沉浸体验式教学联合心理干预孤独症儿童的方法及系统与流程

本技术涉及医学，具体涉及沉浸体验式教学联合心理干预孤独症儿童的方法及系统。

背景技术：

1、孤独症是指表现为刻板以及重复的行为，合并有认知功能、人际社会沟通、语言功能等方面障碍的疾病，这种疾病严重制约了儿童的成长发展。近些年伴随着虚拟现实、增强现实等技术的兴起，及其在康复、教育行业中的应用，沉浸式学习环境成为学习环境变革的新形态，相关研究方兴未艾，在关键技术、系统设计、教学应用等方面取得诸多进展，通过沉浸式学习环境联合心理对孤独症儿童进行合理的干预，对于调节孤独症儿童的症状具有重要意义。

2、相关技术中对于孤独症儿童的干预方法在对孤独症儿童进行干预时，往往无法结合孤独症儿童的实际反应和孤独症儿童的症状恢复情况对孤独症儿童进行合理的干预调节，导致对孤独症儿童的干预缺乏准确性，存在改进之处。

技术实现思路

1、本技术实施例的目的在于提供沉浸体验式教学联合心理干预孤独症儿童的方法及系统，以改善相关技术中对于孤独症儿童的干预方法在对孤独症儿童进行干预时，往往无法结合孤独症儿童的实际反应和孤独症儿童的症状恢复情况对孤独症儿童进行合理的干预调节，导致对孤独症儿童的干预缺乏准确性的问题。

2、本技术的第一方面，提供了沉浸体验式教学联合心理干预孤独症儿童的方法，包括以下步骤：

3、获取孤独症儿童的儿童信息，所述儿童信息包括儿童监测数据和儿童历史监测数据；

4、所述儿童监测数据包括孤独症儿童的儿童互动监测数据、儿童表情监测数据和儿童动作监测数据；所述儿童历史监测数据包括孤独症儿童的历史症状系数；

5、所述儿童互动监测数据包括孤独症儿童的表达次数、表达频率和表达时长；对孤独症儿童的表达次数进行分析，判断孤独症儿童的有效表达次数和无效表达次数；

6、设置互动系数区间、表情系数区间和动作系数区间；

7、对孤独症儿童的有效表达次数、无效表达次数、表达频率和表达时长进行分析，得到孤独症儿童对应的互动系数，依据所述互动系数与互动系数区间的包含关系判断孤独症儿童的互动特征是否异常，并得到互动特征异常的孤独症儿童对应的互动异常系数；

8、对孤独症儿童的儿童表情监测数据进行分析，得到孤独症儿童对应的表情系数，依据所述表情系数与表情系数区间的包含关系判断孤独症儿童的表情特征是否异常，并得到表情特征异常的孤独症儿童对应的表情异常系数；

9、对孤独症儿童的儿童动作监测数据进行分析，得到孤独症儿童对应的动作系数，依据所述动作系数与动作系数区间的包含关系判断孤独症儿童的动作特征是否异常，并得到动作特征异常的孤独症儿童对应的动作异常系数；

10、依据孤独症儿童的互动特征、表情特征和动作特征判断孤独症儿童的症状特征是否异常，并将所述症状特征异常的孤独症儿童标记为异常关注儿童；

11、依据异常关注儿童对应的互动异常系数、表情异常系数和动作异常系数得到异常关注儿童的症状系数；

12、对异常关注儿童的症状系数和历史症状系数进行分析，得到异常关注儿童的恢复系数；

13、依据异常关注儿童的症状系数和恢复系数得到异常关注儿童对应的干预指数，并依据所述干预指数得到异常关注儿童的干预程度。

14、优选地，所述儿童互动监测数据包括孤独症儿童的表达次数、表达频率和表达时长；对孤独症儿童的表达次数进行分析，判断孤独症儿童的有效表达次数和无效表达次数，具体为：

15、所述儿童互动监测数据还包括孤独症儿童的互动次数以及互动次数对应的互动对象人数；

16、获取孤独症儿童的表达次数对应的儿童表达内容，以及孤独症儿童的表达次数对应的表达对象和所述表达对象的对象表达内容；

17、依据所述儿童表达内容得到儿童表达内容对应的儿童表达词义和儿童表达清晰度；依据所述对象表达内容得到对象表达词义；

18、将儿童表达内容的儿童表达词义与对象表达词义进行词义匹配，得到儿童表达词义与对象表达词义的词义匹配度；

19、将儿童表达内容的儿童表达词义与对象表达词义的词义匹配度与预设的词义匹配度阈值进行比对分析；

20、若儿童表达内容的儿童表达词义与对象表达词义的词义匹配度小于预设的词义匹配度阈值，则判断该儿童表达内容对应表达次数的词义特征异常；

21、若儿童表达内容的儿童表达词义与对象表达词义的词义匹配度大于或者等于预设的词义匹配度阈值，则判断该儿童表达内容对应表达次数的词义特征正常；

22、将儿童表达内容对应的儿童表达清晰度与预设的表达清晰度阈值进行比对分析；

23、若儿童表达内容对应的儿童表达清晰度小于预设的表达清晰度阈值，则判断该儿童表达内容对应表达次数的清晰度特征异常；

24、若儿童表达内容对应的儿童表达清晰度大于或者等于预设的表达清晰度阈值，则判断该儿童表达内容对应表达次数的清晰度特征正常；

25、若孤独症儿童的表达次数所对应的词义特征和清晰度特征至少有一项为异常，则判断孤独症儿童的表达次数为无效表达次数；

26、若孤独症儿童的表达次数所对应的词义特征和清晰度特征均正常，则判断孤独症儿童的表达次数为有效表达次数。

27、优选地，设置互动系数区间、表情系数区间和动作系数区间，具体为：

28、所述互动系数区间设置有互动区间中心值；

29、所述表情系数区间设置有表情区间中心值；

30、所述动作系数区间设置有动作区间中心值。

31、优选地，对孤独症儿童的有效表达次数、无效表达次数、表达频率和表达时长进行分析，得到孤独症儿童对应的互动系数，依据所述互动系数与互动系数区间的包含关系判断孤独症儿童的互动特征是否异常，并得到互动特征异常的孤独症儿童对应的互动异常系数，具体为：

32、将孤独症儿童的有效表达次数进行取值和标记得到有效表达次数ybc；将孤独症儿童的无效表达次数进行取值和标记得到无效表达次数wbc；将孤独症儿童的表达频率进行取值和标记得到表达频率bp；将孤独症儿童的表达时长进行取值和标记得到表达时长bs；

33、通过第一计算函数计算得到孤独症儿童的第一活跃系数ohx，其中a1、a2、a3为预设的比例因子；

34、将孤独症儿童的互动次数进行取值和标记得到互动次数hc，将互动次数对应的互动对象人数进行取值和标记得到互动对象人数hr；

35、通过第二计算函数thx＝b1×hc+b2×hr计算得到孤独症儿童的第二活跃系数thx，其中b1、b2为预设的比例因子；

36、通过第三计算函数hx＝c1×ohx+c2×thx计算得到孤独症儿童的互动系数hx，其中c1、c2为预设的比例因子；

37、判断孤独症儿童的互动系数与互动系数区间的包含关系；

38、若孤独症儿童的互动系数在互动系数区间内，则判断孤独症儿童的互动特征正常；

39、若孤独症儿童的互动系数不在互动系数区间内，则判断孤独症儿童的互动特征异常，并将互动系数区间的互动区间中心值进行取值和标记得到互动区间中心值hz；

40、通过第四计算函数hyx＝|hx-hz|计算得到互动特征异常的孤独症儿童对应的互动异常系数hyx。

41、优选地，对孤独症儿童的儿童表情监测数据进行分析，得到孤独症儿童对应的表情系数，依据所述表情系数与表情系数区间的包含关系判断孤独症儿童的表情特征是否异常，并得到表情特征异常的孤独症儿童对应的表情异常系数，具体为：

42、所述儿童表情监测数据包括孤独症儿童的表情变化频率、表情变化次数和表情变化幅度；

43、将孤独症儿童的表情变化频率进行取值和标记得到表情变化频率qb；将孤独症儿童的表情变化次数进行取值和标记得到表情变化次数qc；将孤独症儿童的表情变化幅度进行取值和标记得到表情变化幅度qf；

44、通过第五计算函数qx＝d1×qb+d2×qc+d3×qf计算得到孤独症儿童的表情系数qx，其中d1、d2、d3为预设的比例因子；

45、判断孤独症儿童的表情系数与表情系数区间的包含关系；

46、若孤独症儿童的表情系数在表情系数区间内，则判断孤独症儿童的表情特征正常；

47、若孤独症儿童的表情系数不在表情系数区间内，则判断孤独症儿童的表情特征异常，并将表情系数区间的表情区间中心值进行取值和标记得到表情区间中心值qz；

48、通过第六计算函数qyx＝|qx-qz计算得到表情特征异常的孤独症儿童对应的表情异常系数qyx。

49、优选地，对孤独症儿童的儿童动作监测数据进行分析，得到孤独症儿童对应的动作系数，依据所述动作系数与动作系数区间的包含关系判断孤独症儿童的动作特征是否异常，并得到动作特征异常的孤独症儿童对应的动作异常系数，具体为：

50、所述儿童动作监测数据包括孤独症儿童的动作频率、动作幅度和动作重复次数；

51、将孤独症儿童的动作频率进行取值和标记得到动作频率dp；将孤独症儿童的动作幅度进行取值和标记得到动作幅度df；将孤独症儿童的动作重复次数进行取值和标记得到动作重复次数dc；

52、通过第七计算函数dx＝f1×dp+f2×df+f3×dc计算得到孤独症儿童的动作系数dx，其中f1、f2、f3为预设的比例因子；

53、判断孤独症儿童的动作系数与动作系数区间的包含关系；

54、若孤独症儿童的动作系数在动作系数区间内，则判断孤独症儿童的动作特征正常；

55、若孤独症儿童的动作系数不在动作系数区间内，则判断孤独症儿童的动作特征异常，并将动作系数区间的动作区间中心值进行取值和标记得到动作区间中心值dz；

56、通过第八计算函数dyx＝|dx-dz|计算得到动作特征异常的孤独症儿童对应的动作异常系数dyx。

57、优选地，依据孤独症儿童的互动特征、表情特征和动作特征判断孤独症儿童的症状特征是否异常，并将所述症状特征异常的孤独症儿童标记为异常关注儿童，依据异常关注儿童对应的互动异常系数、表情异常系数和动作异常系数得到异常关注儿童的症状系数，具体为：

58、当孤独症儿童的互动特征、表情特征和动作特征均正常时，判断该孤独症儿童的症状特征正常；

59、当孤独症儿童的互动特征、表情特征和动作特征至少有一项异常时，则判断该孤独症儿童的症状特征异常，并将症状特征异常的孤独症儿童标记为异常关注儿童；

60、通过第九计算函数zx＝g1×hyx+g2×qyx+g3×dyx计算得到异常关注儿童的症状系数zx，其中g1、g2、g3为预设的比例因子。

61、优选地，对异常关注儿童的症状系数和历史症状系数进行分析，得到异常关注儿童的恢复系数，具体为：

62、获取异常关注儿童的历史症状系数，并依据所述历史症状系数得到异常关注儿童对应的历史症状系数曲线；

63、依据异常关注儿童的症状系数和历史症状系数曲线得到异常关注儿童的实时症状系数曲线；

64、依据所述实时症状系数曲线得到实时症状系数曲线对应的实时曲线斜率值，并将所述实时曲线斜率值进行取值和标记得到实时曲线斜率值xl；

65、通过第十计算函数fx＝α×xl计算得到异常关注儿童的恢复系数fx，其中α为预设的比例因子。

66、优选地，依据异常关注儿童的症状系数和恢复系数得到异常关注儿童对应的干预指数，并依据所述干预指数得到异常关注儿童的干预程度，具体为：

67、通过第十一计算函数gys＝h1×zx+h2×fx计算得到异常关注儿童对应的干预指数gys，其中h1、h2为预设的比例因子；

68、所述异常关注儿童的干预指数与异常关注儿童的干预程度呈正相关。

69、本技术的第二方面，提供了沉浸体验式教学联合心理干预孤独症儿童的系统，该系统应用于沉浸体验式教学联合心理干预孤独症儿童的方法，所述系统包括：

70、获取模块：获取孤独症儿童的儿童信息，所述儿童信息包括儿童监测数据和儿童历史监测数据；

71、所述儿童监测数据包括孤独症儿童的儿童互动监测数据、儿童表情监测数据和儿童动作监测数据；所述儿童历史监测数据包括孤独症儿童的历史症状系数；

72、所述儿童互动监测数据包括孤独症儿童的表达次数、表达频率和表达时长；对孤独症儿童的表达次数进行分析，判断孤独症儿童的有效表达次数和无效表达次数；

73、设置模块：设置互动系数区间、表情系数区间和动作系数区间；

74、第一分析模块：对孤独症儿童的有效表达次数、无效表达次数、表达频率和表达时长进行分析，得到孤独症儿童对应的互动系数，依据所述互动系数与互动系数区间的包含关系判断孤独症儿童的互动特征是否异常，并得到互动特征异常的孤独症儿童对应的互动异常系数；

75、第二分析模块：对孤独症儿童的儿童表情监测数据进行分析，得到孤独症儿童对应的表情系数，依据所述表情系数与表情系数区间的包含关系判断孤独症儿童的表情特征是否异常，并得到表情特征异常的孤独症儿童对应的表情异常系数；

76、第三分析模块：对孤独症儿童的儿童动作监测数据进行分析，得到孤独症儿童对应的动作系数，依据所述动作系数与动作系数区间的包含关系判断孤独症儿童的动作特征是否异常，并得到动作特征异常的孤独症儿童对应的动作异常系数；

77、第四分析模块：依据孤独症儿童的互动特征、表情特征和动作特征判断孤独症儿童的症状特征是否异常，并将所述症状特征异常的孤独症儿童标记为异常关注儿童；

78、依据异常关注儿童对应的互动异常系数、表情异常系数和动作异常系数得到异常关注儿童的症状系数；

79、对异常关注儿童的症状系数和历史症状系数进行分析，得到异常关注儿童的恢复系数；

80、干预模块：依据异常关注儿童的症状系数和恢复系数得到异常关注儿童对应的干预指数，并依据所述干预指数得到异常关注儿童的干预程度。

81、综上，本技术的有益效果是：

82、1.本技术通过对孤独症儿童的儿童互动监测数据进行分析，得到孤独症儿童对应的互动系数；通过对儿童表情监测数据进行分析，得到孤独症儿童对应的表情系数；通过对儿童动作监测数据进行分析，得到孤独症儿童对应的动作系数；并依据互动系数与互动系数区间的包含关系判断孤独症儿童的互动特征是否异常，并得到互动特征异常的孤独症儿童对应的互动异常系数；依据表情系数与表情系数区间的包含关系判断孤独症儿童的表情特征是否异常，并得到表情特征异常的孤独症儿童对应的表情异常系数；依据动作系数与动作系数区间的包含关系判断孤独症儿童的动作特征是否异常，并得到动作特征异常的孤独症儿童对应的动作异常系数；依据依据孤独症儿童的互动特征、表情特征和动作特征综合判断孤独症儿童的症状特征是否异常，使得对于孤独症儿童的症状判断更准确，另外将症状特征异常的孤独症儿童标记为异常关注儿童，依据异常关注儿童对应的互动异常系数、表情异常系数和动作异常系数得到异常关注儿童的症状系数，通过症状系数能够准确反映异常关注儿童的症状情况。

83、2.本技术通过依据异常关注儿童的历史症状系数得到异常关注儿童对应的历史症状系数曲线，并依据异常关注儿童的症状系数和历史症状系数曲线得到异常关注儿童的实时症状系数曲线，根据实时症状系数曲线对应的实时曲线斜率值得到异常关注儿童的恢复系数，最后依据异常关注儿童的症状系数和恢复系数得到异常关注儿童对应的干预指数，并依据干预指数得到异常关注儿童的干预程度，使得对于异常关注儿童的干预调节更准确。