一种用于术前感官刺激的VR三维图像生成方法

本发明涉及图像生成领域，具体涉及一种用于术前感官刺激的vr三维图像生成方法。

背景技术：

1、医院对患者进行手术之前，需要对患者进行术前访视，其目的是了解患者的情况，消除患者的焦虑和恐惧心理，以增加患者对手术的耐受度，缩短外科手术时间，减轻患者痛苦，保证手术顺利进行。

2、消除患者焦虑和恐惧的方法有多种，例如沉浸式的声音及视频的刺激可降低患者生理应激的反应，通过播放家属的视频、音乐及光线，可产生冥想的效果，从而起到镇静镇痛的效果，有助于患者的休息及情绪的恢复。另外，通过一天中不同时间点的变换帮助患者建立正常的时间、空间感，建立与正常世界的连接，也可减轻患者生理应激。在术前访视的过程中，还有一个很重要的演示环节，即根据患者的实际生理状况，演示手术信息和病房以及护理信息，减小患者的未知和恐惧。

3、然而，一方面，受限于医护人员的业务水平，难以实现患者术前对手术和病房环境的更好的认知，甚至有可能增加患者的紧张感；另一方面，现有的术前视觉感觉刺激通常基于人为，即难以测量，又难以控制，从而导致感官刺激无法很好的推广，整体的实用性不强。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种用于术前感官刺激的vr三维图像生成方法解决了现有术前探视环节受限于医护人员的业务水平，难以测量，难以控制，往往不能缓解患者焦虑和恐惧，甚至增加患者紧张感的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：

3、一种用于术前感官刺激的vr三维图像生成方法，包括以下步骤：

4、s1、构建并训练感官刺激视图生成网络；

5、s2、通过感官刺激视图生成网络，根据患者文本特征序列，处理视图素材，生成二维感官刺激视图；

6、s3、通过三维渲染引擎，根据二维感官刺激视图，生成用于术前感官刺激的vr三维图像。

7、本发明的有益效果为：通过机器学习训练的感官刺激视图生成网络根据患者数据抓取视图素材生成二维感官刺激视图，并渲染成vr三维图像，不仅分析了患者的个体差异，实现准确的量化和控制，给出差异化适配的感官刺激视图，又避免了因医护人员参差不齐能力差异带来的反作用，有效降低患者的术中应激反应。

8、进一步地，所述感官刺激视图生成网络包括：

9、文本信息识别网络，用于识别患者文本特征序列中的语义信息，得到患者信息序列；

10、空间映射网络，用于对患者信息序列进行空间维度线性变换，得到视图素材控制序列；

11、图像合成模块，用于根据视图素材控制序列处理视图素材，合成二维感官刺激视图。

12、进一步地，所述视图素材控制序列的内容包括：

13、素材选取子序列，其各元素值表示各视图素材是否被选用；

14、素材位移子序列，其各元素值表示各视图素材在二维感官刺激视图中的位置坐标；

15、素材伸缩子序列，其各元素值表示各视图素材的横向和纵向伸展或收缩尺度；

16、素材色变子序列，其各元素值表示各视图素材的色调、饱和度和亮度的上调或下调尺度；

17、素材图层子序列，其各元素值表示各视图素材在二维感官刺激视图中的遮挡关系和透明度。

18、上述进一步方案的有益效果为：上述控制子序列可轻易编码为包括photoshop在内的主流视图合成软件的控制脚本，基于大数据素材，合成内容、颜色均可调的各种视图，兼容性高，适配性强。

19、进一步地，所述文本信息识别网络的传输表达式为：

20、

21、其中，x(k)为患者信息序列中的第k个元素，为第n1个记忆系数，x(k-n1)为患者信息序列中的第k-n1个元素，n1为文本信息识别网络记忆阶数，e为自然常数，β为指数缩放因子，f(n2)为患者文本特征序列中的第n2个元素，f(k)为患者文本特征序列中的第k个元素，n2为文本信息识别网络输入阶数，k、n1和n2为三个不相干涉的序号。

22、上述进一步方案的有益效果为：文本通常以词句而非单个文字传递信息，因此一方面设置了递归的运算逻辑，另一方面也设置了具有缩放可调的均值差异指数系数加权的自适应输入更新逻辑，以有效提取文本中的信息。

23、进一步地，所述空间映射网络的传输表达式为：

24、c＝w2(w1·x+b1)+b2，

25、其中，c为视图素材控制序列，x为患者信息序列，w1为空间映射网络第一参数矩阵，b1为空间映射网络第一偏置序列，w2为空间映射网络第二参数矩阵，b2为空间映射网络第二偏置序列。

26、上述进一步方案的有益效果为：两阶的矩阵变换和偏置运算，使患者信息序列调制为用于控制视图素材合成视图的视图素材控制序列。

27、进一步地，所述感官刺激视图生成网络的训练表达式为：

28、γτ+1(i)＝γτ(i)+|ε|·u，

29、其中，γτ+1(i)为感官刺激视图生成网络在第τ+1次迭代时第i参数的值，γτ(i)为感官刺激视图生成网络在第τ次迭代时第i参数的值，||为绝对值运算，ε为伪随机数生成器生成的伪随机数，u为反馈控制量；感官刺激视图生成网络训练迭代的参数包括：文本信息识别网络的指数缩放因子、所有的记忆系数，空间映射网络的第一参数矩阵、第一偏置序列、第二参数矩阵和第二偏置序列。

30、上述进一步方案的有益效果为：反馈控制量越接近于0，越达成训练目标，以此量化了感官刺激视图生成网络的性能，而训练表达式通过伪随机数作为每次迭代的系数因子，使感官刺激视图生成网络的训练简单可行，且相比于梯度下降算法，不易陷入局部最优解等梯度消失的情况。同时，伪随机数生成也有pn码等多种现有算法支持，是现实中可以落地执行的。

31、进一步地，所述s1构建并训练第一感官刺激视图生成网络和第二感官刺激视图生成网络；

32、所述患者文本特征序列的类别包括患者病历特征序列和患者心理特征序列；

33、所述患者病历特征序列为通过词向量转换模型word2vec由患者病历文本生成的序列；

34、所述患者心理特征序列为通过词向量转换模型word2vec由患者心理调查问卷生成的序列；

35、所述二维感官刺激视图的类别包括术前宣教视图和情绪镇静视图；

36、所述术前宣教视图用于向患者宣教手术内容和医院环境知识，以减轻患者因未知感而产生的应激；

37、所述情绪镇静视图用于对患者进行视觉催眠，以减轻患者因焦虑和恐惧而产生的应激；

38、所述视图素材的类别包括术前宣教视图素材和情绪镇静视图素材。

39、进一步地，所述第一感官刺激视图生成网络用于根据患者病历特征序列，处理术前宣教视图素材，生成术前宣教视图；

40、所述第二感官刺激视图生成网络用于根据患者心理特征序列，处理情绪镇静视图素材，生成情绪镇静视图；

41、所述s1通过术前宣教评分作为反馈控制量训练第一感官刺激视图生成网络，并通过患者脑电采样数据目标差值作为反馈控制量训练第二感官刺激视图生成网络；

42、所述术前宣教评分由术前宣教评判网络根据第一感官刺激视图生成网络输出的术前宣教视图和过往成功宣教案例的患者成功术前宣教视图计算得到。

43、上述进一步方案的有益效果为：上述方案既减轻患者因焦虑和恐惧而产生的应激，又以减轻患者因未知感而产生的应激，既达到术前访视的宣教目的，又镇静了患者情绪，大大辅助了手术治疗和恢复效果。

44、进一步地，所述术前宣教评判网络包括：

45、第一图像特征提取通道，用于分析过往成功宣教案例的患者成功术前宣教视图，得到第一图像特征；

46、第二图像特征提取通道，用于分析第一感官刺激视图生成网络输出的术前宣教视图，得到第二图像特征；

47、特征匹配度计算模块，用于计算第一图像特征和第二图像特征的匹配度，作为术前宣教评分；

48、所述特征匹配度计算模块的表达式为：

49、

50、其中，sc为术前宣教评分，r1(m)为第一图像特征中的第m个元素，r2(m)为第二图像特征中的第m个元素，m为第一图像特征和第二图像特征的长度，π为圆周率，arctan(·)为反正切函数，max{·}为求取最大值的函数，m为闭区间[1,m]内的正整数。

51、上述进一步方案的有益效果为：以图像特征每个元素的差值平方和作为匹配量化指标，并以最大值的反正切作为自适应归一化缩放因子，实现越匹配的图像匹配量化指标缩放越小，精度越高，越不匹配的图像匹配量化指标缩放越大，越不容易超限的设计逻辑。以防其作为反馈控制量训练感官刺激视图生成网络初期振荡剧烈，不收敛，后期精度差的问题，使感官刺激视图生成网络的训练平稳高效。