CN116168805B - 一种用于认知训练的思维训练装置及认知训练系统 - Google Patents
一种用于认知训练的思维训练装置及认知训练系统 Download PDFInfo
- Publication number
- CN116168805B CN116168805B CN202310096577.6A CN202310096577A CN116168805B CN 116168805 B CN116168805 B CN 116168805B CN 202310096577 A CN202310096577 A CN 202310096577A CN 116168805 B CN116168805 B CN 116168805B
- Authority
- CN
- China
- Prior art keywords
- training
- information
- module
- result
- thinking
- 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.)
- Active
Links
Classifications
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Neurology (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Physics & Mathematics (AREA)
- Developmental Disabilities (AREA)
- Biomedical Technology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Human Computer Interaction (AREA)
- Veterinary Medicine (AREA)
- Social Psychology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Neurosurgery (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Rehabilitation Tools (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于认知训练的思维训练装置及认知训练系统,装置包括:认知评估模块用于获取待进行认知训练的使用者的基础量表结果,认知分析决策模块用于基于基础量表结果和预设的认知分析策略,确定使用者的认知训练的第一信息;思维训练模块用于基于第一信息与边缘云端交互,获取初始化的训练信息,并使用该初始化的训练信息对使用者进行训练,在训练过程中基于实时完成的训练信息与边缘云端交互,获取边缘云端实时调整的第N阶段的训练信息并继续进行训练,直至所有类型的训练结束进而输出用于可显示的结果。本发明的思维训练装置能够合理有效的确定用户的思维能力并获取适合使用者思维能力的训练信息。
Description
技术领域
本发明涉及认知障碍康复技术领域,尤其涉及一种用于认知训练的思维训练装置及认知训练系统。
背景技术
现有技术提供一种基于虚拟现实的认知训练系统,参见公开号为CN114694837A的基于虚拟现实的认知训练系统,该系统包括主控模块和场景交互模块、输入输出模块,主控模块包括:认知训练模块和数据分析模块,认知训练模块用于根据训练方案提供引导用户完成各项任务以供用户进行相应一项或多项认知功能训练的虚拟现实场景;场景交互模块,用于呈现包含各项任务的虚拟现实场景及接收用户的任务执行数据;数据分析模块,用于根据任务执行数据给出训练结果;输入输出模块,用于供用户输入基本信息和输出训练结果。现有方案采用虚拟现实技术,通过对视觉和听觉的感知模拟,能够逼真地模拟人类熟悉的生活场景,使得认知测试问题更立体,形象,且贴近现实生活化。
在上述的基于虚拟现实的认知功能障碍训练系统中,所述的虚拟现实场景包括用于训练视空间与执行功能的视空间与执行功能训练场景,用于训练命名功能的命名功能训练场景,用于训练抽象思维的抽象思维功能训练场景,用于训练注意力功能的注意力训练场景,用于训练计算功能的计算功能训练场景,用于训练语言功能的语言功能训练场景,用于训练记忆功能的记忆功能训练场景,用于训练延迟回忆功能的延迟回忆功能训练场景和用于训练定向功能的定向功能训练场景。然而,该训练系统存在下述的缺陷:1)依据MoCA对思维进行评估,MoCA可以对记忆力、注意力等进行评估,但是没有具体项目是针对思维进行评估的,单纯根据MoCA来对思维进行评估依据作判断,是无法准确针对思维进行训练的。
针对训练,没有结合用户的能力进行调整,认知障碍用户MMSE/MoCA得分不同,对训练的难度需求是不同的,不能对所有认知障碍用户采用相同的难度进行匹配。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种用于认知训练的思维训练装置及认知训练系统,用于合理有效的确定用户的思维能力,并结合使用者的基础情况获取适合使用者思维能力的训练信息,根据算法实时动态调整训练难度,以保证使用者一直处于难度适宜状态。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
第一方面,本发明实施例提供一种用于认知训练的思维训练装置,其包括:
认知评估模块,用于获取待进行认知训练的使用者的基础量表结果,所述基础量表结果包括:基于使用者的基本信息通过线上或线下方式进行初始测评获得的思维能力结果;
认知分析决策模块,用于基于所述基础量表结果和预设的认知分析策略,确定当前使用者的认知训练的第一信息;
思维训练模块,用于基于所述第一信息与边缘云端交互,获取初始化的训练信息,并使用该初始化的训练信息在创建的虚拟环境内对当前使用者进行训练,在训练过程中基于实时完成的训练信息与边缘云端交互,获取所述边缘云端实时调整的第N阶段的训练信息,使用该第N阶段的训练信息对当前使用者继续进行训练,直至所有类型的训练结束,输出用于对当前使用者或陪护者显示的结果,N大于等于2。
可选地,还包括:XR基础模块;
所述XR基础模块,用于与当前使用者的终端或陪护端、边缘云端分别交互,将认知评估模块、认知分析决策模块和思维训练模块处理的用于在当前使用者的终端或陪护端显示的信息传输,以及将当前使用者的终端或陪护端触发的信息传输至对应的认知评估模块、认知分析决策模块、思维训练模块或边缘云端。
可选地,认知评估模块包括:
线下测评结果上传子模块,用于获取当前使用者/陪护者通过线下方式完成的量表结果和当前使用者的基本信息;
线上测评子模块,用于获取当前使用者/陪护者基于线上实时展示的MoCA或者MMSE量表的测评结果和当前使用者/陪护者线上填写的基本信息;
思维认知测评子模块;用于根据所述基础信息和量表结果/测评结果,获取用于规划思维进行训练的第一匹配结果ThoughtAssess_P;用于空间思维进行训练的第二匹配结果ThoughtAssess_S;用于逻辑思维进行训练的第三匹配结果ThoughtAssess_L;
所述第一匹配结果、第二匹配结果和第三匹配结果和所述基本信息组成所述基础量表结果;
每一匹配结果包括下述的一项或多项:训练名称、训练时长和初始难度等级。
可选地,认知分析决策模块包括:
将第一匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于规划思维训练的第一信息;
所述边缘云端具体用于:
基于预存的数据信息筛选与当前使用者的基本信息和第一匹配结果相似的n条结果;n大于等于3;
基于min(|Scorei-ThoughtAssess_P(Score)|+|HanleTimei-ThoughtAssess_P(HanleTime)|),i∈(0,n),获取第最小值所属人的第一次训练的最终难度等级为dl;
根据下述公式选择用于规划思维训练的第一信息,该第一信息包括:初始难度、初始训练时长和初始训练名称;
将第二匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于空间思维训练的第一信息;
将第三匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于逻辑思维训练的第一信息。
可选地,思维训练模块,包括:规划类子模块、空间推理子模块、逻辑推理子模块;
所述规划类子模块,用于根据用于规划思维训练的第一信息,在虚拟环境内加载规划关联的训练场景,并借助于边缘云端的渲染模块对虚拟环境内训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,并获取规划类训练结果;
空间推理子模块,用于根据用于空间思维训练的第一信息,在虚拟环境内加载空间推理训练场景,并借助于边缘云端的渲染模块对空间推理训练场景进行渲染并将渲染后的空间推理训练场景进行展示,使得当前使用者基于展示的空间推理训练场景进行交互,并获取空间推理类训练结果;
逻辑推理子模块,用于根据用于逻辑思维训练的第一信息,在虚拟环境内加载逻辑推理训练场景,并借助于边缘云端的渲染模块对逻辑推理训练场景进行渲染并将渲染后的逻辑推理训练场景进行展示,使得当前使用者基于展示的逻辑推理训练场景进行交互,并获取逻辑推理类训练结果。
可选地,所述规划类子模块,还用于获取当前使用者已经完成的初始训练时长/初始难度对应的结果信息TrainName_RoundX_Result,将结果信息TrainName_RoundX_Result发送边缘云端,以使边缘云端根据该结果信息获取第N阶段的训练信息;
所述规划类子模块,还用于根据用于第N阶段的训练信息,在虚拟环境内加载训练场景,并借助于边缘云端的渲染模块对虚拟环境内训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,直至规划思维训练结束。
可选地,所述边缘云端根据结果信息,判断是否是最后阶段,若是,则向所述规划类子模块反馈结束,否则,采用下述函数
f(TrainName_RoundX_Result,TrainName_RoundX_TrianTime,Age,Sex)计算,得到第N阶段的训练信息的难度等级和该难度等级所属的训练信息;
和/或,所述边缘云端存储所述结果信息;
和/或,结果信息包括下述的一项或多项:训练名称TrainName、训练时间TrianName_Time、训练得分TrianName_Score、训练时长TrianName_TrainTime、训练结束难度等级TrianName_DifficultyLevel、训练准确率TrianName_Accuracy。
第二方面,本发明实施例还提供一种认知训练系统,其包括:
陪护端、XR训练端、边缘云端和中心云端;
所述XR训练端集成有上述第一方面任一所述的用于认知训练的思维训练装置;
所述陪护端与XR训练端交互,所述边缘云端与所述XR训练端交互,所述中心云端与所述边缘云端交互。
可选地,所述XR训练端包括:
XR眼镜、手柄、触觉手套、气味发生器、动作追踪设备、面部追踪设备、计算设备和/或防护组件;
所述防护组件用于在使用者使用XR训练端的过程中保护使用者的身体安全。
(三)有益效果
本发明的思维训练装置通过认知评估模块获取使用者基于基础量表的基础量表结果,该基础量表结果是具有对思维能力进行评估的结果,进而认知分析决策模块基于基础量表结果确定认知训练的第一信息,进而思维训练模块根据第一信息获取初始化的训练信息,进而在虚拟环境内基于训练信息对使用者进行训练,并与边缘云端交互,获取后续各个阶段的训练信息,实现使用者能够持续进行训练,进而合理有效的确定用户的认知障碍难度,并结合认知障碍难度获取用于训练的信息。
具体地,依据MoCA/MMSE线上/线下的评测和专门的思维认知测评,形成针对性的思维认知能力和认知等级测评,得到用户全方位的思维能力的水平。根据思维能力的水平,推荐针对性的思维训练,可以有效保证使用者认知康复训练的粘性,对使用者选择适合难度的训练信息。
本发明中,根据用户全方位的思维水平和大数据库中所有用户的训练历史数据,形成适合用户能力的难度等级,同时在训练过程中也同步自适应调整难度等级,使用户容易进入心流状态,提高用户持续训练的意愿。
附图说明
图1为本发明一实施例提供的一种用于认知训练的思维训练装置的结构示意图;
图2和图3分别为本发明一实施例提供的认知训练系统的结构示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
现有技术中基于VR的认知训练方法,大多聚焦在注意力和记忆力等方面,没有针对规划、空间推理和逻辑推理等具体的思维方面的认知训练;且单纯VR系统,对于使用者来说,存在容易摔倒的风险,使用者不会操作的问题,无法及时指导;所有认知训练场景的渲染均在VR端,成本较高。
本发明实施例中,针对轻度认知障碍、阿尔茨海默症和脑卒中等认知障碍用户在规划、空间推理和逻辑推理方面的思维认知训练,提出一种新型的XR思维训练装置和系统。该系统可以由用户带回家,家属陪护进行训练。
实施例一
如图1所示,本发明实施例提供一种用于认知训练的思维训练装置,本实施例的用于认知训练的思维训练装置包括:认知评估模块、认知分析决策模块、思维训练模块;
认知评估模块,用于获取待进行认知训练的使用者的基础量表结果,所述基础量表结果为基于使用者的基本信息通过线上或线下方式进行初始测评获得的结果;例如,在线测评的第一交互结果或线下上传的第一量表结果,以及根据第一交互结果或线下上传的第一量表结果获取用于分别进行规划思维、空间思维、逻辑思维训练的匹配结果,该匹配结果作为基础量表结果。
认知分析决策模块,用于基于所述基础量表结果和预设的认知分析策略,确定当前使用者的认知训练的第一信息;即获取规划类、空间推理和逻辑推理的初始化训练疗程信息;
思维训练模块,用于基于所述第一信息与边缘云端交互,获取初始化的训练信息,并使用该初始化的训练信息在创建的虚拟环境内对当前使用者进行训练,在训练过程中基于实时完成的训练信息与边缘云端交互,获取所述边缘云端实时调整的第N阶段的训练信息,使用该第N阶段的训练信息对当前使用者继续进行训练,直至所有类型的训练结束,输出用于对当前使用者或陪护者显示的结果,N大于等于2。
本实施例的虚拟环境可以类似小游戏场景,虚拟游戏场景,此时,训练信息可对应虚拟游戏场景中的人物的对话或答题选项或者闯关信息等。
在实际应用中,思维训练装置还包括:XR基础模块;
所述XR基础模块,用于与当前使用者的终端或陪护端、边缘云端分别交互,将认知评估模块、认知分析决策模块和思维训练模块处理的用于在当前使用者的终端或陪护端显示的信息传输,以及将当前使用者的终端或陪护端触发的信息传输至对应的认知评估模块、认知分析决策模块、思维训练模块或边缘云端。
本实施例的认知评估模块可包括:
线下测评结果上传子模块,用于获取当前使用者/陪护者通过线下方式完成的量表结果和当前使用者的基本信息;
线上测评子模块,用于获取当前使用者/陪护者基于线上实时展示的MoCA或者MMSE量表的测评结果和当前使用者/陪护者线上填写的基本信息;
思维认知测评子模块;用于根据所述基础信息和量表结果/测评结果,获取用于规划思维进行训练的第一匹配结果ThoughtAssess_P;用于空间思维进行训练的第二匹配结果ThoughtAssess_S;用于逻辑思维进行训练的第三匹配结果ThoughtAssess_L;
所述第一匹配结果、第二匹配结果和第三匹配结果和所述基本信息组成所述基础量表结果;
每一匹配结果包括下述的一项或多项:训练名称、训练时长和初始难度等级。
上述的认知分析决策模块可包括:
将第一匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于规划思维训练的第一信息;
所述边缘云端具体用于:
基于预存的数据信息筛选与当前使用者的基本信息和第一匹配结果相似的n条结果;n大于等于3;
基于min(|Scorei-ThoughtAssess_P(Score)|+|HanleTimei-ThoughtAssess_P(HanleTime)|),i∈(0,n),获取第最小值所属人的第一次训练的最终难度等级为dl;
根据下述公式选择用于规划思维训练的第一信息,该第一信息包括:初始难度、初始训练时长和初始训练名称;
将第二匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于空间思维训练的第一信息;
将第三匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于逻辑思维训练的第一信息。
进一步地,思维训练模块可包括:规划类子模块、空间推理子模块、逻辑推理子模块;
所述规划类子模块,用于根据用于规划思维训练的第一信息,在虚拟环境内加载训练场景,并借助于边缘云端的渲染模块对虚拟环境内训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,并获取规划类训练结果;
空间推理子模块,用于根据用于空间思维训练的第一信息,在虚拟环境内加载训练场景,并借助于边缘云端的渲染模块对训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,并获取空间推理类训练结果;
逻辑推理子模块,用于根据用于逻辑思维训练的第一信息,在虚拟环境内加载训练场景,并借助于边缘云端的渲染模块对训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,并获取逻辑推理类训练结果。
具体地,所述规划类子模块,还用于获取当前使用者已经完成的初始训练时长/初始难度对应的结果信息TrainName_RoundX_Result,将结果信息TrainName_RoundX_Result发送边缘云端,以使边缘云端根据该结果信息获取第N阶段的训练信息;
所述规划类子模块,还用于根据用于第N阶段的训练信息,在虚拟环境内加载训练场景,并借助于边缘云端的渲染模块对虚拟环境内训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,直至规划思维训练结束。
此时,边缘云端根据结果信息,判断是否是最后阶段,若是,则向所述规划类子模块反馈结束,否则,采用下述函数
f(TrainName_RoundX_Result,TrainName_RoundX_TrianTime,Age,Sex)计算,得到第N阶段的训练信息的难度等级和该难度等级所属的训练信息;
和/或,所述边缘云端存储所述结果信息;
和/或,结果信息包括下述的一项或多项:训练名称TrainName、训练时间TrianName_Time、训练得分TrianName_Score、训练时长TrianName_TrainTime、训练结束难度等级TrianName_DifficultyLevel、训练准确率TrianName_Accuracy;
空间推理子模块和逻辑推理子模块的处理方式和规划类子模块的处理方式类似。
例如,所述空间推理子模块,还用于获取当前使用者已经完成的初始训练时长/初始难度对应的结果信息Result,将结果信息Result发送边缘云端,以使边缘云端根据该结果信息获取第N阶段的训练信息;
所述空间推理子模块,还用于根据用于第N阶段的训练信息,在虚拟环境内加载训练场景,并借助于边缘云端的渲染模块对虚拟环境内训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,直至空间推理训练结束。
此时,边缘云端根据结果信息,判断是否是最后阶段,若是,则向所述规划类子模块反馈结束,否则,采用下述函数
f(TrainName_RoundX_Result,TrainName_RoundX_TrianTime,Age,Sex)计算,得到第N阶段的训练信息的难度等级和该难度等级所属的训练信息。
本实施例中逻辑推理子模块,还用于获取当前使用者已经完成的初始训练时长/初始难度对应的结果信息Result,将结果信息Result发送边缘云端,以使边缘云端根据该结果信息获取第N阶段的训练信息;
所述逻辑推理子模块,还用于根据用于第N阶段的训练信息,在虚拟环境内加载训练场景,并借助于边缘云端的渲染模块对虚拟环境内训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,直至空间推理训练结束。
此时,边缘云端根据结果信息,判断是否是最后阶段,若是,则向所述规划类子模块反馈结束,否则,采用下述函数
f(TrainName_RoundX_Result,TrainName_RoundX_TrianTime,Age,Sex)计算,得到第N阶段的训练信息的难度等级和该难度等级所属的训练信息。
上述实施例中边缘云端的功能是边缘云端和中心云端交互实现的,其具体功能的划分所示根据实际需要确定,本实施例不限定是边缘云端实现,还是中心云端实现,能够执行上述的功能均可。
实施例二
为更好的理解上述实施例一的方法,下面结合图2至图3对思维训练装置及具体的处理过程进行详细说明。
如图2所示,本实施例的认知训练系统可包括:陪护端、XR训练端、边缘云端和中心云端。上述每一端均可为独立的计算设备,或者,计算设备和该计算设备的辅助组件。
实际训练中,XR训练端可包括:XR眼镜、手柄、触觉手套、气味发生器、动作追踪设备、面部追踪设备、计算设备、防护组件等。需要说明的是,防护组件主要是防止使用者在训练过程中发生意外事件,其保护身体。该防护组件可以单独XR训练端设置,也可以作为XR训练端内的组件,其根据实际需要配置,本实施例不对其限定。
边缘云端可为集成有训练程序或渲染程序的计算机;
中心云端可为运营管理终端,其集成有用于构建虚拟训练空间中每一虚拟环境的运营管理设备。
陪护端可为平板或计算设备,通常,陪护端和XR训练端在一个物理空间内,用于辅助用户端进行操作。
本实施例的思维训练装置为集成在XR训练端的计算设备中,其包括:认知评估模块、认知分析决策模块、思维训练模块和XR基础模块。
为更好的理解上述每一模块所实现的功能,下面结合附图3对每一模块进行详细的说明。
认知评估模块
认知评估模块用于获取当前进行XR训练的使用者的认知信息,所述认知信息包括:使用者基本信息、在线测评的第一交互结果或线下上传的第一量表结果,以及根据第一交互结果或线下上传的第一量表结果获取用于规划思维、空间思维、逻辑思维等分别进行训练的匹配结果,并将匹配结果发送至认知分析决策模块。
举例来说,认知评估模块可包括:线下测评结果上传子模块、线上测评子模块和思维认知测评子模块。
具体地,线上测评子模块,用于进行XR训练的使用者基于第一界面展示的MoCA或者MMSE的量表测评进行交互,获取第一交互结果;
线下测评结果上传子模块,用于进行XR训练的使用者/陪护端基于第一界面的上传按钮将线下的量表结果上传,获取第一量表结果。
第一交互结果和第一量表结果用于确认认知存在缺陷。
使用者基本信息可包括:姓名、年龄、性别、患病类别、教育水平等。患病类别通常为:轻度认知障碍、阿尔茨海默症、卒中后认知障碍等。
第一界面展示的MoCA或者MMSE的量表可为当前XR训练端的计算设备中存储的量表,或者边缘云端实时推送的对应患病类别的量表。
轻度认知障碍使用者测评MoCA的量表、卒中后认知障碍和阿尔茨海默症使用者测评MMSE的量表。当MoCA得分<26分或MMSE<24分时,进入思维认知评测子模块,否则,结束。
思维认知测评子模块,用于根据所述第一交互结果或第一量表结果,获取用于规划思维进行训练的第一匹配结果ThoughtAssess_P(简称T_P)、用于空间思维进行训练的第二匹配结果ThoughtAssess_S(简称T_S)、用于逻辑思维进行训练的第三匹配结果ThoughtAssess_L(简称T_L)。
T_P、T_S、T_L中均包括得分Score、处理时间HandleTime(简称HT)、难度等级DifficultyLevel(简称DL)。
所述认知评估模块,还用于将使用者基本信息和T_P、T_S、T_L发送到认知分析决策模块。
认知分析决策模块
在本实施例中,认知分析决策模块包括:记忆力决策子模块、思维决策子模块、注意决策子模块。
所述思维决策子模块,用于通过预先构建的思维通过函数f,分别获取规划类、空间推理和逻辑推理的具体训练疗程信息;
具体训练疗程信息包括下述的一种或多种:疗程时长CourseTime、疗程频率CourseFrequency;
规划类训练的训练名称、规划类训练的初始难度、规划类训练的训练时长、空间推理类训练的训练名称;
空间推理类训练的初始难度、空间推理类训练的训练时长;
逻辑推理类训练的训练名称、逻辑推理类训练的初始难度、逻辑推理类训练的训练时长。
上述的思维通过函数f为基于年龄、分数、性别、T_P、T_S、T_L的函数,具体对应下述的表1的信息。
表1
表1中还给出了规划类、空间推理和逻辑推理测评结果的分值说明,本实施例中满分均为100分。
表1中,是根据文化水平、其它疾病情况不同而不同的。可预先由治疗师来做调整,若治疗师无调整,则按照接受教育年限小于12年时,均等于3,接受教育年限大于等于12年时,均为0。
为更好的理解上述函数处理过程,可说明如下:
XR训练端的认知分析决策模块通过边缘云端,发送优化疗程的请求至中心云端,中心云端通过内部存储的大数据针对数据库中,所有使用者训练数据的经验,对优化疗程的请求中的具体疗程数据进行优化;得到最终疗程数据,并将最终疗程数据存储以及通过边缘云端发送至认知分析决策模块。
中心云端对请求中的具体疗程数据进行优化的过程说明如下:
1)设当前用户姓名为张三,年龄为70岁,性别为男,患病类别为轻度认知障碍,推荐训练名称为a、b、c…,其中a为规划类训练名称。根据大数据Map、Reduce框架,对历史训练数据进行计算,将Age=70&&Sex=Male&&UserType=MCI&&TrainName1=a的人评测结果和训练结果(第一次训练的训练名称TrianName、最终难度DifficultyLevel)全部筛出共n条。
2)对有训练名称a的n个人进行筛选,选出规划类测评的Score和HandleTime最相近的人,公式为:min(|Scorei-ThoughtAssess_P(Score)|+|HanleTimei-ThoughtAssess_P(HanleTime)|),i∈(0,n)。获取第最小值所属人的第一次训练的最终难度等级为dl。
3)按如下计算公式(1),计算得到张三,训练名称a的最佳初始难度等级。可保证张三在进行a训练时,参考和他测评结果最相近的人的训练难度等级,获得最佳的初始训练体验,以让张三可以最容易接受,而不是想放弃。
4)对于空间思维类和逻辑思维类的计算,除步骤2)中ThoughtAssessP(Score)要换成对应的ThoughtAssessS(Score)或ThoughtAssessL(Score)以及ThoughtAssessP(HanleTime)要换成对应的ThoughtAssessS(HanleTime)
或ThoughtAssess_L(HanleTime),步骤1)至步骤3)中一致。计算得到张三所有对应的所有训练a、b、c…初始难度等级。
思维训练模块
本实施例中,思维训练模块可包括:规划类子模块、空间推理子模块、逻辑推理子模块;
其中,规划类子模块,用于根据ThoughtTrain_P的参数(如训练名称TrainName、初始难度InitialDifficulty、训练时长TrainTime),进入相应的训练,初始化训练时长、训练难度等级。
具体地,规划类子模块可在虚拟环境内加载相应的训练场景,将训练场景数据,通过边缘云端内的渲染模块,边缘云端的渲染模块完成渲染后,将渲染后数据,发送至XR训练端,在规划类界面进行显示。
进行XR训练的使用者根据看到的训练场景内容,进行训练。每轮训练完成后,将本轮结果TrainName_RoundX_Result和本轮所用时长TrainName_RoundX_TrianTime,发送给边缘云端的难度自适应子模块。
难度自适应子模块根据函数
f(TrainName_RoundX_Result,TrainName_RoundX_TrianTime,Age,Sex)计算,得到下一轮的难度等级,让使用者可以有一定的挑战,同时没有太多的挫败感。
判断是否完成最后一轮,若未完成,得到的一下轮的难度等级,重复上述过程,若完成,则完成当前训练后,将训练结果存储到本地。
训练结果包括:训练名称TrainName、训练时间TrianName_Time、训练得分TrianName_Score、训练时长TrianName_TrainTime、训练结束难度等级TrianName_DifficultyLevel、训练准确率TrianName_Accuracy。然后再通过XR训练端,发送训练结果数据给边缘云端以存储,同时边缘云端发送给中心云端以存储。
空间推理子模块,具体用于根据ThoughtTrain_S的参数(如训练名称TrainName、初始难度InitialDifficulty、训练时长TrainTime),进入相应的训练,初始化训练时长、训练难度等级。
具体地,空间推理子模块可加载相应的训练场景,将训练场景数据,通过边缘云端内的渲染模块,边缘云端的渲染模块完成渲染后,将渲染后数据,发送至XR训练端,在空间推理类界面进行显示。
进行XR训练的使用者根据看到的训练场景内容,进行训练。每轮训练完成后,将本轮结果TrainName_RoundX_Result和本轮所用时长TrainName_RoundX_TrianTime,发送给难度自适应子模块。难度自适应子模块根据函数f(TrainName_RoundX_Result,TrainName_RoundX_TrianTime,Age,Sex)计算,得到下一轮的难度等级,让使用者可以有一定的挑战,同时没有太多的挫败感。
判断是否完成最后一轮,若未完成,得到的一下轮的难度等级,重复上述过程,若完成,则完成当前训练后,将训练结果存储到本地。
训练结果包括:训练名称TrainName、训练时间TrianName_Time、训练得分TrianName_Score、训练时长TrianName_TrainTime、训练结束难度等级TrianName_DifficultyLevel、训练准确率TrianName_Accuracy。然后再通过XR训练端,发送训练结果数据给边缘云端以存储,同时边缘云端发送给中心云端以存储。
逻辑推理子模块,用于根据ThoughtTrain_L的参数(例如训练名称TrainName、初始难度InitialDifficulty、训练时长TrainTime),进入相应的训练,初始化训练时长、训练难度等级。
具体地,逻辑推理子模块可加载相应的训练场景,将训练场景数据,通过边缘云端内的渲染模块,边缘云端的渲染模块完成渲染后,将渲染后数据,发送至XR训练端,在逻辑推理类界面进行显示。
进行XR训练的使用者根据看到的训练场景内容,进行训练。每轮训练完成后,将本轮结果TrainName_RoundX_Result和本轮所用时长TrainName_RoundX_TrianTime,发送给边缘云端的难度自适应子模块。难度自适应子模块根据函数f(TrainName_RoundX_Result,TrainName_RoundX_TrianTime,Age,Sex)计算,得到下一轮的难度等级,让使用者可以有一定的挑战,同时没有太多的挫败感。
判断是否完成最后一轮,若未完成,得到的一下轮的难度等级,重复上述过程,若完成,则完成当前训练后,将训练结果存储到本地。
训练结果包括:训练名称TrainName、训练时间TrianName_Time、训练得分TrianName_Score、训练时长TrianName_TrainTime、训练结束难度等级TrianName_DifficultyLevel、训练准确率TrianName_Accuracy。然后再通过XR训练端,发送训练结果数据给边缘云端以存储,同时边缘云端发送给中心云端以存储。
完成所有思维训练后,XR训练端同步回到今日训练已完成界面。
本实施例中,借助于边缘云端的渲染功能,可有效降低XR训练端的成本,同时,借助于防护组件可提高训练端使用者的安全性。
具体实现中,依据MoCA/MMSE线上/线下的评测和专门的思维认知测评,形成针对性的思维认知能力和认知等级测评,得到用户全方位的思维水平。根据得到的思维水平,推荐针对性的思维训练。可以有效保证使用者认知康复训练的依从性,对使用者选择适合难度的训练信息。
特别地,根据用户全方位的思维水平和大数据库中用户的训练历史数据,形成适合用户能力的难度等级,同时在训练过程中也同步自适应调整难度等级,使用户容易进入心流状态,提高用户持续训练的意愿。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中,这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是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发明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必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。
Claims (8)
1.一种用于认知训练的思维训练装置,其特征在于,包括:
认知评估模块,用于获取待进行认知训练的使用者的基础量表结果,所述基础量表结果包括:基于使用者的基本信息通过线上或线下方式进行初始测评获得的思维能力结果;
认知分析决策模块,用于基于所述基础量表结果和预设的认知分析策略,确定当前使用者的认知训练的第一信息;
具体用于:将第一匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于规划思维训练的第一信息;
所述边缘云端具体用于:基于预存的数据信息筛选与当前使用者的基本信息和第一匹配结果相似的n条结果;n大于等于3;
基于min(|Scorei-ThoughtAssess_P(Score)|+|HanleTimei-ThoughtAssess_P(HanleTime)|),i∈(0,n),获取第最小值所属人的第一次训练的最终难度等级为dl;
根据下述公式选择用于规划思维训练的第一信息,该第一信息包括:初始难度、初始训练时长和初始训练名称;
将第二匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于空间思维训练的第一信息;
将第三匹配结果和所述基本信息发送边缘云端,所述边缘云端基于预设的认知分析策略,获取用于逻辑思维训练的第一信息;
思维训练模块,用于基于所述第一信息与边缘云端交互,获取初始化的训练信息,并使用该初始化的训练信息在创建的虚拟环境内对当前使用者进行训练,在训练过程中基于实时完成的训练信息与边缘云端交互,获取所述边缘云端实时调整的第N阶段的训练信息,使用该第N阶段的训练信息对当前使用者继续进行训练,直至所有类型的训练结束,输出用于对当前使用者或陪护者显示的结果,N大于等于2。
2.根据权利要求1所述的思维训练装置,其特征在于,还包括:XR基础模块;
所述XR基础模块,用于与当前使用者的终端或陪护端、边缘云端分别交互,将认知评估模块、认知分析决策模块和思维训练模块处理的用于在当前使用者的终端或陪护端显示的信息传输,以及将当前使用者的终端或陪护端触发的信息传输至对应的认知评估模块、认知分析决策模块、思维训练模块或边缘云端。
3.根据权利要求1或2所述的思维训练装置,其特征在于,认知评估模块包括:
线下测评结果上传子模块,用于获取当前使用者/陪护者通过线下方式完成的量表结果和当前使用者的基本信息;
线上测评子模块,用于获取当前使用者/陪护者基于线上实时展示的MoCA或者MMSE量表的测评结果和当前使用者/陪护者线上填写的基本信息;
思维认知测评子模块;用于根据所述基本信息和量表结果/测评结果,获取用于规划思维进行训练的第一匹配结果ThoughtAssess_P;用于空间思维进行训练的第二匹配结果ThoughtAssess_S;用于逻辑思维进行训练的第三匹配结果ThoughtAssess_L;
所述第一匹配结果、第二匹配结果和第三匹配结果和所述基本信息组成所述基础量表结果;
每一匹配结果包括下述的一项或多项:训练名称、训练时长和初始难度等级。
4.根据权利要求1所述的思维训练装置,其特征在于,思维训练模块,包括:规划类子模块、空间推理子模块、逻辑推理子模块;
所述规划类子模块,用于根据用于规划思维训练的第一信息,在虚拟环境内加载规划关联的训练场景,并借助于边缘云端的渲染模块对虚拟环境内训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,并获取规划类训练结果;
空间推理子模块,用于根据用于空间思维训练的第一信息,在虚拟环境内加载空间推理训练场景,并借助于边缘云端的渲染模块对空间推理训练场景进行渲染并将渲染后的空间推理训练场景进行展示,使得当前使用者基于展示的空间推理训练场景进行交互,并获取空间推理类训练结果;
逻辑推理子模块,用于根据用于逻辑思维训练的第一信息,在虚拟环境内加载逻辑推理训练场景,并借助于边缘云端的渲染模块对逻辑推理训练场景进行渲染并将渲染后的逻辑推理训练场景进行展示,使得当前使用者基于展示的逻辑推理训练场景进行交互,并获取逻辑推理类训练结果。
5.根据权利要求4所述的思维训练装置,其特征在于,
所述规划类子模块,还用于获取当前使用者已经完成的初始训练时长/初始难度对应的结果信息TrainName_RoundX_Result,将结果信息TrainName_RoundX_Result发送边缘云端,以使边缘云端根据该结果信息获取第N阶段的训练信息;
所述规划类子模块,还用于根据用于第N阶段的训练信息,在虚拟环境内加载训练场景,并借助于边缘云端的渲染模块对虚拟环境内训练场景进行渲染并将渲染后的训练场景进行展示,使得当前使用者基于展示的训练场景进行交互,直至规划思维训练结束。
6.根据权利要求5所述的思维训练装置,其特征在于,所述边缘云端根据结果信息,判断是否是最后阶段,若是,则向所述规划类子模块反馈结束,否则,采用下述函数
f(TrainName_RoundX_Result,TrainName_RoundX_TrianTime,Age,Sex)计算,得到第N阶段的训练信息的难度等级和该难度等级所属的训练信息;
和/或,所述边缘云端存储所述结果信息;
和/或,结果信息包括下述的一项或多项:训练名称TrainName、训练时间TrianName_Time、训练得分TrianName_Score、训练时长TrianName_TrainTime、训练结束难度等级TrianName_DifficultyLevel、训练准确率TrianName_Accuracy。
7.一种认知训练系统,其特征在于,包括:
陪护端、XR训练端、边缘云端和中心云端;
所述XR训练端集成有上述权利要求1至6任一所述的用于认知训练的思维训练装置;
所述陪护端与XR训练端交互,所述边缘云端与所述XR训练端交互,所述中心云端与所述边缘云端交互。
8.根据权利要求7所述的认知训练系统,其特征在于,所述XR训练端包括:
XR眼镜、手柄、触觉手套、气味发生器、动作追踪设备、面部追踪设备、计算设备和/或防护组件;
所述防护组件用于在使用者使用XR训练端的过程中保护使用者的身体安全。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310096577.6A CN116168805B (zh) | 2023-01-20 | 2023-01-20 | 一种用于认知训练的思维训练装置及认知训练系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310096577.6A CN116168805B (zh) | 2023-01-20 | 2023-01-20 | 一种用于认知训练的思维训练装置及认知训练系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116168805A CN116168805A (zh) | 2023-05-26 |
CN116168805B true CN116168805B (zh) | 2023-08-01 |
Family
ID=86415944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310096577.6A Active CN116168805B (zh) | 2023-01-20 | 2023-01-20 | 一种用于认知训练的思维训练装置及认知训练系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168805B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114864043A (zh) * | 2022-05-05 | 2022-08-05 | 深圳市铱硙医疗科技有限公司 | 基于vr设备的认知训练方法、装置及介质 |
CN115500845A (zh) * | 2022-09-23 | 2022-12-23 | 杭州电子科技大学 | 一种面向肢体瘫痪患者的云上脑波分析方法及系统 |
CN115517224A (zh) * | 2021-12-07 | 2022-12-27 | 温州医科大学 | 一种认知障碍动物模型的建立方法及应用 |
CN115565098A (zh) * | 2022-08-30 | 2023-01-03 | 电子科技大学 | 一种基于多任务学习框架的无偏差动态场景图生成方法 |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9248358B2 (en) * | 2012-04-10 | 2016-02-02 | Apexk Inc. | Interactive cognitive-multisensory interface apparatus and methods for assessing, profiling, training, and improving performance of athletes and other populations |
US9302179B1 (en) * | 2013-03-07 | 2016-04-05 | Posit Science Corporation | Neuroplasticity games for addiction |
CN106327049A (zh) * | 2015-07-08 | 2017-01-11 | 广州市第人民医院 | 一种认知评估系统及其应用 |
CN108198615B (zh) * | 2016-05-09 | 2020-09-11 | 南京智精灵教育科技有限公司 | 一种在线认知评估系统 |
CN106560848B (zh) * | 2016-10-09 | 2021-05-11 | 辽宁工程技术大学 | 模拟生物双向认知能力的新型神经网络模型及训练方法 |
CN107040517B (zh) * | 2017-02-22 | 2020-01-10 | 南京邮电大学 | 一种面向云计算环境的认知入侵检测方法 |
CN107169272B (zh) * | 2017-05-04 | 2020-03-27 | 北京心海导航教育科技股份有限公司 | 认知行为训练方法及系统 |
CN107622300B (zh) * | 2017-08-09 | 2021-07-27 | 北京光年无限科技有限公司 | 多模态虚拟机器人的认知决策方法和系统 |
CN108510060A (zh) * | 2018-03-12 | 2018-09-07 | 华南理工大学 | 一种基于模糊神经网络的区间二型模糊认知图模型 |
CN113317762A (zh) * | 2018-03-16 | 2021-08-31 | 北京安和福祉科技有限公司 | 一种云端服务器 |
CN108717852B (zh) * | 2018-04-28 | 2024-02-09 | 湖南师范大学 | 一种基于白光通信和类脑认知的智能机器人语义交互系统和方法 |
US10867067B2 (en) * | 2018-06-07 | 2020-12-15 | Cisco Technology, Inc. | Hybrid cognitive system for AI/ML data privacy |
CN108922292A (zh) * | 2018-07-27 | 2018-11-30 | 李明旭 | 用于延缓老年人认知能力衰退的训练方法及训练系统 |
CN109031298B (zh) * | 2018-08-24 | 2022-01-14 | 桂林电子科技大学 | 一种认知雷达资源自适应成像的闭环反馈判定方法 |
US11150322B2 (en) * | 2018-09-20 | 2021-10-19 | International Business Machines Corporation | Dynamic, cognitive hybrid method and system for indoor sensing and positioning |
CN109445578A (zh) * | 2018-10-12 | 2019-03-08 | 上海陈天桥脑疾病研究所 | 一种认知能力评估系统及方法 |
CN109394246A (zh) * | 2018-10-26 | 2019-03-01 | 中国人民解放军第0医院 | 一种神经心理认知评估系统 |
US20200153535A1 (en) * | 2018-11-09 | 2020-05-14 | Bluecom Systems and Consulting LLC | Reinforcement learning based cognitive anti-jamming communications system and method |
CN109711278B (zh) * | 2018-12-07 | 2020-06-23 | 浙江大学 | 一种低复杂度的脑电波信号压缩和分类方法 |
CN109816213A (zh) * | 2018-12-29 | 2019-05-28 | 前锦网络信息技术(上海)有限公司 | 一种基于认知的游戏化人才测评系统和方法 |
CN109864749A (zh) * | 2019-01-30 | 2019-06-11 | 北京津发科技股份有限公司 | 注意控制能力的训练方法、测评方法及其装置 |
CN109830282A (zh) * | 2019-03-29 | 2019-05-31 | 贾艳滨 | 场景训练数据处理方法及装置 |
CN109993654A (zh) * | 2019-04-02 | 2019-07-09 | 王子南 | 一种认知测评系统 |
CN110942812A (zh) * | 2019-04-24 | 2020-03-31 | 上海大学 | 自动化认知功能评估系统 |
CN110070944B (zh) * | 2019-05-17 | 2023-12-08 | 段新 | 基于虚拟环境和虚拟角色的社会功能评估训练系统 |
CN110136795B (zh) * | 2019-05-20 | 2022-02-01 | 合肥工业大学 | 一种用于认知预警的时序数据库的构建方法 |
CN110866434B (zh) * | 2019-08-07 | 2024-04-30 | 上海市精神卫生中心(上海市心理咨询培训中心) | 一种针对自闭症患者的表情识别训练方法及系统 |
CN110503056A (zh) * | 2019-08-27 | 2019-11-26 | 江南大学 | 以ar技术为基础应用于认知功能评估的肢体动作识别方法 |
CN110720906B (zh) * | 2019-09-25 | 2022-07-05 | 上海联影智能医疗科技有限公司 | 脑图像处理方法、计算机设备和可读存储介质 |
CN110812803B (zh) * | 2019-10-17 | 2021-04-27 | 中国科学院计算技术研究所 | 用于认知能力提升的交互式辅助干预系统 |
CN110827953A (zh) * | 2019-11-14 | 2020-02-21 | 复旦大学 | 基于vr的认知记忆力训练评估系统、方法及存储介质 |
CN111063416A (zh) * | 2019-11-16 | 2020-04-24 | 嘉兴赛科威信息技术有限公司 | 一种基于虚拟现实的阿尔兹海默症康复训练及能力评估系统 |
CN110890140B (zh) * | 2019-11-25 | 2022-09-23 | 上海交通大学 | 基于虚拟现实的自闭症康复训练及能力评估系统及方法 |
CN110960195B (zh) * | 2019-12-25 | 2022-05-31 | 中国科学院合肥物质科学研究院 | 一种方便快捷的神经认知功能评估方法及装置 |
CN111415723A (zh) * | 2020-04-14 | 2020-07-14 | 南京青宝教育科技有限公司 | 一种注意能力提升的个性化内容推荐系统 |
CN113709411B (zh) * | 2020-05-21 | 2024-05-14 | 幻蝎科技(武汉)有限公司 | 一种mr智能眼镜基于眼动追踪技术的体育辅助训练系统 |
CN113160930A (zh) * | 2021-04-08 | 2021-07-23 | 广东省人民医院 | 基于vr的帕金森病轻度认知障碍的诊断康复系统及方法 |
CN113517055A (zh) * | 2021-07-28 | 2021-10-19 | 西安中盛凯新技术发展有限责任公司 | 一种基于虚拟仿真3d技术的认知评估训练方法 |
CN115565640A (zh) * | 2022-10-19 | 2023-01-03 | 深圳脑吾脑网络科技有限公司 | 基于游戏行为评估的个性化神经调控认知训练系统 |
-
2023
- 2023-01-20 CN CN202310096577.6A patent/CN116168805B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115517224A (zh) * | 2021-12-07 | 2022-12-27 | 温州医科大学 | 一种认知障碍动物模型的建立方法及应用 |
CN114864043A (zh) * | 2022-05-05 | 2022-08-05 | 深圳市铱硙医疗科技有限公司 | 基于vr设备的认知训练方法、装置及介质 |
CN115565098A (zh) * | 2022-08-30 | 2023-01-03 | 电子科技大学 | 一种基于多任务学习框架的无偏差动态场景图生成方法 |
CN115500845A (zh) * | 2022-09-23 | 2022-12-23 | 杭州电子科技大学 | 一种面向肢体瘫痪患者的云上脑波分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116168805A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4508510A (en) | Method for psychomotor training of physical skills | |
Mulligan et al. | An examination of occupation-based, client-centered, evidence-based occupational therapy practices in New Hampshire | |
Brandstetter et al. | Persistent lexical entrainment in HRI | |
KR102423849B1 (ko) | 가상현실을 이용한 진료 및 임상술기 시뮬레이션 제공 시스템 | |
Silva et al. | Virtual reality for older users: a systematic literature review | |
Howard et al. | A meta-analysis and systematic literature review of mixed reality rehabilitation programs: Investigating design characteristics of augmented reality and augmented virtuality | |
Rosa et al. | The influence of visual cues on passive tactile sensations in a multimodal immersive virtual environment | |
US20200251211A1 (en) | Mixed-Reality Autism Spectrum Disorder Therapy | |
WO2022034771A1 (ja) | プログラム、方法、情報処理装置 | |
KR20210065418A (ko) | 경도인지장애 개선 시스템 | |
CN112466434B (zh) | 心理辅导训练方案的确定方法及装置 | |
CN116168805B (zh) | 一种用于认知训练的思维训练装置及认知训练系统 | |
JP6884306B1 (ja) | システム、方法、情報処理装置 | |
Ballester et al. | Reinforcement-induced movement therapy: A novel approach for overcoming learned non-use in chronic stroke patients | |
JP6904935B2 (ja) | トレーニング支援方法および装置 | |
Todd et al. | A haptic-audio simulator indoor navigation: To assist visually impaired environment exploration | |
Steshina et al. | An intelligent virtual environment for training with dynamic parameters | |
CN112714328A (zh) | 一种直播课学生姿态提示方法、装置及电子设备 | |
Fernández-Valls et al. | Getting-up rehabilitation therapy supported by movement based interaction techniques | |
US20240165518A1 (en) | Methods for adaptive behavioral training using gaze-contingent eye tracking and devices thereof | |
JP7219377B1 (ja) | 認知能力改善支援システム | |
Bartolome et al. | Innovative system for cognitive brain enhancement and language disorders treatment using a virtual reality environment | |
US20230267847A1 (en) | Virtual assessment instruments for anxiety and self-esteem | |
US20230267846A1 (en) | Virtual reality module for mental health counseling skills training | |
Ho | The Role of Affective Concerns in User Experience Design |
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 |