摘要
本发明涉及一种多模态数据驱动的护理员培训方法、装置、设备及介质，该方法通过同步处理关节运动、语音指令及手部压力数据，消除多源设备时钟偏差生成时间对齐数据集；利用时序神经网络融合护理动作动态特征与压力梯度特征，构建时空融合序列；基于概率模型解码关节角度变化率与压力参数，结合时间窗积分量化操作连续性指标；最终根据力学参数序列识别技能薄弱环节，匹配临床标准课程库生成个性化训练指令。该方法解决了多源数据时延导致的动作‑指令协同失真、单模态评估片面化及反馈脱节问题，实现护理操作生物力学参数的实时精准评估与沉浸式自适应训练，显著提升静脉穿刺稳定性与压疮预防力控能力。
