CN104519790B - 神经反馈系统 - Google Patents
神经反馈系统 Download PDFInfo
- Publication number
- CN104519790B CN104519790B CN201380043105.9A CN201380043105A CN104519790B CN 104519790 B CN104519790 B CN 104519790B CN 201380043105 A CN201380043105 A CN 201380043105A CN 104519790 B CN104519790 B CN 104519790B
- Authority
- CN
- China
- Prior art keywords
- feedback
- signals
- biofeedback signals
- measured
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000001537 neural effect Effects 0.000 claims abstract description 83
- 238000005259 measurement Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000003595 spectral effect Effects 0.000 claims description 34
- 238000001228 spectrum Methods 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 22
- 239000000470 constituent Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 210000005036 nerve Anatomy 0.000 claims 2
- 230000008859 change Effects 0.000 abstract description 18
- 238000004590 computer program Methods 0.000 abstract description 5
- 238000000537 electroencephalography Methods 0.000 description 73
- 210000003491 skin Anatomy 0.000 description 16
- 210000003128 head Anatomy 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000011664 signaling Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 210000004761 scalp Anatomy 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000008713 feedback mechanism Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000003925 brain function Effects 0.000 description 2
- 210000000624 ear auricle Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008430 psychophysiology Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 229910021607 Silver chloride Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005238 degreasing Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003741 hair volume Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/375—Electroencephalography [EEG] using biofeedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种神经反馈系统,其包括:电极(2、2'、2"),用于接触用户(7)的皮肤(6)以用于测量用户(7)的生物反馈信号(9);第一信号处理单元(3),用于确定所测量的生物反馈信号(9)的信号特性(11),其中,该信号特性(11)表示神经反馈;第二信号处理单元(4),用于通过提取所测量的生物反馈信号(9)的信号特征并计算用于所述信号特征的测量误差的概率来确定所测量的生物反馈信号(9)的生物反馈信号质量(12),该概率表示生物反馈信号质量(12);以及反馈单元(5),用于向用户提供反馈,其中,该反馈包括神经反馈和关于生物反馈信号质量(12)的反馈。本发明的另一方面涉及一种用于支持人的行为改变的方法和一种用于执行所述方法的计算机程序。
Description
技术领域
本发明涉及向用户提供神经反馈的神经反馈系统和方法。本发明特别地涉及测量脑电活动的领域,也称为脑电描记术(EEG)。
背景技术
借助于接触用户的皮肤、特别是用户的头皮的EEG电极来测量脑电活动或EEG。一个类型的已知电极是湿或凝胶电极。另一类型的已知电极是干电极(不使用凝胶)。当应用EEG湿或凝胶电极时的主要挑战是获得对皮肤的良好、因此低的接触阻抗。在临床测量中,这正常地用具有集成金属电极(例如涂覆Ag/AgCl)的(浴帽状)橡胶盖来完成。通常需要通过去油脂和常常附加的摩擦(例如,去除皮肤的干燥顶层、角质层)来准备在这些电极下面的皮肤。然后通常通过电极或盖中的孔在每个电极与头皮之间涂上导电凝胶。这确保到更深的皮肤层、表皮的低欧姆接触以及从身体中的离子电流到测量系统中的电子电流的“转换”。使用导电凝胶还(部分地)解决了由于相对于头发层厚度和头发量的人与人之间的变化以及由于头部和/或身体运动而可能发生的距离的时间改变而引起的电极与皮肤之间的变化距离的问题。
对于生活方式消费者产品而言以及出于临床应用中的伤残病人和远程监视的目的,使用这种“湿”电极是不切实际的。尝试了实现干电极,其使用大头针结构电极或类似方式来穿透头发并做出到皮肤的电流接触。当这种类型的电极必须应付厚且长的头发时出现问题。在实践中,这些解决方案常常导致在头皮处到皮肤的不良接触和不足的信号质量。此外,电极皮肤接触阻抗对于不同的电极而言可能不同,并且皮肤接触阻抗随时间推移的变化对于每个电极而言可能不同,对实际应用造成严重的威胁。
用于方便的EEG测量的重要应用是脑波传感技术,诸如α神经反馈。神经反馈(NF)、特别是α神经反馈是可以在消费者和专业健康护理产品两者中都有应用领域的新型方法。Boxtel等人在2011年的国际心理生理学杂志(International Journal ofPsychophysiology)的“新型自我引导的α活动训练方法(A novel self-guided approachto alpha activity training)”中公开了神经反馈在人不感觉到对其自己的精神状态的责任负担的情况下引发人的舒适感觉。这对于医院背景而言是特别相关的,其中,以非常微妙的方式在不要求用户或病人知道神经反馈的效果的情况下使其放松。这对于医院背景而言是重要的,因为其意味着病人没有必须要放松的感觉负担。
为了以方便的方式来测量α脑波活动,干电极是必需的。在用凝胶电极的标准EEG测量中,通常在受控条件下完成测量,其中,实验者或经训练的人员涂上凝胶并将EEG系统定位于用户的头上,检查皮肤电极接触阻抗是否在范围内(即,小于10 kΩ)以及信号是否看起来如预期。在其中专家不可用且其中用户施加干电极(具有干电极的头箍(headset))的现实生活情况下,实际测量之前对信号质量的全面预先测量并不是个选项。用户并不处于施行对信号质量的彻底检查的位置。然而,充分的信号质量对于防止用户依附于(adhering to)错误的神经反馈而言是至关重要的。
作为此问题的解决方案,WO 2011/055291 A1公开了一种用于将干的大头针结构电极定位于用户头皮上的设备。该设备以在多个电极上朝着头皮施加压力、从而改善电极到皮肤的接触的弹性元件为特征。进一步改善信号质量的一个方式是监视和调整电极-皮肤接触压力,其进而改变电极-皮肤接触阻抗。
US 2009/062680 A1公开了一种用于脑电描记术神经反馈训练方法的伪像检测和校正系统。所公开的系统的核心元件是伪像检测系统和EEG信号校正器,其中包含所检测的伪像的数据读数被最后所知的良好数据读数替代。当所检测的伪像发生时,在向受训人员提供EEG信号的特定视觉或听觉反馈测量之前对EEG信号进行校正。
US 7433732 B1公开了一种用于监视婴儿脑功能的实时脑监视系统。将婴儿的EEG数据相对于相同年龄组的儿童中的孩子的正常和异常脑功能或行为进行比较。可以评价儿童的疾病并且可以实时检测婴儿癫痫(seizure)。关于EEG信号的处理,US 7433 732 B1教导了可以将噪声减少处理应用于EEG信号并且未提及神经反馈。
US 2011/295142 A1公开了一种用于从生理信号识别生理伪像的方法和检测器。US 2011/295142 A1也未提及神经反馈。
发明内容
本发明的目的是提供一种防止用户依附于错误的神经反馈的神经反馈系统和方法。此外,该系统和方法应具有实时能力。
在本发明的第一方面中,提出了一种神经反馈系统,其包括:用于接触用户的皮肤以用于测量用户的生物反馈信号的电极;用于确定所测量的生物反馈信号的信号特性的第一信号处理单元,其中,信号特性表示神经反馈;用于通过提取所测量的神经反馈信号的信号特征并计算用于所述信号特征的测量误差的概率来确定所测量的生物反馈信号的生物反馈信号质量的第二信号处理单元,该概率表示生物反馈信号质量;以及用于向用户提供反馈的反馈单元,其中,该反馈包括神经反馈和关于生物反馈信号质量的反馈,并且其中,反馈的强度基于生物反馈信号质量。
本发明的另一方面涉及一种用于确定所测量的生物反馈信号的信号特性且用于通过提取所测量的生物反馈信号的信号特征并计算用于所述信号特征的测量误差的概率来确定所测量的生物反馈信号的生物反馈信号质量的信号处理器,其中,该信号特性表示神经反馈,该概率表示生物反馈信号质量,并且其中,反馈的强度基于生物反馈信号质量。
在本发明的另一方面中,提出了一种用于为用户提供神经反馈的方法,其包括步骤:测量用户的生物反馈信号;确定所测量的生物反馈的信号特性,其中,该信号特性表示神经反馈;通过提取所测量的生物反馈信号的信号特征和计算用于所述信号特征的测量误差的概率来确定所测量的生物反馈信号的生物反馈信号质量,该概率表示生物反馈信号质量;以及向用户提供反馈,该反馈包括神经反馈和关于生物反馈信号质量的反馈,并且其中,反馈的强度基于生物反馈信号质量(12)。
在本发明的又另一方面中,提供了一种计算机程序,其包括用于当在计算机上执行所述计算机程序时促使计算机执行根据本发明的用于为用户提供神经反馈的方法的步骤的程序代码装置。
在从属权利要求中定义了本发明的优选实施例。应理解的是要求保护的信号处理器、方法和计算机程序具有与要求保护的设备类似和/或相同且如在从属权利要求中定义的优选实施例。
本发明是基于这样的思想,即如果神经反馈系统、特别是使用干电极的神经反馈系统中的信号质量是有限的,则应至少使得用户知道神经反馈的可靠性。而且,该系统必须能够实时地提供反馈。此外,该系统应特别地非常适合于供非专业用户使用。常规神经反馈系统使用由经训练的专业人员施加的湿电极。这牵涉各个电极的调整和各个电极的阻抗测量。然而,不能由用户自己来方便地检查例如在颅骨背面上的电极。此外,在实验室中使用常规神经反馈系统。针对现实生活、非实验室情况下的实时神经反馈而设计了本发明。在现实生活情况下,存在两个主要问题。
首先,可以通过在用户的头上放置或重新调整电极(将某种形式的头箍用于安装)且由于因移动而引起的皮肤与电极之间的摩擦而引起大的信号漂移。用户可将系统拿掉和重新戴上许多次。仅仅拿掉和重新戴上电极将产生巨大的信号漂移。另外,用于放大生物反馈信号的电路可能需要一定的时间以便稳定。还可能由移动伪像—头部的物理移动而引入漂移,即由于在将干电极摩擦皮肤和/或头发时产生的静电放电或者由于由电极位置的移动或重新调整产生的电极-皮肤接触表面的尺寸和形状的变化。
第二个问题是环境噪声和由肌肉紧张产生的噪声及此类噪声随时间推移的动态过程的影响。此类噪声可以导致可以在不同的时刻之间改变的信号的谱成分的失真。这些改变可能是由于环境本身的改变、由于用户处于运动中或在环境中从一个部分移动至另一部分而引起的。电磁波(例如,电源线噪声)的影响在环境的不同部分中可能是完全不同的,或者当人或电子部件在由导电材料制成的对象附近时或者当人与其(例如,金属桌子、具有金属元件的椅子)进行直接接触时可能改变。在任何时间点处可引入信号漂移或谱失真的问题。
因此,用于神经反馈应用的系统需要依赖于能够检测这些问题且能够用来实时地修改反馈的实时信号分析方法。该实时信号处理引入了使用相当简单的方法来检测这些问题的要求。所提出的神经反馈系统使用能够使用要求非常低的计算能力的信号处理来识别的信号特征。此外,该方法可以再使用通常在诸如EEG应用之类的许多实际应用中应用的谱分析的过程。因此,可以在不需要计算的情况下识别此类信号特征,并且可以用以非常低的成本施行信号处理的软件或硬件部件来实施此类信号特征。
在常规神经反馈系统中,在实验室中的实际测量之前的冗长过程中建立和配置系统。在实际神经反馈会话开始的时刻,经训练的专业人员已确保信号质量是足够好的,并且由于在实验室的受控环境中执行神经反馈会话,生物反馈信号质量不会在会话期间显著地改变。而且,用户不移动。在具有实验室级信号质量的此静态环境中,为用户提供神经反馈。与常规神经反馈系统相比,可以在其中如上所述将预期信号漂移和谱失真的非实验室情况中使用所提出的神经反馈系统。因此,反馈单元不仅向用户提供神经反馈,而且提供关于生物反馈信号质量的反馈。此修改防止用户在生物反馈信号质量(特别是在用于神经反馈的感兴趣频率范围内)比要求的低的时刻依附于错误的神经反馈。换言之,所提出的神经反馈系统以计算高效的方式来估计生物反馈信号的漂移和生物反馈谱成分失真的量,并使用这些估计值来修改反馈。
在这里应注意的是生物反馈信号将被理解为可以通过电极来测量并表示用户的任何生物活动的任何电信号。此类生物反馈信号包括但不限于脑活动(EEG)信号、ECG(心电图)信号、心率信号、呼吸速率信号,即一般地任何脑和/或身体信号。
在根据本发明的神经反馈系统的一个实施例中,电极是干电极。干电极的优点是其可以由用户自己来施加。此外,可以避免传导性凝胶到用户头发的涂敷。
在根据本发明的神经反馈系统的另一实施例中,神经反馈系统是被适配成实时地为用户提供反馈的实时神经反馈系统。该反馈包括神经反馈以及关于生物反馈信号质量的反馈两者。因此,可以在神经反馈会话期间直接地检测降低的生物反馈信号质量。例如,如果来自电极的所测量的生物反馈信号存在问题,则可以向用户指示这一点,使得用户可以重新调整电极。这相比于常规神经反馈系统而言是显著的改善,在常规神经反馈系统中,例如当电极使用皮肤接触时,必须重复整个神经反馈会话。替换地,可以使用关于信号质量的实时信息来监视神经反馈会话的持续时间。例如,如果期望预定持续时间的神经反馈会话,则仅计算朝向(towards)神经反馈会话的时间,其中生物反馈信号具有充分的质量。可以丢弃其中生物反馈信号质量低的时间。
在根据本发明的神经反馈系统的另一实施例中,将所测量的生物反馈信号分段成时间段。针对每个时间段独立地确定信号特性和/或生物反馈信号质量。该时间段也称为时期(epoch)。分段对于针对低计算能力或低功率消耗而设计的神经反馈系统而言是特别有利的,因为要处理的生物反馈信号的大小是有限的。时间段的长度对于所测量的生物反馈信号的不同信号特性而言或者对于其不同信号特征而言可以是相等或不同的。在本实施例的一个变体中,生物反馈信号被分段成的时间段重叠。例如,时期的持续时间是1秒且1秒持续时间的下一时期可以在当前这个之后0.25s开始。在那种情况下,神经反馈可以每0.25s进行更新。在另一示例中,使用第一持续时间的段来描述信号漂移,而评估第二持续时间的段以分析信号的谱成分。
在根据本发明的神经反馈系统的另一实施例中,生物反馈信号是EEG信号,并且所测量的EEG信号的信号特性包括EEG频带中的谱功率。此谱功率可以直接地表示神经反馈。替换地,信号特性是不同EEG频带中的多个谱功率的组合或EEG频带中的谱功率的比。例如,信号特性可以是作为神经反馈而呈现给用户的纯α脑波活动或α功率对于β功率的比。通常,神经反馈协议使用EEG波段:α、β、γ、Δ、θ中的一个的相对谱功率(归一化成例如1—40 Hz)或波段谱功率的比,诸如α/θ、β/θ等。此外,可以评估不同的电极,诸如在左和右脑半球上的电极上的单个EEG波段中的谱功率的比,等等。
在根据本发明的神经反馈系统的替换实施例中,所测量的生物反馈信号的信号特性和/或所测量的生物反馈信号的信号特征包括一组元素中的至少一个元素,该组元素包括所测量的生物反馈信号的最小值、所测量的生物反馈信号的最大值、所测量的生物反馈信号的平均值、所测量的生物反馈信号的中值、所测量的生物反馈信号的标准偏差、所测量的生物反馈信号的斜率、所测量的生物反馈信号的最大值与最小值之间的差、所测量的生物反馈信号的平均值与中值之间的差、在从1至4 Hz的Δ频域中的所测量的生物反馈信号的谱功率、在从4至8 Hz的θ频域中的所测量的生物反馈信号的谱功率、在从8至12 Hz的α频域中的所测量的生物反馈信号的谱功率、在从12至30 Hz的β频域中的所测量的生物反馈信号的谱功率、在从30至45 Hz的低γ频域中的所测量的生物反馈信号的谱功率、在从50至75Hz的高γ频域中的所测量的生物反馈信号的谱功率。谱范围的替换定义在本实施例的范围内。例如,可以定义直至4Hz的Δ频域、从8至13 Hz的α频域、从13至30 Hz的β频域以及从30至100 Hz的一个γ频域。这些波段可直接地相邻、重叠或在其之间具有间隙。可针对每个信号特征独立地计算测量误差的概率。因此,可以针对每个信号特征独立地确定生物反馈信号质量。替换地,将用于多个信号特征的测量误差的概率进行组合以获得组合的生物反馈信号质量。用于组合的方法包括加法、乘法,或者还可包括加权因数。例如,信号特征“斜率”与例如所测量的生物反馈信号的“最小值”相比可以对信号质量具有更强的影响。在本实施例的变体中,将谱功率或谱功率比用于神经反馈,同时将诸如信号漂移、最大幅度、平均值等信号特征用于估计信号质量。
在根据本发明的神经反馈系统的另一实施例中,在没有测量误差的情况下根据所述信号特征的预定分布来推断测量误差的所述概率的概率分布。本实施例的优点是用以确定测量误差的概率的低计算工作量,该概率进而表示生物反馈信号质量。作为确定测量概率的替换,当然可能确定测量误差不存在的概率。测量误差不存在的概率是一减去测量误差的概率。在其中不存在测量误差的背景下可以从所述信号特征的先前测量结果获得概率分布。例如,从受控条件下的实验室背景中的所述信号特征的在先测量结果导出概率分布。可以对所测量的分布应用附加信号处理,诸如低通滤波、平滑化或到诸如高斯分布之类的数学模型的拟合。可以将概率分布存储在神经反馈系统的存储器中。可针对每个信号特征存储单独的概率分布。将所识别的信号特征与描述特征的预期范围的预定义值(例如最大值、最小值、期望分布)相比较。如果信号特征与期望分布匹配或在给定范围内,则这对应于良好的信号质量。
在本实施例的变体中,信号特征的预定分布是用户特定的分布。可以由用户或医务人员来选择适当的分布。替换地,该预定分布是基于来自病历或相当情况的用户数据,诸如年龄、性别或其他信息。进一步替换地,根据用户和/或用户环境而自动地确定预定分布。针对其中用户选择分布模型和参数的预定算法的手动适配,神经反馈系统还可以包括用户接口。替换地,针对自动选择和/或适配,可以从用户的历史数据导出分布。进一步替换地,生物反馈信号的段可以被用户标记为“干净信号”并在没有或有低测量误差的情况下充当用于信号的参考。
在根据本发明的神经反馈系统的另一实施例中,用特征值来表示信号特征,并且可从测量误差的概率对于特征值的函数获得测量误差的概率。本实施例的优点是从所测量的信号特征到达测量误差的概率的非常低的复杂性。所测量的信号特征被减少至特征值。测量误差的概率是此特征值的函数。测量误差的概率与特征值之间的函数关系可以包括其中测量误差的概率是100%的禁止的特征值范围、其中测量误差的概率为0%的最佳范围以及过渡,例如这些范围之间的线性过渡。
替换地,测量误差与特征值之间的函数关系由诸如高斯分布之类的不同分布定义。
在根据本发明的神经反馈系统的另一实施例中,通过将用于信号特征中的每个的测量误差的概率进行组合而根据生物反馈信号的多个信号特征来确定生物反馈信号质量。为了获得关于信号质量的更可靠的信息,可以评估生物反馈信号的多个信号特征。针对那些信号特征中的每一个,可以提取特征值并确定用于此特征值的概率。可将各个特征的误差概率进行组合以便获得总体生物反馈信号质量。
在根据本发明的神经反馈系统的另一实施例中,神经反馈系统包括多个电极,其中,针对电极中的每个来测量生物反馈信号,并且其中,针对生物反馈信号中的每个来确定信号特征的测量误差的概率,其中,通过将测量误差的概率进行组合来确定生物反馈信号质量。有利地,不仅根据单个电极的生物反馈信号、而且根据多个电极的生物反馈信号来确定生物反馈信号质量。此外,可以根据来自多个电极的生物反馈信号的多个信号特征来确定生物反馈信号质量。这增加所确定的生物反馈信号质量的可靠性和准确度。
在根据本发明的神经反馈系统的另一实施例中,对提供给用户的反馈的刷新取决于生物反馈信号质量。可以显式地或隐式地将关于生物反馈信号质量的反馈提供给用户。在显式反馈中,将关于生物反馈信号质量的反馈从神经反馈机制解耦。例如,可以将关于生物反馈信号漂移的信息呈示为红色交通灯,该红色交通灯在灯为红色时用信号通知用户其不应跟随神经反馈。类似地,可以使用音频消息(例如,嘟嘟声或通告)来用信号通知用户在信号中存在谱失真,使得其知道其不应信任规则的神经反馈。
此外,音频信号的响度(或其他方面)或交通灯的强度(或其他方面)可以分别地指示谱失真或漂移的严重程度。替换的光学、音频或视听手段在本实施例的范围内。在隐式反馈中,通过影响神经反馈机制而向用户反馈生物反馈信号质量。例如,如果生物反馈信号质量不良,则反馈单元不刷新神经反馈。替换地,反馈单元仅在微小的程度上对表示神经反馈的所测量的生物反馈信号的信号特性的改变进行反应。当失真不再明显时(例如当测量误差的概率返回至低值时),规则的神经反馈机制可以继续进行。通过隐式地或显式地提供关于信号质量的反馈,使得用户知道信号质量存在问题且其应尽力克服它们以确保神经反馈的最高有效性。这可以通过将电极重新定位、避免头部或身体移动和运动或者通过进入其中他可能预期较少电磁干扰的环境来完成。
附图说明
根据下面描述的实施例,本发明的这些及其他方面将显而易见,并且将参考下面描述的实施例而被阐明。在以下图中:
图1示出了根据本发明的神经反馈系统的框图;
图2示出了根据本发明的神经反馈系统的信号处理的流程图;
图3示出了用于两个干电极的随时间推移的两个所测量的EEG信号的信号幅度的图表;
图4A示出了没有谱失真的两个所测量的EEG信号的谱功率的图表;
图4B示出了具有谱失真的两个所测量的EEG信号的谱功率的图表;
图5A示出了测量误差不存在的概率对于特征值的函数的第一图表;
图5B示出了测量误差不存在的概率对于特征值的函数的第二图表;
图6A示出了随时间推移的两个所测量的EEG信号的谱特征的图表;
图6B示出了随时间推移的谱失真不存在的相应概率;
图7A示出了随时间推移的两个所测量的EEG信号的时间特征值的图表;
图7B示出了随时间推移的EEG信号漂移不存在的相应概率;
图8A示出了用于多个时间特征的随时间推移的漂移不存在的概率的图表;
图8B示出了随时间推移的漂移不存在的相应组合概率的图表;
图9A示出了用于多个谱特征的随时间推移的谱失真不存在的概率;
图9B示出了随时间推移的谱失真不存在的相应组合概率的图表;
图10示出了随时间推移的β功率、α功率和相对α功率的图表。
具体实施方式
图1示出了根据本发明的神经反馈系统1的框图。神经反馈系统1包括电极2、第一信号处理单元3、第二信号处理单元4和反馈单元5。可选地,神经反馈系统1还包括电极2'、2"和存储器15。
本实施例中的电极2、2'、2"是经由大头针状接触结构8而接触用户7的皮肤6、特别是头皮的干电极。电极2、2'、2"用来测量用户7的生物反馈信号9。针对以下说明,将使用EEG信号作为非限制性示例。
第一信号处理单元3被适配成确定所测量的EEG信号9的信号特性11。本示例中的信号特性11是α脑波活动,或者换言之从8至12 Hz的α频域中的所测量的EEG信号9的谱功率。替换地,信号特性11是α功率对于β功率的比。可以通过在反馈单元5上将此信号特性11向用户7呈现为值或随时间推移的图表而将信号特性11用于神经反馈。特别地,可以在反馈单元5的显示器10上将信号特性11作为随时间推移的图表而反馈给用户7。
第二信号处理单元4被适配成通过提取所测量的EEG信号9的信号特征并计算用于所述信号特征的测量误差的概率来确定所测量的EEG信号9的EEG信号质量12。测量误差的此概率表示EEG信号质量12。下面参考图2来进一步更详细地描述信号处理。可选地,存储器15被连接到第二信号处理单元4。
反馈单元5被适配成向用户7提供反馈。此反馈包括由来自第一信号处理单元3的信号特性11表示的神经反馈和关于来自第二信号处理单元4的EEG信号质量12的反馈。可以将关于EEG信号质量12的反馈显式地或隐式地提供给用户7。针对显式反馈,反馈单元5包括被适配成为用户7提供关于EEG信号质量12的反馈的可选信令装置13。信令装置13可以是光学信令装置,例如类似于交通灯,其用绿灯或没有灯来指示良好的EEG信号质量12并用红灯来指示不良的EEG信号质量12。替换地,此信令装置可以连续地将其色彩从绿色变成红色、基于EEG信号质量12来改变其强度、改变闪烁频率等。进一步替换地,信令装置13可以是显式地为用户提供关于EEG信号质量12的反馈的任何类型的声学信令装置。作为第二选项,可以通过修改神经反馈而将关于EEG信号质量12的反馈隐式地提供给用户7。例如,如果在显示器10上将神经反馈作为随时间推移的图表而提供给用户7,则图表的曲线或图表的背景的颜色或者强度可以指示EEG信号质量12。进一步替换地,作为隐式反馈的示例,对在显示器10上呈现的神经反馈的刷新可取决于EEG信号质量12。例如,刷新速率在高EEG信号质量12下可以是高的且在低EEG信号质量12下是低的。
在另一示例中,在基于α的神经反馈的情况下,将相对α谱功率的值(即与4至35 Hz的频率范围内的功率相比较的8至12 Hz的频率范围内的功率)转换成指示信号特性11的“温度条”。可以在反馈单元5的显示器10上将此信号特性11作为神经反馈呈现给用户。此比的高值指示用户7的放松状态。在隐式反馈的情况下,可以基于EEG信号质量12的绝对值来减少温度条的增加或减小。在视听或纯音频信令的情况下,可以使声音的频率或其响度与EEG信号质量12相关。
参考图2,呈现了由神经反馈系统1施行的步骤的流程图。该过程从获取20所测量的EEG信号9开始并以将包括神经反馈和关于EEG信号质量12的反馈的反馈21提供给用户7结束。
图2中所示的流程图的左侧分支包括确定EEG信号9的信号特性的步骤22。如上所述,作为神经反馈呈现的信号特性通常是EEG谱带中的谱功率。
图2中所示的流程图的右侧分支提供关于用于确定EEG信号质量的信号处理的细节。在第一步骤23中,将EEG信号分离成两个子分支。在下文中,在左侧子分支中处理一般地关于时间失真或漂移的特征,并且在右侧子分支中处理关于谱失真的特征。
在对图2的过程步骤的说明期间,将对图3至11做出参考,图3至11表示在图2的流程图的各种步骤处的信号或信号处理结果的图表。
图3示出了当用户将在这里为EEG头箍形式的干电极定位于其头上时产生的信号漂移的图表。点线表示用位于用于EEG测量的国际10—20系统的位置C4处且以右侧耳垂为参考的第一干电极测量的第一信号X1。短划线表示用位于位置C3处且以左侧耳垂为参考的第二干电极测量的第二信号X2。由于有限的动态范围,极高和极低值被剪除。信号明显地变化直至其朝着在右侧的图表结尾稳定为止。特别是在0与8秒之间,信号质量不良且不应被用于神经反馈。优选地,用户仅在信号已经稳定时才依附于神经反馈。
返回参考图2中的左侧子分支,将EEG信号分段24成称为时期的时间信号。可选地,各时期重叠。针对每个时期,提取25信号的一个或多个特征,所述特征包括时期内的信号的最小值、时期内的信号的最大值、信号的平均值、中值、标准偏差或斜率。在可选步骤26中,将这些特征进一步减少至该时期内的信号的最大和最小值之间的差、该时期内的信号的平均值和中值之间的差、信号的标准偏差和斜率。
相对于关于谱失真的图2中的右侧子分支,第一步是时间EEG信号的分段步骤34,其后接着是到频域的变换35。可选地,可以在流程图的左侧和右侧分支之间共享信号处理步骤。例如,可以与左侧分支中的步骤22共享右侧分支的到频域的变换35的结果以得到高效的实施方式。应注意的是分段24和分段34可以替换地是对于两个子分支而言共同的一个共同操作。然而,还可能的是对每个分支或者甚至分支内的每个信号特征使用不同的分段。在图4A和4B中示出了到频域35的转换结果。
图4A示出了在直至30Hz的频率上的谱功率。曲线X1和X2指的是来自两个不同EEG电极的信号。在图2中的步骤36中,从频域信号提取谱特征,例如,从1至4 Hz的Δ频域中、从4至8Hz的θ频域中、从8至 12Hz的α频域中、从12至 30Hz的β频域中、从30至45 Hz的低γ频域中、从50至75 Hz的高γ频域中的所测量的EEG信号中的谱功率。
在图4A中,在α频域中存在强的谱功率,该谱功率可以清楚地与β频域中的谱功率区别开。在图4B中,存在附加谱失真,其显著地增加从12至30 Hz的β频域中的谱功率,特别是针对曲线Χ1'。
在EEG信号中存在多个失真。特别地,用干电极获取的原始EEG信号远劣于在受控条件下在实验室背景中用常规“湿”电极测量的EEG信号。因此,包括神经反馈和关于EEG信号质量的反馈的实时反馈是合期望的。然而,该解决方案应是廉价、快速且成本有效的。根据本发明的实施例,基于分别地作为步骤25、26和36的结果提取的时间和谱特征而针对每个特征来计算测量误差的概率。下面将针对示例性特征图示出该过程。
图5A示出了y轴上的测量误差pa不存在的概率对于x轴上的特征值x的图表。大写字母A、B、C、D和E表示信号特征x的不同的值范围。为了简单起见,该图表定义预期特征值将在其中的最佳值范围C以及并不预期特征值将在其中的两个禁止范围A和E。两者之间的范围被建模为从最佳至禁止范围的线性增加B或线性减小D。
替换地,可以如图5B中所示地应用不同的分布。进一步替换地,并非所有范围都必须存在,例如,具有100%的测量误差不存在的概率的范围C可一直延伸至0的特征值。在那种情况下,范围A和B不存在。此外,对于每个时间特征和/或谱特征而言分布可以是不同的。参考图2,可以将相应的分布存储在数据库中并可以从用于特征中的每个的储存器40接收相应的分布。
图6A示出了随时间推移的谱特征“低γ谱功率”的图表。再次地,描述两个不同电极的信号X1和X2。y轴上从0至2000的值范围对应于图5A中的范围C,从2000至4000的值范围对应于值范围D且4000以上的值范围对应于值范围E。在本示例中,范围A和B是不可用的。针对图6A中的每个特征值,计算测量误差不存在的相应概率,在这种情况下为谱失真不存在的概率。如果X1或X2的低γ谱功率在范围C内,则谱失真不存在的相应概率为100%。这也指示优良的EEG信号质量。范围E内的任何值对应于0%的谱失真不存在的概率,因此对应于不良EEG信号质量。在范围D之间,基于图5A中描绘的函数、范围D来计算谱失真不存在的相应概率。计算用于每个信号特征的测量误差的概率的此概念具有低计算复杂性,并且从而降低神经反馈系统的复杂性和成本。其也非常适合于实时实施方式。
图7A示出了时间特征、即最大和最小信号值的差的图表。曲线的每个值对应于针对所测量的EEG信号的段而提取的特征值。在本示例中,存在来自图5A的所有值范围A至E。最大值和最小值之间非常大的差指示由于强的信号漂移引起的测量误差。同样地,极低的差也是不现实的,因为无噪声的信号也是不现实的。例如当所测量的EEG信号在范围之外且信号纵贯该时间段(参见图3的前几秒)保持在上或下边界处时发生最大和最小值的非常低或者甚至零的差。在中间的是与线性过渡B和D相邻的最佳范围C。针对图7A中的每个特征值,存在在图7B中描绘的漂移不存在的相应概率。在高达约30秒的开头处,当用户调整其头上的EEG电极时存在强的信号变化。在此阶段期间,向用户提供神经反馈是不合理的,因为EEG信号质量低。替换地,与神经反馈并行地向用户提供关于信号质量的反馈以指示尚未达到充分的信号质量。
再次参考图2中的流程图,用pt1...ptn和pf1...pfm来指示计算27、27'、37、37'用于一个或多个时间信号特征和/或谱信号特征的测量误差的概率的步骤。
图8A示出了用于多个特征的漂移不存在的概率的图表。图8A描绘了时间特征最大值—最小值、平均值—中值、标准偏差和斜率。在图8B中,在用于时间特征的漂移不存在的一个单个概率中将这些特征进行组合。可以例如作为各个特征的各个概率的乘法来完成此组合。
相应地,图9A示出了用于多个不同谱特征的每个特征的谱失真不存在的概率。在图9B中呈现了谱失真不存在的组合的总体概率。
返回参考图2,在步骤28中执行图8B的组合,其中在步骤38中执行图9B的组合。组合步骤是可选的。可以可选地在步骤50中组合步骤28和38的所计算的概率。结果是供应给向用户提供反馈21的步骤的信号质量。
在图10中呈现了可以影响相对α神经反馈的谱失真的示例。该图描绘了β频带中的β功率(上图)、α频带中的α功率(中图)和相对α功率的改变(下图)。相对α功率被定义为α功率对于β功率的比。175秒之后相对α功率的增加主要是由于β波段中的失真不存在且较少由于α波段中的功率增加而引起。关于此失真的反馈防止用户依附于错误的神经反馈。
总之,根据本发明的神经反馈系统、信号处理器和方法使得能够实现更稳健的神经反馈,特别是使用干电极,并且以高效的、具备实时能力的信号处理通过考虑所测量的EEG信号的质量来增加神经反馈的有效性。
还可以将本教导应用于脑机接口(BCI)领域中。如在本发明的上下文内使用的术语神经反馈还包括BCI应用。特别地,一种神经反馈见于计算机、控制单元或游戏设备对于用户的EEG信号的反应中。
虽然在图和前述描述中已详细地图示并描述了本发明,但应认为此类图示和描述是说明性或示例性而非限制性的;本发明不限于所公开的实施例。根据对图、本公开以及所附权利要求的研究,本领域的技术人员在实践要求保护的发明时可以理解并实现对所公开的实施例的其他变型。
在权利要求中,词语“包括”不排除其他元素或步骤,并且不定冠词“一”或“一个”不排除多个。单个元素或其他单元可履行权利要求中记载的数个项目的功能。某些措施记载于相互不同的从属权利要求中的仅有事实并不指示不能有利地使用这些措施的组合。
可将计算机程序存储/分布在适当的介质上,诸如与其他硬件一起或作为其一部分供应的光学存储介质或固态介质,但是还可以以其他形式进行分布,诸如经由因特网或其他有线或无线电信系统。
不应将权利要求中的任何附图标记理解为限制范围。
Claims (15)
1.一种神经反馈系统(1),包括:
电极(2、2'、2"),用于接触用户(7)的皮肤(6)以用于测量用户(7)的生物反馈信号(9),
第一信号处理单元(3),用于确定所测量的生物反馈信号(9)的信号特性(11),其中,该信号特性(11)表示神经反馈,
第二信号处理单元(4),用于通过提取所测量的生物反馈信号(9)的信号特征并计算用于所述信号特征的测量误差的概率来确定所测量的生物反馈信号(9)的生物反馈信号质量(12),该概率表示生物反馈信号质量(12),以及
反馈单元(5),用于向用户提供反馈,其中,该反馈包括神经反馈和关于生物反馈信号质量(12)的反馈,并且其中,该反馈的强度基于生物反馈信号质量(12)。
2.根据权利要求1所述的神经反馈系统,
其中,所述电极(2、2'、2")是干电极。
3.根据权利要求1所述的神经反馈系统,
其中,所述神经反馈系统是被适配成实时地为用户提供反馈的实时神经反馈系统。
4.根据权利要求1所述的神经反馈系统,
其中,将所测量的生物反馈信号(9)分段成时间段,并且其中,针对每个时间段独立地确定信号特性(11)和/或生物反馈信号质量(12)。
5.根据权利要求1所述的神经反馈系统,
其中,生物反馈信号是EEG信号,并且其中,所测量的EEG信号(9)的信号特性(11)包括频率EEG波段中的谱功率。
6.根据权利要求1所述的神经反馈系统,
其中,所测量的生物反馈信号(9)的信号特性(11)和/或所测量的生物反馈信号(9)的信号特征包括一组元素中的至少一个元素,该组元素包括所测量的生物反馈信号的最小值、所测量的生物反馈信号的最大值、所测量的生物反馈信号的平均值、所测量的生物反馈信号的中值、所测量的生物反馈信号的标准偏差、所测量的生物反馈信号的斜率、所测量的生物反馈信号的最大值和最小值之间的差、所测量的生物反馈信号的平均值和中值之间的差、在从1至4 Hz的Δ频域中的所测量的生物反馈信号的谱功率、在从4至8 Hz的θ频域中的所测量的生物反馈信号的谱功率、在从8至12 Hz的α频域中的所测量的生物反馈信号的谱功率、在从12至30 Hz的β频域中的所测量的生物反馈信号的谱功率、在从30至45 Hz的低γ频域中的所测量的生物反馈信号的谱功率、在从50至75 Hz的高γ频域中的所测量的生物反馈信号的谱功率。
7.根据权利要求1所述的神经反馈系统,
其中,在没有测量误差的情况下根据所述信号特征的预定分布来推断测量误差的所述概率的概率分布。
8.根据权利要求7所述的神经反馈系统,
其中,信号特征的预定分布是用户特定的分布。
9.根据权利要求7所述的神经反馈系统,
其中,由特征值来表示信号特征,并且其中,可从测量误差的概率对于特征值的函数获得测量误差的概率。
10.根据权利要求1所述的神经反馈系统,
其中,通过将用于信号特征中的每个的测量误差的概率进行组合而根据生物反馈信号(9)的多个信号特征来确定生物反馈信号质量(12)。
11.根据权利要求1所述的神经反馈系统,
包括多个电极(2、2'、2"),其中,针对电极(2、2'、2")中的每个来测量生物反馈信号(9),并且其中,针对生物反馈信号(9)中的每个来确定信号特征的测量误差的概率, 其中,通过将测量误差的概率进行组合来确定生物反馈信号质量(12)。
12.根据权利要求1所述的神经反馈系统,
其中,对提供给用户的反馈的刷新取决于生物反馈信号质量(12)。
13.一种用于确定被测量的生物反馈信号(9)的信号特性且用于通过提取所测量的生物反馈信号(9)的信号特征并计算用于所述信号特征的测量误差的概率来确定所测量的生物反馈信号(9)的生物反馈信号质量(12)的信号处理器,其中,该信号特性(11)表示神经反馈,该概率表示生物反馈信号质量(12),并且其中,反馈的强度基于生物反馈信号质量(12)。
14.一种用于为用户(7)提供神经反馈的方法,包括步骤:
测量用户(7)的生物反馈信号(9),
确定所测量的生物反馈信号(9)的信号特性(11),其中,该信号特性(11)表示神经反馈,
通过提取所测量的生物反馈信号(9)的信号特征并计算用于所述信号特征的测量误差的概率来确定所测量的生物反馈信号(9)的生物反馈信号质量(12),该概率表示生物反馈信号质量(12),以及
向用户(7)提供反馈,其中,该反馈包括神经反馈和关于生物反馈信号质量(12)的反馈,并且其中,该反馈的强度基于生物反馈信号质量(12)。
15.一种用于为用户(7)提供神经反馈的装置,包括:
用于测量用户(7)的生物反馈信号(9)的构件,
用于确定所测量的生物反馈信号(9)的信号特性(11)的构件,其中,该信号特性(11)表示神经反馈,
用于通过提取所测量的生物反馈信号(9)的信号特征并计算用于所述信号特征的测量误差的概率来确定所测量的生物反馈信号(9)的生物反馈信号质量(12)的构件,该概率表示生物反馈信号质量(12),以及
用于向用户(7)提供反馈的构件,其中,该反馈包括神经反馈和关于生物反馈信号质量(12)的反馈,并且其中,该反馈的强度基于生物反馈信号质量(12)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261683270P | 2012-08-15 | 2012-08-15 | |
US61/683270 | 2012-08-15 | ||
PCT/IB2013/056582 WO2014027298A1 (en) | 2012-08-15 | 2013-08-12 | Neurofeedback system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104519790A CN104519790A (zh) | 2015-04-15 |
CN104519790B true CN104519790B (zh) | 2018-02-23 |
Family
ID=49474649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380043105.9A Expired - Fee Related CN104519790B (zh) | 2012-08-15 | 2013-08-12 | 神经反馈系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10758149B2 (zh) |
EP (1) | EP2884885A1 (zh) |
JP (1) | JP6322194B2 (zh) |
CN (1) | CN104519790B (zh) |
BR (1) | BR112015003046A2 (zh) |
RU (1) | RU2669466C2 (zh) |
WO (1) | WO2014027298A1 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10194865B2 (en) | 2013-07-30 | 2019-02-05 | Emotiv, Inc. | Wearable system for detecting and measuring biosignals |
US10835144B2 (en) * | 2014-10-22 | 2020-11-17 | Ekg Technology Lab, Inc. | Electroencephalograph, brain wave measurement method, brain wave measurement system |
US20160166207A1 (en) * | 2014-12-11 | 2016-06-16 | Maynard C. Falconer | Technologies for biofeedback electrode contact monitoring |
GB2537844B (en) * | 2015-04-27 | 2017-04-19 | Sensium Healthcare Ltd | Electrode-skin contact quality assessment |
WO2017001981A1 (en) * | 2015-06-30 | 2017-01-05 | Koninklijke Philips N.V. | Measurement re-take alert system |
FR3038509B1 (fr) * | 2015-07-07 | 2017-08-11 | Urgotech | Systeme et procede de caracterisation du sommeil d'un individu |
PT108690B (pt) * | 2015-07-13 | 2023-04-04 | Fund D Anna Sommer Champalimaud E Dr Carlos Montez Champalimaud | Sistema e método para interface cérebro-máquina de aprendizagem de operante |
CN105361867A (zh) * | 2015-10-30 | 2016-03-02 | 中国科学技术大学 | 一种康复数据处理系统 |
WO2018010107A1 (zh) * | 2016-07-13 | 2018-01-18 | 悦享趋势科技(北京)有限责任公司 | 判断脉搏波是否有效的方法及装置 |
CN106560158A (zh) * | 2016-11-23 | 2017-04-12 | 深圳创达云睿智能科技有限公司 | 一种基于脑电的冥想禅修反馈训练方法和装置 |
US10482227B2 (en) * | 2017-03-28 | 2019-11-19 | International Business Machines Corporation | Electroencephalography (EEG) based authentication |
CN110353699B (zh) * | 2018-04-10 | 2023-03-31 | 深圳市理邦精密仪器股份有限公司 | 传感器脱落检测方法、装置及存储介质 |
US11426126B2 (en) | 2019-05-23 | 2022-08-30 | Biosense Webster (Israel) Ltd. | Indicating electrode contact |
US20210346709A1 (en) * | 2020-04-27 | 2021-11-11 | Cadence Neuroscience, Inc. | Therapy systems with quantified biomarker targeting, including for epilepsy treatment, and associated systems and methods |
TWI782282B (zh) * | 2020-06-08 | 2022-11-01 | 宏智生醫科技股份有限公司 | 腦波監測系統及腦波監測方法 |
CN114098766A (zh) * | 2021-11-04 | 2022-03-01 | 杭州菲诗奥医疗科技有限公司 | 一种eeg信号质量自动检测方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2057660C3 (de) | 1969-12-11 | 1978-11-23 | Siemens Ag, 1000 Berlin Und 8000 Muenchen | Vorrichtung zum Erzeugen eines elektrischen Signals, das für eine bestimmte Eigenschaft eines elektrischen Eingangssignals repräsentativ ist |
US3826243A (en) | 1972-07-10 | 1974-07-30 | W Anderson | Brainwave analysis and feedback method and apparatus |
RU2035892C1 (ru) * | 1992-07-10 | 1995-05-27 | Евгения Ивановна Попова | Способ снижения эмоционального напряжения и устройство для его осуществления |
JPH06296597A (ja) | 1992-08-19 | 1994-10-25 | D F C:Kk | 脳波分析方法及びその装置 |
WO2004045087A2 (en) * | 2002-11-08 | 2004-05-27 | Lyndale Trading Company Limited | Adaptive broadband platforms and methods of operation |
US7286604B2 (en) * | 2003-05-27 | 2007-10-23 | Aquity Llc | Carrier interferometry coding and multicarrier processing |
US7433732B1 (en) * | 2004-02-25 | 2008-10-07 | University Of Florida Research Foundation, Inc. | Real-time brain monitoring system |
FI20055366A0 (fi) * | 2005-06-30 | 2005-06-30 | Gen Electric | Elektrodi biopotentiaalisignaalin saamiseksi |
US7713213B2 (en) * | 2006-03-13 | 2010-05-11 | Cardiac Pacemakers, Inc. | Physiological event detection systems and methods |
US20090062680A1 (en) * | 2007-09-04 | 2009-03-05 | Brain Train | Artifact detection and correction system for electroencephalograph neurofeedback training methodology |
US20090312663A1 (en) * | 2008-06-13 | 2009-12-17 | New York University | System and Method for Neurometric Analysis |
US9186075B2 (en) | 2009-03-24 | 2015-11-17 | Covidien Lp | Indicating the accuracy of a physiological parameter |
US8556951B2 (en) * | 2009-06-03 | 2013-10-15 | Koninklijke Philips N.V. | System and method of titrating a phototherapy regime using real-time EEG readings |
US20110015496A1 (en) * | 2009-07-14 | 2011-01-20 | Sherman Lawrence M | Portable medical device |
KR101751823B1 (ko) | 2009-08-14 | 2017-06-29 | 데이비드 버톤 | 마취 및 의식 심도 모니터링 시스템 |
WO2011055291A1 (en) | 2009-11-04 | 2011-05-12 | Koninklijke Philips Electronics N.V. | Device for positioning electrodes on a user's scalp |
US8838226B2 (en) * | 2009-12-01 | 2014-09-16 | Neuro Wave Systems Inc | Multi-channel brain or cortical activity monitoring and method |
US20110295142A1 (en) * | 2010-05-25 | 2011-12-01 | Neurowave Systems Inc. | Detector for identifying physiological artifacts from physiological signals and method |
-
2013
- 2013-08-12 US US14/421,041 patent/US10758149B2/en active Active
- 2013-08-12 RU RU2015108884A patent/RU2669466C2/ru not_active IP Right Cessation
- 2013-08-12 EP EP13780198.1A patent/EP2884885A1/en not_active Withdrawn
- 2013-08-12 CN CN201380043105.9A patent/CN104519790B/zh not_active Expired - Fee Related
- 2013-08-12 WO PCT/IB2013/056582 patent/WO2014027298A1/en active Application Filing
- 2013-08-12 BR BR112015003046A patent/BR112015003046A2/pt not_active Application Discontinuation
- 2013-08-12 JP JP2015527050A patent/JP6322194B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2015529099A (ja) | 2015-10-05 |
US10758149B2 (en) | 2020-09-01 |
WO2014027298A1 (en) | 2014-02-20 |
CN104519790A (zh) | 2015-04-15 |
BR112015003046A2 (pt) | 2018-05-29 |
US20150216437A1 (en) | 2015-08-06 |
RU2669466C2 (ru) | 2018-10-11 |
RU2015108884A (ru) | 2016-10-10 |
JP6322194B2 (ja) | 2018-05-09 |
EP2884885A1 (en) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104519790B (zh) | 神经反馈系统 | |
Al-Shargie et al. | Mental stress quantification using EEG signals | |
Grund et al. | Respiration, heartbeat, and conscious tactile perception | |
Qin et al. | An Adaptive and Time‐Efficient ECG R‐Peak Detection Algorithm | |
Soleymani et al. | Continuous emotion detection in response to music videos | |
US9532748B2 (en) | Methods and devices for brain activity monitoring supporting mental state development and training | |
Colomer Granero et al. | A comparison of physiological signal analysis techniques and classifiers for automatic emotional evaluation of audiovisual contents | |
Valenza et al. | Dominant Lyapunov exponent and approximate entropy in heart rate variability during emotional visual elicitation | |
CA2594456C (en) | System and method for prediction of adverse events during treatment of psychological and neurological disorders | |
Tamura et al. | Seamless healthcare monitoring | |
Voytek et al. | Hemicraniectomy: a new model for human electrophysiology with high spatio-temporal resolution | |
WO2016201130A1 (en) | Method and apparatus for heart rate monitoring using an electrocardiogram sensor | |
Greco et al. | Lateralization of directional brain-heart information transfer during visual emotional elicitation | |
CN101642369A (zh) | 自主神经功能生物反馈方法和系统 | |
Akar et al. | Analysis of heart rate variability during auditory stimulation periods in patients with schizophrenia | |
Kaczmarek et al. | Effects of emotions on heart rate asymmetry | |
Ioannides et al. | Source Space Analysis of Event‐Related Dynamic Reorganization of Brain Networks | |
Kroupi et al. | Phase-amplitude coupling between EEG and EDA while experiencing multimedia content | |
Robinson et al. | Neurophysiological predictors and spectro-spatial discriminative features for enhancing SMR-BCI | |
Dora et al. | Efficient detection and correction of variable strength ECG artifact from single channel EEG | |
Garcia-Molina et al. | Interbeat interval-based sleep staging: work in progress toward real-time implementation | |
Yoo et al. | Automatic detection of seizure termination during electroconvulsive therapy using sample entropy of the electroencephalogram | |
Al-Shargie | Multilevel assessment of mental stress using SVM with ECOC: an EEG approach | |
Haghighi et al. | 40-Hz ASSR for measuring depth of anaesthesia during induction phase | |
Tiwari et al. | New measures of heart rate variability based on subband tachogram complexity and spectral characteristics for improved stress and anxiety monitoring in highly ecological settings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180223 |
|
CF01 | Termination of patent right due to non-payment of annual fee |