[0001] 本公开的实施例涉及计算机技术领域，具体涉及应用于拔管后吞咽障碍的辅助训练方法、装置和电子设备。

[0002] 行气管插管是维持行气道通常的重要措施之一，然而，由于气管导管和气囊长时间对患者口舌喉部、气管粘膜、声带产生压迫，当气管导管拔出后，患者常出现拔管后吞咽障碍(PED，Post‑extubation dysphgia)，具体表现为出现饮水呛咳、吞咽无力、吞咽后有喘鸣等问题。当未能及时对拔管后吞咽障碍进行有效干预时，可能会造成患者出现误吸、吸入性肺炎等问题。

[0003] 该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本领域普通技术人员已知的现有技术的信息。

[0016] 下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

[0017] 另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

[0018] 需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

[0019] 需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

[0020] 本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

[0021] 下面将参考附图并结合实施例来详细说明本公开。

[0022] 参考图1，示出了根据本公开的应用于拔管后吞咽障碍的辅助训练方法的一些实施例的流程100。该应用于拔管后吞咽障碍的辅助训练方法，包括以下步骤：

[0023] 步骤101，对目标患者进行面部校准。

[0024] 在一些实施例中，应用于拔管后吞咽障碍的辅助训练方法的执行主体(例如，计算设备)可以对目标患者进行面部校准。其中，目标患者是需进行吞咽障碍辅助治疗的患者。实践中，上述目标患者的头部可以佩戴有头戴式VR设备。具体的，头戴式VR设备可以实时展示口腔内部画面，以及展示用于对目标患者进行动作指引的画面。

[0025] 需要说明的是，上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成单个软件或软件模块。在此不做具体限定。

[0026] 在一些实施例的一些可选地实现方式中，上述执行主体对目标患者进行面部校准，可以包括以下步骤：

[0027] 响应于目标患者通过头戴式VR设备确认开启面部校准步骤，执行以下上述面部校准步骤：

[0028] 第一子步骤，采集第一校准图像。

[0029] 其中，上述第一校准图像是通过上述头戴式VR设备指引上述目标患者执行第一校准动作时的面部图像。实践中，上述执行主体可以通过设置在机械臂上的摄像头，采集上述第一校准图像。具体的，上述机械臂为多轴机械臂，上述机械臂还包括：机械抓手。其中，上述机械抓手用于固定冰酸棉签。上述机械臂朝向上述目标患者面部，以使得上述摄像头可以采集上述第一校准图像。冰酸棉签可以是在柠檬酸中充分浸泡后于冰箱冷冻的医用棉签。第一校准动作可以是闭眼动作。实践中，由于目标患者往往伴随有吞咽障碍，因此口部动作往往无法有效进行，由此采用闭眼动作进行面部校准。

[0030] 第二子步骤，对上述第一校准图像进行多尺度图像特征提取，以生成第一图像特征集合。

[0031] 实践中，上述执行状态可以采用第一卷积层、第二卷积层和第三卷积层，分别对上述第一校准图像进行图像特征提取，得到上述第一图像特征集合。其中，第一卷积层的卷积核为2×2。第二卷积层的卷积核为3×3。第三卷积层的卷积核为1×1。

[0032] 第三子步骤，根据上述第一图像特征集合，生成第一融合图像特征。

[0033] 实践中，上述执行主体可以通过Filter Concatenation层，对第一图像特征集合中的各个第一图像特征进行特征融合，得到上述第一融合特征图。

[0034] 第四子步骤，根据上述第一融合图像特征，生成针对上述第一校准图像的第一校准动作类型。

[0035] 实践中，上述执行主体可以将第一融合图像特征输入分类器，得到上述第一校准动作类型。实践中，分类器由至少一个串行连接的全连接层构成。

[0036] 第五子步骤，响应于上述第一校准动作类型对应的校准动作是上述第一校准动作，采集第二校准图像。

[0037] 其中，上述第二校准图像是通过上述头戴式VR设备指引上述目标患者执行第二校准动作时的面部图像。实践中，上述执行主体可以通过设置在机械臂上的摄像头，进一步采集上述第二校准图像。实践中，上述第二校准动作可以是摇头动作。

[0038] 第六子步骤，对上述第二校准图像进行多尺度图像特征提取，以生成第二图像特征集合。

[0039] 实践中，上述执行主体可以通过第一卷积层、第二卷积层和第三卷积层，分别对上述第二校准图像进行多尺度图像特征提取，以生成第二图像特征集合。

[0040] 第七子步骤，根据上述第二图像特征集合，生成第二融合图像特征。

[0041] 实践中，上述执行主体可以通过Filter Concatenation层，对上述第二图像特征集合中的各个第二图像特征进行特征融合，以生成第二融合图像特征。

[0042] 第八子步骤，根据上述第二融合图像特征，生成针对上述第二校准图像的第二校准动作类型。

[0043] 实践中，上述执行主体可以将第二融合图像特征输入分类器，得到上述第二校准动作类型。实践中，分类器由至少一个串行连接的全连接层构成。

[0044] 第九子步骤，响应于上述第二校准动作类型对应的校准动作是上述第二校准动作，生成表征面部校准完毕的校准状态信息。

[0045] 可选地，响应于上述第一校准动作类型对应的校准动作非上述第一校准动作，重新执行上述第一子步骤至上述第四子步骤。

[0046] 可选地，响应于上述第二校准动作类型对应的校准动作非上述第二校准动作，重新执行上述第五子步骤至第八子步骤。

[0047] 步骤102，响应于面部校准完毕，采集目标面部图像。

[0048] 在一些实施例中，上述执行主体可以响应于面部校准完毕，采集目标面部图像。实践中，上述执行主体可以通过设置在机械臂上的摄像头，采集上述目标面部图像。其中，上述目标面部图像是通过头戴式VR设备引导上述目标患者开口后，所采集的面部图像。上述头戴式VR设备佩戴于上述目标患者的头部。实践中，头戴式VR设备可以播放引导目标患者开口的提示信息，以引导目标患者开口。

[0049] 步骤103，根据目标面部图像，进行K点定位，得到K点位置信息。

[0050] 在一些实施例中，上述执行主体可以根据目标面部图像，进行K点定位，得到K点位置信息。其中，K点位置信息包括：第一K点位置和第二K点位置。实践中，K点可以是口腔内的K点。具体的，K点是位于磨牙后三角的高度、腭舌弓和翼突下颌帆的中央位置，位于两牙线交点的后方。第一K点位置可以是口腔内左侧的K点的位置。第二K点位置可以是口腔内右侧的K点的位置。实践中，上述执行主体可以通过YOLO(You Only Look Once)模型，根据目标面部图像，进行K点定位，得到K点位置信息。

[0051] 其中，K点刺激是2002年日本语言治疗师小岛千枝子发现的吞咽功能刺激方法。具体的，K点位于磨牙后三角的高度，在腭舌弓和翼突下颌帆的凹陷处，触及K点可引起反射性张口，对严重张口困难的患者可以用棉棒直接刺激K点，患者比较容易产生张口动作，反复刺激可使张口困难的患者自己张口，继而出现吞咽动作。K点刺激操作方法简单易学，操作便捷，可行性高。近年来国内学者将K点刺激应用于脑卒中和颅脑损伤吞咽功能障碍患者中，可改善患者吞咽功能、临床疗效，提高生活质量，缩短鼻饲管留置时间，并有利于改善患者的营养状况。因此，本申请拟将K点刺激应用于气管插管PED患者中，以改善患者的吞咽功能。

[0052] 具体的，K点的具体位置，可以参见图2所示的K点位置示意图。

[0053] 在一些实施例的一些可选地实现方式中，上述执行主体根据上述目标面部图像，进行K点定位，得到K点位置信息，可以包括以下步骤：

[0054] 第一步，通过多尺度特征提取网络，对上述目标面部图像进行多尺度特征提取，以生成面部图像特征。

[0055] 实践中，上述多尺度特征提取网络采用特征金字塔网络FPN(Feature Pyramid Network，FPN)。

[0056] 第二步，根据上述面部图像特征和第一定位模型，确定口部位置信息。

[0057] 其中，上述口部位置信息包括：口部置信度、口部特征和嘴角关键点位置组。实践中，上述第一定位模型采用MobileNet‑SSD作为基础网络架构，以确定口部置信度和口部特征。在口部特征基础上，上述执行主体结合SIFT(Scale Invariant Feature Transform)算法，确定嘴角关键点位置组。

[0058] 第三步，响应于上述口部置信度大于预设置信度，根据上述口部特征和第二定位模型，确定候选K点位置信息。

[0059] 其中，上述候选K点位置信息包括：第一候选K点位置和第二候选K点位置。上述多尺度特征提取网络、上述第一定位模型和上述第二定位模型包括于K点定位模型中。实践中，第二定位模型和上述第一定位模型可以采用相同的网络结构。具体的，第一定位模型采用标注有口部位置的图像样本通过有监督方式训练得到。第二定位模型采用标注有K点位置的图像样本通过有监督方式训练得到。

[0060] 第四步，根据上述嘴角关键点位置组，确定第一斜率。

[0061] 实践中，上述执行主体可以通过两点式方程，根据上述嘴角关键点位置组，确定第一斜率。

[0062] 第五步，根据上述第一候选K点位置和上述第二候选K点位置，确定第二斜率。

[0063] 实践中，上述执行主体可以通过两点式方程，根据上述第一候选K点位置和上述第二候选K点位置，确定第二斜率。

[0064] 第六步，根据上述第一斜率和上述第二斜率，确定目标夹角；

[0065] 其中，tan(β)＝abs((k1‑k2)/(1+k1×k2))。其中，β为目标夹角。k1为第一斜率。k2为第二斜率。

[0066] 第七步，响应于上述目标夹角小于预设夹角，将上述候选K点位置信息确定为上述K点位置信息。

[0067] 上述“在一些实施例的一些可选地实现方式中”的内容，作为本公开的一个发明点，在对K点进行逐个定位时，可能因角度等因素导致定位不够精准的问题，进而影响后续的K点刺激的准确性。基于此，本公开考虑到口腔内的K点往往呈现轴对称性。同时2个K点之间构成的直线与嘴角之间构成的直线之间往往呈现平行的关系。因此，本公开首先确定嘴角关键点组，以此确定第一斜率。然后，根据第一候选K点位置和第二候选K点位置确定第二斜率。最后，结合第一斜率和第二斜率确定两条直线的夹角的方式，以此确定定位得到的第一候选K点位置和第二候选K点位置是否定位精准。

[0068] 步骤104，控制夹有冰酸棉签的机械臂，分别对第一K点位置和第二K点位置进行K点刺激。

[0069] 在一些实施中，上述执行主体可以控制夹有冰酸棉签的机械臂，分别对第一K点位置和第二K点位置进行K点刺激。实践中，上述执行主体可以控制机械臂移动，以使得冰酸棉签分别对第一K点位置和第二K点位置进行K点刺激。

[0070] 在一些实施例的一些可选地实现方式中，上述执行主体控制夹有冰酸棉签的机械臂，分别对第一K点位置和第二K点位置进行K点刺激，可以包括以下步骤：

[0071] 第一步，根据初始位置和上述第一K点位置，生成第一移动路线。

[0072] 其中，上述初始位置是上述夹有冰酸棉签的机械臂的起始位置。实践中，上述执行主体可以以初始位置为起始位置，以第一K点位置为结束位置，通过上位机，规划上述第一移动路线。

[0073] 第二步，控制上述夹有冰酸棉签的机械臂，沿上述第一移动路线移动至上述第一K点位置，以对上述第一刺激位置进行固定频率的K点刺激。

[0074] 实践中，上述执行主体可以控制机械臂上的冰酸棉签对第一刺激位置刺激8～10次。

[0075] 第三步，响应于第一K点刺激完毕，控制上述夹有冰酸棉签的机械臂移动至上述初始位置，以对上述夹有冰酸棉签的机械臂进行冰酸棉签更换。

[0076] 实践中，可以通过人工更换的方式，对机械臂夹有的冰酸棉签进行更换。

[0077] 第四步，响应于更换完毕，根据初始位置和上述第二K点位置，生成第二移动路线。

[0078] 实践中，上述执行主体可以以初始位置为起始位置，以第二K点位置为结束位置，通过上位机，规划上述第二移动路线。

[0079] 第五步，控制上述夹有冰酸棉签的机械臂，沿上述第二移动路线移动至上述第二K点位置，以对上述第一刺激位置进行固定频率的K点刺激。

[0080] 实践中，上述执行主体可以控制机械臂上的冰酸棉签对第二刺激位置刺激8～10次。

[0081] 步骤105，响应于K点刺激完毕，通过头戴式VR设备引导目标患者进行预设口腔动作执行，以及采集目标面部视频。

[0082] 在一些实施例中，响应于K点刺激完毕，上述执行主体可以通过头戴式VR设备引导目标患者进行预设口腔动作执行，以及采集目标面部视频。其中，上述目标面部视频是上述目标患者执行上述预设口腔动作期间的面部视频，上述预设口腔动作的动作类型包括：第一动作类型、第二动作类型、第三动作类型和第四动作类型。其中，第一动作类型表征舌肌训练动作类型。第二动作类型表征咀嚼肌训练动作类型。第三动作类型表征吞咽训练动作类型。第四动作类型表征声带闭合及喉上抬训练动作类型。上述执行主体可以通过设置在机械臂上的摄像头采集上述目标面部视频。

[0083] 步骤106，对目标面部视频进行动作识别，以生成动作信息集合。

[0084] 在一些实施例中，上述执行主体可以对目标面部视频进行动作识别，以生成动作信息集合。其中，上述动作信息集合中的动作信息包括：动作类型和动作匹配度。动作匹配度表征动作类型对应的动作与标准动作之间的动作匹配度。实践中，上述执行状态可以通过YOLO模型，对目标面部视频进行动作识别，以生成动作信息集合。

[0085] 在一些实施例的一些可选地实现方式中，上述执行主体对目标面部视频进行动作识别，以生成动作信息集合，可以包括以下步骤：

[0086] 第一步，对上述目标面部视频进行时序特征提取，以生成面部视频特征序列。

[0087] 实践中，上述执行主体可以通过RNN(Recurrent Neural Network，循环神经网络)模型，对上述目标面部视频进行时序特征提取，以生成面部视频特征序列。

[0088] 第二步，响应于上述预设口腔动作的动作类型为上述第一动作类型，根据上述面部视频特征序列和舌肌动作识别模型，生成上述动作信息集合。

[0089] 第三步，响应于上述预设口腔动作的动作类型为上述第二动作类型，根据上述面部视频特征序列和咀嚼肌动作识别模型，生成上述动作信息集合。

[0090] 第四步，响应于上述预设口腔动作的动作类型为上述第三动作类型，根据上述面部视频特征序列和吞咽动作识别模型，生成上述动作信息集合。

[0091] 第五步，响应于上述预设口腔动作的动作类型为上述第四动作类型，根据上述面部视频特征序列和咽喉动作识别模型，生成上述动作信息集合。

[0092] 其中，上述舌肌动作识别模型、上述咀嚼肌动作识别模型、上述吞咽动作识别模型和上述咽喉动作识别模型共用面部视频特征深度提取模型和关键点提取模型。面部视频特征深度提取模型采用残差神经网络模型。关键点提取模型采用MobileNet模型。其中，面部视频特征深度提取模型和关键点提取模型串行连接。上述舌肌动作识别模型还包括：第一分类器和第一动作匹配度确定模型。上述咀嚼肌动作识别模型还包括：第二分类器和第二动作匹配度确定模型。上述吞咽动作识别模型还包括：第三分类器和第三动作匹配度确定模型。上述咽喉动作识别模型还包括：第四分类器和第四动作匹配度确定模型。第一分类器用于分类舌肌动作对应的具体动作类型，例如，舌头抵上颚动作、舌头抵下颚动作、舌头前后伸缩动作等。第二分类器用于分类咀嚼肌动作对应的具体动作类型，例如，鼓腮动作、牙齿咬动动作、示齿动作等。第三分类器用于分类吞咽动作对应的具体动作类型，例如，咽喉部移动动作。第四分类器咽喉动作对应的具体动作类型，例如，咽喉上移动动作，咽喉下移动动作等。第一动作匹配度确定模型、第二动作匹配度确定模型、第三动作匹配度确定模型、第四动作匹配度确定模型分别预先存储有不同动作类型对应的标准动作，具体的标准动作通过特征点集合的形式存储。在分类器确定具体动作类型后，动作匹配度确定模型可以取出与具体动作类型匹配的标准动作对应的特征点结合，并计算相似度，作为对应的动作匹配度。

[0093] 上述“在一些实施例的一些可选地实现方式中”的内容，作为本公开的一个发明点，实现了动作的有效识别。实践中，为了提高辅助训练的有效性，往往需要患者尽量按照标准动作进行辅助训练。然而，由于吞咽障碍等问题，患者执行动作时往往出现动作变形等问题，进而影响辅助训练质量。与此同时，不同的动作类型往往有多个精细动作构成，例如，舌肌动作由舌头抵上颚动作、舌头抵下颚动作、舌头前后伸缩动作等构成。基于此，本公开，首先根据动作类型(第一动作类型、第二动作类型、第三动作类型和第四动作类型)分别设置舌肌动作识别模型、咀嚼肌动作识别模型、吞咽动作识别模型和咽喉动作识别模型，以此实现针对第一动作类型、第二动作类型、第三动作类型和第四动作类型下的更精准的详细动作的识别。此外，通过设置动作匹配度确定模型(第一动作匹配度确定模型、第二动作匹配度确定模型、第三动作匹配度确定模型和第四动作匹配度确定模型)实现目标患者执行动作与标准动作之间的匹配，以此判定目标患者的动作执行标准度。由此可以对目标患者的动作进行精准识别，以此保证目标患者尽可能的标准化的执行动作，提高辅助训练的效果。

[0094] 步骤107，根据动作信息集合，通过头戴式VR设备对目标患者进行动作指引。

[0095] 在一些实施例中，上述执行主体可以根据动作信息集合，通过头戴式VR设备对目标患者进行动作指引。

[0096] 在一些实施例的一些可选地实现方式中，上述执行主体根据动作信息集合，通过头戴式VR设备对目标患者进行动作指引，可以包括以下步骤：

[0097] 第一步，从上述动作信息集合中筛选出包括的动作匹配度小于预设动作匹配度的动作信息，作为候选动作信息，得到候选动作信息集合。

[0098] 第二步，对于上述候选动作信息集合中的每个候选动作信息，在上述头戴式VR设备的副内容展示界面，展示上述候选动作信息对应的标准动作，以对上述目标患者进行动作指引。

[0099] 其中，上述头戴式VR设备还包括：主内容展示界面，上述主内容展示界面用于实时展示上述目标面部视频。

[0100] 本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的应用于拔管后吞咽障碍的辅助训练方法，实现了对存在吞咽障碍患者的有效辅助训练，可以有效地缓解患者所存在吞咽障碍问题。具体的，首先，对目标患者进行面部校准，其中，上述目标患者是待进行吞咽障碍辅助治疗的患者。实践中，由于后续需要控制机械臂，以使得冰酸棉签对K点进行刺激，因此需要精准的控制，由此需要对目标患者进行面部校准。其次，响应于面部校准完毕，采集目标面部图像，其中，上述目标面部图像是通过头戴式VR设备引导上述目标患者开口后，所采集的面部图像，上述头戴式VR设备佩戴于上述目标患者的头部。通过头戴式VR设备可以有效地引导目标患者进行动作执行，以及画面的实时展示。接着，根据上述目标面部图像，进行K点定位，得到K点位置信息，其中，上述K点位置信息包括：第一K点位置和第二K点位置。进一步，控制夹有冰酸棉签的机械臂，分别对上述第一K点位置和上述第二K点位置进行K点刺激。以此实现自动化的K点刺激。此外，响应于K点刺激完毕，通过上述头戴式VR设备引导上述目标患者进行预设口腔动作执行，以及采集目标面部视频，其中，上述目标面部视频是上述目标患者执行上述预设口腔动作期间的面部视频，上述预设口腔动作的动作类型包括：第一动作类型、第二动作类型、第三动作类型和第四动作类型。接着，对上述目标面部视频进行动作识别，以生成动作信息集合，其中，上述动作信息集合中的动作信息包括：动作类型和动作匹配度。通过动作识别，可以实现对目标患者执行口腔动作的类型和标准度进行有效识别。最后，根据上述动作信息集合，通过上述头戴式VR设备对上述目标患者进行动作指引。以此保证目标患者能够较为标准的执行口腔动作，以此实现对目标患者的有效辅助训练，进而有效地缓解患者所存在吞咽障碍问题。

[0101] 进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种应用于拔管后吞咽障碍的辅助训练装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该应用于拔管后吞咽障碍的辅助训练装置具体可以应用于各种电子设备中。

[0102] 如图3所示，一些实施例的应用于拔管后吞咽障碍的辅助训练装置300包括：面部校准单元301、采集单元302、K点定位单元303、控制单元304、执行和采集单元305、动作识别单元306，以及动作指引单元307。其中，面部校准单元301，被配置成对目标患者进行面部校准，其中，上述目标患者是待进行吞咽障碍辅助治疗的患者；采集单元302，被配置成响应于面部校准完毕，采集目标面部图像，其中，上述目标面部图像是通过头戴式VR设备引导上述目标患者开口后，所采集的面部图像，上述头戴式VR设备佩戴于上述目标患者的头部；K点定位单元303，被配置成根据上述目标面部图像，进行K点定位，得到K点位置信息，其中，上述K点位置信息包括：第一K点位置和第二K点位置；控制单元304，被配置成控制夹有冰酸棉签的机械臂，分别对上述第一K点位置和上述第二K点位置进行K点刺激；执行和采集单元305，被配置成响应于K点刺激完毕，通过上述头戴式VR设备引导上述目标患者进行预设口腔动作执行，以及采集目标面部视频，其中，上述目标面部视频是上述目标患者执行上述预设口腔动作期间的面部视频，上述预设口腔动作的动作类型包括：第一动作类型、第二动作类型、第三动作类型和第四动作类型；动作识别单元306，被配置成对上述目标面部视频进行动作识别，以生成动作信息集合，其中，上述动作信息集合中的动作信息包括：动作类型和动作匹配度；动作指引单元307，被配置成根据上述动作信息集合，通过上述头戴式VR设备对上述目标患者进行动作指引。

[0103] 可以理解的是，该应用于拔管后吞咽障碍的辅助训练装置300中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于应用于拔管后吞咽障碍的辅助训练装置300及其中包含的单元，在此不再赘述。

[0104] 下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如，计算设备)400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

[0105] 如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器402中的程序或者从存储装置408加载到随机访问存储器404中的程序而执行各种适当的动作和处理。在随机访问存储器404中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、只读存储器402以及随机访问存储器403通过总线404彼此相连。输入/输出接口402也连接至总线404。

[0106] 通常，以下装置可以连接至I/O接口402：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

[0107] 特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从只读存储器402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。

[0108] 需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

[0109] 在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

[0110] 上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对目标患者进行面部校准，其中，上述目标患者是待进行吞咽障碍辅助治疗的患者；响应于面部校准完毕，采集目标面部图像，其中，上述目标面部图像是通过头戴式VR设备引导上述目标患者开口后，所采集的面部图像，上述头戴式VR设备佩戴于上述目标患者的头部；根据上述目标面部图像，进行K点定位，得到K点位置信息，其中，上述K点位置信息包括：第一K点位置和第二K点位置；控制夹有冰酸棉签的机械臂，分别对上述第一K点位置和上述第二K点位置进行K点刺激；响应于K点刺激完毕，通过上述头戴式VR设备引导上述目标患者进行预设口腔动作执行，以及采集目标面部视频，其中，上述目标面部视频是上述目标患者执行上述预设口腔动作期间的面部视频，上述预设口腔动作的动作类型包括：第一动作类型、第二动作类型、第三动作类型和第四动作类型；对上述目标面部视频进行动作识别，以生成动作信息集合，其中，上述动作信息集合中的动作信息包括：动作类型和动作匹配度；根据上述动作信息集合，通过上述头戴式VR设备对上述目标患者进行动作指引。

[0111] 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

[0112] 附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0113] 描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括面部校准单元、采集单元、K点定位单元、控制单元、执行和采集单元、动作识别单元，以及动作指引单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，采集单元还可以被描述为“响应于面部校准完毕，采集目标面部图像，其中，上述目标面部图像是通过头戴式VR设备引导上述目标患者开口后，所采集的面部图像，上述头戴式VR设备佩戴于上述目标患者的头部的单元”。

[0114] 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

[0115] 以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。