激训练方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114373356A true CN114373356A (zh) | 2022-04-19 |
Family
ID=81144929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210050483.0A Pending CN114373356A (zh) | 2022-01-17 | 2022-01-17 | 基于虚拟现实的自适应式应激训练方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114373356A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933348A (zh) * | 2017-01-24 | 2017-07-07 | 武汉黑金科技有限公司 | 一种基于虚拟现实的脑电神经反馈干预系统及方法 |
CN108711445A (zh) * | 2018-03-19 | 2018-10-26 | 常州大学 | 一种vr-脑电反馈多人多组对抗型adhd康复治疗系统 |
CN109875509A (zh) * | 2019-02-27 | 2019-06-14 | 京东方科技集团股份有限公司 | 阿尔茨海默症患者康复训练效果的测试系统和方法 |
CN110473444A (zh) * | 2019-07-26 | 2019-11-19 | 中国人民解放军空军特色医学中心 | 一种基于4d场景的海上飞行预适应训练系统 |
CN210873982U (zh) * | 2019-08-05 | 2020-06-30 | 武汉体育学院 | 一种基于心率数据的运动强度智能调控设备 |
CN111920408A (zh) * | 2020-08-11 | 2020-11-13 | 深圳大学 | 结合虚拟现实的脑电神经反馈系统的信号分析方法及组件 |
CN113936806A (zh) * | 2021-09-18 | 2022-01-14 | 复旦大学 | 脑刺激响应模型构建方法、响应方法、装置及电子设备 |
-
2022
- 2022-01-17 CN CN202210050483.0A patent/CN114373356A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933348A (zh) * | 2017-01-24 | 2017-07-07 | 武汉黑金科技有限公司 | 一种基于虚拟现实的脑电神经反馈干预系统及方法 |
CN108711445A (zh) * | 2018-03-19 | 2018-10-26 | 常州大学 | 一种vr-脑电反馈多人多组对抗型adhd康复治疗系统 |
CN109875509A (zh) * | 2019-02-27 | 2019-06-14 | 京东方科技集团股份有限公司 | 阿尔茨海默症患者康复训练效果的测试系统和方法 |
CN110473444A (zh) * | 2019-07-26 | 2019-11-19 | 中国人民解放军空军特色医学中心 | 一种基于4d场景的海上飞行预适应训练系统 |
CN210873982U (zh) * | 2019-08-05 | 2020-06-30 | 武汉体育学院 | 一种基于心率数据的运动强度智能调控设备 |
CN111920408A (zh) * | 2020-08-11 | 2020-11-13 | 深圳大学 | 结合虚拟现实的脑电神经反馈系统的信号分析方法及组件 |
CN113936806A (zh) * | 2021-09-18 | 2022-01-14 | 复旦大学 | 脑刺激响应模型构建方法、响应方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eckmiller | Learning retina implants with epiretinal contacts | |
US5762612A (en) | Multimodal stimulation in virtual environments | |
CN106648107B (zh) | 一种vr场景的控制方法和装置 | |
Pei et al. | Silent communication: toward using brain signals | |
Kashikar et al. | A review of simulation applications in temporal bone surgery | |
CN108428475A (zh) | 基于人体生理数据监测和虚拟现实的生物反馈训练系统 | |
EP3268883A1 (en) | Method of and system for processing signals sensed from a user | |
WO2018214528A1 (zh) | 运动效果的展示方法及装置 | |
CN107224273B (zh) | 一种基于光学脑成像神经反馈的中枢-外周神经闭环康复训练方法及系统 | |
CN104916184A (zh) | 一种面向术前培训的虚拟手术模拟训练系统及其训练方法 | |
CN109620257A (zh) | 基于生物反馈的精神状态干预与调节系统及其工作方法 | |
US20180224936A1 (en) | Brain to brain communication system for social media | |
Bastos et al. | An intrauterine pressure generator for educational simulation of labour and delivery | |
Forlim et al. | Stereoscopic rendering via goggles elicits higher functional connectivity during virtual reality gaming | |
CN108388889A (zh) | 用于分析人脸图像的方法和装置 | |
CN117409629A (zh) | 心肺复苏训练方法、装置、设备及介质 | |
Boyle et al. | The Courtois project on neuronal modelling-first data release | |
CN114373356A (zh) | 基于虚拟现实的自适应式应激训练方法及系统 | |
Aussedat et al. | Training in temporal bone drilling | |
JP2006217935A (ja) | 恐怖症治療装置 | |
CN112466434B (zh) | 心理辅导训练方案的确定方法及装置 | |
JP3081575B2 (ja) | 競合および反対の刺激のシミュレータ病減少装置 | |
CN113539038A (zh) | 一种模拟场景心肺复苏培训方法、系统及存储介质 | |
CN111596761B (zh) | 一种基于换脸技术及虚拟现实技术模拟演讲的方法和装置 | |
US20190041975A1 (en) | Mechanisms for chemical sense response in mixed reality |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220419 |
|
RJ01 | Rejection of invention patent application after publication |