本發(fā)明涉及認知評估，具體涉及一種用于認知訓練的虛擬廚房環(huán)境構建及模型訓練方法。

背景技術：

1、認知功能包括記憶力、理解力、計算力、語言能力、視空間能力、判斷理解能力等多方面。如果認知功能出現(xiàn)一方面或者幾方面的受損，都可以被認為是認知功能障礙。

2、虛擬現(xiàn)實技術近年來快速發(fā)展，其本身具有的高沉浸感、多感知性、強交互性特點，為認知功能評估方法提供了再現(xiàn)與擴展?；谔摂M現(xiàn)實的系統(tǒng)能對刺激的表象與內(nèi)容、任務的復雜程度以及被試者的響應狀態(tài)進行靈活控制，同時可以直接記錄受試者在任務中豐富、準確的數(shù)據(jù)信息，為進一步利用人工智能算法進行處理提供了基礎，從而為認知功能評估的可靠和生態(tài)有效性提供了可行的新手段。

3、在公開號為cn118675707a的一篇中國專利中，公開了認知訓練進程的監(jiān)測模型的建模方法、監(jiān)測方法及系統(tǒng)，在其方案中通過基于認知障礙患者的多次認知訓練得分標記坐標點，采用預設函數(shù)進行多次標準學習曲線的擬合，以獲取多組參數(shù)組合，進而實現(xiàn)對單一患者的認知訓練進程進行監(jiān)控，輸出患者的相對達標水平和學習進展狀況。

4、然而，該方案存在內(nèi)在局限性：隨著訓練次數(shù)增加，任務熟練度可能會干擾認知訓練評分的有效性。具體表現(xiàn)為：重復執(zhí)行相同任務可能會促使患者形成"任務流程記憶"，可能導致神經(jīng)加工從"認知控制模式"轉向"自動化加工模式"，此時任務執(zhí)行所需的工作記憶、注意力等認知資源消耗顯著降低。這種情況下，患者表現(xiàn)提升并非源于真實認知能力改善，而是對任務流程的機械熟悉度提升，致使評估模型將"熟練度增益"誤判為"認知功能進步"，最終導致訓練進程評估出現(xiàn)系統(tǒng)性誤差，進而影響對患者學習進展狀況判斷的準確性。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種用于認知訓練的虛擬廚房環(huán)境構建及模型訓練方法，解決以下技術問題：

2、未建立"認知能力貢獻"與"熟練度貢獻"的分離機制，無法區(qū)分評分提升中認知功能真實改善與任務流程熟悉度的各自占比，進而影響對患者學習進展狀況判斷的準確性。

3、本發(fā)明的目的可以通過以下技術方案實現(xiàn)：

4、一種用于認知訓練的虛擬廚房環(huán)境構建及模型訓練方法，包括以下步驟：

5、s1，在虛擬廚房場景中構建第一任務區(qū)域與第二任務區(qū)域；第一任務區(qū)域用于提供任務形式相同且難度相同的訓練任務；第二任務區(qū)域用于提供任務形式不同但難度相同的訓練任務，第一任務區(qū)域與第二任務區(qū)域的訓練任務難度一致；

6、s2，在設定周期內(nèi)分別繪制患者在第一任務區(qū)域與第二任務區(qū)域下訓練分數(shù)隨訓練次數(shù)變化的變化曲線，得到第一變化曲線和第二變化曲線；

7、s3，計算兩條變化曲線的平均斜率，若存在任一變化曲線的平均斜率大于0，則計算兩條變化曲線之間的相似值；

8、s4，若相似值小于預設閾值，則選取第二變化曲線作為目標曲線；若相似值大于等于預設閾值，則將第一變化曲線和第二變化曲線進行疊加，選取每次訓練任務分數(shù)較高的曲線段，標記為優(yōu)選曲線段，將優(yōu)選曲線段進行拼接并標記為目標曲線，根據(jù)目標曲線的訓練分數(shù)平均值調(diào)整患者后續(xù)訓練任務的難度。

9、作為本發(fā)明進一步的方案：所述s2中，還包括獲取每次認知訓練的結束時間戳，并計算第i次和第i+1次認知訓練結束時間戳的時間差值，若時間差值小于等于預設時間閾值，則將第i+1次對應的訓練數(shù)據(jù)進行剔除。

10、作為本發(fā)明進一步的方案：所述s3中，相似值的具體計算過程為：

11、s11，分別計算第一變化曲線的訓練得分均值a'和第二變化曲線的訓練得分均值b'；

12、s12，根據(jù)所述訓練得分均值分別構建任一任務區(qū)域對應的偏差序列，基于所述偏差序列計算得到協(xié)方差，根據(jù)所述協(xié)方差計算得到變化曲線之間的相似值；

13、s13，相似值的具有計算公式為：

14、；

15、其中，n為患者在任一任務區(qū)域下的訓練總次數(shù)，ai為患者在第一任務區(qū)域下第i次的訓練分數(shù)，bi為患者在第二任務區(qū)域下第i次的訓練分數(shù)。

16、作為本發(fā)明進一步的方案還包括若第一任務區(qū)域下的訓練總次數(shù)與第二任務區(qū)域下的訓練總次數(shù)不相等，則獲取第一任務區(qū)域對應的訓練得分序列a=[a1,a2,...,az]；同理，獲取第二任務區(qū)域對應的訓練得分序列b=[b1,b2,...,bm]，根據(jù)訓練得分序列a和訓練得分序列b構建累積距離矩陣cost，計算累積距離矩陣cost的最小距離值cost[z,m]，根據(jù)計算公式計算得到相似值。

17、作為本發(fā)明進一步的方案：若存在設定周期內(nèi)患者的訓練行為數(shù)據(jù)小于預設訓練行為數(shù)據(jù)閾值，則將設定周期[g，g+t]調(diào)整為[g，g+t+t']，其中t'為預設時間長度，t為設定周期的時間長度；若調(diào)整后的設定周期內(nèi)患者的訓練行為數(shù)據(jù)繼續(xù)小于預設訓練行為數(shù)據(jù)閾值，則重復上述過程，直至調(diào)整后設定周期內(nèi)患者的訓練行為數(shù)據(jù)大于等于預設訓練行為數(shù)據(jù)閾值。

18、作為本發(fā)明進一步的方案：目標曲線的獲取過程為：

19、將第一變化曲線與第二變化曲線進行空間疊加，基于訓練次數(shù)序號維度構建對齊坐標系；針對每個訓練次數(shù)序號k，分別提取兩條曲線在該序號下的訓練分數(shù)，通過數(shù)值比較選取最大值作為序號k對應的擇優(yōu)數(shù)據(jù)點；按訓練次數(shù)序號的時間序列順序排列所有擇優(yōu)數(shù)據(jù)點并進行連接，得到目標曲線。

20、作為本發(fā)明進一步的方案：所述s4中，還包括獲取目標曲線對應任務區(qū)域的訓練方式，將所述訓練方式確定為該患者的最優(yōu)訓練方式。

21、作為本發(fā)明進一步的方案：還包括所述s3中，若存在變化曲線的平均斜率均小于0，則發(fā)出預警信息，并降低患者后續(xù)訓練任務的難度。

22、本發(fā)明的有益效果：

23、1）本發(fā)明通過在虛擬廚房中構建兩類任務區(qū)域，第一類提供形式與難度均固定的訓練任務，第二類提供形式變化但難度恒定的任務，利用任務形式的差異化設計，可有效分離“認知能力提升”與“任務熟練度增長”對訓練得分的貢獻。當患者在第一類區(qū)域因重復訓練形成流程記憶時，第二類區(qū)域因操作模態(tài)、信息呈現(xiàn)方式等維度的變化，能減少熟練度對得分的干擾。通過對比兩類區(qū)域的訓練曲線，可精準識別得分提升中認知功能真實改善的占比，避免將機械記憶帶來的表現(xiàn)提升誤判為認知能力進步。

24、2）本發(fā)明通過時間戳過濾異常訓練數(shù)據(jù)、動態(tài)調(diào)整設定周期以確保數(shù)據(jù)量，結合動態(tài)時間規(guī)整算法與協(xié)方差計算曲線相似度，構建了嚴謹?shù)臄?shù)據(jù)處理與分析體系。該體系可剔除因訓練間隔過短導致的無效數(shù)據(jù)，避免數(shù)據(jù)量不足引發(fā)的統(tǒng)計偏差，同時通過歸一化處理與路徑距離計算，量化不同任務區(qū)域訓練曲線的相似程度。這一過程能精準捕捉訓練得分變化中熟練度的影響強度，為后續(xù)評估提供可靠的數(shù)據(jù)基礎，提升認知訓練進程評估的科學性與可信度。

25、3）本發(fā)明基于曲線相似度與預設相似閾值的比對，形成了分層評估策略：當相似度低時，以抗熟練度干擾的第二類區(qū)域曲線作為評估依據(jù)；當相似度高時，則將第一變化曲線和第二變化曲線進行疊加，選取每次訓練任務分數(shù)較高的曲線段，標記為優(yōu)選曲線段，將優(yōu)選曲線段進行拼接并標記為目標曲線。當相似度高于預設閾值時，通過疊加兩條曲線并拼接高分段構建目標曲線，實現(xiàn)對兩類任務優(yōu)勢的動態(tài)整合。該分層策略通過“閾值比對-曲線篩選-分段拼接”的遞進式處理，構建了融合抗干擾性與動態(tài)適應性的評估體系。一方面，以第二區(qū)域曲線作為“抗熟練度基線”，確保評估下限的可靠性；另一方面，通過高分段拼接形成“認知能力上限”，全面覆蓋患者在不同任務形式下的最佳表現(xiàn)。這種策略既能在熟練度干擾顯著時快速定位真實認知水平，又能在能力提升階段綜合多元任務數(shù)據(jù)優(yōu)化評估維度，為后續(xù)訓練難度調(diào)整與個性化方案制定提供兼具準確性和靈活性的決策依據(jù)。