【技術實現步驟摘要】
本專利技術涉及人員認知能力訓練，尤其涉及一種基于虛擬現實技術的認知能力訓練方法和系統。
技術介紹
1、認知能力指的是個體的人腦接收、處理和加工信息的能力，例如注意力、記憶力、思維力、反應力和自控力等。認知能力對人們的生活、學習和工作都具有較大影響。因此，對個體的認知能力進行全面的測評，并對個體的認知能力進行有針對性的干預訓練具有重要的價值和意義。
2、然而，現有的認知能力訓練通常依賴于pc或移動端設備，在現實環境中進行，這種方式往往缺乏沉浸感和互動性，在訓練效率和效果上仍不理想,進而導致訓練效果受限。
3、為此，如何提供一種沉浸感和互動感更強的認知能力測評方法與訓練環境，是一個亟待解決的技術問題。
技術實現思路
1、鑒于此，本專利技術實施例提供了一種基于虛擬現實技術的認知能力訓練方法和系統，以消除或改善現有技術中存在的一個或更多個缺陷。
2、本專利技術的一個方面提供了一種基于虛擬現實技術的認知能力訓練方法，利用虛擬現實技術向被試呈現每個輪次的訓練任務，所述訓練任務被預先劃分難度等級，該方法包括以下步驟：在每個輪次的訓練過程中，獲取用于對被試的認知能力進行評測的多數據維度的特征數據；其中，所述特征數據包括訓練時通過傳感器采集的客觀數據和訓練后統計的主觀數據；在各個數據維度分別按照預設規則對被試的認知能力進行評分，按照針對不同數據維度的預設權重參數進行評分的加權融合，得到綜合評分；以各個數據維度的評分和/或綜合評分作為輸入，利用預訓練的人工智能模型自
3、在本專利技術的一些實施例中，所述客觀數據包括被試人體的多維度的生理數據和訓練時的多維度的環境數據；其中，所述生理數據的維度包含心率、心率變異性、血壓波動、皮膚電反應、眼動追蹤和腦電波動中的至少兩種；所述環境數據的維度包含光線強度、聲音強度和溫度數據中的至少兩種。
4、在本專利技術的一些實施例中，所述主觀數據包括按照預設規則評定的任務執行質量結果和被試自主評估的自主評估結果；其中，任務執行質量結果包括反應時和/或正確率，所述自主評估結果包括量表和/或問卷。
5、在本專利技術的一些實施例中，在各個數據維度分別按照預設規則對被試的認知能力進行評分的步驟之前，所述方法還包括：對多數據維度的特征數據進行數據預處理和標準化處理；其中，所述數據預處理步驟包括數據清洗、去噪和缺失值處理中的多種；所述標準化處理步驟包括使用標準化技術將不同量綱和量級的主觀數據與客觀數據轉換到同一尺度上，所述標準化技術的類型包含z分數標準化、t分數標準化、百分等級標準化和min-max標準化。
6、在本專利技術的一些實施例中，所述人工智能模型的類型為預測模型，該方法還包括對所述人工智能模型的預先訓練步驟，包括：生成訓練樣本集；基于所述訓練樣本集對人工智能模型進行預訓練，得到預訓練人工智能模型。
7、在本專利技術的一些實施例中，所述訓練樣本集中的樣本數據包含各個數據維度的評分、綜合評分和適用的難度等級，將各個數據維度的評分和綜合評分輸入至所述人工智能模型，得到適用的難度等級；或所述訓練樣本集中的樣本數據包含綜合評分和適用的難度等級，將綜合評分輸入至所述人工智能模型，得到適用的難度等級。
8、在本專利技術的一些實施例中，訓練任務在不同的數據維度分別預先劃分難度等級；所述訓練樣本集包含各個數據維度的評分和適用于被試的訓練任務的各個數據維度的難度等級。
9、在本專利技術的一些實施例中，所述預測模型的類型包括分類模型、回歸模型和聚類模型；所述方法還包括：在基于所述訓練樣本集對人工智能模型進行預訓練的過程中，通過特征選擇、特征構造和特征轉換的方式訓練提升模型的預測能力，通過網格搜索、隨機搜索和貝葉斯優化中的一個或多個方式優化模型參數。
10、在本專利技術的一些實施例中，在基于所述訓練樣本集對人工智能模型進行預訓練的過程中，所述方法還包括：通過交叉驗證、混淆矩陣和性能指標檢測中的一種或多種驗證人工智能模型的性能，其中，所述性能指標包含準確率、召回率和f1分數中的一個或多個。
11、在本專利技術的一些實施例中，所述方法還包括：統計預設長度的歷史時段內被試的各個數據維度評分和綜合評分，構建評分矩陣；按照隨時間遞增權重增加的模式預設評分矩陣的權重；按照預設的評分矩陣的權重對評分矩陣加權處理；關聯加權后評分矩陣與適用于被試的訓練任務的難度等級，根據預先存儲的預設長度的歷史時段內的被試的評分數據，推薦下一輪次給被試的訓練任務的難度等級。
12、本專利技術的另一方面提供了一種電子設備，包括處理器、存儲器及存儲在存儲器上的計算機程序/指令，所述處理器用于執行所述計算機程序/指令，當所述計算機程序/指令被執行時該電子設備實現如上實施例中任一項所述方法的步驟。
13、本專利技術的另一方面提供了計算機可讀存儲介質，其上存儲有計算機程序/指令，該計算機程序/指令被處理器執行時實現如上實施例中任一項所述方法的步驟。
14、本專利技術的另一方面提供了計算機程序產品，包括計算機程序/指令，該計算機程序/指令被處理器執行時實現如上實施例中任一項所述方法的步驟。
15、本專利技術的另一方面提供了一種基于虛擬現實技術的認知能力訓練系統，該系統包括：用于實現權利要求1-10中任一項所述方法的電子設備、計算機可讀存儲介質和計算機程序產品；多種傳感器，用于采集對被試的認知能力進行評測的多數據維度的客觀數據；交互接口，用于接收訓練后統計的對被試的認知能力進行評測的多數據維度的主觀數據。
16、本專利技術的基于虛擬現實技術的認知能力訓練方法和系統，能夠能夠對主觀數據和客觀數據進行融合，得到綜合評分結果，以綜合評分為參考，利用預訓練的人工智能模型自適應調節適用于被試的訓練任務的難度等級。
17、本專利技術的附加優點、目的，以及特征將在下面的描述中將部分地加以闡述，且將對于本領域普通技術人員在研究下文后部分地變得明顯，或者可以根據本專利技術的實踐而獲知。本專利技術的目的和其它優點可以通過在說明書以及附圖中具體指出的結構實現到并獲得。
18、本領域技術人員將會理解的是，能夠用本專利技術實現的目的和優點不限于以上具體所述，并且根據以下詳細說明將更清楚地理解本專利技術能夠實現的上述和其他目的。
本文檔來自技高網...【技術保護點】
1.一種基于虛擬現實技術的認知能力訓練方法，其特征在于，利用虛擬現實技術向被試呈現每個輪次的訓練任務，所述訓練任務被預先劃分難度等級，該方法包括：
2.根據權利要求1所述的方法，其特征在于，所述客觀數據包括被試人體的多維度的生理數據和訓練時的多維度的環境數據；其中，所述生理數據的維度包含心率、心率變異性、血壓波動、皮膚電反應、眼動追蹤和腦電波動中的至少兩種；所述環境數據的維度包含光線強度、聲音強度和溫度數據中的至少兩種。
3.根據權利要求1所述的方法，其特征在于，所述主觀數據包括按照預設規則評定的任務執行質量結果和被試自主評估的自主評估結果；其中，任務執行質量結果包括反應時和/或正確率，所述自主評估結果包括量表和/或問卷。
4.根據權利要求1所述的方法，其特征在于，在各個數據維度分別按照預設規則對被試的認知能力進行評分的步驟之前，所述方法還包括：
5.根據權利要求1所述的方法，其特征在于，所述人工智能模型的類型為預測模型，該方法還包括對所述人工智能模型的預先訓練步驟，包括：
6.根據權利要求5所述的方法，其特征在于，所述
7.根據權利要求5所述的方法，其特征在于，訓練任務在不同的數據維度分別預先劃分難度等級；
8.根據權利要求5所述的方法，其特征在于，所述預測模型的類型包括分類模型、回歸模型和聚類模型；
9.根據權利要求8所述的方法，其特征在于，在基于所述訓練樣本集對人工智能模型進行預訓練的過程中，所述方法還包括：通過交叉驗證、混淆矩陣和性能指標檢測中的一種或多種驗證人工智能模型的性能，其中，所述性能指標包含準確率、召回率和F1分數中的一個或多個。
10.根據權利要求1所述的方法，其特征在于，所述方法還包括：
11.一種電子設備，包括處理器、存儲器及存儲在存儲器上的計算機程序/指令，其特征在于，所述處理器用于執行所述計算機程序/指令，當所述計算機程序/指令被執行時該電子設備實現如權利要求1至10中任一項所述方法的步驟。
12.一種計算機可讀存儲介質，其上存儲有計算機程序/指令，其特征在于，該計算機程序/指令被處理器執行時實現如權利要求1至10中任一項所述方法的步驟。
13.一種計算機程序產品，包括計算機程序/指令，其特征在于，該計算機程序/指令被處理器執行時實現權利要求1至10中任一項所述方法的步驟。
14.一種基于虛擬現實技術的認知能力訓練系統，其特征在于，所述系統包括：
...【技術特征摘要】
1.一種基于虛擬現實技術的認知能力訓練方法，其特征在于，利用虛擬現實技術向被試呈現每個輪次的訓練任務，所述訓練任務被預先劃分難度等級，該方法包括：
2.根據權利要求1所述的方法，其特征在于，所述客觀數據包括被試人體的多維度的生理數據和訓練時的多維度的環境數據；其中，所述生理數據的維度包含心率、心率變異性、血壓波動、皮膚電反應、眼動追蹤和腦電波動中的至少兩種；所述環境數據的維度包含光線強度、聲音強度和溫度數據中的至少兩種。
3.根據權利要求1所述的方法，其特征在于，所述主觀數據包括按照預設規則評定的任務執行質量結果和被試自主評估的自主評估結果；其中，任務執行質量結果包括反應時和/或正確率，所述自主評估結果包括量表和/或問卷。
4.根據權利要求1所述的方法，其特征在于，在各個數據維度分別按照預設規則對被試的認知能力進行評分的步驟之前，所述方法還包括：
5.根據權利要求1所述的方法，其特征在于，所述人工智能模型的類型為預測模型，該方法還包括對所述人工智能模型的預先訓練步驟，包括：
6.根據權利要求5所述的方法，其特征在于，所述訓練樣本集中的樣本數據包含各個數據維度的評分、綜合評分和適用的難度等級，將各個數據維度的評分和綜合評分輸入至所述人工智能模型，得到適用的難度等級；或
...
【專利技術屬性】
技術研發人員：請求不公布姓名，請求不公布姓名，請求不公布姓名，請求不公布姓名，
申請(專利權)人：北京津發科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。