一种虚拟现实环境下的弱视康复训练专注度评估方法

1.本发明属于虚拟现实及大数据人工智能集成学习技术领域，具体涉及一种虚拟现实环境下的弱视康复训练专注度评估方法。


背景技术：

2.弱视是一种常见的眼科疾病，会损害患者的视功能，进而影响患者的日常生活。因此，弱视康复训练一直是健康领域的研究热点。伴随着近眼显示技术、感知交互技术、渲染处理技术与内容制作技术的不断突破，虚拟现实头戴式显示器技术逐渐成熟。通过头戴式显示器进行弱视康复训练因具有两大优势而被医生和患者广泛接受。一方面，虚拟现实技术可以提高患者的依从性，增强训练效果。另一方面，头戴式显示器具有双眼分视的特性，在改善弱眼视力的同时重建双眼视功能，并规避传统训练方式可能造成的强弱扭转问题。
3.弱视康复训练的效果与专注度有着正相关关系。因此，虚拟现实环境下的弱视康复训练系统对用户训练过程中的专注度有着极高的要求。准确评估虚拟现实环境下用户进行弱视康复训练的专注度成为系统应用的重要因素。目前，用户专注度的评估方法主要有：
4.1)主观评估法：基于医生或监护人的经验，依据用户训练时的姿态、语言以及训练完成情况等指标进行主观评估。
5.2)客观评估法：基于采集的原始眼动数据，根据通用专注度评估指标，建立对应的专注度评估模型进行客观评估。
6.然而，以往的评估方法存在以下问题：
7.第一，主观评估法取决于评估人在观察过程中获取的信息，但虚拟现实设备会遮挡用户面部，使得评估人失去了判断用户专注度的重要信息来源。因而，主观评估法的可靠性不高。
8.第二，弱视康复训练的专注度指用户对特定训练内容的专注度，而非用户对整个虚拟环境的专注度。故而，基于通用关注度评估指标的客观评估法因针对性差使得评估置信度不足。


技术实现要素：

9.针对现有技术中存在的上述问题，本发明的目的在于提供一种虚拟现实环境下的弱视康复训练专注度评估方法，以此解决现有的虚拟现实环境下的专注度评估方法存在的主观评估法可靠性不高、客观评估法指标针对性差，评估置信度不足问题。
10.本发明提供如下技术方案：一种虚拟现实环境下的弱视康复训练专注度评估方法，其特征在于：包括以下步骤:
11.s1：基于弱视康复训练的原理、目的与过程，构建具有可量化专注度评估指标体系；
12.s2：基于弱视康复训练系统，收集并处理用户数据，构造专注度评估指标数据集；
13.s3：通过建立专注度分级模型标记专注度评估指标数据集；
14.s4：构建专注度评估模型。
15.所述的一种虚拟现实环境下的弱视康复训练专注度评估方法，其特征在于所述步骤s1中，可量化专注度评估指标体系由两类可量化的评估指标构成，其中，一类为通用性评估指标，包括眨眼频率、平均眨眼时间、眨眼时间比例，另一类为针对性评估指标，包括有效注视比例、视线转移频率、平均转移速度。
16.所述的一种虚拟现实环境下的弱视康复训练专注度评估方法，其特征在于所述步骤s2中，收集的用户数据包括但不限于用户病历信息、用户眼动信息、训练结果信息，同时通过数学运算将孤立数据转化并整合为专注度评估指标数据集。
17.所述的一种虚拟现实环境下的弱视康复训练专注度评估方法，其特征在于所述步骤s3中，专注度模型采用高专注、低专注、不专注三级结构，以此描述虚拟现实环境下用户进行弱视康复训练的专注程度。
18.所述的一种虚拟现实环境下的弱视康复训练专注度评估方法，其特征在于所述步骤s4中，本模型具有增量迭代特性，采用基于集成学习机制的半朴素贝叶斯算法aode构建专注度评估模型。
19.通过采用上述技术，与现有技术相比，本发明的有益效果如下：
20.本发明基于弱视康复训练原理、目的与过程，结合国际通用专注度评估指标，构建了虚拟现实环境下具有高针对性的弱视康复训练专注度评估指标体系，通过采集虚拟现实环境下的用户数据，形成多维度的专注度评估指标数据集，采用基于集成学习机制的半朴素贝叶斯算法aode构建高精度的专注度评估模型，以此解决当前主观评估法可靠性不足，客观评估法因针对性差导致的评估准确度不足问题。
附图说明
21.图1为本发明的评估方法流程图。
具体实施方式
22.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合说明书附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
23.相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
24.请参阅图1，一种虚拟现实环境下的弱视康复训练专注度评估方法，具体包括以下步骤：
25.s1：基于弱视康复训练的原理、目的与过程，构建具有高针对性的可量化专注度评估指标体系；
26.该专注度评估指标体系通过综合两大类指标，评估虚拟现实环境下用户进行弱视康复训练的专注度，即通用性评估指标与针对性评估指标。通用性评估指标指目前被国际认可的用以描述用户生理专注度的普适指标。针对性评估指标指针对弱视康复训练情景提
出的综合用户心理与生理专注度的专用指标。经过比对，选取眨眼频率f
b
、平均眨眼时间眨眼时间比例p
c
、有效注视比例p
f
、视线转移频率s
f
、平均转移速度s
s
六大评估指标。
27.其中：眨眼频率f
b
是指单位时间内眼睛眨动的次数，心理学研究表明眼睛眨动次数越少，精力越专注，是可靠的通用性的指标。
28.平均眨眼时间指用户训练过程中眨眼持续总时间与眨眼总次的比值，是检测生理疲劳最稳定的指标之一。专注度与疲劳度呈显著负相关关系，因而是可靠的通用性指标。
29.眨眼时间比例p
c
指用户训练过程中眨眼时间占训练有效时间的比例，是检测关注度常用的指标之一，是可靠的通用性指标。
30.有效注视比例p
f
指用户在训练过程中注视弱眼目标对象的时间。弱眼视物能改善病情，但用户普遍对弱眼视物有抵触情绪。有效注视时间p
f
能直观体现用户的心理配合度，是重要的针对性指标。
31.视线转移频率s
f
指用户视线在目标对象与背景之间转移的频率。视线转移频率s
f
可以直观反应用户对训练内容的视觉活跃程度，视觉活跃程度可以体现用户对特定内容的专注度，是重要的针对性指标。
32.平均转移速度s
s
指用户视线在目标对象间转移的速度。视线转移速度可以有效反应用户对训练内容的投入程度，是重要的针对性指标。
33.s2：基于弱视康复训练系统，收集并处理用户数据，构造标准化的专注度评估指标数据集；
34.在本实施例中，基于弱视康复训练应用情景，通过数学运算将系统收集的原始训练数据针对性的转化为眨眼频率f
b
、平均眨眼时间眨眼时间比例p
c
、有效注视比例p
f
、视线转移频率s
f
、平均转移速度s
s
这六大专注度评估指标。
35.眨眼频率f
b
由有效训练总时间t
t
，有效眨眼总次数n
b
经过计算而得。有效训练总时间t
t
指系统可检测到用户双眼且不处于暂停状态的时间，有效眨眼总次数n
b
指有效训练状态下的眨眼总次数。眨眼频率f
b
具体计算公式如下：
[0036][0037]
平均眨眼时间由单次眨眼持续时间t
i
、有效眨眼总次数n
b
经过计算而得。单次眨眼持续时间t
i
指第i次双眼完全睁开到完全闭合，再到完全睁开的过程。平均眨眼时间具体计算公式如下:
[0038][0039]
眨眼时间比例p
c
由单次眨眼持续时间t
i
、有效眨眼总次数n
b
、有效训练总时间t
t
经过计算而得。闭合时间比例p
c
具体计算公式如下：
[0040][0041]
有效注视比例p
f
由单次有效注视持续时间t
i
、有效注视总次数n
f
、有效训练总时间
t
t
计算而得。单次有效注视持续时间t
i
指第i次双眼注视弱眼目标物的持续时间，有效注视总次数n
f
指注视弱眼目标物的总次数。有效注视比例p
f
具体计算公式如下：
[0042][0043]
视线转移频率s
f
由视线转移总次数s
c
、有效训练总时间t
t
经过计算而得。视线转移总次数s
c
指实现在弱眼目标物与背景之间转移的频率。视线转移频率s
f
具体计算公式如是：
[0044][0045]
平均转移速度s
s
由注视坐标p
i
、单次视线转移s
i
、有效视线转移次数n
s
经过计算而得。单次视线转移s
i
指第i次视线转移的持续时间，有效视线转移次数n
f
指有效状态下视线转移的总次数。
[0046][0047]
s3：通过建立专注度分级模型标记专注度评估指标数据集；
[0048]
经过n次独立的数据收集，整合各单一指标，获得n组关注度评估指标集合依据三级关注度模型建立关注度分类集合c＝{0，1，2}，其中，0代表不专注，1代表低专注，2代表高专注。同时，为每一组关注度评估指标集合
xi
标记对应关注度标签。
[0049]
s4：通过半朴素贝叶斯算法aode构建专注度评估模型；
[0050]
在本实施例中，基于上述的专注度评估指标数据集x与专注度分类集合c，构建基于半朴素贝叶斯算法aode的分类器f(x)：
[0051][0052]
其中，d代表关注度评价指标数量，x
j
代表第j个关注度评价指标，c代表关注度分类集合。
[0053]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。