CN117745494A - 一种多端融合的3d视频数字化osce考站*** - Google Patents
一种多端融合的3d视频数字化osce考站*** Download PDFInfo
- Publication number
- CN117745494A CN117745494A CN202311825477.9A CN202311825477A CN117745494A CN 117745494 A CN117745494 A CN 117745494A CN 202311825477 A CN202311825477 A CN 202311825477A CN 117745494 A CN117745494 A CN 117745494A
- Authority
- CN
- China
- Prior art keywords
- examination
- data
- video
- module
- examinee
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000007726 management method Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 26
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000010224 classification analysis Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000012552 review Methods 0.000 claims description 3
- 238000000528 statistical test Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims description 2
- 238000009877 rendering Methods 0.000 claims description 2
- 238000003032 molecular docking Methods 0.000 claims 2
- 201000010099 disease Diseases 0.000 abstract description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多端融合的3D视频数字化OSCE考站***,涉及虚拟现实技术领域,包括三维仿真操作模块、PC管理模块、移动操作模块、服务器模块。引入三维仿真技术和虚拟现实技术,将学生置身于更为真实的医疗场景中,模拟各种疾病情况、医疗设备和临床操作,通过精确记录学生在虚拟临床场景中的操作和决策过程,构建评估算法对考生个人及整体的技能水平和专业素养进行分析评估,为考生个人和决策者提供个性化评价和结果分析。同时,构建3D视频存储算法减少计算和存储的复杂度,提高***性能。
Description
技术领域
本发明涉及虚拟现实技术领域,尤其涉及一种多端融合的3D视频数字化OSCE考站***。
背景技术
OSCE考站***是一种采用标准化、模拟、多维、多站点考试方法来评估医学学科相关技能的国际通用考试机制,相对于传统的医学考试,具有更加客观、全面、准确和可靠的优点。自上世纪90年代初,OSCE考试开始广泛运用于各类医学考试,成为临床医学技能考试的主要形式。OSCE考试也从最初的采用纸质评分表发展为采用电子设备,但考试仍只能在特定场地进行,考生需要亲自到场参加考试。随着现代信息技术的发展和互联网普及,人们对考试模式和方式的需求不断提高,OSCE考站***也得到了进一步的发展和创新。现在,采用虚拟化技术的OSCE考试模式,将题目、模型、考试环境等统一放到服务器进行管理,考生只需在网络环境下使用设备就可以进行考试,大大提高了考试的灵活性和便捷性。
然而,尽管以上技术方案已经在很大程度上提高了考试效率和便捷性,但仍然存在诸多技术缺陷,至少包括如下几个突出的方面:1、没有参与真实临床场景的模拟和实践,学生对真正的患者情况和实际临床操作缺乏深入了解,无法进行实际操作医疗设备、观察真实病例、进行身体检查等临床技能训练,只能通过书面描述和口头表达来回答问题或做出决策;2、无法对考生数据进行统计分析和个性化的评估与反馈,缺少对决策制定人员提供准确的评估和改进建议;3、基于3D视频数字化的OSCE考站***需要依赖先进的技术和设备,对***的硬件和软件环境有一定的要求,可能增加了***的部署和维护成本。
发明内容
本发明要解决的技术问题是提供一种多端融合的3D视频数字化OSCE考站***
为解决上述技术问题,本发明所采取的技术方案如下。
多端融合的3D视频数字化OSCE考站***,包括三维仿真操作模块、PC管理模块、移动操作模块、服务器模块。
作为本发明的一种优选技术方案,三维仿真操作模块通过提供逼真的虚拟环境模拟真实的医学考试场景,让考生与模型实时交互,进行仿真实操操作,包括教师监控、学生考核子模块;
教师监控子模块与多个3D相机和VR设备网络连接,实时采集考试场景的三维视频数据,并通过3D渲染技术将考生的虚拟操作实时展现于监控界面;通过界面点击特定考生,拉取该考生的实时视频流进行监控,通过多线程技术保障多考生同时考核的视频流畅;同时支持截图和打标签功能,对考生的操作进行即时标记和记录;
学生考核子模块通过学生账号和密码实现身份验证,登录信息经过加密处理存储在服务器上;提供候考区虚拟环境,考试开始前在虚拟环境中可查看病历信息和复习理论知识;考场入口进行身份识别,开始考试后启动3D相机拍照记录并开始计时;
学生考核子模块通过与VR头显和操作设备连接,提供三维交互界面和工具,模拟真实操作场景,进行实操考试,通过3D摄像头自动记录所有操作,并捕捉考生操作过程的视频数据,视频实时编码压缩并通过安全协议传输至服务器模块,同时保留本地缓存以防网络中断。
作为本发明的一种优选技术方案,三维仿真操作模块利用云基础设施,支持多个考站和教师监控端之间进行高效数据同步与融合,各端数据采用统一的数据格式进行存储和通信,确保不同设备和平台间的无缝数据集成。
作为本发明的一种优选技术方案,服务器模块包括数据存储和处理、业务逻辑和通信,提供对考试数据的集中管理,支持考生和评委的远程在线登录和操作,同时提供数据备份和恢复功能,保证数据的安全性和可靠性。
作为本发明的一种优选技术方案,服务器模块将物理计算机资源划分为多个虚拟机,通过虚拟机的动态分配和调度机制,根据***负载的情况合理分配计算资源,避免资源的浪费和低效利用。
作为本发明的一种优选技术方案,服务器模块包括网络接口,通过接口将处理后的数据通过网络发送到远程服务器或云服务上,支持多用户访问、实时查看和分析视频数据,同时允许不同设备之间进行数据共享和功能互补。
作为本发明的一种优选技术方案,服务器模块通过优化***架构和构建视频处理算法优化数据处理过程,降低对于硬件设备的要求;视频处理算法的构建过程如下:
(1)设定一组3D视频帧(F_1,F_2,……,F_N),通过3D点云数据降维对这些帧进行分析,并从中提取特定的图像特征进行研究,设定原始数据矩阵为X(mxn),其中m表示视频帧的数量,n表示每帧中的点数量,通过以下公式找到一个低维表示:Xpca=XW,
W是一个nxk维的矩阵,包含了原始数据的前k个主成分,而Xpca表示降维后的数据;
(2)提取特征后,设定一个数据点集合P={pi}及相应数据点的特征集合T={ti},其中pi是第i个数据点,ti是对应的特征值,建立以下数学模型:f(p)=a0+a1p+a2p^2+..+an-1p^(n-1),找到一组系数a0,a1,..,an-1,使得在所有数据点上的平方误差之和最小,即最小化:
∑(f(pi)-ti)^2
通过解析方法找到一个多项式模型来近似整个数据集,并存储多项式系数;
(3)采用包括多项式拟合、贝塞尔曲线拟合、样条曲线拟合在内的拟合方法在关键帧上执行拟合操作,调整拟合算法的参数,直到获得最佳拟合效果,进行交叉验证和其他统计检验以确认模型防止过拟合,基于拟合结果的准确性、计算效率和实时性来评估和比较不同的拟合方法,根据评估结果对拟合方法进行细化迭代,以达到最优性能,最后使用插值算法估计中间帧的特征点位置;
通过以上步骤对复杂和密集型任务的处理过程进行优化,减少计算和存储的复杂度。
作为本发明的一种优选技术方案,PC管理模块和移动操作模块包括在线考试、在线评分、在线预约、成绩查询子模块,通过响应式设计构建Web应用、跨平台框架构建APP;
在线考试子模块根据考试时间提供进入考站通道,包括理论考试与实操考试,考试过程中,集成实时监控,通过自动分析获取的图像、视频信息,对存在作弊嫌疑的考生及时进行预警;
在线评分子模块提供多人评分渠道及多终端登录方式进行评分,同时可设定不同分标准和模板;
在线预约子模块的流程为:提供考试预约功能,预约后管理员审核预约是否有效,预约有效则安排考站,考生根据预约的病例选择模拟考试进行技能提升训练;
成绩查询子模块以身份证号码为唯一标识进行成绩查询及考试视频资源查看,同时可查看多次考试成绩的趋势。
作为本发明的一种优选技术方案,PC管理模块包括后台管理子模块,分为病例管理、考务管理、统计分析;
病例管理是对3D数字化视频、病例分类和病例基本信息以及标准化病人的管理,通过在线预约模块中的预约信息分配考核点和使用设备;
考务管理根据考站信息和预约时间,自动安排考试顺序及每个考生的考试时间和考站;
对设备使用情况、使用次数进行统计,根据使用率及时调整设备使用情况并预判设备故障率,同时对包括考核人数、考试类别、通过率在内的考试情况数据进行统计。
作为本发明的一种优选技术方案,后台管理子模块通过构建评估算法,为考生提供个性化评价,同时对考试过程和结果进行统计分析,为决策管理部门提供结果评估和决策支持,评估算法构建过程如下:
(1)考生个性化评价:构建多元线性回归模型Yi=β0+β1Xi1+β2Xi2+..+βkXik+εi,其中Yi表示第i位学生的成绩,Xik表示第i位学生面对第k个特征的数值,βk是相应特征的回归系数,表明特征k影响学生成绩的程度,εi是误差项,由此得出影响每位考生的各个自变量间的关系和自变量对考生成绩的贡献度,形成考生成绩的个性化评价;
(2)分析影响得分最多的特征数据:通过将考生在每个考站的得分减去该考站所有考生评分的均值,得到一个n行k列的数据矩阵X,其中n是考生的数量,k是病例的数量,计算数据矩阵X的协方差矩阵,对协方差矩阵进行特征分解,获取其特征值和对应的特征向量,表示对应的特征向量在该方向上的分散程度,按照特征值的大小降序排列特征向量,并选择前k个特征向量,构建一个新的特征向量矩阵,将数据矩阵X乘以这个特征向量矩阵,得到投影到新特征空间的数据,通过观察包括临床技能、知识掌握在内的主成分与原始变量的关系,确定对原始数据影响较大的特征数据;
(3)学生群体分类分析:通过最小化每个组内的方差,将学生分成k组,找出具有相似表现的学生群体,通过以下公式:
argmin_S∑_{i=1}^k∑_{x\inS_i}||x-μ_i||^2
随机选择k个初始聚类中心μ_i,将每个数据点x分配到离它最近的聚类中心所属的组S_i,对于每个组S_i,重新计算它的聚类中心μ_i,即取该组中所有数据点的均值,重复以上步骤直到组分配不再改变或达到最大迭代次数,得到k个组,每个组中的数据点彼此之间的差异较小,为具有相似表现的学生样本。
采用上述技术方案所产生的有益效果在于:本发明引入三维仿真技术和虚拟现实技术构建一个多端融合的3D视频数字化OSCE考站***,通过逼真的虚拟临床环境,将学生置身于更为真实的医疗场景中,模拟各种疾病情况、医疗设备和临床操作,让学生在安全的环境中接触到多样化的临床情景,提升考生对临床知识和技能的理解和应用能力。通过精确记录学生在虚拟临床场景中的操作和决策过程,评估其技能水平和专业素养,提供实时的评估结果和反馈。同时,构建3D视频存储算法减少计算和存储的复杂度,提高***性能。通过以上技术,提供一个高效、实时、互动性强的多端融合操作平台,不仅提高了考核的逼真度和交互体验,也提供了便于教师监控和考生操作的友好界面,进一步提升医疗教育的质量和效率。
附图说明
图1是本发明一个***架构图。
图2是本发明在线预约子模块***展示图。
图3是本发明考生三维仿真操作图。
图4是本发明考生考试过程监控图。
具体实施方式
以下实施例详细说明了本发明。本发明所使用的各项设备均为常规市售产品,均能够通过市场购买直接获得。在以下实施例的描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当..时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
实施例1
三维仿真操作模块通过提供逼真的虚拟环境模拟真实的医学考试场景,让考生与模型实时交互,进行仿真实操操作,利用云基础设施,支持多个考站和教师监控端之间进行高效数据同步与融合,各端数据采用统一的数据格式进行存储和通信,确保不同设备和平台间的无缝数据集成,该模块包括教师监控、学生考核子模块。
教师监控子模块连接多个3D相机和VR设备,提供自动连接和自动识别功能,减少用户手动配置的步骤,支持设备状态监控和报警,及时发现连接故障或设备异常;该子模块实时采集考试场景的三维音视频数据,支持高帧率和高分辨率的视频采集,确保教师获得清晰的观察画面并能够从不同角度观察考生的操作,提供数据压缩和流媒体传输技术,以减少带宽占用和存储空间;可定制的实时数据显示,如操作指令、操作时间、操作计数等,帮助教师更准确地评估考生的操作;提供搜索和筛选功能,让教师能够快速找到并选择特定考生,支持多屏幕显示,让教师能够同时观看多个考生的实时视频流,提高监控效率,支持画中画功能,让教师能够同时观看特定考生的实时视频流和其它操作材料或监控信息;支持对截图进行标注和批注,让教师能够在截图上添加文字、箭头等说明信息,提高记录效果,提供多种自定义的标签和标记选项,让教师能够根据具体需求,快速选择合适的标记方式,支持标签和截图的导出和分享功能,方便教师集体讨论或留存备查。
学生考核子模块使用账号和密码进行登录,通过验证学生的身份,确保只有合法学生可以进行考试,登录信息经过加密处理,确保数据的安全性,学生的登录信息会存储在服务器上,以便后续的身份验证和数据管理;考试开始前,学生可以进入候考区虚拟环境,可以查看相关病历信息和复习理论知识,以准备和熟悉考试内容;在学生进入考场入口时,会进行身份识别,确保学生的身份与注册的身份一致;考试开始后,***会启动3D相机进行拍照记录学生的考试过程,拍照的图片会存储在服务器上,作为考试过程的记录和证据,同时***会开始计时,记录学生的考试时间,并在考试结束时停止计时。
考试环境中的设备连接VR头显和相应的操作设备,如手柄、键盘等,在考试开始前VR头显和操作设备启动并通过与电脑或其他设备进行无线或有线连接,建立起数据传输通道提供具有三维交互界面和工具的虚拟现实环境,考生通过操作设备进行实际的操作,例如使用手柄或键盘来对患者进行处理等;在考生进行操作时,***会使用3D摄像头对考试过程进行自动记录,捕捉考生的操作过程并存储在本地设备中,视频数据会实时编码压缩,使用安全协议加密后传输至服务器模块,同时会在本地设备上保留一份缓存,即使遇到网络中断等异常情况,也能够保证数据的完整性和可靠性。
实施例2
PC管理模块和移动操作模块包括在线考试、在线评分、在线预约、成绩查询子模块,通过响应式设计构建Web应用、跨平台框架构建APP;在线考试子模块根据考试时间提供进入考站通道,包括理论考试与实操考试,考试过程中,集成实时监控,通过自动分析获取的图像、视频信息,对存在作弊嫌疑的考生及时进行预警;在线评分子模块提供多人评分渠道及多终端登录方式进行评分,同时可设定不同分标准和模板;在线预约子模块可以选择多个病例进行预约,预约后可进入要考核的虚拟数字化训练模块进行技能提升训练学习,预约完成管理员可以审核预约是否有效,如果有效则安排考站,根据病例的步骤,安排对应的考站考核或训练学习;成绩查询子模块以身份证号码为唯一标识进行成绩查询及考试视频资源查看,同时可查看多次考试成绩的趋势。
PC管理模块还包括后台管理子模块,分为病例管理、考务管理、统计分析;病例管理是对3D数字化视频、病例分类和病例基本信息以及标准化病人的管理,通过在线预约模块中的预约信息分配考核点和使用设备;考务管理根据考站信息和预约时间,自动安排考试顺序及每个考生的考试时间和考站;对设备使用情况、使用次数进行统计,根据使用率及时调整设备使用情况并预判设备故障率,同时对包括考核人数、考试类别、通过率在内的考试情况数据进行统计。后台管理子模块通过构建评估算法,为考生提供个性化评价,同时对考试过程和结果进行统计分析,为决策管理部门提供结果评估和决策支持,评估算法构建过程如下:
(1)考生个性化评价:构建多元线性回归模型Yi=β0+β1Xi1+β2Xi2+..+βkXik+εi,其中Yi表示第i位学生的成绩,Xik表示第i位学生面对第k个特征的数值,βk是相应特征的回归系数,表明特征k影响学生成绩的程度,εi是误差项,由此得出影响每位考生的各个自变量间的关系和自变量对考生成绩的贡献度,形成考生成绩的个性化评价;考生可以通过统计分析功能查看本次考核扣分问题明细以及哪些问题对自己成绩影响最大,进而提升该方面的能力。
(2)分析影响得分最多的特征数据:通过将考生在每个考站的得分减去该考站所有考生评分的均值,得到一个n行k列的数据矩阵X,其中n是考生的数量,k是病例的数量,计算数据矩阵X的协方差矩阵,对协方差矩阵进行特征分解,获取其特征值和对应的特征向量,表示对应的特征向量在该方向上的分散程度,按照特征值的大小降序排列特征向量,并选择前k个特征向量,构建一个新的特征向量矩阵,将数据矩阵X乘以这个特征向量矩阵,得到投影到新特征空间的数据,通过观察包括临床技能、知识掌握在内的主成分与原始变量的关系,确定对原始数据影响较大的特征数据;通过以上分析,决策人员可以直观发现影响某一试题病例得分较大的问题因素,了解学生掌握薄弱环节,并对此制定相应培训策略。
(3)学生群体分类分析:通过学生群体分类分析,可以发现哪些学生表现类似,并确定类似的学生具有哪些共同点,为教育者提供有针对性的教育策略,并为评估和培训提供有价值的参考。考生在不同考站上的得分可以看作是相似性的指标,并使用这些数据进行分析。例如,如果将学生分为3类,则可以识别具有共同表现特点的学生。可能会发现某个分类中的学生在认知能力方面表现良好,但在技能执行方面表现较差,另一个分类中的学生可能在实际执行技能时表现出色,但在沟通能力方面较差等,帮助我们了解不同分类中学生的表现和特征,从而更好地理解不同类型的学生应该如何培养和教育。具体步骤如下:通过最小化每个组内的方差,将学生分成k组,找出具有相似表现的学生群体,通过以下公式:
argmin_S∑_{i=1}^k∑_{x\inS_i}||x-μ_i||^2
随机选择k个初始聚类中心μ_i,将每个数据点x分配到离它最近的聚类中心所属的组S_i,对于每个组S_i,重新计算它的聚类中心μ_i,即取该组中所有数据点的均值,重复以上步骤直到组分配不再改变或达到最大迭代次数,得到k个组,每个组中的数据点彼此之间的差异较小,为具有相似表现的学生样本。
实施例3
服务器模块负责对考试数据进行存储和处理,使用数据库来存储考试数据,例如考生的个人信息、操作记录、评分结果、视频数据等,并可以对数据进行***、更新、删除和查询,以及数据的分析和统计等操作。该模块包含业务逻辑处理的代码,用于执行各种与考试相关的操作,例如考试的创建、开始和结束,考生的登录和退出,评分结果的生成等,还可处理考站和教师监控端的请求和数据通信,例如考生提交操作数据、教师查询考试结果等。考生和评委可以通过网络连接到服务器,使用合法的凭证进行登录,然后进行相应的操作,如参加考试、开始评分、查看考试结果等。提供数据备份和恢复功能,以保证考试数据的安全性和可靠性,定期将数据复制到备份存储介质中,以防止数据丢失或损坏。在意外情况下,例如服务器故障或数据丢失,可以利用备份数据进行恢复,以确保考试数据的完整性和可用性。
服务器模块利用虚拟化技术将物理计算机资源划分为多个虚拟机,从而实现资源的动态分配和调度,以更加合理地利用计算资源,避免资源的浪费和低效利用;服务器模块根据***负载的情况,动态创建或销毁虚拟机,例如,在高峰期需要更多的计算资源时,可以自动创建新的虚拟机来满足需求;而在低负载时,可以自动销毁多余的虚拟机,以释放资源。还可以根据***负载和虚拟机的需求,合理地分配和调度计算资源。这包括CPU、内存、存储等资源的动态分配和调度,以确保每个虚拟机获得适当的资源,并避免资源过载或空闲。服务器模块可以实现虚拟机的迁移,即将虚拟机从一个物理计算机迁移到另一个物理计算机。这可以在需要平衡***负载或维护物理计算机时使用。
服务器模块包括网络接口,通过接口将处理后的数据通过网络发送到远程服务器或云服务上,支持多用户访问、实时查看和分析视频数据,同时允许不同设备之间进行数据共享和功能互补。
服务器模块通过以下步骤优化***架构和构建视频处理算法优化数据处理过程,降低对于硬件设备的要求:
1.使用多台摄像机或设备来采集多个视角的3D视频数据,通过同步或时间戳等机制确保各个视频数据的时序一致性。
2.对采集到的3D视频数据进行主成分分析处理,以降低数据的维度,提取数据中的主要特征,将数据映射到较低维度的空间中,从而减少数据量。视频处理算法的构建过程如下:
(1)设定一组3D视频帧(F_1,F_2,……,F_N),通过3D点云数据降维对这些帧进行分析,并从中提取特定的图像特征进行研究,设定原始数据矩阵为X(mxn),其中m表示视频帧的数量,n表示每帧中的点数量,通过以下公式找到一个低维表示:Xpca=XW,
W是一个nxk维的矩阵,包含了原始数据的前k个主成分,而Xpca表示降维后的数据;
(2)提取特征后,设定一个数据点集合P={pi}及相应数据点的特征集合T={ti},其中pi是第i个数据点,ti是对应的特征值,建立以下数学模型:f(p)=a0+a1p+a2p^2+..+an-1p^(n-1),找到一组系数a0,a1,..,an-1,使得在所有数据点上的平方误差之和最小,即最小化:
∑(f(pi)-ti)^2
通过解析方法找到一个多项式模型来近似整个数据集,并存储多项式系数。
3.将降维后的3D视频数据存储于存储器中,可以是硬盘、固态硬盘或云服务等。
4.针对降维后的数据,对其中的特定图像特征,如关节位置、形状信息等进行拟合操作,并生成相应的拟合系数。采用包括多项式拟合、贝塞尔曲线拟合、样条曲线拟合在内的拟合方法在关键帧上执行拟合操作,调整拟合算法的参数,直到获得最佳拟合效果,进行交叉验证和其他统计检验以确认模型防止过拟合,基于拟合结果的准确性、计算效率和实时性来评估和比较不同的拟合方法,根据评估结果对拟合方法进行细化迭代,以达到最优性能。
5.基于拟合系数,使用插值算法推断出未记录的帧的图像特征,插值算法可以根据已有的帧数据和拟合系数,进行推测或填补,从而估计缺失的帧数据的特征。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。在各个实施例中,技术的硬件实现可以直接采用现有的智能设备,包括但不限于工控机、PC机、智能手机、手持单机、落地式单机等。其输入设备优选采用屏幕键盘,其数据存储和计算模块采用现有的存储器、计算器、控制器,其内部通信模块采用现有的通信端口和协议,其远程通信采用现有的gprs网络、万维互联网等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,模块或单元的划分,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***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccesMemory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种多端融合的3D视频数字化OSCE考站***,其特征在于:所述***包括三维仿真操作模块、PC管理模块、移动操作模块、服务器模块。
2.根据权利要求1所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述三维仿真操作模块通过提供逼真的虚拟环境模拟真实医学考试场景,让考生与模型实时交互,进行仿真实操操作,包括教师监控、学生考核子模块;
教师监控子模块与多个3D相机和VR设备网络连接,实时采集考试场景的三维视频数据,并通过3D渲染技术将考生的虚拟操作实时展现于监控界面;通过界面点击特定考生,拉取该考生的实时视频流进行监控,通过多线程技术保障多考生同时考核的视频流畅;同时支持截图和打标签功能,对考生的操作进行即时标记和记录;
学生考核子模块通过学生账号和密码进行身份验证,登录信息经过加密处理存储在服务器上;提供候考区虚拟环境,考试开始前在虚拟环境中可查看病历信息和复习理论知识;考场入口进行身份识别,开始考试后启动3D相机拍照记录并开始计时;
学生考核子模块通过与VR头显和操作设备连接,提供三维交互界面和工具,模拟真实操作场景,进行实操考试,通过3D摄像头自动记录所有操作,并捕捉考生操作过程的视频数据,视频实时编码压缩并通过安全协议传输至服务器模块,同时保留本地缓存以防网络中断。
3.根据权利要求2所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述三维仿真操作模块利用云基础设施,支持多个考站和教师监控端之间进行高效数据同步与融合,各端数据采用统一的数据格式进行存储和通信,确保不同设备和平台间的无缝数据集成。
4.根据权利要求1所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述服务器模块包括数据存储和处理、业务逻辑和通信,提供对考试数据的集中管理,支持考生和教师的远程在线登录和操作,同时提供数据备份和恢复功能,保证数据的安全性和可靠性。
5.根据权利要求4所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述服务器模块将物理计算机资源划分为多个虚拟机,通过虚拟机的动态分配和调度机制,根据***负载的情况合理分配计算资源,避免资源的浪费和低效利用。
6.根据权利要求5所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述服务器模块包括网络接口,通过接口将处理后的数据通过网络发送到远程服务器或云服务上,支持多用户访问、实时查看和分析视频数据,同时允许不同设备之间进行数据共享和功能互补。
7.根据权利要求6所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述服务器模块通过优化***架构和构建视频处理算法优化数据处理过程,降低对于硬件设备的要求;视频处理算法的构建过程如下:
(1)设定一组3D视频帧(F_1,F_2,……,F_N),通过3D点云数据降维对这些帧进行分析,并从中提取特定的图像特征进行研究,设定原始数据矩阵为X(mxn),其中m表示视频帧的数量,n表示每帧中的点数量,通过以下公式找到一个低维表示:Xpca=XW,
W是一个nxk维的矩阵,包含了原始数据的前k个主成分,而Xpca表示降维后的数据;
(2)提取特征后,设定一个数据点集合P={pi}及相应数据点的特征集合T={ti},其中pi是第i个数据点,ti是对应的特征值,建立以下数学模型:f(p)=a0+a1p+a2p^2+..+an-1p^(n-1),找到一组系数a0,a1,..,an-1,使得在所有数据点上的平方误差之和最小,即最小化:
∑(f(pi)-ti)^2
通过解析方法找到一个多项式模型来近似整个数据集,并存储多项式系数;
(3)采用包括多项式拟合、贝塞尔曲线拟合、样条曲线拟合在内的拟合方法在关键帧上执行拟合操作,调整拟合算法的参数,直到获得最佳拟合效果,进行交叉验证和其他统计检验以确认模型防止过拟合,基于拟合结果的准确性、计算效率和实时性来评估和比较不同的拟合方法,根据评估结果对拟合方法进行细化迭代,以达到最优性能,最后使用插值算法估计中间帧的特征点位置;
通过以上步骤对复杂和密集型任务的处理过程进行优化,减少计算和存储的复杂度。
8.根据权利要求1所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述PC管理模块和移动操作模块包括在线考试、在线评分、在线预约、成绩查询子模块,通过响应式设计构建Web应用、跨平台框架构建APP;
在线考试子模块根据考试时间提供进入考站通道,包括理论考试与实操考试,考试过程中,集成实时监控,通过自动分析获取的图像、视频信息,对存在作弊嫌疑的考生及时进行预警;
在线评分子模块提供多人评分渠道及多终端登录方式进行评分,同时可设定不同分标准和模板;
在线预约子模块的流程为:提供考试预约功能,预约后管理员审核预约是否有效,预约有效则安排考站,考生根据预约的病例选择模拟考试进行技能提升训练;
成绩查询子模块以身份证号码为唯一标识进行成绩查询及考试视频资源查看,同时可查看多次考试成绩的趋势。
9.根据权利要求8所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述PC管理模块包括后台管理子模块,分为病例管理、考务管理、统计分析;
病例管理是对3D数字化视频、病例分类和病例基本信息以及标准化病人的管理,通过在线预约模块中的预约信息分配考核点和使用设备;
考务管理根据考站信息和预约时间,自动安排考试顺序及每个考生的考试时间和考站;
对设备使用情况、使用次数进行统计,根据使用率及时调整设备使用情况并预判设备故障率,同时对包括考核人数、考试类别、通过率在内的考试情况数据进行统计。
10.根据权利要求9所述的多端融合的3D视频数字化OSCE考站***,其特征在于:所述后台管理子模块通过构建评估算法,为考生提供个性化评价,同时对考试过程和结果进行统计分析,为决策管理部门提供结果评估和决策支持,评估算法构建过程如下:
(1)考生个性化评价:构建多元线性回归模型Yi=β0+β1Xi1+β2Xi2+..+βkXik+εi,其中Yi表示第i位学生的成绩,Xik表示第i位学生面对第k个特征的数值,βk是相应特征的回归系数,表明特征k影响学生成绩的程度,εi是误差项,由此得出影响每位考生的各个自变量间的关系和自变量对考生成绩的贡献度,形成考生成绩的个性化评价;
(2)分析影响得分最多的特征数据:通过将考生在每个考站的得分减去该考站所有考生评分的均值,得到一个n行k列的数据矩阵X,其中n是考生的数量,k是病例的数量,计算数据矩阵X的协方差矩阵,对协方差矩阵进行特征分解,获取其特征值和对应的特征向量,表示对应的特征向量在该方向上的分散程度,按照特征值的大小降序排列特征向量,并选择前k个特征向量,构建一个新的特征向量矩阵,将数据矩阵X乘以这个特征向量矩阵,得到投影到新特征空间的数据,通过观察包括临床技能、知识掌握在内的主成分与原始变量的关系,确定对原始数据影响较大的特征数据;
(3)学生群体分类分析:通过最小化每个组内的方差,将学生分成k组,找出具有相似表现的学生群体,通过以下公式:
argmin_S∑_{i=1}^k∑_{x\inS_i}||x-μ_i||^2
随机选择k个初始聚类中心μ_i,将每个数据点x分配到离它最近的聚类中心所属的组S_i,对于每个组S_i,重新计算它的聚类中心μ_i,即取该组中所有数据点的均值,重复以上步骤直到组分配不再改变或达到最大迭代次数,得到k个组,每个组中的数据点彼此之间的差异较小,为具有相似表现的学生样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311825477.9A CN117745494A (zh) | 2023-12-28 | 2023-12-28 | 一种多端融合的3d视频数字化osce考站*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311825477.9A CN117745494A (zh) | 2023-12-28 | 2023-12-28 | 一种多端融合的3d视频数字化osce考站*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745494A true CN117745494A (zh) | 2024-03-22 |
Family
ID=90279184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311825477.9A Pending CN117745494A (zh) | 2023-12-28 | 2023-12-28 | 一种多端融合的3d视频数字化osce考站*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745494A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117972645A (zh) * | 2024-03-28 | 2024-05-03 | 潍坊市平安消防工程有限公司 | 消防设施操作员实操网上考试***及方法 |
CN118096460A (zh) * | 2024-04-17 | 2024-05-28 | 湖南晟医智能科技有限公司 | 一种无人执考的远程医学考核监管评分方法及*** |
-
2023
- 2023-12-28 CN CN202311825477.9A patent/CN117745494A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117972645A (zh) * | 2024-03-28 | 2024-05-03 | 潍坊市平安消防工程有限公司 | 消防设施操作员实操网上考试***及方法 |
CN117972645B (zh) * | 2024-03-28 | 2024-06-18 | 潍坊市平安消防工程有限公司 | 消防设施操作员实操网上考试***及方法 |
CN118096460A (zh) * | 2024-04-17 | 2024-05-28 | 湖南晟医智能科技有限公司 | 一种无人执考的远程医学考核监管评分方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bahreini et al. | Towards multimodal emotion recognition in e-learning environments | |
CN117745494A (zh) | 一种多端融合的3d视频数字化osce考站*** | |
US20210294806A1 (en) | Method for monitoring user behavior when interacting with content and a system for its implementation | |
JP4631014B2 (ja) | 電子教材学習支援装置と電子教材学習支援システム及び電子教材学習支援方法並びに電子学習支援プログラム | |
WO2015000414A1 (zh) | 一种实验教学成绩评定***和方法 | |
CN110782375B (zh) | 基于数据的在线学习全过程动态分析方法及*** | |
CN112862639A (zh) | 一种基于大数据分析的在线教育方法及在线教育平台 | |
CN111353439A (zh) | 一种教学行为的分析方法、装置、***及设备 | |
US20220005595A1 (en) | System and method for virtual online assessment of medical training and competency | |
KR100943477B1 (ko) | 말하기 능력 공증 시스템 및 그 방법 | |
CN113611416B (zh) | 基于虚拟现实技术心理场景评估方法及*** | |
CN111242819A (zh) | 在线学习考试*** | |
US7191095B2 (en) | Method and system for recording the results of a psychological test | |
CN113673856B (zh) | 基于3d的医院感控模拟培训考核*** | |
CN111612659B (zh) | 一种在线财会考试自动评分***及评分方法 | |
CN115271621A (zh) | 一种校园体育健康综合管理平台 | |
CN113268512A (zh) | 基于互联网平台的企业岗位职业技能培训*** | |
CN117455126B (zh) | 一种泛在实训教学和考评管理***及方法 | |
WO2024062935A1 (ja) | 情報処理装置、システム、情報処理方法、およびプログラム | |
CN117952796B (zh) | 一种基于数据分析的阅读教学质量评估方法及*** | |
Refsum et al. | Measuring the impact of different brands of computer systems on the clinical consultation: a pilot study. | |
CN111861126B (zh) | 一种教学计划的评估方法、装置及设备 | |
WO2022181104A1 (ja) | 分析装置、分析方法及び非一時的なコンピュータ可読媒体 | |
JP5169342B2 (ja) | スキル評価システム、スキル評価方法及びスキル評価プログラム | |
CN215503045U (zh) | 一种基于视觉感受的认知心理感受器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |