CN117357059A - 运动认知双重任务评估***、方法、设备及存储介质 - Google Patents
运动认知双重任务评估***、方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117357059A CN117357059A CN202311338630.5A CN202311338630A CN117357059A CN 117357059 A CN117357059 A CN 117357059A CN 202311338630 A CN202311338630 A CN 202311338630A CN 117357059 A CN117357059 A CN 117357059A
- Authority
- CN
- China
- Prior art keywords
- target
- characteristic parameter
- movement
- subject
- motor
- 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.)
- Granted
Links
- 230000009977 dual effect Effects 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000019771 cognition Effects 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 72
- 230000004424 eye movement Effects 0.000 claims abstract description 48
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 88
- 210000001508 eye Anatomy 0.000 claims description 67
- 230000008569 process Effects 0.000 claims description 29
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 13
- 230000003930 cognitive ability Effects 0.000 claims description 13
- 230000001149 cognitive effect Effects 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 210000005252 bulbus oculi Anatomy 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 11
- 210000003423 ankle Anatomy 0.000 description 42
- 210000002683 foot Anatomy 0.000 description 19
- 238000012360 testing method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 17
- 210000000544 articulatio talocruralis Anatomy 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000001914 filtration Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000010606 normalization Methods 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 11
- 238000003066 decision tree Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000002996 emotional effect Effects 0.000 description 6
- 208000006011 Stroke Diseases 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000036992 cognitive tasks Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 3
- 230000004064 dysfunction Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000013450 outlier detection Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000003169 central nervous system Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 238000002759 z-score normalization Methods 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010061296 Motor dysfunction Diseases 0.000 description 1
- 208000016285 Movement disease Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 208000027089 Parkinsonian disease Diseases 0.000 description 1
- 206010034010 Parkinsonism Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004598 abnormal eye movement Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000009023 proprioceptive sensation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000001720 vestibular Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- 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
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0218—Drawing-out devices
- A61H1/0222—Traction tables
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0237—Stretching or bending or torsioning apparatus for exercising for the lower limbs
- A61H1/0266—Foot
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B23/00—Exercising apparatus specially adapted for particular parts of the body
- A63B23/035—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously
- A63B23/04—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for lower limbs
- A63B23/08—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for lower limbs for ankle joints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Neurology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Pathology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Human Computer Interaction (AREA)
- Neurosurgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Developmental Disabilities (AREA)
- Psychiatry (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Dentistry (AREA)
- Rehabilitation Therapy (AREA)
- Ophthalmology & Optometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种运动认知双重任务评估***、方法、设备及存储介质。***包括:输出装置,用于输出范式信息,范式信息用于指示受试者的目标部位按照目标运动范式运动;数据采集装置,用于采集目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数;处理装置,与数据采集装置可通信地连接,用于基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。本发明采用基于眼动追踪技术的运动认知双重任务执行能力评估方法,可有效区分受试者的运动认知双重任务执行能力差异。
Description
技术领域
本发明涉及医疗器械领域,具体地,涉及一种运动认知双重任务评估***、运动认知双重任务评估方法、运动认知双重任务评估设备及存储介质。
背景技术
人体的运动控制涉及一个复杂、多维度的信息处理过程。实现安全的步行或执行精细的动作需要高水平的运动控制和认知灵活性,以适应不断变化的环境条件,包括指导动作方向、识别和视觉追踪目标等任务。因此,达到优秀的运动表现取决于大脑的注意力信息处理能力,这与运动控制密切相关。
在日常生活中,人们经常需要同时完成步行(或肢体活动)和记忆、谈话、思考等认知任务,如经常在与同伴交谈时走进社区,或者在回忆要购买的物品时走过杂货店等。研究表明,老年人、脑卒中后患者、帕金森患者、前庭功能障碍等人群常同时合并运动功能障碍和认知功能障碍,执行双重任务的能力下降,从而导致步行能力下降,跌倒风险增加。
因此,需要提供一种客观、有效的运动认知双重任务评估***,以评估受试者的运动认知双重任务的执行能力,从而识别出运动认知双重任务执行能力下降的人群。
发明内容
为了至少部分地解决现有技术中存在的问题,提供一种运动认知双重任务评估***、运动认知双重任务评估方法、运动认知双重任务评估设备及存储介质。
根据本发明一个方面,提供一种运动认知双重任务评估***,包括:输出装置,用于输出范式信息,范式信息用于指示受试者的目标部位按照目标运动范式运动;数据采集装置,用于采集目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数;处理装置,与数据采集装置可通信地连接,用于基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
根据本发明另一方面,还提供一种运动认知双重任务评估方法,方法包括:获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数,范式信息用于指示受试者的目标部位按照目标运动范式运动;基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
根据本发明另一方面,还提供一种运动认知双重任务评估设备,包括处理器和存储器,其中,存储器中存储有计算机程序指令,计算机程序指令被处理器运行时用于执行以下步骤:获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数,范式信息用于指示受试者的目标部位按照目标运动范式运动;基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
根据本发明另一方面,还提供一种存储介质,在存储介质上存储了程序指令,程序指令在运行时用于执行以下步骤:获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数,范式信息用于指示受试者的目标部位按照目标运动范式运动;基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
根据本发明实施例的运动认知双重任务评估***、运动认知双重任务评估方法、运动认知双重任务评估设备及存储介质,可以采集并分析目标部位运动过程中的目标部位运动数据(即第一特征参数)以及眼动数据(即第二特征参数),进而对受试者在运动认知双重任务中的任务执行能力进行评估。本发明采用基于眼动追踪技术的运动认知双重任务执行能力评估方法,有效区分受试者的运动认知双重任务执行能力差异,为运动认知双重任务执行能力评估提供新方法,为临床康复训练方案提供新策略,具有评估效率高、准确率高、操作简便、通用性强等优势。
在发明内容中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
以下结合附图,详细说明本发明的优点和特征。
附图说明
本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施方式及其描述,用来解释本发明的原理。在附图中,
图1示出根据本发明一个实施例的运动认知双重任务评估***的示意图;
图2示出根据本发明一个实施例的包含踝关节机器人的运动认知双重任务评估***的示意图;
图3示出根据本发明一个实施例的TMT所对应的范式信息的示意图;
图4示出根据本发明一个实施例的静动态所对应的范式信息的示意图;
图5示出根据本发明一个实施例的道路驾驶所对应的范式信息的示意图;
图6示出根据本发明一个实施例的听力任务所对应的范式信息的示意图;
图7示出根据本发明一个实施例的情绪任务所对应的范式信息的示意图;
图8示出根据本发明一个实施例的运动认知双重任务评估流程的示意图;
图9示出根据本发明一个实施例的运动认知双重任务评估方法的示意性流程图;以及
图10示出了根据本发明一个实施例的运动认知双重任务评估设备的示意性框图。
具体实施方式
在下文的描述中,提供了大量的细节以便能够彻底地理解本发明。然而,本领域技术人员可以了解,如下描述仅示例性地示出了本发明的优选实施例,本发明可以无需一个或多个这样的细节而得以实施。此外,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行详细描述。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”、“前”和“后”等指示方位或位置关系的术语均是相对于站立在该踝关节训练***的周围观察者或受试者而言的,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于电和通信领域而言,可以是有线连接,也可以是无线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如上所述,目前需要提供一种客观、综合有效的运动认知双重任务评估***,以评估人们的运动认知双重任务的执行能力,从而识别出运动认知双重任务执行能力下降的人群。这种评估(或称评价)***可以为康复训练提供新的方法和策略,帮助人们更好地恢复和提高他们的双重任务执行能力,以便例如提高步行能力并降低跌倒风险。同时,这种评估***可以被广泛应用于临床康复、运动训练、健康管理等领域,为人们提供更准确、个性化的康复和训练方案,改善人们的生活质量。
眼动追踪技术通过实时记录人眼运动的注视时间、注视位置、眼动追踪轨迹等指标来了解受试者对实时信息的获取和加工过程。将该技术应用于脑卒中、帕金森、老年人、体育运动等人群,可以有效地揭示这些人群的认知加工过程和表现。
一项研究表明,在进行抓握动作过程中,脑卒中患者出现了较多的眼跳。这可能是由于脑卒中患者眼跳次数增多导致其运动表现较差。另一项研究表明,有经验的运动员完成认知任务的时间更短。他们之所以具有时间上的优势,是因为他们在进行视觉搜索时注意的对象更少,并且在每个对象上的注视时间更短。这表明眼动信息提取和认知能力与运动表现有密不可分的关系。
目前在康复领域中,尚缺乏有效的基于眼动追踪技术的运动认知双重任务评估***。以踝关节运动为例,通常存在踝关节运动障碍的患者,其眼动表现异常也会伴随出现。例如,脑卒中患者除外运动功能障碍以外,还表现出眼球活动及视觉追逐的异常,而且这种眼球活动异常在执行功能性活动时会影响患者的运动表现。此外,眼动变化情况还可作为改善运动意图检测的手段,最终影响患者的康复效果。目前的踝关节机器人(或称足踝康复机器人)设计主要考虑了运动学、动力学、工作空间分析及运动仿真等,但很少将足踝康复机器人与眼动追踪技术有机结合。踝关节作为人体步行姿势及稳定性的一个微调枢纽,踝关节运动控制障碍是导致跌倒风险增加的重要因素。关节精细运动和姿势控制是一个复杂的中枢神经***控制过程,需要本体感觉、视觉和前庭等多种传入信息整合,再经中枢神经***分析整合信息输出激活肌肉。注意认知对于环境识别、避障、摆动期步速、支撑期足跟着地和足部廓清等足部运动控制均起到重要作用。因此踝关节运动控制障碍对于下肢运动认知双重任务功能障碍研究具有极其重要的意义。
本发明以诸如足踝的目标部位为切入点,利用眼动追踪技术同步实时采集记录受试者在运动认知双重任务中的眼动表现,从而将眼动数据与目标部位的运动数据相结合来评估受试者在运动认知双重任务中的任务执行能力。本发明提出了运动认知评估范式(即目标运动范式),目标运动范式可以根据需要评估的认知能力来设置,例如可以分别从诸如听觉认知能力、视觉搜索能力、视觉定向能力、工作记忆能力、情绪调节能力等不同角度设计目标运动范式。根据本发明实施例的运动认知双重任务评估***可以快速、高效、准确地评估人们的运动认知双重任务的执行能力,从而识别出运动认知双重任务执行能力下降的人群。
综上,为了至少部分地解决上述技术问题,本发明实施例提供一种运动认知双重任务评估***。根据本发明实施例,可以将目标部位(例如踝关节)康复训练与眼动追踪技术结合在一起,采集并分析受试者在目标部位运动过程中的眼动数据,以结合目标部位运动时的运动特征参数和眼动所对应的运动特征参数评估受试者在运动认知双重任务中的任务执行能力。
根据本发明一方面,提供一种运动认知双重任务评估***。图1示出根据本发明一个实施例的运动认知双重任务评估***100的示意图。如图1所示,运动认知双重任务评估***100包括输出装置110、数据采集装置120和处理装置130。
输出装置110用于输出范式信息,范式信息用于指示受试者的目标部位按照目标运动范式运动。
数据采集装置120用于采集目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数。
处理装置130与数据采集装置120可通信地连接,用于基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。需注意,图1示出处理装置130与输出装置110连接,但是这仅是示例而非对本发明的限制,处理装置130与输出装置110之间也可以彼此独立设置。在处理装置130与输出装置110彼此独立设置的实施例中,输出装置110可以由其他具有处理功能的附加处理装置控制输出范式信息。可以理解,处理装置130与输出装置110可通信地连接的方案是比较可取的,这样,处理装置130可以无需从附加处理装置获取范式信息。
本文所述的受试者可以是任意生物体,例如人或动物等,本发明不对此进行限制。目标部位可以是受试者上的任意部位,包括但不限于踝关节、腕关节、膝关节等。本文主要以踝关节为例描述本发明实施例,但是这仅是示例而非对本发明的限制。可以理解,虽然其他部位与踝关节所对应的运动形式可能不同,但是对应的运动认知双重任务的评估方式是类似的。
为了方便描述和理解,下面简单介绍目标部位为踝关节时运动认知双重任务评估***的结构及其工作原理。示例性地,在目标部位为踝关节时,数据采集装置120可以包括踝关节机器人和眼动追踪装置。图2示出根据本发明一个实施例的包含踝关节机器人的运动认知双重任务评估***的示意图。参见图2,示出踝关节机器人210和眼动追踪装置220。眼动追踪装置220可以通过如图2所示的连接件与踝关节机器人210连接在一起,当然这种方案仅是示例,眼动追踪装置220与踝关节机器人210也可以彼此独立地设置。眼动追踪装置220可以是带显示屏的眼动仪,输出装置110可以是眼动追踪装置220上的显示屏,即输出装置110可以与眼动追踪装置220集成在一起。当然,这种方案也仅是示例,眼动追踪装置220与输出装置110可以彼此独立地设置。此外,眼动追踪装置220可以包含显示屏,也可以不包含显示屏。在图2中,示出处理装置130。示例性地,处理装置130可以与眼动追踪装置220以及踝关节机器人210可通信地连接。处理装置130可以生成范式信息,并将范式信息输出至眼动追踪装置220,以在眼动追踪装置220的显示屏上显示。此外,处理装置130还可以接收眼动追踪装置220采集的第二特征参数以及踝关节机器人210采集的第一特征参数。上述方案仅是示例,范式信息可以由其他具有处理功能的装置生成。
在本发明实施例中,踝关节机器人的具体组成结构可以不受限制,其可以采用任意结构和工作原理实现,只要其能够进行踝关节的训练即可。示例性地,踝关节机器人可以包括脚部适配器和驱动装置,脚部适配器用于固定受试者的脚部,驱动装置具有输出轴,脚部适配器与输出轴连接,驱动装置能够通过驱动输出轴转动来带动脚部适配器转动。参见图2,示出脚部适配器212和驱动装置214。在踝关节运动过程中,受试者的踝关节的运动轴线与输出轴的轴线可以同轴。踝关节的运动轴线是踝关节运动时所围绕的中心线。受试者的踝关节的运动轴线与输出轴的轴线同轴,使得受试者的踝关节能够做出背伸动作和/或跖屈动作。踝关节机器人的脚部适配器固定受试者的脚部,且脚部适配器与驱动装置的输出轴固定在一起,可以随着输出轴转动,这样使得受试者的脚部也可以随着输出轴转动。当然,受试者的脚部可以做自主的主动运动,以带动脚部适配器转动。示例性地,踝关节机器人的工作模式可以包括:被动牵伸;主动训练;受控型关节活动。本领域技术人员可以理解上述模式的实现方式,不再赘述。
示例性地,踝关节机器人可以包括位置传感器,用于采集踝关节运动时的运动特征参数,即第一特征参数。位置传感器可以设置在脚部适配器上。处理装置130可以与位置传感器可通信地连接,用于接收第一特征参数。
眼动追踪装置220用于采集受试者在踝关节运动过程中的眼动数据,即本文描述的第二特征参数。示例性地,处理装置130可以与眼动追踪装置可通信地连接,用于接收眼动追踪装置220采集的眼动数据。处理装置130可以基于眼动数据分析受试者在踝关节运动过程中的注意力状态。
眼动追踪装置可以采用任何现有或将来可能实现的眼动追踪装置实现,只要其能够采集受试者的眼动数据即可。示例性地,眼动追踪装置可以包括眼动检测模块,眼动检测模块可以包括例如红外发射装置和红外摄像头。红外发射装置发射红外光,红外光照射到人眼部位,红外摄像头则采集眼动数据。可选地,眼动追踪装置可以是带显示屏的眼动追踪装置,眼动检测模块可以设置在显示屏下方,也就是说,眼动检测模块可以与显示屏集成在一起。替代地,眼动追踪装置可以不包含显示屏,该显示屏可以独立于眼动追踪装置设置或者从运动认知双重任务评估***100中省略。
眼动追踪装置可以设置在受试者的前方,该前方可以是指正前方也可以是向左或向右倾斜的前方,只需在踝关节运动时,受试者面部能够朝向眼动追踪装置即可。例如,上述“受试者的前方”可以包括位于受试者的正中矢状面与某一特定面之间的空间范围,该特定面是与受试者的正中矢状面成预定夹角且与正中矢状面相交于受试者的垂直轴的面,所述预定夹角可以在[0°,x°]的范围内,x的值可以根据需要设定,例如是30、45、60等,并且x小于90。眼动追踪装置设置在受试者的前方可以保证眼动数据采集的准确性与有效性。比较可取的是,眼动追踪装置设置在受试者的正前方,这样方便受试者的头颈保持比较舒服的姿势。
输出装置110可以是任意能够输出信息的装置,包括但不限于显示器和/或扬声器等。范式信息可以采用视频信息、图像信息、文字信息、音频信息等中的一种或多种信息形式表达。范式信息可以用于指示受试者的目标部位(例如踝关节)按照目标运动范式运动。目标运动范式可以根据运动认知双重任务的任务类型任意设定,本发明不对此进行限制。例如,若运动认知双重任务中的认知任务为视觉搜索任务,则目标运动范式可以是连线测验(trail-making test,TMT)等。
处理装置130可以采用任何具有数据处理能力和/或指令执行能力的装置实现,包括但不限于个人计算机、服务器等电子设备,例如上位机。此外,处理装置130还可以采用中央处理单元(CPU)、微控制器(MCU)、数字信号处理器(DSP)、专用集成电路(ASIC)、可编程逻辑阵列(FPGA)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元实现。
处理装置130与数据采集装置120可以通过任意有线或无线连接方式连接,有线连接方式可以是诸如串口或并口数据线、网线、刺刀螺母接头(BNC)连接线等连接技术,无线连接方式可以是诸如wifi、蓝牙等连接技术。
处理装置130可以控制数据采集装置120工作,例如可以通过软件设计实现数据采集装置120(例如其中的眼动追踪装置)的自启动服务。此外,处理装置130可以包括处理模块和存储模块,处理模块用于执行指令和/或处理数据,存储模块可以用于以任意合适的数据形式存储以下一者或多者:第一特征参数、第二特征参数和对第一特征参数和/或第二特征参数进行处理所产生的中间数据。上述数据形式可以是诸如TXT,CSV等。
处理装置130可以包括一个或多个处理模块,在包括多个处理模块的情况下,不同处理模块可以用于执行不同的功能,且可以设置在不同的位置。例如,处理装置130可以包括第一处理模块,与踝关节机器人集成在一起,用于控制踝关节机器人的驱动装置中的驱动电机的转动,并且,处理装置130还可以包括第二处理模块,设置在远程,用于通过互联网等方式接收并分析第一特征参数和第二特征参数。
处理装置130可以基于第一特征参数和第二特征参数评估受试者在运动认知双重任务中的任务执行能力。示例性地,处理装置130接收到第一特征参数和第二特征参数后,可以对第一特征参数和第二特征参数进行预处理,并基于预处理后的特征参数进行评估。上述预处理操作是可选的,其可以不执行,即可以直接基于原始的第一特征参数和第二特征参数进行评估。可以采用任意合适的评估方案来评估受试者在运动认知双重任务中的任务执行能力。示例性地,运动认知双重任务中的任务执行能力可以用评分来衡量,也可以用能力等级来衡量。例如,可以用机器学习等算法对受试者在运动认知双重任务中的任务执行能力进行分类,确定其对应的能力等级。例如,可以预先训练神经网络模型,将第一特征参数和第二特征参数输入神经网络模型进行能力等级预测,获得受试者在运动认知双重任务中的任务执行能力的能力等级。
在一个示例中,可以在受试者接受恢复训练前采集一组第一特征参数和第二特征参数,并可以在受试者接受恢复训练后采集一组第一特征参数和第二特征参数,将训练前后的两组第一特征参数和第二特征参数进行对比,评估受试者针对运动认知双重任务的恢复效果。
根据本发明实施例的运动认知双重任务评估***,可以采集并分析目标部位运动过程中的目标部位运动数据(即第一特征参数)以及眼动数据(即第二特征参数),进而对受试者在运动认知双重任务中的任务执行能力进行评估。本发明采用基于眼动追踪技术的运动认知双重任务执行能力评估方法,有效区分受试者的运动认知双重任务执行能力差异,为运动认知双重任务执行能力评估提供新方法,为临床康复训练方案提供新策略,具有评估效率高、准确率高、操作简便、通用性强等优势。本发明可以实时采集眼动特征参数和目标部位运动特征参数,实时评估受试者当前功能状态,从而有效评价受试者的运动认知双重任务执行能力,丰富和完善运动认知学理论,为更好更全面地针对运动认知双重功能障碍人群的运动认知提供新方法和借鉴参考。
示例性地,输出装置包括显示屏,目标运动范式可以包括以下一种或多种:第一运动范式、第二运动范式、第三运动范式、第四运动范式以及第五运动范式。
在第一运动范式下,要求受试者按照范式信息所指示的顺序完成目标部位的运动,并且在目标部位运动的过程中,在显示屏上显示第一标识,第一标识跟随目标部位的运动轨迹运动,范式信息用于指示通过目标部位的运动带动第一标识按第一预设顺序运动至显示屏上的一个或多个目标位置;
在第二运动范式下,要求受试者按照范式信息所指示的顺序完成目标部位的运动,并且在目标部位运动的过程中,在显示屏上显示第二标识,第二标识跟随目标部位的运动轨迹运动,范式信息用于指示通过目标部位的运动带动第二标识按第二预设顺序运动至显示屏上的一个或多个目标兴趣区;
在第三运动范式下,在显示屏上显示第三标识,并要求受试者按照范式信息所指示的对应关系以及第三标识完成目标部位的运动,范式信息用于指示第三标识与目标部位的运动方式之间的对应关系;
在第四运动范式下,范式信息为语音信息,要求受试者按照范式信息所指示的顺序完成目标部位的运动,并且在目标部位运动的过程中,在显示屏上显示第四标识,第四标识跟随目标部位的运动轨迹运动,范式信息用于指示通过目标部位的运动带动第四标识按第三预设顺序运动至显示屏上的一个或多个目标兴趣区;
在第五运动范式下,要求受试者在多种不同背景下按照范式信息所指示的顺序完成目标部位的运动,并且在目标部位运动的过程中,在显示屏上显示处于多种不同背景下的第五标识,第五标识跟随目标部位的运动轨迹运动,范式信息用于指示通过目标部位的运动带动第五标识按第四预设顺序运动至显示屏上的一个或多个目标兴趣区。
下面以踝关节运动(即足部运动)为例举例说明目标运动范式的实现方案。例如,目标运动范式可以包括但不限于以下5种运动范式中的一种或多种:范式1,连线测验(TMT);范式2,静动态;范式3,道路驾驶;范式4,听力任务;范式5,情绪任务。下面结合图3-7描述这5种运动范式的实现方案。
TMT:要求受试者按照数字顺序完成足部运动,使得显示屏上所显示的白圈(即第一标识)到达对应的数字圈中,白圈变成绿色代表成功,白圈变成红色代表失败。若失败需要回到显示为红色的区域处继续测试。TMT为上述第一运动范式。图3示出根据本发明一个实施例的TMT所对应的范式信息的示意图。参见图3,范式信息可以包括左侧的文字信息和右侧的图像信息。受试者可以按照左侧的文字信息所指示的顺序控制踝关节运动,使得右侧图像中的白圈运动至各数字圈中。例如,范式信息指示受试者从数字1运动至数字2,若受试者实际运动导致白圈从数字1运动至数字3,则可以将数字1置成红色,提示受试者重新从数字1开始运动。TMT可以用于测试受试者的视觉搜索能力。
静动态:受试者需按文字提示完成足部运动,使得白圈(即第二标识)到达对应圈中,白圈变成绿色代表成功,白圈变成红色代表失败,若失败需要回到显示为红色的区域处继续测试。图4示出根据本发明一个实施例的静动态所对应的范式信息的示意图。参见图4,范式信息可以包括左侧的文字信息和中间及右侧的图像信息。受试者可以按照左侧的文字信息所指示的顺序控制踝关节运动,使得中间或右侧图像中的白圈运动至各数字圈中。例如,范式信息指示受试者从数字1运动至数字1,若受试者实际运动导致白圈从数字1运动至数字2,则可以将数字1置成红色,提示受试者重新从数字1开始运动。静动态可以用于测试受试者的视觉定向能力。
道路驾驶:按照范式信息中指定的运动模式进行模拟驾驶,例如当红灯出现时,要求受试者给出跖屈反应,当绿灯出现时,要求被试者做出背伸反应等。图5示出根据本发明一个实施例的道路驾驶所对应的范式信息的示意图。参见图5,范式信息可以包括左侧的文字信息和右侧的图像信息。受试者可以按照左侧的文字信息所指示的运动模式以及右侧图像上显示的红绿灯(即第三标识)的颜色控制踝关节运动。道路驾驶可以用于测试受试者的工作记忆能力。
听力任务:受试者需根据所听到的指示完成足部运动,使得显示屏上所显示的白圈(即第四标识)到达对应的数字圈中,白圈变成绿色代表成功,白圈变成红色代表失败。图6示出根据本发明一个实施例的听力任务所对应的范式信息的示意图。参见图6,范式信息可以包括左侧的文字信息和右侧的图像信息以及通过输出装置输出的语音信息。听力任务可以用于测试被试者的注意分配能力。
情绪任务:受试者需要在所展示的晴天、雨天、雷暴天气等特定环境下,按所指示的数字顺序完成足部运动,使得白圈(即第五标识)到达对应的数字圈中,白圈变成绿色代表成功,白圈变成红色代表失败,若失败需要回到显示为红色的区域处继续测试。图7示出根据本发明一个实施例的情绪任务所对应的范式信息的示意图。参见图7,范式信息可以包括左侧的文字信息和中间及右侧的图像信息。中间及右侧的图像信息分别呈现雷暴天气和晴天这两种不同背景下的第五标识以及各目标兴趣区。情绪任务可以用于测试被试者的情绪调节能力。
通过上述不同的运动范式,可以对应测试视觉搜索、视觉定向等各种不同认知能力下的运动认知双重任务执行能力。这些运动范式所对应的认知能力是比较有意义的测试项目,因此这些运动范式的应用前景较为广泛。
在受试者的目标部位按照目标运动范式运动时,可以采集对应的第一特征参数和第二特征参数。示例性地,第一特征参数可以包括但不限于以下一项或多项:总耗时、平均到达速度、错误数、平均到达时间、平均停留时间、每次到达的速度峰值、总跨度、速度峰值数、速度峰值最大值。其中,示例性地,总耗时、平均到达速度可以为主要指标,错误数、平均到达时间、平均停留时间、每次到达的速度峰值、总跨度、速度峰值数、速度峰值最大值可以为次要指标。可选地,本文中描述的各种时间参数,例如总耗时等,其计量单位可以用秒(s)等。
总耗时为:目标部位完成目标运动范式所用的全部时间。
平均到达速度为:目标部位完成目标运动范式的过程中从起始位置运动到结束位置所转动的角度或所经过的距离除以总耗时。例如,在目标部位为踝关节时,平均到达速度可以为目标部位完成目标运动范式的过程中从起始位置运动到结束位置所转动的角度。
错误数为:目标部位完成目标运动范式的过程中,发生错误的次数。例如在基于TMT进行测试(即评估)时,需要受试者的踝关节带动白圈按数字1-2-3的顺序运动到各个数字处,但是踝关节的运动可能出现错误,导致白圈可能走错。例如,白圈可能按数字1-3-2的顺序运动了,其中从数字1运动到数字3就可以视为出现一次运动错误,可以在目标部位完成目标运动范式的过程中,统计出现这类运动错误的次数。
平均到达时间为:总耗时除以目标部位完成目标运动范式的过程中所经历的所有目标位置的数量。例如,在基于TMT进行评估时,踝关节运动过程中所经历的与显示屏上的每个数字相对应的物理位置可以视为一个目标位置或目标点。
平均停留时间为:目标部位完成目标运动范式的过程中停留在各目标位置上的时间总和除以目标部位完成目标运动范式的过程中所经历的所有目标位置的数量。
每次到达的速度峰值为:目标部位从前一个目标位置运动到下一个目标位置的过程中出现的速度峰值。
总跨度为:目标部位完成目标运动范式的过程中从起始位置运动到结束位置所转动的角度或所经过的距离。
速度峰值数为:目标部位在完成目标运动范式的过程中,从前一个目标位置运动到下一个目标位置的过程中出现的速度峰值的总数。
示例性地,第二特征参数可以包括以下一项或多项:总注视次数、每个目标兴趣区处的注视的空间密度、每个目标兴趣区处的首次注视时间、速度峰之前眼跳数百分比、速度峰之后眼跳数百分比、目标的注视率、凝视时间、眼跳幅度、扫视路径/轨迹、注视时长、扫视幅度、扫视次数、平滑追踪数据。其中,示例性地,总注视次数和针对每个目标兴趣区的注视的空间密度可以为主要指标。
总注视次数为:感兴趣区域内所有注视点的数量。
每个目标兴趣区处的注视的空间密度为:每个目标兴趣区所对应的目标兴趣区内的单位面积内注视点的数量。
每个目标兴趣区处的首次注视时间为:落在目标兴趣区所对应的目标兴趣区上的第一个注视点的注视时间。
速度峰之前眼跳数百分比为:眼跳速度达到峰值之前的眼跳数在总眼跳数中所占的比例。
速度峰之后眼跳数百分比为:眼跳速度达到峰值之后的眼跳数在总眼跳数中所占的比例。
目标注视率为:每个注视点的注视次数除以总注视次数。
凝视时间为:目标兴趣区内所有注视时间的总和。
眼跳幅度为:眼睛在从一个注视点转移到另一个注视点时,眼球在空间中移动的距离。
注视时长为:在某一个注视点停留的时间。
扫视幅度为:眼睛从一个注视点到另一个注视点所覆盖的范围,用视角的度数来表示。
扫视次数为:眼睛从一个注视点到另一个注视点时做的快速跳跃运动的次数。
平滑追踪(smooth pursuit)数据为:眼球对于视野中运动物体的追踪数据。
扫视路径/轨迹为:眼睛扫视时所经历的路径/轨迹。本领域技术人员可以理解扫视路径/轨迹的含义及其确定方式,本文不赘述。
眼跳:两个注视点之间的眼睛运动通常被称为眼跳。
目标兴趣区(Areas of Interest,AOI):包含实验关键对象的区域,目标兴趣区的大小可以根据实验的研究目的而定。例如,在基于TMT的评估中,数字1所在的圆形区域(例如图3中符号“①”所在的区域)就是一个目标兴趣区。
示例性地,上述注视时长可以通过以下方式获得:所述注视时长等于终止注视时间与起始注视时间之间的差值。数学公式表示为:
Tg=Te-Ts;
其中,Tg表示注视时长;Te表示终止注视时间;Ts表示起始注视时间。
示例性地,上述首次注视时间可以通过以下方式获得:所述首次注视时间等于首次注视的起始时间。首次注视时间用数学公式表示为:
Tf\g=Ts;
其中,Tf\g表示首次注视时间;Ts表示起始注视时间。
示例性地,上述总注视次数可以通过以下方式获得。总注视次数用数学公式表示为:
其中,Ng代表总注视次数;n表示总的注视段数;i为循环变量,表示当前的注视段。可以理解,对于n次注视来说,注视次数为
示例性地,上述扫视幅度可以通过以下方式获得。扫视幅度用数学公式表示为:
其中,Sg表示扫视幅度;n表示总的注视段数;i为循环变量,表示当前的注视段;xi表示第i次注视的x坐标;yi表示第i次注视的y坐标;xi-1表示第i-1次注视的x坐标;yi-1表示第i-1次注视的y坐标。
示例性地,上述扫视次数可以通过以下方式获得。扫视次数用数学公式表示为:
其中,Ns表示扫视次数;n表示总的注视段数;i为循环变量,表示当前的注视段,xend,i表示第i次注视的终止注视时间对应的x坐标;xstart,i表示第i次注视的起始注视时间对应的x坐标;x坐标表示注视点的位置信息中的x坐标;yend,i表示第i次注视的终止注视时间对应的y坐标;ystart,i表示第i次注视的起始注视时间对应的y坐标;y坐标表示注视点的位置信息中的y坐标。本领域技术人员可以理解,注视点的位置信息可以用预先建立的坐标系中的坐标表示,例如用xy坐标系中的x坐标和y坐标表示。xy坐标系可以根据需要建立,例如,基于眼动仪的显示屏的大小建立坐标系。
例如,
上述公式可以理解为:在第i次注视的起始注视时间对应的x坐标与终止注视时间对应的x坐标不同,并且第i次注视的起始注视时间对应的y坐标与终止注视时间对应的y坐标也不同时,该等式的取值为1,否则为0。由于对于每个注视点,如果该注视点的起始注视时间对应的x、y坐标与终止注视时间对应的x、y坐标不同,那么就需要进行一次数据采集,因此,可以将需要进行数据采集的注视点的数目之和作为扫视次数。
示例性地,采集平滑追踪数据,其根本在于采集眼动特征数据点(即第二特征参数中各数据点)与预期的目标兴趣区之间的偏差。平滑追踪数据可以通过对原始眼动特征数据点与预期目标兴趣区数据点的差值计算获得。采样率的大小可以决定平滑追踪数据的精度。
根据本发明实施例,目标运动范式的数量为多个,每个目标运动范式对应于至少一种目标认知能力,处理装置通过以下方式基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力:对于多个目标运动范式中的每个目标运动范式,基于该目标运动范式所对应的第一特征参数和第二特征参数,确定该目标运动范式所对应的能力评估结果,能力评估结果用于评估对应的目标运动范式所对应的目标认知能力;基于多个目标运动范式各自对应的能力评估结果,计算总评估结果;基于总评估结果,评估受试者在运动认知双重任务中的任务执行能力。
每个目标运动范式对应于至少一种目标认知能力,例如上述TMT可以用于评估视觉搜索能力和视觉空间排序能力,听觉任务可以用于评估注意力分配能力等。基于与每种目标运动范式对应的第一特征参数和第二特征参数,可以确定该目标运动范式所对应的能力评估结果,这种能力评估结果可以用于评估目标运动范式所对应的目标认知能力。综合多个目标运动范式各自对应的能力评估结果,则可以获得总评估结果,基于总评估结果,评估受试者在运动认知双重任务中的任务执行能力。
根据本发明实施例,处理装置通过以下方式基于该目标运动范式所对应的第一特征参数和第二特征参数,确定该目标运动范式所对应的能力评估结果:基于第一特征参数,生成第一评估参数;基于第二特征参数,生成第二评估参数;基于第一评估参数和第二评估参数,确定该目标运动范式所对应的能力评估结果。
可以直接基于第一特征参数和第二特征参数来确定能力评估结果,也可以对第一特征参数和第二特征参数进行进一步的总结和特征提取,从中获取第一评估参数和第二评估参数之后,基于第一评估参数和第二评估参数,确定目标运动范式所对应的能力评估结果。如图2所示的包含踝关节机器人的运动认知双重任务评估***,眼动追踪装置220可以基于采集的第一特征参数和第二特征参数进行进一步的总结和特征提取,确定第一评估参数和第二评估参数。此时,处理装置130可以基于第一评估参数和第二评估参数评估受试者在运动认知双重任务中的任务执行能力。可选地,还可以直接基于第一特征参数和第二特征参数评估受试者在运动认知双重任务中的任务执行能力。
根据本发明实施例,能力评估结果和总评估结果分别用评分表示,处理装置通过以下方式基于多个目标运动范式各自对应的能力评估结果,计算总评估结果:对多个目标运动范式各自对应的能力评估结果求平均,获得总评估结果。通过求平均的方式获得的总评估结果相对比较可靠。
根据本发明实施例,第一评估参数包括:完成目标运动范式的平均运动速度、完成目标运动范式的平均停留次数、完成目标运动范式的速度峰值平均值;第二评估参数包括:每个目标兴趣区的平均注视次数、每个目标兴趣区的平均首次注视时间、每个目标兴趣区的平均到达时间。第一评估参数和第二评估参数包含的具体参数可以根据需要设定,本发明不对此进行限制。
完成目标运动范式的平均运动速度,表示完成目标运动范式的整个运动过程中的平均速度,其计算方式为:完成目标运动范式的总跨度除以总耗时。
完成目标运动范式的平均停留次数,表示在单位时间内停留在目标位置的平均次数,其计算方式为:完成目标运动范式的过程中的停留在各目标位置上的总停留次数除以总耗时。
完成目标运动范式的速度峰值平均值,表示每次到达的速度峰值的平均值,其计算方式为:完成目标运动范式的过程中所达到的速度峰值之和除以到达速度峰值的次数。
每个目标兴趣区的平均注视次数为:感兴趣区域内所有注视点的数量除以目标感兴趣区域的数量。
每个目标兴趣区的平均首次注视时间为:落在每个目标兴趣区上的第一个注视点的注视时间之和除以目标感兴趣区域的数量。
每个目标兴趣区的平均到达时间为:到达每个目标兴趣区的时间之和除以目标感兴趣区域的数量。
根据本发明实施例,目标认知能力分为多个预设能力等级,能力评估结果采用能力等级表示;处理装置通过以下方式基于该目标运动范式所对应的第一特征参数和第二特征参数,确定该目标运动范式所对应的能力评估结果:在第一评估参数落入第一参数范围,且第二评估参数落入第二参数范围时,确定该目标运动范式所对应的能力等级为与第一参数范围和第二参数范围所对应的预设能力等级;其中,第一评估参数为第一特征参数或基于第一特征参数生成;第二评估参数为第二特征参数或基于第二特征参数生成;其中,多个预设等级中任意两个不同预设等级对应于第一评估参数的两种不同参数范围且对应于第二评估参数的两种不同参数范围。
这种方案中可以预先将目标认知能力划分为不同的能力等级,不同的能力等级对应着不同的范围,可以根据当前获取的第一评估参数和第二评估参数所落入的参数范围来确定目标认知能力的能力等级。例如,目标认知能力的能力等级可以划分为abcd四级。可选地,运动认知双重任务的执行能力也可以划分为多个能力等级,例如划分为ABC三级。根据各目标认知能力的等级划分,可以进一步确定运动认知双重任务的执行能力所属的等级。例如,在各目标认知能力的能力等级均为a级时,确定运动认知双重任务的执行能力的等级为A级。基于目标认知能力的能力等级进一步确定运动认知双重任务的执行能力的等级的方式可以根据需要设定。
根据本发明实施例,处理装置还用于:在基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力之前,对数据采集装置所采集的第一特征参数和第二特征参数进行预处理;其中,处理装置具体用于基于经预处理的第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
在进行评估之前,可以对第一特征参数和第二特征参数分别进行预处理,以便使得经预处理的第一特征参数和第二特征参数能够满足预设的要求。通过这类特征参数进行评估有利于提高对运动认知双重任务中的任务执行能力进行评估的准确性。
根据本发明实施例,处理装置通过以下方式对数据采集装置所采集的第一特征参数和第二特征参数进行预处理:对第一特征参数和/或第二特征参数执行数据有效性判断操作、数据清洗操作、数据归一化操作和数据分类操作中的一种或多种。
示例性地,数据有效性判断操作可以包括:判断第一特征参数和/或第二特征参数是否为有效数据,若第一特征参数和/或第二特征参数不是有效数据,则删除本轮运动认知双重任务评估中的第一特征参数和第二特征参数。
示例性地,数据有效性判断操作可以包括:若第二特征参数中位置超出预设范围的数据点的数量大于第一数量阈值或者第二特征参数中位置超出预设范围的数据点在第二特征参数中所占据的比例大于第一比例阈值,则确定第二特征参数不是有效数据,否则确定第二特征参数是有效数据。
例如,在基于TMT的评估中,假设整个TMT中共包含从数字1到数字5的五个数字,则预设范围可以是包含数字1-5在内的一个环形区域。当目标部位完成目标运动范式对应的全部动作时,可以计算所获取的第二特征参数中的数据点中位置超出上述预设区域的数据点的数量或位置超出上述预设区域的数据点在第二特征参数所包含的全部数据点中所占据的比例。若超出预设范围的数据点的数量大于第一数量阈值或其比例大于第一比例阈值,则可以视为本轮评估中采集的数据是无效的,此时可以丢弃这段时间内采集的数据,重新开始新一轮的基于TMT的评估。
第一数量阈值和第一比例阈值的大小均可以根据需要任意设定,本发明不对此进行限制。
示例性地,数据清洗操作可以包括:对于第二特征参数中存在异常的数据点进行清洗。
示例性地,数据清洗操作可以包括以下一种或多种操作:缺失值处理操作:对于第二特征参数中位置超出预设屏幕范围的数据点进行删除;异常值处理操作:检测所述第二特征参数中位置位于预设屏幕范围内且位置与显示屏上的目标感兴趣区之间的距离大于预设距离阈值的数据点,并将检测出的数据点删除或将检测出的数据点用与检测出的数据点相邻的至少两个数据点的平均值代替;数据重复处理操作:对于第二特征参数中两组在时间戳上彼此相邻且分别聚类为两个不同注视点的数据点,若两组数据点之间存在的数据点的数量小于第二数量阈值,则将两组数据点合并为同一注视点;数据去噪处理操作:对第二特征参数中聚类为同一注视点的每组数据点,若该组数据点与目标兴趣区之间的距离小于或等于预设距离阈值且该组数据点中各数据点的高度之间的差距大于第一高度阈值,则对该组数据点进行去噪,使得去噪后该组数据点中各数据点的高度之间的差距小于或等于第一高度阈值。
眼睛的注视点已经超出检测范围,例如眼睛看到显示屏外边,这种情况下采集到的数据点可以考虑直接删除。示例性地,缺失值处理操作可以在第二特征参数中位置超出预设屏幕范围的数据点的数量小于第三数量阈值或者位置超出预设屏幕范围的数据点在第二特征参数的所有数据点中所占据的比例小于第二比例阈值的情况下执行。第三数量阈值和第二比例阈值的大小均可以根据需要任意设定,本发明不对此进行限制。比较可取地,第三数量阈值小于上述第一数量阈值,第二比例阈值小于上述第一比例阈值。针对缺失值的处理可以包括但不限于以下一种或多种:删除、插值、平均值填充、中位数填充、众数填充等。
异常值是指眼睛的注意力虽然集中在显示屏上,但是不在包含目标兴趣区(例如TMT中的数字①区域)在内的一定范围内,该一定范围可以是例如半径为50像素的圆形区域内。对于这种偏离目标兴趣区的异常值可以直接删除或者用相邻数据点的平均值替换掉。预设距离阈值可以根据需要设定,例如为50像素等。异常值检测可以采用以下一种或多种方法实现:离群点检测方法、基于聚类的方法、基于统计的方法等。
数据重复处理操作:例如,有可能因为中间眼跳产生了两段眼动数据,聚类为了两个注视点,但是实际上属于一个注视点。此时,可以将前后两段数据合并为一个注视点。数据重复检测可以采用以下一种或多种方法实现:基于哈希函数的方法、基于编辑距离的方法、基于相似性的方法等。
数据去噪处理操作:例如,对于注视点都在目标兴趣区(例如TMT中的数字①所在区域)周围的50像素以内,但是注视点彼此的高度不在一条线上,此时可以考虑进行去噪,以使数据点平滑。数据去噪处理可以采用任意去噪方法实现,包括但不限于平滑滤波、中值滤波、小波变换、离群点检测等中的一种或多种。
示例性地,数据归一化操作可以包括:对第一特征参数中的至少部分参数和/或第二特征参数中的至少部分参数进行归一化。示例性地,所述数据归一化操作包括:对第一特征参数和/或第二特征参数中的百分比类型的参数、速度参数、空间密度参数中的一项或多项进行归一化。百分比类型的参数就是属于百分比类型的参数,例如上述速度峰之前眼跳数百分比、速度峰之后眼跳数百分比等。速度参数就是各种属于速度的参数,空间密度参数可以是上述每个目标兴趣区处的注视的空间密度。
举例说明,多名受试者的年龄、性别均不同,通过数据归一化可以将这些不同大小的属性数据转换成同一范围的数据,调整数据之间的差异,使各类数据中的数值范围更加接近,更准确地分析和理解数据,避免因为数据属性不同而造成误差。示例性地,数据归一化操作可以通过以下一种或多种方式实现:离差归一化、Z分数标准化、小数定标标准化以及Sigmoid函数归一化。
数据归一化:将不同尺度的数据转换为同一尺度的过程,可以用到的算法包括:
Min-Max归一化:将数据缩放到0到1之间的范围,使用如下公式进行计算:
其中,x为原始数据,x'为归一化后的数据,min和max分别为原始数据中的最小值和最大值。
Z-Score标准化:将数据转换为均值为0,标准差为1的正态分布,使用如下公式进行计算:
/>
其中,x为原始数据,x'为标准化后的数据,mean和std分别为原始数据的均值和标准差。
小数定标标准化:将数据通过移动小数点的方式缩放到[-1,1]或[0,1]之间的范围,使用如下公式进行计算:
其中,x为原始数据,x'为定标后的数据,j为一个常数,一般取数据中绝对值的最大值的位数。
Sigmoid函数归一化:将数据通过Sigmoid函数映射到0到1之间的范围,使用如下公式进行计算:
其中,x为原始数据,x'为Sigmoid函数归一化后的数据。
示例性地,数据分类操作可以通过以下一种或多种方式实现:决策树、K近邻算法、神经网络以及朴素贝叶斯。
示例性地,数据去噪处理操作可以通过以下一种或多种方式实现:移动平均滤波、中值滤波、卡尔曼滤波、无限脉冲响应滤波以及小波变换滤波。数据去噪可以去除数据中的噪声、平滑信号或者提取某些特征。
移动平均滤波(Moving Average Filter):取数据的一定窗口内的平均值来平滑信号,并去除高频噪声。
中值滤波(Median Filter):取数据的一定窗口内的中位数来平滑信号,可以有效去除椒盐噪声等异常值。
卡尔曼滤波(Kalman Filter):利用先验估计和测量值的权衡来估计***状态,并对噪声进行滤波。
无限脉冲响应滤波(Infinite Impulse Response Filter,IIR):计算输入信号和滤波器的加权和来平滑信号。
小波变换滤波(Wavelet Transform Filter):对信号进行小波变换,利用小波函数在不同尺度下的性质来滤波,实现信号去噪、压缩等功能。
通过数据清洗,可以检查和修复第一特征参数和/或第二特征参数中存在的缺失、异常、重复、错误等问题,即可以利用算法和工具来协助清洗数据。这样可以有效提高整体评估的准确性。
示例性地,输出装置包括显示屏,目标运动范式包括:目标部位按照预设顺序在多个目标位置之间移动,使得显示屏上显示的目标标识跟随目标部位的运动在多个目标兴趣区之间移动,多个目标位置与多个目标兴趣区一一对应;眼部运动时的注视点在多个目标兴趣区之间移动的过程划分为多个不同的移动阶段,每个移动阶段具有对应的特征;处理装置通过以下方式对第二特征参数进行分类,以确定第二特征参数在目标部位运动过程中所属的移动阶段:按照移动阶段的特征对第二特征参数进行分类,以确定眼部运动所经历的移动阶段;其中,处理装置还用于判断眼部运动所经历的移动阶段是否符合预设要求,若不符合,则继续采集新的第一特征参数和第二特征参数,若符合,则基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
例如,在基于TMT的评估中,注视点从起始点移动至数字1所在的目标兴趣区这段时间可以算作一个移动阶段,注视点停留在数字1所在的目标兴趣区内可以算作一个移动阶段,注视点离开数字1所在的目标兴趣区,并移动至下一目标兴趣区,例如数字2所在的目标兴趣区,这可以算作一个移动阶段,通过这种方式,可以将眼部运动时的注视点在多个目标兴趣区之间移动的过程划分为多个不同的移动阶段。每个移动阶段的第二特征参数具有自己的特征,可以基于这些特征判断第二特征参数中的各数据点属于哪些移动阶段。每个移动阶段可以视为一个类别,通过数据分类操作可以确定第二特征参数所属的移动阶段。
数据分类操作通过以下一种或多种方式实现:决策树、K近邻算法、神经网络以及朴素贝叶斯。
决策树:分析数据集中各特征之间的关系,构建决策树,对第二特征参数进行分类。使用到的决策树算法可以包括ID3、C4.5、CART等。示例性地,决策树的选择可以默认为ID3。
K近邻算法(KNN):将每个数据点分配给与其最近邻的k个数据点的类别。
神经网络:通过构建多层神经元结构,利用反向传播算法训练网络参数,实现对数据集的分类。
朴素贝叶斯(Naive Bayes):假设各个特征之间相互独立,从而简化了计算过程。
本***允许用户选择不同数据分类算法进行计算,同时支持以模块化的设计添加新的数据分类算法。此外,本***允许用户选择不同数据滤波算法进行计算,同时支持以模块化的设计添加新的数据滤波算法。
示例性地,处理装置通过以下方式基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力:通过与受试者的属性相对应的评估模型,基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力,其中,属性包括以下一项或多项:年龄、性别、病种、病症。
评估模型可以是任意机器学习模型,包括但不限于神经网络模型、决策树等。在通过评分衡量运动认知双重任务中的任务执行能力的实施例中,评估模型可以输出受试者对应的评分。在通过能力等级衡量运动认知双重任务中的任务执行能力的实施例中,评估模型可以输出受试者对应的能力等级。
以通过能力等级衡量运动认知双重任务中的任务执行能力的实施例为例进行描述。例如,根据第一评估参数和第二评估参数落入的参数范围,可以确定受试者的能力等级是属于A级、B级、C级中的哪一种。例如,可以将运动认知双重任务的执行能力分为ABC三级,级别判断逻辑如下:
1)、在完成目标运动范式的平均运动速度V满足V≤π/6rad/s,完成目标运动范式的平均停留次数H满足H≤20次,完成目标运动范式的速度峰值平均值v满足v≤π/4rad/s,每个目标兴趣区的平均注视次数X满足X≤12次,每个目标兴趣区的平均首次注视时间T满足T≤3s,每个目标兴趣区的平均到达时间t满足t≤5s时,受试者的运动认知双重任务执行能力为A级别。
2)、在完成目标运动范式的平均运动速度V满足π/6rad/s<V<π/4rad/s,完成目标运动范式的平均停留次数H满足20<H<30次,完成目标运动范式的速度峰值平均值v满足π/4rad/s<v<π/2rad/s,每个目标兴趣区的平均注视次数X满足12<X≤20次,每个目标兴趣区的平均首次注视时间T满足3<T≤5s,每个目标平均到达时间t满足5<t≤8s时,受试者的运动认知双重任务执行能力为B级别。
3)、在完成目标运动范式的平均运动速度V满足V≥π/4rad/s,完成目标运动范式的平均停留次数H满足H≥30次,完成目标运动范式的速度峰值平均值v满足v≥π/2rad/s,每个目标兴趣区的平均注视次数X满足X≥20次,每个目标兴趣区的平均首次注视时间T满足T≥5s,每个目标平均到达时间t满足t≥8s时,受试者的运动认知双重任务执行能力为C级别。
A级别最高,表示受试者的运动认知双重任务的执行能力最好,B级别次之,C级别最低,表示受试者的运动认知双重任务的执行能力最差。
在采用的目标运动范式相同的情况下,不同的人所对应的参数范围可能是不一样的。例如,正常的成年人完成TMT测试可能需要3分钟,正常的儿童完成TMT测试可能需要5分钟,而足踝有问题但认知没问题的成年人完成TMT测试可能需要10分钟,足踝和认知都有问题的人可能半小时都做不完TMT测试。因此,可以积累各种人群的数据,采用模型学习的方式,针对不同属性,例如不同年龄段、不同性别、不同病种、不同病症等,建立不同的评估模型,来学习这些特征。
针对评估模型的学习训练可以采用以下算法的一种或多种实现:
监督学习(Supervised Learning):构建模型来学习输入和输出之间的映射关系。
无监督学习(Unsupervised Learning):数据进行聚类、降维等处理,学习数据的内在结构和规律。
半监督学习(Semi-supervised Learning):结合有标记和无标记数据来学习模型。
常强化学习(Reinforcement Learning):模型通过与环境进行交互,通过试错学习来优化行动策略,以最大化累计奖励。
本***允许用户选择不同的数据学习算法进行评估模型的数据学习,同时支持以模块化的设计添加新的数据学习算法。此外,本***可以开放接口支持自学习机制,通过接口可应答第三方数据库,例如FTT,AIGC等自学习库,以便通过第三方数据库对评估模型进行学习训练。
图8示出根据本发明一个实施例的运动认知双重任务评估流程的示意图。如图8所示,可以在评估(即测试)开始之后,通过实验范式呈现模块(即输出装置)输出范式信息。此外,可以通过数据采集模块(即数据采集装置)采集第一特征参数和第二特征参数。随后,可以通过处理装置中的数据预处理模块对第一特征参数和第二特征参数进行预处理,并通过处理装置中的评估模块基于预处理后的第一特征参数和第二特征参数评估受试者在运动认知双重任务中的任务执行能力。此外,处理装置还可以判断测试合理与否,即判断第一特征参数和/或第二特征参数是否是有效数据,若非有效数据,则可以重新输出范式信息,重新采集新的第一特征参数和第二特征参数,以进行新一轮的评估。
根据本发明实施例,运动认知双重任务评估***100还可以包括显示装置,显示装置在目标部位运动过程中固定在受试者的前方,显示装置用于显示范式信息。显示装置可以包括例如图2所示的眼动追踪装置220上的显示屏。
通过显示装置显示范式信息的方案可以提高受试者的参与感和主动性。可选地,处理装置130还可以用于控制显示装置的运行,包括其开关机和所显示的内容等。
图9示出根据本发明一个实施例的运动认知双重任务评估方法900的示意性流程图。如图9所示,运动认知双重任务评估方法900包括步骤S910和S920。
在步骤S910,获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数,范式信息用于指示受试者的目标部位按照目标运动范式运动。
在步骤S920,基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
结合上文关于运动认知双重任务评估***100的描述,可以理解运动认知双重任务评估方法900的具体实施方式,此处不再赘述。
根据本发明另一方面,提供一种运动认知双重任务评估设备。图10示出了根据本发明一个实施例的运动认知双重任务评估设备1000的示意性框图。运动认知双重任务评估设备1000包括处理器1010和存储器1020。
存储器1020存储计算机程序指令,计算机程序指令被处理器1010运行时用于执行以下步骤:获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数,范式信息用于指示受试者的目标部位按照目标运动范式运动;基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
根据本发明另一方面,提供一种存储介质,在存储介质上存储了程序指令,程序指令在运行时用于执行以下步骤:获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,第一特征参数为目标部位的部位运动所对应的运动特征参数,第二特征参数为受试者的眼部运动所对应的运动特征参数,范式信息用于指示受试者的目标部位按照目标运动范式运动;基于第一特征参数和第二特征参数,评估受试者在运动认知双重任务中的任务执行能力。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的运动认知双重任务评估***中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元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单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种运动认知双重任务评估***,其中,所述***包括:
输出装置,用于输出范式信息,所述范式信息用于指示受试者的目标部位按照目标运动范式运动;
数据采集装置,用于采集所述目标部位在所述范式信息的指示下运动时对应的第一特征参数和第二特征参数,所述第一特征参数为所述目标部位的部位运动所对应的运动特征参数,所述第二特征参数为所述受试者的眼部运动所对应的运动特征参数;
处理装置,与所述数据采集装置可通信地连接,用于基于所述第一特征参数和所述第二特征参数,评估所述受试者在运动认知双重任务中的任务执行能力。
2.根据权利要求1所述的运动认知双重任务评估***,其中,所述目标运动范式的数量为多个,每个目标运动范式对应于至少一种目标认知能力,所述处理装置通过以下方式基于所述第一特征参数和所述第二特征参数,评估所述受试者在运动认知双重任务中的任务执行能力:
对于多个目标运动范式中的每个目标运动范式,基于该目标运动范式所对应的第一特征参数和第二特征参数,确定该目标运动范式所对应的能力评估结果,所述能力评估结果用于评估对应的目标运动范式所对应的目标认知能力;
基于所述多个目标运动范式各自对应的能力评估结果,计算总评估结果;
基于所述总评估结果,评估所述受试者在运动认知双重任务中的任务执行能力。
3.根据权利要求2所述的运动认知双重任务评估***,其中,所述处理装置通过以下方式基于该目标运动范式所对应的第一特征参数和第二特征参数,确定该目标运动范式所对应的能力评估结果:
基于所述第一特征参数,生成第一评估参数;
基于所述第二特征参数,生成第二评估参数;
基于所述第一评估参数和所述第二评估参数,确定该目标运动范式所对应的能力评估结果。
4.根据权利要求2或3所述的运动认知双重任务评估***,其中,所述能力评估结果和所述总评估结果分别用评分表示,
所述处理装置通过以下方式基于所述多个目标运动范式各自对应的能力评估结果,计算总评估结果:
对所述多个目标运动范式各自对应的能力评估结果求平均,获得所述总评估结果。
5.根据权利要求2或3所述的运动认知双重任务评估***,其中,所述目标认知能力分为多个预设能力等级,所述能力评估结果采用能力等级表示;
所述处理装置通过以下方式基于该目标运动范式所对应的第一特征参数和第二特征参数,确定该目标运动范式所对应的能力评估结果:
在第一评估参数落入第一参数范围,且第二评估参数落入第二参数范围时,确定该目标运动范式所对应的能力等级为与所述第一参数范围和所述第二参数范围所对应的预设能力等级;
其中,所述第一评估参数为所述第一特征参数或基于所述第一特征参数生成;所述第二评估参数为所述第二特征参数或基于所述第二特征参数生成;
其中,所述多个预设等级中任意两个不同预设等级对应于所述第一评估参数的两种不同参数范围且对应于所述第二评估参数的两种不同参数范围。
6.根据权利要求3所述的运动认知双重任务评估***,其中,所述第一评估参数包括:完成目标运动范式的平均运动速度、完成目标运动范式的平均停留次数、完成目标运动范式的速度峰值平均值;
所述第二评估参数包括:每个目标兴趣区的平均注视次数、每个目标兴趣区的平均首次注视时间、每个目标兴趣区的平均到达时间。
7.根据权利要求1-3任一项所述的运动认知双重任务评估***,其中,
所述第一特征参数包括以下一项或多项:总耗时、平均到达速度、错误数、平均到达时间、平均停留时间、每次到达的速度峰值、总跨度、速度峰值数、速度峰值最大值;和/或,
所述第二特征参数包括以下一项或多项:总注视次数、每个目标兴趣区处的注视的空间密度、每个目标兴趣区处的首次注视时间、速度峰之前眼跳数百分比、速度峰之后眼跳数百分比、目标的注视率、凝视时间、眼跳幅度、扫视路径/轨迹、注视时长、扫视幅度、扫视次数、平滑追踪数据;
其中,所述总耗时为:所述目标部位完成所述目标运动范式所用的全部时间;
所述平均到达速度为:所述目标部位完成所述目标运动范式的过程中从起始位置运动到结束位置所转动的角度或所经过的距离除以所述总耗时;
所述错误数为:所述目标部位完成所述目标运动范式的过程中,发生错误的次数;
所述平均到达时间为:所述总耗时除以所述目标部位完成所述目标运动范式的过程中所经历的所有目标位置的数量;
所述平均停留时间为:所述目标部位完成所述目标运动范式的过程中停留在各目标位置上的时间总和除以所述目标部位完成所述目标运动范式的过程中所经历的所有目标位置的数量;
所述每次到达的速度峰值为:所述目标部位从前一个目标位置运动到下一个目标位置的过程中出现的速度峰值;
所述总跨度为:所述目标部位完成所述目标运动范式的过程中从起始位置运动到结束位置所转动的角度或所经过的距离;
所述速度峰值数为:所述目标部位在完成所述目标运动范式的过程中,从前一个目标位置运动到下一个目标位置的过程中出现的速度峰值的总数;
其中,所述总注视次数为:感兴趣区域内所有注视点的数量;
所述每个目标兴趣区处的注视的空间密度为:每个目标兴趣区所对应的目标兴趣区内的单位面积内注视点的数量;
所述每个目标兴趣区处的首次注视时间为:落在感兴趣区域上的第一个注视点的注视时间;
所述速度峰之前眼跳数百分比为:眼跳速度达到峰值之前的眼跳数在总眼跳数中所占的比例;
所述速度峰之后眼跳数百分比为:眼跳速度达到峰值之后的眼跳数在总眼跳数中所占的比例;
所述目标注视率为:每个注视点的注视次数除以总注视次数;
所述凝视时间为:目标兴趣区内所有注视时间的总和;
所述眼跳幅度为:眼睛在从一个注视点转移到另一个注视点时,眼球在空间中移动的距离;
所述注视时长为:在某一个注视点停留的时间;
所述扫视幅度为:眼睛从一个注视点到另一个注视点所覆盖的范围,用视角的度数来表示;
所述扫视次数为:眼睛从一个注视点到另一个注视点时做的快速跳跃运动的次数;
所述平滑追踪数据为:眼球对于视野中运动物体的追踪数据。
8.一种运动认知双重任务评估方法,其中,所述方法包括:
获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,所述第一特征参数为所述目标部位的部位运动所对应的运动特征参数,所述第二特征参数为所述受试者的眼部运动所对应的运动特征参数,所述范式信息用于指示所述受试者的目标部位按照目标运动范式运动;
基于所述第一特征参数和所述第二特征参数,评估所述受试者在运动认知双重任务中的任务执行能力。
9.一种运动认知双重任务评估设备,包括处理器和存储器,其中,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行以下步骤:
获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,所述第一特征参数为所述目标部位的部位运动所对应的运动特征参数,所述第二特征参数为所述受试者的眼部运动所对应的运动特征参数,所述范式信息用于指示所述受试者的目标部位按照目标运动范式运动;
基于所述第一特征参数和所述第二特征参数,评估所述受试者在运动认知双重任务中的任务执行能力。
10.一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行以下步骤:
获取受试者的目标部位在范式信息的指示下运动时对应的第一特征参数和第二特征参数,所述第一特征参数为所述目标部位的部位运动所对应的运动特征参数,所述第二特征参数为所述受试者的眼部运动所对应的运动特征参数,所述范式信息用于指示所述受试者的目标部位按照目标运动范式运动;
基于所述第一特征参数和所述第二特征参数,评估所述受试者在运动认知双重任务中的任务执行能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311338630.5A CN117357059B (zh) | 2023-10-16 | 2023-10-16 | 运动认知双重任务评估***、方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311338630.5A CN117357059B (zh) | 2023-10-16 | 2023-10-16 | 运动认知双重任务评估***、方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117357059A true CN117357059A (zh) | 2024-01-09 |
CN117357059B CN117357059B (zh) | 2024-06-07 |
Family
ID=89395953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311338630.5A Active CN117357059B (zh) | 2023-10-16 | 2023-10-16 | 运动认知双重任务评估***、方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117357059B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102481093A (zh) * | 2009-07-09 | 2012-05-30 | 耐克国际有限公司 | 用于测试和/或训练的眼睛和身体运动跟踪 |
CN108922629A (zh) * | 2018-06-01 | 2018-11-30 | 中国科学院上海生命科学研究院 | 脑功能相关行为范式指标的筛选及其应用 |
CN112137627A (zh) * | 2020-09-10 | 2020-12-29 | 北京津发科技股份有限公司 | 人因测评和训练的自适应方法及*** |
CN112656367A (zh) * | 2020-11-24 | 2021-04-16 | 成都集思鸣智科技有限公司 | 大脑生理与认知功能及神经退行性疾病的检测***及方法 |
CN113842290A (zh) * | 2020-06-28 | 2021-12-28 | 北京清华长庚医院 | 踝关节训练***、方法、设备及存储介质 |
CN115670373A (zh) * | 2022-10-27 | 2023-02-03 | 北京中科睿医信息科技有限公司 | 一种眼动检测方法、装置、设备及介质 |
WO2023019887A1 (zh) * | 2021-08-20 | 2023-02-23 | 中国民航大学 | 一种基于多目标追踪范式的心理运动能力测评方法 |
-
2023
- 2023-10-16 CN CN202311338630.5A patent/CN117357059B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102481093A (zh) * | 2009-07-09 | 2012-05-30 | 耐克国际有限公司 | 用于测试和/或训练的眼睛和身体运动跟踪 |
CN108922629A (zh) * | 2018-06-01 | 2018-11-30 | 中国科学院上海生命科学研究院 | 脑功能相关行为范式指标的筛选及其应用 |
CN113842290A (zh) * | 2020-06-28 | 2021-12-28 | 北京清华长庚医院 | 踝关节训练***、方法、设备及存储介质 |
CN112137627A (zh) * | 2020-09-10 | 2020-12-29 | 北京津发科技股份有限公司 | 人因测评和训练的自适应方法及*** |
CN112656367A (zh) * | 2020-11-24 | 2021-04-16 | 成都集思鸣智科技有限公司 | 大脑生理与认知功能及神经退行性疾病的检测***及方法 |
WO2023019887A1 (zh) * | 2021-08-20 | 2023-02-23 | 中国民航大学 | 一种基于多目标追踪范式的心理运动能力测评方法 |
CN115670373A (zh) * | 2022-10-27 | 2023-02-03 | 北京中科睿医信息科技有限公司 | 一种眼动检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117357059B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170243354A1 (en) | Automatic frontal-view gait segmentation for abnormal gait quantification | |
CN109815858B (zh) | 一种日常环境中的目标用户步态识别***及方法 | |
US20210315486A1 (en) | System and Method for Automatic Evaluation of Gait Using Single or Multi-Camera Recordings | |
Wang et al. | Screening early children with autism spectrum disorder via response-to-name protocol | |
US20210369143A1 (en) | Method and system utilizing pattern recognition for detecting atypical movements during physical activity | |
CN114550027A (zh) | 基于视觉的运动视频精细分析方法和装置 | |
CN113066260A (zh) | 一种基于日常行为分析的帕金森症预警*** | |
CN112733772A (zh) | 仓储拣选任务中的实时认知负荷与疲劳度检测方法与*** | |
Dyshel et al. | Quantifying levodopa-induced dyskinesia using depth camera | |
CN117883074A (zh) | 一种基于人体姿态视频的帕金森病步态量化分析方法 | |
Gaud et al. | Human gait analysis and activity recognition: A review | |
CN117357059B (zh) | 运动认知双重任务评估***、方法、设备及存储介质 | |
CN110801227B (zh) | 基于可穿戴设备的立体色块障碍测试的方法和*** | |
Lin et al. | A Feasible Fall Evaluation System via Artificial Intelligence Gesture Detection of Gait and Balance for Sub-Healthy Community-Dwelling Older Adults in Taiwan | |
CN116543455A (zh) | 建立帕金森症步态受损评估模型、使用方法、设备及介质 | |
CN114098714B (zh) | 基于机器视觉建立冻结步态识别模型的方法 | |
Kuhner et al. | An online system for tracking the performance of Parkinson's patients | |
Oubre et al. | Detection and assessment of point-to-point movements during functional activities using deep learning and kinematic analyses of the stroke-affected wrist | |
CN112598028A (zh) | 眼底图像配准模型训练方法、眼底图像配准方法和装置 | |
Kiprijanovska et al. | Smart Glasses for Gait Analysis of Parkinson’s Disease Patients | |
CN114984540B (zh) | 一种基于人工智能的健身锻炼效果评价分析管理*** | |
Nelson et al. | Relative efficacy of sensor modalities for estimating post-stroke motor impairment | |
Zhou et al. | Assessment of Parkinson's Motor Severity by Multi-feature and Multi-scale Motion Convolutional Neural Network with Positional Encoding | |
Jiang et al. | A serious game system for upper limb motor function assessment of hemiparetic stroke patients | |
Su et al. | An Interpretable Deep Learning Optimized Wearable Daily Monitoring System for Parkinson's Disease Patients |
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 |