CN114664417A - 一种基于高斯模型的虚拟急救智能培训方法 - Google Patents

一种基于高斯模型的虚拟急救智能培训方法 Download PDF

Info

Publication number
CN114664417A
CN114664417A CN202210204670.XA CN202210204670A CN114664417A CN 114664417 A CN114664417 A CN 114664417A CN 202210204670 A CN202210204670 A CN 202210204670A CN 114664417 A CN114664417 A CN 114664417A
Authority
CN
China
Prior art keywords
data
emergency
emergency operation
gaussian model
frequency
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
Application number
CN202210204670.XA
Other languages
English (en)
Inventor
贺伟军
潘巍巍
卢正通
胡凯
吴易科
唐越
柴晓峰
曾长轩
李灵兵
吴颖君
孙璐
陶诗洁
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.)
Hangzhou Fangzhou Power Technology Co ltd
Zhejiang Zhoushan Institute Of Oceanic Electric Power Transmission Co ltd
Zhoushan Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Hangzhou Fangzhou Power Technology Co ltd
Zhejiang Zhoushan Institute Of Oceanic Electric Power Transmission Co ltd
Zhoushan Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 Hangzhou Fangzhou Power Technology Co ltd, Zhejiang Zhoushan Institute Of Oceanic Electric Power Transmission Co ltd, Zhoushan Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Hangzhou Fangzhou Power Technology Co ltd
Priority to CN202210204670.XA priority Critical patent/CN114664417A/zh
Publication of CN114664417A publication Critical patent/CN114664417A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G06Q50/2057—Career enhancement or continuing education service

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Percussion Or Vibration Massage (AREA)

Abstract

本发明公开了一种基于高斯模型的虚拟急救智能培训方法,涉及一种急救培训方法。目前，学员无法在真实情境下有效地开展急救。本发明包括以下步骤：当需要进行急救智能培训时，采集医用人体物理模型的急救操作数据并传输到高斯模型中，高斯模型对传感器获得的数据进行预测分类，并输出分类结果，同时在虚拟急救场景中显示急救操作信息和人体关键数据；急救操作信息包括按压深度、吹气量、平均按压深度、按压频率、平均吹气量和吹气频率，人体关键数据包括唇色、体温和脉搏。本技术方案将高斯模型和虚拟急救培训相结合，有效地预测学员急救操作和患者身体状态之间的关联关系，在操作过程中，给予学员操作准确性和有效性的反馈；提升培训效果。

Description

一种基于高斯模型的虚拟急救智能培训方法
技术领域
本发明涉及一种急救培训方法，尤其涉及一种基于高斯模型的虚拟急救智能培训方法。
背景技术
我国每年因突发心脏骤停而猝死的病例数量庞大。病人一旦发生心脏骤停，其黄金抢救时间，即开展心肺复苏，通常仅有4-6分钟，且需要施救人员受过专业的培训。考虑到心脏骤停往往事发突然，专业的医护人员往往难以及时赶到现场，因此，提升广大人民群众的心肺复苏急救技能刻不容缓。虚拟急救(通常指虚拟心肺复苏)以其情景逼真、复训率高、节约资源等优势已逐步在各行各业开展。
如何让学员在虚拟环境中真切地感受到患者的身体变化，以此判断急救操作是否合理以及该如何做出调整，仍然是虚拟急救中的一个挑战。例如，在真实的急救过程中，患者的身体状态通常是会随着施救者的急救操作而发生变化。这些变化包括体温变化、唇色的变化、脉搏的变化等。施救者可以据此判断患者身体是否有好转以及是否需要调整急救操作。上述变化信息的缺失，使得目前的虚拟急救培训方法，通常只能培训学员的急救动作是否符合一般规范(如通过培训人员打分或者系统按照固定算法统计计分)，还难以为学员构建急救操作和患者身体反应之间的关联关系。这很容易导致学员无法在真实情境下有效地开展急救。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于高斯模型的虚拟急救智能培训方法，以达到提高急救有效性的目的。为此，本发明采取以下技术方案。
一种基于高斯模型的虚拟急救智能培训方法，包括以下步骤：
1)采集真实数据，包括急救操作数据和人体反馈数据；急救操作数据包括胸外按压深度、胸外按压频率、人工呼吸吹气量和人工呼吸频率；人体反馈数据包括脉搏频率、体温和唇色的变化
2)扩充采集的真实数据并建立数据集；
3)根据数据集构建并训练高斯模型，通过学习方式，确定急救操作与患者身体状态变化之间隐含的关联关系；
4)基于医用人体物理模型构建虚拟急救场景，实现急救操作关键数据可视化和人体反馈关键数据可视化；
5)当需要进行急救智能培训时，采集医用人体物理模型的急救操作数据并传输到高斯模型中，高斯模型对传感器获得的数据进行预测分类，并输出分类结果，同时在虚拟急救场景中显示急救操作信息和人体关键数据；急救操作信息包括按压深度、吹气量、平均按压深度、按压频率、平均吹气量和吹气频率，人体关键数据包括唇色、体温和脉搏。
作为优选技术手段：在步骤2)中，针对收集到的数据，通过极大似然估计，拟合出每个参数各自的高斯分布函数；之后，采用蒙特卡洛方法对采集到的真实数据进行扩充，扩充采集的真实数据80-400倍。
作为优选技术手段：在步骤1)中采集的真实数据样本为200例，扩充后的数据样本为20000例。
作为优选技术手段：在步骤2)中，数据集包括输入集和输出集；输入集包含按压深度、按压频率、吹气量、吹气频率、脉搏频率、体温和唇色的变化；输出集为标准、不标准或部分标准。
作为优选技术手段：在步骤3)中，在训练高斯模型时：
301)将数据集划分为训练集和测试集两个部分，70％的数据用于训练，30％的数据用于测试；
302)设定分模型的个数为3个，高斯模型自动将数据集划分为3个呈高斯分布的分模型；用期望最大化算法迭代计算每个分模型的均值和方差，直到均值和方差变化小于设定值时，认为得到合理的高斯模型；
303)将测试集输入至高斯模型中来验证训练出的高斯模型的正确性；
用残差函数计算实际输出与预想输出的误差，残差函数表达式为：
Figure BDA0003530961790000031
其中，z表示一个新的N维随机变量，zn(1≤n≤N)只能取0或1，zn＝0时表示实际输出和预想输出相等，zn＝1时表示实际输出和预想输出不相等；n表示测试集内第n个输出，N表示测试集中样本数量；经过计算，当训练出的高斯模型误差小于0.1，认为该高斯模型可接受，否则重新对高斯模型进行训练。
作为优选技术手段：在步骤4)中：构建急救操作关键数据和人体反馈关键数据可视化界面，并将其应用于虚拟现实系统中，使学员能直观得到急救操作关键数据和人体反馈关键数据
可视化界面包含急救操作关键数据的反馈。通过两个竖向柱状条分别代表胸外按压深度和人工呼吸吹气量，灰度加深段表示规范的急救操作；设计三角浮标上下浮动体现学员每次急救操作的数据和变化。柱状条下方显示一分钟内学员的平均按压深度、按压频率、平均吹气量和吹气频率；
可视化界面包含急救操作的规范性反馈。当一分钟急救操作结束后，通过指示灯直观表示该组操作是否标准。若亮绿灯，表示该组急救操作非常标准；若亮红灯，表示该组急救操作非常不标准；若亮黄灯，表示该组急救操作部分达到规范指标；
可视化界面还包含人体关键数据反馈。当一分钟急救操作结束后，学员从可视化界面上直观地观察到患者身体状态变化，包括唇色、体温和脉搏频率，从中得到急救操作有效性反馈。通过三个横向柱状条分别表示患者唇色、体温和脉搏频率三个身体状态。通过三角浮标左右移动表示患者各项身体状态值的变化。当三角浮标向右移动时，表示患者身体状态好转；当三角浮标向左移动时，表示患者身体状态恶化。
作为优选技术手段：在步骤5)中，将急救操作数据和分类结果一并显示在可视化界面上；急救操作按压深度和吹气量用三角浮标在柱状条中显示，并将平均按压深度、按压频率、平均吹气量和吹气频率显示在柱状条下方；指示灯颜色的变化展示分类结果；依据分类结果，控制三角浮标在唇色、体温和脉搏的横向柱状条上的左右浮动向学员反馈人体关键数据；
当分类结果为标准时，三个三角浮标都向右随机移动一段距离；
当分类结果为不标准时，三个三角浮标都停止不动，甚至随机后退一段距离；
当分类结果为部分标准时，少数三角浮标向右随机移动一段距离，其余停止不动。
作为优选技术手段：当指示灯亮绿灯时，表明学员急救操作非常规范。当三个三角浮标都向右移动，表明唇色、体温和脉搏频率都在好转，提示学员继续实施当前急救操作；若三个三角浮标都极接近最右端，说明患者生命体征接近正常，提示学员可以停止急救操作；
当指示灯亮红灯时，表明学员急救操作非常不规范。三个三角浮标都向左移动或不动，表明急救操作无效。提示学员根据急救操作关键数据的反馈，改变下一组急救操作的按压深度、按压频率、吹气量和吹气频率；
当指示灯亮黄灯时，表明学员急救操作部分规范。三个三角浮标都不动或少数向右移动，表明急救操作无效。提示学员根据急救操作关键数据的反馈，来有目标地改变急救操作。若胸外按压频率低于规范操作频率，则提示在进行下一组急救操作时，增加胸外按压频率。
有益效果：本技术方案将高斯模型和虚拟急救培训相结合，基于高斯模型能够有效地预测学员急救操作和患者身体状态之间的关联关系，在学员操作的过程中，给予学员操作准确性和有效性的反馈。本发明解决了目前虚拟急救方法中缺乏患者被救后身体状态的反应的问题，能够让学员真实的感受到自己的操作和患者好转状态之间的关系，提升培训效果。
附图说明
图1是本发明的流程图。
图2是本发明的高斯模型示意图。
图3是本发明的医用人体模型结构图。
图4是本发明的可视化界面图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示，一种基于高斯模型的虚拟急救智能培训方法，包括以下步骤：
S1:采集真实数据，包括急救操作数据和人体反馈数据；急救操作数据包括胸外按压深度、胸外按压频率、人工呼吸吹气量和人工呼吸频率；人体反馈数据包括脉搏频率、体温和唇色的变化；真实数据样本约200例；
S2:扩充采集的真实数据并建立数据集；针对收集到的数据，通过极大似然估计，拟合出每个参数各自的高斯分布函数。之后，采用蒙特卡洛方法对上述采集到的样例进行扩充，扩充后的数据样本为20000例。
S3:根据数据集构建并训练高斯模型，通过学习方式，确定急救操作与患者身体状态变化之间隐含的关联关系；
在训练高斯模型时：
S301:将数据集划分为训练集和测试集两个部分，70％的数据用于训练，30％的数据用于测试；
S302:设定分模型的个数为3个，高斯模型自动将数据集划分为3个呈高斯分布的分模型；用期望最大化算法迭代计算每个分模型的均值和方差，直到均值和方差变化小于设定值时，认为得到合理的高斯模型；
S303:将测试集输入至高斯模型中来验证训练出的高斯模型的正确性；
用残差函数计算实际输出与预想输出的误差，残差函数表达式为：
Figure BDA0003530961790000071
其中，z表示一个新的N维随机变量，zn(1≤n≤N)只能取0或1，zn＝0时表示实际输出和预想输出相等，zn＝1时表示实际输出和预想输出不相等；n表示测试集内第n个输出，N表示测试集中样本数量；经过计算，当训练出的高斯模型误差小于0.1，认为该高斯模型可接受，否则重新对高斯模型进行训练。
S4:基于医用人体物理模型构建虚拟急救场景，实现急救操作关键数据可视化和人体反馈关键数据可视化；
基于配置为Intel(R)Core(TM)i7-8750H CPU和16GB内存的计算机。应用Unity 3D开发虚拟现实系统，学员使用虚拟现实设备与虚拟现实系统进行交互，并通过多传感的医用人体物理模型向虚拟现实系统传输急救操作关键数据，具体来说：
所开发的虚拟现实系统包含虚拟人和多个急救模拟场景，培养学员应对不同场景的急救能力；
使用的虚拟现实设备包括HTC VIVE Pro Eye 2.0虚拟现实头盔、HTC VIVE 3.0追踪器和Noitom Hi5 VR动作捕捉手套；
使用的多传感医用人体物理模型为HK/CPR260半身心肺复苏模拟人。如图3所示，该医用人体物理模型1带有按压传感器2，位于胸骨中下半处，可以采集学员胸外按压深度和按压频率。该医用人体物理模型1还带有人工呼吸传感器3，位于喉部，可采集学员人工呼吸吹气量和吹气频率。
设计急救操作关键数据和人体反馈关键数据可视化界面，如图4所示。基于Unity3D开发，并将其应用于虚拟现实系统中，使受训人员直观得到急救操作关键数据和人体反馈关键数据，具体来说：
a.所设计的可视化界面包含急救操作关键数据的反馈。设计两个竖向柱状条分别代表胸外按压深度和人工呼吸吹气量，灰度加深段表示规范的急救操作(胸外按压深度5-6cm，人工呼吸吹气量500-600ml)。设计三角浮标上下浮动体现学员每次急救操作的数据和变化。柱状条下方还可显示一分钟内学员的平均按压深度、按压频率、平均吹气量和吹气频率；
b.所设计的可视化界面还包含急救操作的规范性反馈。当一分钟急救操作结束后，设计一个指示灯可直观表示该组操作是否标准。若亮绿灯，表示该组急救操作非常标准；若亮红灯，表示该组急救操作非常不标准；若亮黄灯，表示该组急救操作部分达到规范指标；
c.所设计的可视化界面还包含人体关键数据反馈。当一分钟急救操作结束后，学员可以从可视化界面上直观地观察到患者身体状态变化(唇色、体温和脉搏频率)，从中得到急救操作有效性反馈。设计三个横向柱状条分别表示患者唇色、体温和脉搏频率三个身体状态。并设计三角浮标左右移动表示患者各项身体状态值的变化。当三角浮标向右移动时，表示患者身体状态好转；当三角浮标向左移动时，表示患者身体状态恶化。
S5：当需要进行急救智能培训时，采集医用人体物理模型的急救操作数据并传输到高斯模型中，高斯模型对传感器获得的数据进行预测分类，并输出分类结果，同时在虚拟急救场景中显示急救操作信息和人体关键数据；急救操作信息包括按压深度、吹气量、平均按压深度、按压频率、平均吹气量和吹气频率，人体关键数据包括唇色、体温和脉搏；具体步骤为：
S501:指引学员穿戴虚拟现实设备(头盔、追踪器和手套)进入虚拟现实系统，走进虚拟人的同时也走进现实世界的医用人体物理模型，并进行多轮急救操作。每轮急救操作包括30次胸外按压和2次人工呼吸，急救操作数据通过医用人体物理模型采集并传输到系统中；
S502：高斯模型对传感器获得的数据进行预测分类，并输出分类结果；
S503：急救操作数据和分类结果一并显示在可视化界面上。急救操作按压深度和吹气量用三角浮标在柱状条中显示，并将平均按压深度、按压频率、平均吹气量和吹气频率显示在柱状条下方。用指示灯颜色的变化展示分类结果。依据分类结果，控制三角浮标在唇色、体温和脉搏的横向柱状条上的左右浮动向学员反馈人体关键数据，具体来说：
a.当分类结果为标准时，三个三角浮标都向右随机移动一段距离；
b.当分类结果为不标准时，三个三角浮标都停止不动，甚至随机后退一段距离；
c.当分类结果为部分标准时，少数三角浮标向右随机移动一段距离，其余停止不动；
S504：学员观察可视化界面中的急救操作关键数据和人体反馈关键数据，提示动态调整急救操作，具体来说：
a.当指示灯亮绿灯时，表明学员急救操作非常规范。三个三角浮标都向右移动，表明唇色、体温和脉搏频率都在好转，指示可继续实施当前急救操作。若三个三角浮标都极接近最右端，说明患者生命体征接近正常，可以停止急救操作；
b.当指示灯亮红灯时，表明学员急救操作非常不规范。观三个三角浮标都向左移动或不动，表明急救操作无效。提示学员可根据急救操作关键数据的反馈，来不同程度地改变下一组急救操作的按压深度、按压频率、吹气量和吹气频率；
c.当指示灯亮黄灯时，表明学员急救操作部分规范。三个三角浮标都不动或少数向右移动，表明急救操作部分有效。提示学员可根据急救操作关键数据的反馈，来有目标地改变急救操作。若胸外按压频率低于规范操作频率，则在进行下一组急救操作时，增加胸外按压频率。
以上图1-4所示的一种基于高斯模型的虚拟急救智能培训方法是本发明的具体实施例，已经体现出本发明实质性特点和进步，可根据实际的使用需要，在本发明的启示下，对其进行形状、结构等方面的等同修改，均在本方案的保护范围之列。

Claims (8)

1.一种基于高斯模型的虚拟急救智能培训方法，其特征在于包括以下步骤：
1)采集真实数据，包括急救操作数据和人体反馈数据；急救操作数据包括胸外按压深度、胸外按压频率、人工呼吸吹气量和人工呼吸频率；人体反馈数据包括脉搏频率、体温和唇色的变化；
2)扩充采集的真实数据并建立数据集；
3)根据数据集构建并训练高斯模型，通过学习方式，确定急救操作与患者身体状态变化之间隐含的关联关系；
4)基于医用人体物理模型构建虚拟急救场景，实现急救操作关键数据可视化和人体反馈关键数据可视化；
5)当需要进行急救智能培训时，采集医用人体物理模型的急救操作数据并传输到高斯模型中，高斯模型对传感器获得的数据进行预测分类，并输出分类结果，同时在虚拟急救场景中显示急救操作信息和人体关键数据；急救操作信息包括按压深度、吹气量、平均按压深度、按压频率、平均吹气量和吹气频率，人体关键数据包括唇色、体温和脉搏。
2.根据权利要求1所述的一种基于高斯模型的虚拟急救智能培训方法，其特征在于：在步骤2)中，针对收集到的数据，通过极大似然估计，拟合出每个参数各自的高斯分布函数；之后，采用蒙特卡洛方法对采集到的真实数据进行扩充，扩充采集的真实数据80-400倍。
3.根据权利要求2所述的一种基于高斯模型的虚拟急救智能培训方法，其特征在于：在步骤1)中采集的真实数据样本为200例，扩充后的数据样本为20000例。
4.根据权利要求3所述的一种基于高斯模型的虚拟急救智能培训方法，其特征在于：在步骤2)中，数据集包括输入集和输出集；输入集包含按压深度、按压频率、吹气量、吹气频率、脉搏频率、体温和唇色的变化；输出集为标准、不标准或部分标准。
5.根据权利要求4所述的一种基于高斯模型的虚拟急救智能培训方法，其特征在于：在步骤3)中，在训练高斯模型时：
301)将数据集划分为训练集和测试集两个部分，70％的数据用于训练，30％的数据用于测试；
302)设定分模型的个数为3个，高斯模型自动将数据集划分为3个呈高斯分布的分模型；用期望最大化算法迭代计算每个分模型的均值和方差，直到均值和方差变化小于设定值时，认为得到合理的高斯模型；
303)将测试集输入至高斯模型中来验证训练出的高斯模型的正确性；
用残差函数计算实际输出与预想输出的误差，残差函数表达式为：
Figure FDA0003530961780000021
其中，z表示一个新的N维随机变量，zn(1≤n≤N)只能取0或1，zn＝0时表示实际输出和预想输出相等，zn＝1时表示实际输出和预想输出不相等；n表示测试集内第n个输出，N表示测试集中样本数量；经过计算，当训练出的高斯模型误差小于0.1，认为该高斯模型可接受，否则重新对高斯模型进行训练。
6.根据权利要求5所述的一种基于高斯模型的虚拟急救智能培训方法，其特征在于：在步骤4)中：构建急救操作关键数据和人体反馈关键数据可视化界面，并将其应用于虚拟现实系统中，使学员能直观得到急救操作关键数据和人体反馈关键数据；
可视化界面包含急救操作关键数据的反馈；通过两个竖向柱状条分别代表胸外按压深度和人工呼吸吹气量，灰度加深段表示规范的急救操作；设计三角浮标上下浮动体现学员每次急救操作的数据和变化；柱状条下方显示一分钟内学员的平均按压深度、按压频率、平均吹气量和吹气频率；
可视化界面包含急救操作的规范性反馈；当一分钟急救操作结束后，通过指示灯直观表示操作是否标准；若亮绿灯，表示急救操作非常标准；若亮红灯，表示急救操作非常不标准；若亮黄灯，表示急救操作部分达到规范指标；
可视化界面还包含人体关键数据反馈；当一分钟急救操作结束后，学员从可视化界面上直观地观察到患者身体状态变化，包括唇色、体温和脉搏频率，从中得到急救操作有效性反馈；通过三个横向柱状条分别表示患者唇色、体温和脉搏频率三个身体状态；通过三角浮标左右移动表示患者各项身体状态值的变化；当三角浮标向右移动时，表示患者身体状态好转；当三角浮标向左移动时，表示患者身体状态恶化。
7.根据权利要求6所述的一种基于高斯模型的虚拟急救智能培训方法，其特征在于：在步骤5)中，将急救操作数据和分类结果一并显示在可视化界面上；急救操作按压深度和吹气量用三角浮标在柱状条中显示，并将平均按压深度、按压频率、平均吹气量和吹气频率显示在柱状条下方；指示灯颜色的变化展示分类结果；依据分类结果，控制三角浮标在唇色、体温和脉搏的横向柱状条上的左右浮动向学员反馈人体关键数据；
当分类结果为标准时，三个三角浮标都向右随机移动一段距离；
当分类结果为不标准时，三个三角浮标都停止不动，甚至随机后退一段距离；
当分类结果为部分标准时，少数三角浮标向右随机移动一段距离，其余停止不动。
8.根据权利要求7所述的一种基于高斯模型的虚拟急救智能培训方法，其特征在于：
当指示灯亮绿灯时，表明学员急救操作非常规范；当三个三角浮标都向右移动，表明唇色、体温和脉搏频率都在好转，提示学员继续实施当前急救操作；若三个三角浮标都极接近最右端，说明患者生命体征接近正常，提示学员可以停止急救操作；
当指示灯亮红灯时，表明学员急救操作非常不规范；三个三角浮标都向左移动或不动，表明急救操作无效；提示学员根据急救操作关键数据的反馈，改变下一组急救操作的按压深度、按压频率、吹气量和吹气频率；
当指示灯亮黄灯时，表明学员急救操作部分规范；三个三角浮标都不动或少数向右移动，表明急救操作无效；提示学员根据急救操作关键数据的反馈，来有目标地改变急救操作；若胸外按压频率低于规范操作频率，则提示在进行下一组急救操作时，增加胸外按压频率。
CN202210204670.XA 2022-03-03 2022-03-03 一种基于高斯模型的虚拟急救智能培训方法 Pending CN114664417A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210204670.XA CN114664417A (zh) 2022-03-03 2022-03-03 一种基于高斯模型的虚拟急救智能培训方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210204670.XA CN114664417A (zh) 2022-03-03 2022-03-03 一种基于高斯模型的虚拟急救智能培训方法

Publications (1)

Publication Number Publication Date
CN114664417A true CN114664417A (zh) 2022-06-24

Family

ID=82026951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210204670.XA Pending CN114664417A (zh) 2022-03-03 2022-03-03 一种基于高斯模型的虚拟急救智能培训方法

Country Status (1)

Country Link
CN (1) CN114664417A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115082271A (zh) * 2022-08-23 2022-09-20 广州远程教育中心有限公司 职业教育数字化教学的沉浸式考试防作弊方法及系统
CN117710165A (zh) * 2024-02-05 2024-03-15 氧乐互动(天津)科技有限公司 基于模拟人的急救成效分析的方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115082271A (zh) * 2022-08-23 2022-09-20 广州远程教育中心有限公司 职业教育数字化教学的沉浸式考试防作弊方法及系统
CN117710165A (zh) * 2024-02-05 2024-03-15 氧乐互动(天津)科技有限公司 基于模拟人的急救成效分析的方法及系统

Similar Documents

Publication Publication Date Title
KR102045260B1 (ko) 증강현실과 가상현실을 이용한 훈련용 응급처치 시뮬레이션 방법
CN114664417A (zh) 一种基于高斯模型的虚拟急救智能培训方法
Erel et al. Microsurgery simulators in virtual reality
US20120288837A1 (en) Medical Simulation System
CN105096670A (zh) 一种用于鼻胃管操作实训的智能沉浸式教学系统及装置
CN106295189A (zh) 一种可视化手术全流程一体化系统
CN109773807B (zh) 运动控制方法、机器人
Lu et al. Development and validation of a confined space rescue training prototype based on an immersive virtual reality serious game
CN117409629A (zh) 心肺复苏训练方法、装置、设备及介质
AU2012200818B2 (en) Medical simulation system
Cecil et al. Design of a human centered computing (HCC) based virtual reality simulator to train first responders involved in the Covid-19 pandemic
Iván Aguilar Reyes et al. An adaptive virtual reality-based training system for pilots
KR20180097343A (ko) 심폐 소생술 훈련 시스템
CN113517055A (zh) 一种基于虚拟仿真3d技术的认知评估训练方法
CN113539038A (zh) 一种模拟场景心肺复苏培训方法、系统及存储介质
Jeunet et al. Human learning for brain–computer interfaces
JP5362744B2 (ja) 事後の予告を持つシミュレーションを提供するための方法、システムおよびコンピュータ読み取り可能な記録媒体
KR20180097334A (ko) 심폐 소생술 훈련 시뮬레이션 방법
Sararit et al. A VR simulator for emergency management in endodontic surgery
CN116151655A (zh) 基于mr的航空医学救援培训效果评价系统和方法
Sun et al. A method to evaluate the quality of chest compressions during manual cardiopulmonary resuscitation
KR20220095465A (ko) 오류상황 인지기반 간호교육 시스템 및 방법
CN117789563B (zh) 基于ai和mr技术虚实融合模拟医学教学方法和系统
Gick et al. Producing whole speech events: Differential facial stiffness across the labial stops
Huo et al. VAD-Net: Multidimensional Emotion Recognition from Facial Expression Images

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