1.本发明涉及病理教育学技术领域，具体涉及一种基于人工智能的病理教学方法及系统。
背景技术：
2.病理学作为对基础医学与临床医学进行连接的桥梁，在医学方面有着极为重要的作用，然而，由于病理学的学习内容较为抽象，学习过程较为枯燥且内容繁杂，因此，如何学好临床病理学成为现今医学教育方面尤为关注的问题，现如今，常用的病理教学方法主要以学生为主导，导师进行启发引导辅助来完成，然而常规的教学方式并非适用于各类学员，因而易造成教学效果参差不齐，部分学员学习不合格的状况，可通过对学员进行针对性的教学方式分析匹配，确定与学员相适配的最佳教学方式。
3.现有技术中，常用的病理教学方式由于智能度不足，方法较为常规且普遍性较强，无法保证学员的教学效果。
技术实现要素：
4.本技术提供了一种基于人工智能的病理教学方法及系统，用于针对解决现有技术中存在的常用的病理教学方式由于智能度不足，方法较为常规且普遍性较强，无法保证学员的教学效果的技术问题。
5.鉴于上述问题，本技术提供了一种基于人工智能的病理教学方法及系统。
6.第一方面，本技术提供了一种基于人工智能的病理教学方法，所述方法包括：确定预定时间周期内的病理教学任务量；对目标学员进行实时图像采集分析，获取所述目标学员的实时状态分析结果；基于所述实时状态分析结果进行信息量接收度预测，基于预测结果进行所述病理教学任务量的分配调整，获取病理教学任务量分配结果；基于病理教学特征进行教学方式匹配，确定适宜所述目标学员的最佳教学方式；以所述最佳教学方式为基准进行病理教学，并进行教学效果评估，获取科目教学效果评估结果；基于所述科目教学效果评估结果进行教学方式调整，确定优化教学方式；以所述优化教学方式为基准进行后续教学，依据教学效果进行所述优化教学方式的实时更新。
7.第二方面，本技术提供了一种基于人工智能的病理教学系统，所述系统包括：任务量确定模块，所述任务量确定模块用于确定预定时间周期内的病理教学任务量；图像分析模块，所述图像分析模块用于对目标学员进行实时图像采集分析，获取所述目标学员的实时状态分析结果；任务量分配模块，所述任务量分配模块用于基于所述实时状态分析结果进行信息量接收度预测，基于预测结果进行所述病理教学任务量的分配调整，获取病理教学任务量分配结果；教学方式匹配模块，所述教学方式匹配模块用于基于病理教学特征进行教学方式匹配，确定适宜所述目标学员的最佳教学方式；教学效果评估模块，所述教学效果评估模块用于以所述最佳教学方式为基准进行病理教学，并进行教学效果评估，获取科目教学效果评估结果；教学方式调整模块，所述教学方式调整模块用于基于所述科目教学
效果评估结果进行教学方式调整，确定优化教学方式；教学方式更迭模块，所述教学方式更迭模块用于以所述优化教学方式为基准进行后续教学，依据教学效果进行所述优化教学方式的实时更新。
8.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：本技术实施例提供的一种基于人工智能的病理教学方法，确定预定时间周期内的病理教学任务量，通过对目标学员进行实时图像采集分析获取所述目标学员的实时状态分析结果，以此为基准进行信息量接收度预测，基于预测结果进行所述病理教学任务量的分配调整，以获取病理教学任务量分配结果；基于病理教学特征进行教学方式匹配，确定适宜所述目标学员的最佳教学方式；以所述最佳教学方式为基准进行病理教学，进一步进行教学效果评估获取科目教学效果评估结果；基于所述科目教学效果评估结果进行教学方式调整，确定优化教学方式；以所述优化教学方式为基准进行后续教学，依据教学效果进行所述优化教学方式的实时更新，解决了现有技术中存在的常用的病理教学方式由于方法较为常规、且普遍性较强，无法保证学员的教学效果的技术问题，通过进行教学方式优化确定，实现了与学员相适配的高信息接收度教学。
附图说明
9.图1为本技术提供了一种基于人工智能的病理教学方法流程示意图；图2为本技术提供了一种基于人工智能的病理教学方法中最佳教学方式获取流程示意图；图3为本技术提供了一种基于人工智能的病理教学方法中科目教学效果评估结果获取流程示意图；图4为本技术提供了一种基于人工智能的病理教学系统结构示意图。
10.附图标记说明：任务量确定模块a，图像分析模块b，任务量分配模块c，教学方式匹配模块d，教学效果评估模块e，教学方式调整模块f，教学方式更迭模块g。
具体实施方式
11.本技术通过提供一种基于人工智能的病理教学方法及系统，确定预定时间周期内的病理教学任务量，对目标学员进行实时状态分析，进而进行信息量接收度预测，基于预测结果进行所述病理教学任务量的分配调整，基于病理教学特征进行教学方式匹配，确定适宜目标学员的最佳教学方式并进行病理教学，获取教学效果评估结果并进行教学方式的调整，确定优化教学方式，以此为基准进行后续教学，依据教学效果进行优化教学方式的实时更新，用于解决现有技术中存在的常用的病理教学方式由于智能度不足，方法较为常规且普遍性较强，无法保证学员的教学效果的技术问题。
12.实施例一如图1所示，本技术提供了一种基于人工智能的病理教学方法，所述方法包括：步骤s100：确定预定时间周期内的病理教学任务量；具体而言，本技术提供的一种基于人工智能的病理教学方法，基于目标学员的实时状态进行知识接受度预测，进而进行病理教学任务匹配，通过比对分析优化确定最优教学方式，以此为基准完成所述目标学员的教学，首先，获取所述目标学员预定时间周期内总
的病理教学任务量，所述预定时间周期表述进行病理教学任务分配的时间周期，例如，可以将一天、一周作为所述预定时间周期，进一步对所述预定时间周期内的病理教学任务量基于难易程度进行级别划分，基于一定分级标准确定多级别病理教学任务量，进而对其进行归类整合处理，生成所述病理教学任务量，所述预定时间周期内的病理教学任务量的获取，为后续对目标学员进行病理教学任务量分配提供了信息源。
13.步骤s200：对目标学员进行实时图像采集分析，获取所述目标学员的实时状态分析结果；具体而言，基于图像采集设备对所述目标学员进行实时图像采集，并对采集的实时图像进行整合处理，获取预设图像分析周期内的图像采集结果，进一步基于所述图像采集结果对所述目标学员的实时状态进行分析，通过对面部特征与肢体特征进行识别分析，获取所述目标学员的情绪状态与动作状态，进而对所述情绪状态与动作状态进行分析，确定同时间序列下对应的所述情绪状态与所述动作状态所代表的所述目标学员的具体学习状态，例如对于部分实验课，由于学习过程较为血腥，所述目标学员的学习状态受到影响，进而影响后续的学习效果，通过进行实时图像采集分析获取所述目标学员的实时状态分析结果，为后续进行所述目标学员进行教学任务量的自主分配夯实了基础。
14.进一步而言，所述对目标学员进行实时图像采集分析，获取所述目标学员的实时状态分析结果，本技术步骤s200还包括：步骤s210：基于图像采集设备进行目标学员的实时图像采集，获取所述目标学员实时图像；步骤s220：对所述目标学员实时图像进行面部特征识别提取，确定情绪状态；步骤s230：对所述目标学员实时图像进行肢体特征识别提取，确定动作状态；步骤s240：基于所述情绪状态与所述动作状态的综合分析，获取所述目标学员的实时状态分析结果。
15.具体而言，基于所述图像采集设备对所述目标学员进行实时图像采集，并设定预设图像分析周期，所述预设图像分析周期指单次对所述目标学员进行状态分析的时间区间，基于时间序列对采集的图像进行整合处理，确定所述预设图像分析周期内的图像采集结果，即所述目标学员实时图像，例如以3分钟作为所述预设图像分析周期，进行所述目标学员的实时状态分析。
16.进一步的，对所述目标学员实时图像进行面部特征识别提取，获取所述目标学员的五官特征，例如眼神聚焦点、嘴角弧度等，基于此对所述目标学员的情绪状态进行分析，获取所述目标学员的所述情绪状态；同理，对所述目标学员实时图像特征进行肢体特征识别提取，对所述目标学员的肢体动作变化进行分析，例如坐姿、手臂摆放位置等，获取所述目标学员的所述动作状态，进一步基于时序性进行所述情绪状态与所述动作状态的映射对应，对两者进行联合分析，确定所述目标学员的实时专注度，进而获取所述目标学员的实时状态分析结果，所述目标学员的实时状态分析结果的获取，为进行后续病理教学任务的分配提供了基本依据。
17.进一步而言，所述获取所述目标学员的实时状态分析结果，本技术步骤s240还包括：步骤s241：获取标准化情绪肢体语言；
步骤s242：对所述目标学员的所述情绪状态与所述动作状态进行所述标准化情绪肢体语言的匹配，获取匹配结果；步骤s243：基于所述匹配结果进行情绪肢体语言解析，获取语言解析结果；步骤s244：依据所述语言解析结果生成所述目标学员的实时状态分析结果。
18.具体而言，基于大数据获取所述标准化情绪肢体语言，所述标准化情绪肢体语言包括了不同动作与情绪所表述的学习状态，进一步进行所述目标学员的所述情绪状态与所述动作状态与所述标准化情绪肢体语言的匹配对应，获取所述匹配结果，进一步对同一时间序列下的所述动作状态与所述情绪状态的匹配结果进行归类整合处理，并对所述目标学员的情绪肢体语言进行解析，获取所述语言解析结果，进一步以所述语言解析结果为基准，生成所述目标学员的实时状态分析结果，例如不同面部表情、坐姿、手臂摆放位置等所表示的所述目标学员的学习状态，扭绞双手代表不安、身体前倾表示感兴趣等，通过与所述标准化情绪肢体语言进行比对分析，可保障所述目标学员的实时状态分析结果的准确性。
19.步骤s300：基于所述实时状态分析结果进行信息量接收度预测，基于预测结果进行所述教学任务量的分配调整，获取病理教学任务量分配结果；具体而言，通过对所述目标学员的实时图像采集结果进行分析识别，获取所述实时状态分析结果，进而以所述实时状态分析结果为基准，对所述目标学员的所述实时状态分析结果对应的信息量接收度进行预测，示例性的，可构建学员信息量接收度预测模型，基于大数据获取历史数据信息作为训练数据对所述学员信息量接收度预测模型进行模型训练，以进行模型的优化完善，使得所述学员信息量接收度预测模型预测结果与实际更为贴切，将所述目标学员的所述实时状态分析结果输入所述学员信息量接收度预测模型中，输出预测结果，进一步的，以所述预测结果为基准进行所述病理教学任务量的分配调整，使得所分配的所述病理教学任务量与所述预测结果相适配，以获取所述病理教学任务量分配结果，进而以所述病理教学任务量分配结果为基准进行后续教学安排。
20.步骤s400：基于病理教学特征进行教学方式匹配，确定适宜所述目标学员的最佳教学方式；具体而言，基于大数据获取所述目标学员的历史病理学习记录，所述历史病理学习记录中包括了所述目标学员的学习数据及相应的教学方式，进一步基于病理教学特征对各科目的所述历史病理学习记录进行教学效果评估，确定所述历史病理学习记录中的多个科目信息记录，例如疾病诊疗、临床实践等，对于疾病诊疗可通过案例分析进行知识点解说；对于临床实践可通过进行视频学习、实操实验来进行讲解，分别对所述科目信息记录进行同方向知识点的教学分析，对相应的教学效果进行评估，基于评估结果进行优劣对比，确定教学效果中最优者，并提取对应的教学方式作为目前最佳教学方式，进一步进行所述目前最佳教学方式与所述科目信息记录的对应，通过进行信息整合处理生成适宜所述目标学员的最佳教学方式，基于所述病理教学特征对所述目标学员进行最佳教学方式确定，通过进行追根溯源可确保所述最佳教学方式的准确性。
21.进一步而言，如图2所示，所述确定适宜所述目标学员的最佳教学方式，本技术步骤s400还包括：步骤s410：获取所述目标学员的历史病理学习记录；步骤s420：基于所述历史病理学习记录进行信息归类识别，获取科目信息记录；
步骤s430：基于所述科目记录信息进行病理教学特征提取，基于此进行所述目标用户的学习成效分析，生成成效分析结果；步骤s440：对所述成效分析结果进行优劣对比判断，确定最佳教学方式。
22.具体而言，对所述目标学员的历史病理学习记录进行调取，所述历史病理学习记录包括了所有科目过去一定时间段内的学习记录，进而对所述历史病理学习记录进行信息归类识别，确定不同学习科目对应的所述历史病理学习记录，并基于不同序列号进行标识，获取所述科目信息记录，所述科目信息记录包括了病理学的多个学习学习方向，进一步的，以所述科目学习记录为基准，获取所述科目记录信息包含的病理教学特征，例如临床实践需理论结合实践综合进行教学，对所述目标学员的学习成效进行比对分析，生成所述成效分析结果，所述成效分析结果包括了各科目的不同教学方式所对应的所述目标学员的学习效果，进一步对所述成效分析结果进行优劣对比判断，确定各科目对应的所述成效分析结果最佳者所对应的教学方式，将其确定为目前的最优教学方式，例如案例教学、实验教学、直授教学等，部分学员可能由于害怕等各种原因进行实验教学时，不能集中注意力进行学习，可相应调整教学方式，采用温和的方式逐渐提升所述目标学员的接受度，所述目标学员的历史学习记录作为源数据进行教学方式比对分析，可有效保证分析结果与所述目标学员的适配性。
23.进一步而言，所述生成成效分析结果，本技术步骤s430还包括：步骤s431：基于所述科目学习记录进行同方向知识点教学信息提取，获取信息提取结果；步骤s432：对所述信息提取结果进行教学方式与教学结果识别分析，生成成效分析结果，其中，所述教学方式与所述教学结果一一对应。
24.具体而言，通过对所述目标学员的所述历史学习记录进行分类整合处理，获取所述科目学习记录，以所述科目学习记录为基准，对其中的同方向知识点进行教学信息提取，获取所述科目教学记录中同方向知识点的对应教学方式与教学结果，进一步进行所述同方向知识点的教学方式与教学结果的匹配对应，进而进行信息整合处理，获取所述信息提取结果，进一步的，对所述信息提取结果中所述教学方式与所述教学结果进行识别分析，其中，所述教学方式与所述教学结果一一对应，基于所述教学结果对同方向知识点的多种教学方式进行评估，生成所述教学成效分析结果，所述教学成效分析结果的获取为后续进行最佳教学方式的获取提供了信息支持。
25.步骤s500：以所述最佳教学方式为基准进行病理教学，并进行教学效果评估，获取科目教学效果评估结果；具体而言，通过对所述历史病理教学记录进行教学分析评估，生成所述最佳教学方式，进一步的，基于所述最佳教学对所述目标学员进行教学，以所述预定时间周期作为单次示教周期，教学完成后，对所述目标学员的教学效果进行评估，获取所述目标学员的学习笔记与课后作业，通过构建教学效果评估模型对其进行评估，输出所述科目教学效果评估结果， 所述科目教学效果评估结果的获取为后续进行教学方式的优化修正提供了参考信息。
26.进一步而言，如图3所示，所述以所述最佳教学方式为基准进行病理教学，并进行教学效果评估，获取科目教学效果评估结果，本技术步骤s500还包括：
步骤s510：构建病理教学效果评估模型；步骤s520：基于实时课件信息进行模型学习；步骤s530：将学习笔记与课后作业上传至所述病理教学效果评估模型；步骤s540：通过进行知识点检索校对、思维评判与实验数据分析，确定所述目标用户的知识接收量；步骤s550：以所述知识接收量为基准进行教学效果评估，输出所述科目教学效果评估结果。
27.具体而言，构建所述病理教学效果评估模型，基于所述病理教学效果评估模型对基于所述最佳教学方式进行教学后的教学效果进行评估，获取所述实时课件信息并上传至所述病理教学效果评估模型中，通过进行模型学习对所述病理教学效果评估模型进行信息完善，进一步的，将所述学习笔记与所述课后作业上传至所述病理教学效果评估模型中进行模型评估，基于所述实时课件信息进行所述学习笔记与所述课后作业的信息识别提取，进一步进行对应信息的校对分析，通过进行知识点的检索校对、思维评判与实验数据分析，确定两者之间的信息量偏差，进一步基于信息量偏差程度进行所述教学效果评估的等级划分，确定所述实时课件信息与所述学习笔记和课后作业之间的偏差对应的教学效果评估等级，进而输出所述科目教学效果评估结果，通过进行模型模拟评估获取所述目标学员的教学效果，使得评估结果更加客观，可实施性更强。
28.步骤s600：基于所述科目教学效果评估结果进行教学方式调整，确定优化教学方式；步骤s700：以所述优化教学方式为基准进行后续教学，依据教学效果进行所述优化教学方式的实时更新。
29.具体而言，通过对所述最佳教学方式进行教学效果评估，获取所述科目教学效果评估结果，进一步对所述科目教学效果评估结果进行分析，获取所述科目教学效果中不达标的部分，对相应的教学方式进行弊端分析，进而对目前的教学方式进行修正，获取所述优化教学方式，进一步的，以所述优化教学方式进行后续教学，以所述预定时间周期为单次示教周期，待教学完成后，再次基于所述病理教学效果评估模型进行教学效果评估，通过对所述目标学员进行知识接受量的分析判断，输出所述科目教学效果评估结果，进一步进行所述科目教学效果评估结果分析，继续进行当前教学方式的弊端查询修正，如此循环往复，直至最终检测的所述科目教学效果评估结果合格时，停止进行所述优化教学方式的更新，将目前的所述优化教学方式作为最终确定的教学方式进行后续教学，通过进行教学方式的多次修正完善，可有效提高对所述目标学员的教学效果。
30.进一步而言，所述依据教学效果进行所述优化教学方式的实时更新，本技术步骤s700还包括：步骤s710：以所述优化教学方式为标准进行所述目标学员的教学；步骤s720：基于所述教学效果评估模型进行教学评估，获取教学效果评估结果；步骤s730：以所述教学效果评估结果为基准，针对所述目标学员的接收薄弱方向进行教学调整，获取调整教学方式；步骤s740：基于所述调整教学方式进行所述优化教学方式的更迭。
31.具体而言，基于所述优化教学方式对所述目标学员进行病理学教学，以所述预定
时间周期作为单次示教周期，待完成所述预定时间周期内的教学任务后，对所述目标学员的教学效果进行评估，将所述目标学员的所述学习笔记与所述课后作业上传至所述病理教学效果评估模型中，通过与所述实时课件信息进行校对分析，基于两者之间信息的偏差程度，对所述目标学员的接收薄弱方向进行确定，确定所述教学效果评估结果，进而判断所述教学效果评估结果是否合格，当所述教学效果不合格时，对所述目标学员的接收薄弱方向进行针对性修正，获取所述调整教学方式对目前的所述优化教学方式进行更迭，进一步重复上述操作，直至最终确定的所述教学效果评估结果达标时，停止进行所述优化教学方式的更迭，将目前确定的所述优化教学方式作为最终确定的教学方式，通过进行所述优化教学方式的多次修正优化，可有效提高所述优化教学方式与所述目标学员的适配程度，以达到最佳的教学效果。
32.实施例二基于与前述实施例中一种基于人工智能的病理教学方法相同的发明构思，如图4所示，本技术提供了一种基于人工智能的病理教学系统，所述系统包括：任务量确定模块a，所述任务量确定模块a用于确定预定时间周期内的病理教学任务量；图像分析模块b，所述图像分析模块b用于对目标学员进行实时图像采集分析，获取所述目标学员的实时状态分析结果；任务量分配模块c，所述任务量分配模块c用于基于所述实时状态分析结果进行信息量接收度预测，基于预测结果进行所述病理教学任务量的分配调整，获取病理教学任务量分配结果；教学方式匹配模块d，所述教学方式匹配模块d用于基于病理教学特征进行教学方式匹配，确定适宜所述目标学员的最佳教学方式；教学效果评估模块e，所述教学效果评估模块e用于以所述最佳教学方式为基准进行病理教学，并进行教学效果评估，获取科目教学效果评估结果；教学方式调整模块f，所述教学方式调整模块f用于基于所述科目教学效果评估结果进行教学方式调整，确定优化教学方式；教学方式更迭模块g，所述教学方式更迭模块g用于以所述优化教学方式为基准进行后续教学，依据教学效果进行所述优化教学方式的实时更新。
33.进一步而言，所属系统还包括：图像采集模块，所属图像采集模块用于基于图像采集设备进行目标学员的实时图像采集，获取所述目标学员实时图像；面部特征分析模块，所属面部特征分析模块用于对所述目标学员实时图像进行面部特征识别提取，确定情绪状态；肢体特征分析模块，所属肢体特征分析模块用于对所述目标学员实时图像进行肢体特征识别提取，确定动作状态；实时状态分析模块，所述实时状态分析模块用于基于所述情绪状态与所述动作状态的综合分析，获取所述目标学员的实时状态分析结果。
34.进一步而言，所述系统还包括：语言获取模块，所述语言获取模块用于获取标准化情绪肢体语言；
状态匹配模块，所述状态匹配模块用于对所述目标学员的所述情绪状态与所述动作状态进行所述标准化情绪肢体语言的匹配，获取匹配结果；语言解析模块，所述语言解析模块用于基于所述匹配结果进行情绪肢体语言解析，获取语言解析结果；状态分析模块，所述状态分析模块用于依据所述语言解析结果生成所述目标学员的实时状态分析结果。
35.进一步而言，所述系统还包括：学习记录获取模块，所述学习记录获取模块用于获取所述目标学员的历史病理学习记录；信息归类模块，所述信息归类模块用于基于所述历史病理学习记录进行信息归类识别，获取科目信息记录；特征分析模块，所述特征分析模块用于基于所述科目记录信息进行病理教学特征提取，基于此进行所述目标学员的学习成效分析，生成成效分析结果；结果判断模块，所述结果判断模块用于对所述成效分析结果进行优劣对比判断，确定最佳教学方式。
36.进一步而言，所述系统还包括：信息提取模块，所述信息提取模块用于基于所述科目学习记录进行同方向知识点教学信息提取，获取信息提取结果；结果分析模块，所述结果分析模块用于对所述信息提取结果进行教学方式与教学结果识别分析，生成成效分析结果，其中，所述教学方式与所述教学结果一一对应。
37.进一步而言，所述系统还包括：模型构建模块，所述模型构建模块用于构建病理教学效果评估模型；模型学习模块，所述模型学习模块用于基于实时课件信息进行模型学习；信息上传模块，所述信息上传模块用于将学习笔记与课后作业上传至所述病理教学效果评估模型；信息分析模块，所述信息分析模块用于通过进行知识点检索校对、思维评判与实验数据分析，确定所述目标学员的知识接收量；模型评估模块，所述模型评估模块用于以所述知识接收量为基准进行教学效果评估，输出所述科目教学效果评估结果。
38.进一步而言，所述系统还包括：优化教学模块，所述优化教学模块用于以所述优化教学方式为标准进行所述目标学员的教学；教学评估模块，所述教学评估模块用于基于所述病理教学效果评估模型进行教学评估，获取教学效果评估结果；以所述教学效果评估结果为基准，针对所述目标学员的接收薄弱方向进行教学调整，获取调整教学方式；教学方式更新模块，所述教学方式更新模块用于基于所述调整教学方式进行所述优化教学方式的更迭。
39.本说明书通过前述对一种基于人工智能的病理教学方法的详细描述，本领域技术
人员可以清楚的知道本实施例中一种基于人工智能的病理教学方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
40.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。