CN102553222A - 一种支持对战模式的脑功能反馈训练方法与系统 - Google Patents

Abstract

一种支持对战模式的脑功能反馈训练系统方法，支持传统的人机交互的反馈训练模式，而且支持双人对战的反馈训练模式。两名受试者通过两台脑电信号采集终端，可以利用各自的脑电波进行对战和协同训练。这种双人对战训练模式又分为本地和网络远程两种子模式：在本地一台PC机上插入两台脑电信号采集终端，即可进入双人对战的本地模式；在网络上的两台PC机上分别插入脑电信号采集终端，通过网络的支持进行信息传输与人机交互，即可克服地理上的限制，进入双人对战的网络远程模式。支持对战模式的新型脑功能反馈训练系统。系统在量化分级的基础上，智能地设置受试者反馈训练的阈值和难度等级。

Description

一种支持对战模式的脑功能反馈训练方法与系统

技术领域

本发明涉及脑电信号检测、脑功能评估及其训练反馈技术。

背景技术

注意力障碍多动综合症(ADHD)是儿童最常见的现象或状态，其主要表现为注意力不集中、多动及冲动并造成了学习困难等症状。

文献报道在小学生中大约有5%~10%的儿童患有ADHD，这类患儿如果处理不当，常会影响其学习及性格的发展。有跟踪研究发现，25%~50%的患儿在成人期有人格障碍，犯罪行为，在学习和事业上的成就明显低于同龄人。因此，有人提出需要治疗，但药物仅对部分病例暂时有效果且副作用较大，在欧美一些国家迄今很少或根本不用药物资料，而是强调早期发现和早期干预。

随着现代脑电生物反馈理论与技术的发展，用于人脑的检测和反馈的工作站式的脑电生物反馈的系统已有开发。但是，国内外市场上常规的脑功能生物反馈仪目前主要还是要借助于工作站，采集通道多，系统复杂，价格昂贵，反馈训练过程需要专业人员干预，难以推广普及到家庭，限制了其应用范围。而便携式脑功能反馈仪则基于ARM与DSP平台，成本较高，普及到家庭也有一定的困难。

脑功能反馈训练系统在改善注意力障碍多动综合症(ADHD)方面，有显著的效果。但在实际应用中，依然存在很多问题，典型的如下：

（1）训练模式单一：市场现存的脑功能反馈训练系统，以人机交互、音视频反馈为主，给受试者造成了与机器打交道的冰冷的感觉，容易影响其积极性。如果能让两个受试者同时参与，利用其脑电波进行双人对战和协同训练，边训练边交流，可以取得更好的训练效果。更进一步，如果基于Internet网络的支持，让双方能够克服空间上的限制，进行异地的远程对战和训练，则可以进一步拓展其应用范围。

（2）训练过程中需要医生的指导和干预：传统的脑功能训练反馈系统，依赖于医生的专业知识，这样就使其应用场所主要限制在医院。造成这个问题的主要原因是软件的智能程度不够，对反馈训练过程中的阈值设置依赖于医生的专业知识。如果能够对受试者的注意力集中水平进行准确地量化分级，从而让软件智能地进行阈值设置，并设定训练难度，则可降低对医生的依赖，方便推广到家庭。

（3）训练场景设置不合理：现有的脑功能反馈训练系统中的反馈训练，以人机交互进行游戏，然后音视频反馈为主。这样训练出来的注意力集中水平和模式与孩子在学习、生活中的场景想去甚远，也不符合家长的意愿。如果能在训练场景的设置中增加类似于考试的模式，则训练的结果会更有价值。

（4）成本太高：现有的脑功能反馈训练系统成本高，售价昂贵，再加上医院部分的费用，如果长期应用，在经济上对孩子和家长来说是一个巨大的挑战。如果能简化系统硬件部分的设计，降低其成本，并推广到家庭，具有非常大的经济价值和社会效益。

本发明设计了一种支持对战模式的脑功能反馈训练方法与系统，该系统含一个通道的脑电（EEG）信号采集器，基于PC平台进行脑电信号分析、特征参数提取与反馈训练，并可在Internet网络的支持下，让两个受试者进行双人对战和协同训练，从而克服了时间上和空间上的限制，拓展了系统的应用范围。另外，系统综合考察线性参数和非线性参数，对受试者的注意力集中量化分级，从而智能地设置反馈训练的阈值和难度等级，从而避免了训练过程中医生的干预，方便推广到家庭。

发明内容

本发明提出一种支持对战模式的脑功能反馈训练方法与系统，具有低成本的EEG信号采集硬件，成本低廉，软件智能化程度高，可对受试者的注意力集中水平进行量化分级，智能地进行阈值设置和难度设定，方便推广到家庭，并基于PC平台和Internet网络，让两个受试者可以克服空间上的限制，拓展其应用范围。

支持对战模式的脑功能反馈训练系统方法，设有的脑功能反馈系统支持传统的人机交互的反馈训练模式，并支持双人对战的反馈训练模式：两名受试者通过两台脑电信号采集终端，利用各自的脑电波进行对战和协同训练。

脑功能反馈系统对受试者的注意力集中程度进行量化分级，在进行量化分级时不仅计算线性参数，如θ波与β波之间的功率比值（θ/β），还计算近似熵、样本熵、多尺度熵和δ-样本熵基于非线性动力学的复杂性测度，并结合线性参数和非线性参数，利用人工神经网络分类器进行量化分级；支持游戏和智力题测试等两种测试和反馈训练场景，在对受试者进行注意力集中程度的评估时，既计算短时注意力特征参数，也计算长时注意力特征参数，并将二者相结合进行量化分级；系统在量化分级的基础上，智能地设置受试者反馈训练的阈值和难度等级。

双人对战训练模式又分为本地和网络远程两种子模式：在本地一台PC机上插入两台脑电信号采集终端，即可进入双人对战的本地模式；在网络上的两台PC机上分别插入脑电信号采集终端，通过网络的支持进行信息传输与人机交互，即可克服地理上的限制，进入双人对战的网络远程模式。

本发明的系统是：脑电信号依次经过传感器、导联线、放大与滤波、右腿驱动后，经过AD采样，转换为数字信号，经过电气隔离后通过USB接口送入PC机，在PC端安装有专业软件，进行EEG信号的分析评估与反馈训练，训练可以通过人机交互，本地双人对战和网络远程双人对战等方式进行。

系统总体上由EEG信号采集器和PC端专业软件两部分组成。其中，EEG信号采集器由前置放大模块、放大滤波模块、AD采样模块、微处理器模块、电源与信号隔离模块、USB通信模块、电源模块等构成。PC端专业软件由USB通信与控制模块、SQL数据库管理模块、信号分析模块、注意力集中程度量化分级模块、报表输出模块、人机交互模块、实时训练模块、对战训练模块、视频反馈模块、音频反馈模块等构成。

EEG信号采集器完成脑电信号的放大、滤波和采样。输入传感器为两个镀银耳夹式电极和一个电极网固定电极，分别夹于两侧耳垂和固定在头顶，两耳侧的夹式电极中的一个作为参考电极（右腿驱动负反馈电极），另外两个电极构成差分电极，连接到前置放大器的差分输入端。前置放大器采用高输入阻抗、低噪声、高共模抑制比的仪表放大器INA128。由AD8606构成放大滤波模块，实现脑电信号的放大，并通过右腿驱动负反馈，进一步提高放大器的共模抑制比。放大后的EEG信号经过AD采样后送入微处理器模块，并经过隔离后的USB接口送到PC机。整个EEG信号采集器由USB总线供电，USB总线的5V电源经过隔离后，再经过电源变换给前端放大器供电，电源噪声控制在20uVRMS以内，从而保证EEG信号放大与采集的质量。

PC端专业EEG分析软件实现特征脑电成分如α波（频率8~13Hz）、β波（14~32Hz）、θ波（4~8Hz）的提取以及特征参数（如不同特征成分功率比值）的计算，以对应不同的脑电活动模式，并将结果以视觉或听觉的形式反馈给被测试者。与传统的EEG分析软件不同的是，本项目的EEG专业分析软件不仅基于经典的线性时频分析方法，同时还使用非线性动力学的分析方法，采用脑电信号的近似熵、样本熵、多尺度熵、δ-样本熵等基于序列复杂性测度的非线性动力学参数来表征受试者的视觉注意集中程度。并优化设计了人工神经网络分类器，对注意力水平进行了分级量化。

除了传统的脑电训练反馈模式之外，本项目的EEG分析软件还引入了远程双机对战模式，可让两个受试者利用脑电信号进行对战，可极大程度地提高受试者的参与热情。

软件从功能上分为USB通信与控制模块、SQL数据库管理模块、信号分析模块、注意力集中程度量化分级模块、报表输出模块、人机交互模块、实时训练模块、对战训练模块、视频反馈模块、音频反馈模块等10个模块。

USB通信与控制模块为一个独立的线程，负责与EEG信号采集器之间的通信、控制和数据传输，并将接收到EEG数据上传给主线程进行处理。

为了更好地进行数据管理，设置了SQL数据库管理模块，该模块以开源的MySQL数据库管理系统为依托，记录受试者的相关信息，以及训练过程中的各种数据，并以标准的SQL语句的形式提供查询服务。

信号分析模块也是一个独立的线程，对训练过程中采集到的EEG信号进行实时运算，计算各种与注意力集中水平相关的特征参数。本模块支持线性参数和非线性参数两大类特征参数的计算。线性参数主要基于脑电信号是准平稳信号的假设，然后利用线性的方法计算θ波与β波之间的功率比值。而脑电信号实际上是一种随机性很强的非平稳信号，所以基于非线性动力学来提取非线性参数会更加准确，信号分析模块也支持如近似熵、样本熵、多尺度熵、δ-样本熵等基于非线性动力学的复杂性测度的计算。

注意力集中程度量化分级模块主要基于人工神经网络分类器，通过训练后的人工神经网络，对输入的反映注意力集中水平的线性参数和非线性参数进行综合评估分类，得到量化分级指标。

报表输出模块实现用户脑电检测和训练结果报告的多样化输出，此模块依托于SQL数据库管理系统的支持，通过标准SQL语句从后台数据库中检索各种数据并生成报表。

人机交互模块实现应用程序框架，友好界面，通过用户的选择可以调用后台各种功能。

实时训练模块，主要处理利用单台EEG信号采集器进行人机交互相关的各种训练逻辑的处理。而对战训练模块则支持本地双人对战和网络远程对战两种模式，通过在同一台PC上插入两台EEG信号采集器，即可启动本地双人对战模式，而在异地两台PC上分别插入EEG信号采集器，并通过Internet的支持，即可进入网络远程双人对战模式。在此两种对战模式下，有飞行、赛跑、跷跷板、拔河等多种比赛模式，将对战的结果以音视频的形式反馈给受试者。

本发明所提出的支持对战模式的新型脑功能反馈训练系统，基于虚拟仪器技术，以PC为核心，实现EEG信号的反馈显示和人机交互，配合高性能的脑电信号放大与采集模块，构成集数据采集、数据库管理、分析计算、显示、反馈训练、远程对战于一体的家用仪器，以轻松的动画方式实现脑功能模式的训练。仪器体积小巧、操作方便，成本远低于国际上工作站式的同类仪器，适于向社区和家庭推广。本发明含一个通道的EEG信号采集器，基于PC平台进行脑电信号分析、特征参数提取与反馈训练。其特征为支持本地人机交互、本地双人对战，远程网络对战等多种反馈训练模式。两个受试者利用两台EEG信号采集器，可以在本地，也可以在Internet网络的支持下，在异地进行双人对战和协同训练，从而克服了时间上和空间上的限制，拓展了系统的应用范围。另外，系统综合考察线性参数和非线性参数，对受试者的注意力集中量化分级，从而智能地设置反馈训练的阈值和难度等级，从而降低了训练过程中对医生的专业知识的依赖，方便推广到家庭。

附图说明

图1、EEG信号采集器结构框图。

图2、系统设计总体框图。

图3、上位机专业软件系统框图。

图4、信号处理模块内部结构框图。

图5、游戏模式实时训练流程图。

图6、考试模式实时训练流程图。

图7、本机对战模式训练流程图。

图8、远程对战模式训练流程图。

 

具体实施方式

图1所示为EEG信号采集器内部结构框图，EEG数据采集器具有单通道放大器，采用三个电极分别固定在头顶和两侧耳垂，两耳侧的其中一极作为参考电极（右腿驱动电极），另外两个电极连接到脑电前置放大器INA128的差分输入端。然后经过AD8606构成的放大滤波环节，送入ADC进行采样，经过隔离后，通过USB接口送至PC端进行分析。EEG数据采集器通过USB总线进行供电，USB总线的5V经过DCDC隔离后，再经LT1962稳压成4V，给放大器部分供电，模拟电源部分的噪声可以控制在20uV_RMS以下。

EEG放大器增益为20000，共模抑制比CMRR≥100dB，输入电阻≥100M，短路噪声≤1μV_PP，频带带宽：0.3~60Hz。AD转换的主要技术指标：单通道、10位分辨率，采样率1kHz，工作方式中断。

为了简化EEG信号采集器的设计，降低成本，EEG放大电路内部不设50Hz双T陷波器，而是在PC端软件处采用50Hz梳状滤波器，这是一种简单整系数陷波器，对工频干扰及基线漂移进行滤除。我们设计的滤波器用到了减法技术，即用一个全通网络减去一个具有相同传输延迟和增益的窄带带通滤波器的输出，得到一个具有尖锐陷波特性的陷波器，其传递函数为

式中Q=R/P。

这个梳状滤波器可以同时滤除基线漂移、50Hz以及其高次谐波的干扰，在确定采样率，转化为差分方程后，这种简单整系数带阻滤波器的系数都是2的整数幂，在滤波过程中不需要使用乘法，并可以用少量次数的递归计算实现非递归的线性相位FIR滤波。这样就有利于实时处理，特别适合对EEG信号进行实时预处理的场合。

图2为系统设计总体框图，系统由两部分组成，一部分为EEG数据采集器硬件，一部分为上位机专业信号分析与训练反馈软件。通过对ADHD者的注意力水平进行定量、客观的评定，帮助ADHD者利用生物反馈进行自我调节地提高注意力的训练。

与传统的脑功能反馈训练系统不同的是，本系统支持3种训练模式，人机交互训练模式、本地双人对战训练模式和网络远程对战训练模式。在本地一台PC机上插入EEG信号采集器，即可进行人机交互训练。如果两个受试者在异地，比如各自在自己的家里，分别在PC上插入EEG信号采集器，通过Internet网络的支持，进行网络对战。这种模式克服了空间的限制，使两个受试者，不是在医院，也不一定在同一个空间里，能够实现协同训练和对战，从而使得脑功能反馈训练系统更容易走向家庭。

图3为上位机专业软件系统框图，软件系统由SQL数据管理模块、信号分析模块、注意力集中程度量化分析模块、报表输出模块、实时训练模块（支持游戏、考试两种模式）、对战训练模块（支持本地对战和远程对战两种模式）、人机交互模块、USB通信与控制模块、音频反馈模块、视频反馈模块等组成。用户可通过人机交互模块调用系统其他模块。

信号处理模块内部结构框图如图4所示，本系统支持注意力集中程度的短时分析和长时分析，并支持线性和非线性两类分析方法。线性方法通过FFT分析，提取θ波与β波的功率比值。非线性方法则主要采取非线性动力学分析的手段，计算信号的近似熵、样本熵、多尺度熵、δ-样本熵等基于序列复杂性测度的非线性动力学参数来表征受试者的视觉注意集中程度。并优化设计了人工神经网络分类器，对注意力水平进行了分级量化。

基于脑电信号为准平稳信号的假设，可对脑电信号按时间分段，然后进行FFT变换，计算各个频段的脑电信号功率大小。脑电信号一般分为α波，频率为8~13Hz，振幅为20~100μV；β波，频率为14~35Hz，振幅为5~20μV；θ波，频率为4~8Hz，振幅为100~150μV。一般认为，θ波与β波之间的功率比值（θ/β），与注意力的集中程度有密切的关系，通过计算此参数，可以按时间分段计算注意力集中程度相关指标。

而实际上脑电信号是随机性很强的非平稳信号，因此，认可这种非平稳性，计算各种基于非线性动力学的复杂性测度，在判断注意力集中水平上会有更好的效果。从测量序列复杂度的角度，选择适用于短时时间序列复杂度测量的非线性动力学参数一近似熵、样本熵、多尺度熵、δ-样本熵分别对各种状态下的脑电数据进行特征提取，并进行统计学分析。量化分级的平均正确率可以达到90%左右。

上述两种参数，都适合于短时时间序列的分析，因此可以用于反馈训练和量化分级。通过训练好的BP人工神经网络分类器，输入各种参数，即可进行量化分级。在量化分级的同时，软件还可以判断出受试者注意力集中模式，如受试者的注意力缺失具体表现为短时注意力缺失还是长时注意力缺失。

图5为游戏模式实时训练流程图。为了达到训练目的，首先要进行标准测试，通过标准测试中的游戏设置，比如飞行游戏、敲地老鼠、快速记忆游戏等，可以计算出受试者的注意力集中程度的最大值、时间平均值、时间分布特性等等特征参数，并判断出受试者的反应速度和短时记忆能力，再结合人工神经网络分类器的量化分级结果，软件就可以自动的为受试者选择合适的反馈阈值，进行有效的游戏难度设置，从而减少对医生专业知识的依赖，方便进入家庭。

图6为考试模式实时训练流程图，从题库中抽取一套益智题，在受试者完成考试的过程中，同步记录其EEG信号，分析长时注意力集中程度的时间分布特点，并计算出在这种更贴近于家长要求和孩子生活特点的环境下注意力集中状况，从而进行更有针对性的反馈训练。

除了可以进行人机交互训练外，本系统还支持对战模式，如果在PC机USB口上插入两台EEG数据采集器，即可启动本地对战模式，两个参与者分别带上脑电传感器，然后PC端软件同步采集两个通道的脑电，并实时计算两个通道脑电的特征参数，计算出其各自的注意力集中程度，然后通过计算出的注意力集中特征参数值，两个参与者可以进行对战，进行飞行、赛跑、拔河、翘翘板等多种游戏，如图7所示。

在本地对战的基础上，本系统进一步支持网络远程对战，两个受试者分别在各自家中，接入脑电信号，然后由一方启动网络对战模式，通过输入对手IP地址以邀请对手参与，在对手确认后，网络对战即正式开始，每一端的PC软件接收对方的脑电数据，并发送自己的脑电数据，同时计算注意力集中程度特征参数值，并以此进行飞行、赛跑、拔河、翘翘板等多种对战游戏。从而克服地域上的距离进行训练，提高受试者参与的积极性。图8为远程对战模式训练流程图。

Claims (10)

1.一种支持对战模式的脑功能反馈训练系统方法，其特征是设有的脑功能反馈系统支持传统的人机交互的反馈训练模式，并支持双人对战的反馈训练模式：两名受试者通过两台脑电信号采集终端，利用各自的脑电波进行对战和协同训练。

2.根据权利要求1所述的支持对战模式的脑功能反馈训练方法，其特征是脑功能反馈系统对受试者的注意力集中程度进行量化分级，在进行量化分级时不仅计算线性参数，如θ波与β波之间的功率比值（θ/β），还计算近似熵、样本熵、多尺度熵和δ-样本熵基于非线性动力学的复杂性测度，并结合线性参数和非线性参数，利用人工神经网络分类器进行量化分级；支持游戏和智力题测试等两种测试和反馈训练场景，在对受试者进行注意力集中程度的评估时，既计算短时注意力特征参数，也计算长时注意力特征参数，并将二者相结合进行量化分级；系统在量化分级的基础上，智能地设置受试者反馈训练的阈值和难度等级。

3.根据权利要求1所述的支持对战模式的脑功能反馈训练方法，其特征是双人对战训练模式又分为本地和网络远程两种子模式：在本地一台PC机上插入两台脑电信号采集终端，即可进入双人对战的本地模式；在网络上的两台PC机上分别插入脑电信号采集终端，通过网络的支持进行信息传输与人机交互，即可克服地理上的限制，进入双人对战的网络远程模式。

4.支持对战模式的脑功能反馈训练系统，其特征是包括两名受试者的两台脑电信号采集终端，系统包括EEG信号采集器和PC端专业软件模块两部分；EEG信号采集器包括传感器、导联线、前置放大模块、放大滤波模块、AD采样模块、微处理器模块、电源与信号隔离模块、USB通信模块和电源模块；PC端专业软件模块包括USB通信与控制模块、SQL数据库管理模块、信号分析模块、注意力集中程度量化分级模块、报表输出模块、人机交互模块、实时训练模块、对战训练模块、视频反馈模块和音频反馈模块；脑电信号依次经过传感器、导联线、放大与滤波、右腿驱动后，经过AD采样，转换为数字信号，经过电气隔离后通过USB接口送入PC端，在PC端专业软件模块进行EEG信号的分析评估与反馈训练；USB通信与控制模块为一个独立的线程，控制软件模块与EEG信号采集器之间的通信、控制和数据传输，并将接收到EEG数据上传给主线程进行处理。

5.根据权利要求4所述的支持对战模式的脑功能反馈训练系统，其特征是EEG信号采集器的传感器为两个镀银耳夹式电极和一个电极网固定电极，分别夹于两侧耳垂和固定在头顶，两耳侧的夹式电极中的一个作为参考电极，另外两个电极构成差分电极，连接到前置放大器的差分输入端；前置放大器采用高输入阻抗、低噪声、高共模抑制比的仪表放大器INA128；由AD8606构成放大滤波模块，实现脑电信号的放大。

6.根据权利要求4或5所述的支持对战模式的脑功能反馈训练系统，其特征是设有给两名受试者使用的两台脑电信号采集终端，对各自的脑电波进行测量，在对受试者进行注意力集中程度的评估时；系统对测试对象量化分级，智能地设置受试者反馈训练的阈值和难度等级；两名受试者对战和协同训练，支持双人对战的反馈训练模式。

7.  根据权利要求4或5所述的支持对战模式的脑功能反馈训练系统，其特征是设有支持的SQL数据库管理系统，对受试者的相关信息以及训练的历史数据进行存储、管理和查询，并进行报表打印。

8.根据权利要求4或5所述的支持对战模式的脑功能反馈训练系统，其特征是在进行双人对战训练时，支持飞行、赛跑、跷跷板、拔河等多种训练模式。

9.根据权利要求4或5所述的支持对战模式的脑功能反馈训练系统，其特征是EEG数据采集器的单通道放大器，频带范围0.3Hz~60Hz，噪声<1uVpp，共模抑制比CMMR>100dB，支持USB接口且通过USB接口供电，应用部分与主机系统之间进行3000V的电源隔离与信号隔离。

10.根据权利要求4或5所述的支持对战模式的脑功能反馈训练系统，其特征是EEG数据采集器所采集的数据在上位机专业软件中进行实时梳状滤波，滤除基线漂移、50Hz工频以及其高次谐波所引起的干扰。

Images