[发明专利]基于多模态信息评估患者训练投入程度的方法及装置

权利要求书

1.一种基于多模态信息评估患者训练投入程度的方法，其特征在于，包括以下步骤：

采集患者的肌电信号和运动速度，根据所述肌电信号和所述运动速度计算患者的运动投入程度；

采集训练过程中患者眼睛的焦点位置，根据所述患者眼睛的焦点位置与训练所使用的屏幕上的移动物体之间的距离计算患者的感知投入程度；

采集患者额叶区的脑电信号，根据所述脑电信号计算患者的认知投入程度；

采集患者训练过程中的面部表情图像，通过图像分析软件对所述面部表情图像中的情感进行提取识别，得到训练过程中患者的积极情感的持续时间和消极情感持续的时间，根据患者的积极情感的持续时间和消极情感的持续时间计算患者的情感投入程度；

根据所述运动投入程度、所述感知投入程度、所述认知投入程度和所述情感投入程度进行综合评估，得到患者训练投入程度。

2.根据权利要求1所述的基于多模态信息评估患者训练投入程度的方法，其特征在于，所述根据所述肌电信号和所述运动速度计算患者的运动投入程度，包括：根据所述肌电信号的均方根值与所述运动速度的比值计算患者的运动投入程度，公式为：

E_m＝EMG_Rms/v

其中，E_m为所述运动投入程度，EMG_Rms为一个运动周期内患者运动肢体的肌电信号均方根值，v为一个运动周期内患者运动的平均速度。

3.根据权利要求1所述的基于多模态信息评估患者训练投入程度的方法，其特征在于，所述感知投入程度计算公式为：

E_p＝d(gaze，screen changes)

其中，E_p为所述感知投入程度，gaze为所述患者眼睛的焦点位置，screen changes为屏幕上的移动物体的位置。

4.根据权利要求1所述的基于多模态信息评估患者训练投入程度的方法，其特征在于，所述根据所述脑电信号计算患者的认知投入程度，包括：

对所述脑电信号进行分解得到患者额叶区的降低的alpha信号、升高的beta信号和升高的theta信号，根据所述降低的alpha信号、升高的beta信号和升高的theta信号的比值计算所述认知投入程度，具体公式为：

其中，E_c为所述认知投入程度，α为额叶区升高的alpha信号，β为额叶区升高的beta信号，θ为额叶区升高的theta信号。

5.根据权利要求1所述的基于多模态信息评估患者训练投入程度的方法，其特征在于，所述情感投入程度计算公式为：

E_e＝T_positive/T_negative

其中，E_e为所述情感投入程度，T_positive为患者的积极情感为主要情感的持续时间，T_negative为患者的消极情感为主要情感的持续时间。

6.一种基于多模态信息评估患者训练投入程度的装置，其特征在于，包括：

第一计算模块，用于采集患者的肌电信号和运动速度，根据所述肌电信号和所述运动速度计算患者的运动投入程度；

第二计算模块，用于采集训练过程中患者眼睛的焦点位置，根据所述患者眼睛的焦点位置与训练所使用的屏幕上的移动物体之间的距离计算患者的感知投入程度；

第三计算模块，用于采集患者额叶区的脑电信号，根据所述脑电信号计算患者的认知投入程度；

第四计算模块，用于采集患者训练过程中的面部表情图像，通过图像分析软件对所述面部表情图像中的情感进行提取识别，得到训练过程中患者的积极情感的持续时间和消极情感持续的时间，根据患者的积极情感的持续时间和消极情感的持续时间计算患者的情感投入程度；

评估模块，用于根据所述运动投入程度、所述感知投入程度、所述认知投入程度和所述情感投入程度进行综合评估，得到患者训练投入程度。