CN106175799A - 基于脑电波评估人体情绪和疲劳状态的方法及系统 - Google Patents

Abstract

本发明涉及医疗数据领域，提供了一种基于脑电波评估人体情绪和疲劳状态的方法及系统，所述方法包括如下步骤：通过电极传感器采集人体脑电波，根据所述脑电波获取到脑电波信号；将所述脑电波信号进行傅里叶变换得到对应频段的频段能量；根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度。通过计算得到待评估个体当前的情绪和疲劳状态的特征值，对人体的脑电波以量化的形式体现当前的情绪状态，专注度水平、放松度水平等形式，对情绪和疲劳状态针对性的评估，降低误判率，实现自我情绪和疲劳状态的准确评估。

Description

基于脑电波评估人体情绪和疲劳状态的方法及系统

技术领域

本发明涉及医疗数据领域，尤其涉及一种基于脑电波评估人体情绪和疲劳状态的方法及系统。

背景技术

通常对于人体情绪的识别分为两种方法：分类趋近法及维度趋近法。基于分类趋近法的理论是将情绪分类为六种，分别是愤怒、讨厌、害怕、悲伤、开心及惊吓；维度趋近法是将情绪以维度区分，分别是愉悦/厌恶，激发/抑制，紧张/放松。维度趋近法的模型分为二维、三维模型，如图1，其是一种二维的维度趋近模型，分别以对刺激的反应强度为纵坐标、对事件的喜恶反应为横坐标形成坐标轴，该坐标轴的原点表示一个平衡程度的状态，在心理学上认为，通过环状模型中的对刺激的反应强度、对事件的喜恶反应两个值的组合，可以构成图2中的各种情绪。

疲劳是指机体在一定环境条件下，由于长时间或过度紧张的体力或脑力劳动引起的劳动效率趋向下降的状态。在医学上，按疲劳的性质，疲劳可分为生理疲劳和心理疲劳，对疲劳状态的评价可通过主观和客观的方法来进行。主观评测的方法主要依据主观调查表、自我记录表、睡眠习惯调查表和斯坦福睡眠尺度表等来测评被试者的疲劳程度。客观测评的方法主要从医学角度出发，借医用仪器、设备等辅助工具测试被试者的人体行为、生理、生化方面的某些指标的变化，从而确定其疲劳程度。主观评价方法虽然操作简单、直接、费用低廉、加之对任务完成无干扰、易被接受等优点，是一种被广为采用的评价疲劳的方法，但这种方法很难量化疲劳的等级和程度，又因每个人的理解有明显的差异，其结果往往不能令人满意。近年来，脑电图、眼电图、心电图等检测与分析技术取得了很大的进步，而且在脑力疲劳研究中，脑电波现已成为最广泛的评价中枢神经系统变化的指标之一，然而如何将获得到的脑电波经过处理形成客观有效的数据进行对个体状态评估成为亟待解决的问题。

发明内容

本发明的目的在于提供基于脑电波评估人体情绪和疲劳状态的方法及系统，旨在解决现有技术中评估结果针对性不强，误判率过大的问题。

本发明是这样实现的，提出了一种基于脑电波评估人体情绪和疲劳状态的方法，包括如下步骤：

通过电极传感器采集人体脑电波，根据所述脑电波获取到脑电波信号，所述脑电波信号根据频段包括：α波、β波、θ波；

将所述脑电波信号进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值。

本发明实施例又提供了一种基于脑电波评估人体情绪和疲劳状态的系统，所述系统包括：

脑电波信号采集单元，用于通过电极传感器采集人体脑电波，根据所述脑电波获取到脑电波信号，所述脑电波信号根据频段包括：α波、β波、θ波；

傅里叶变换单元，用于将所述脑电波信号进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

情绪和疲劳状态特征值计算单元，用于根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值。

本发明提出的基于脑电波评估人体情绪和疲劳状态的方法及系统，通过获取待评估个体的脑电波，根据脑电波的频段，得到对应频段的频段能量，进而计算得到待评估个体当前的情绪和疲劳状态的特征值，对人体的脑电波以量化的形式体现当前的情绪状态，专注度水平、放松度水平等形式，对情绪和疲劳状态针对性的评估，降低误判率，实现自我情绪和疲劳状态的准确评估。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中提供的二维的维度趋近模型的示意图；

图2为现有技术中提供的二维的维度趋近模型中各种情绪状态的示意图；

图3为本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的方法的流程图；

图4为本发明实施例提供的人体头部电极位置的示意图；

图5为本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的方法中计算得到对刺激的反应强度的波形图；

图6为本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的方法中计算得到对事件的喜恶反应的波形图；

图7为本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的系统的原理框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

脑电波(Electroencephalogram,EEG)是大脑在活动时，脑皮质细胞群之间形成电位差，从而在大脑皮质的细胞外产生电流。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。

脑电波中按其频率包括：α波(7-14Hz)、β波(14-30Hz)、θ波(4-7Hz)。脑电信号蕴含着包括思维、情感、精神以及心理等活动的丰富内容，可以从其电信号模式和频率来加以区分。如：当我们在昏昏欲睡或者处于疲劳时，脑电波显示θ波(4-7Hz)占优势；当我们在日常清醒状态下，α波(7-14Hz)所占的比例维持在一般的水平；当我们在清醒状态下闭起双眼时，立刻就会发现脑电的α波大幅度地增加；在放松、快乐状态下，与α波在整个脑电分布图中所占的比例有密切关系；但是，如果我们闭着眼睛睡着了，意识模糊了，α波就渐渐消失不见了；当我们在正常的清醒状态下，对于周遭环境，包括人、事、物的体验，大都是基于习惯性的警觉和反应，监控并期望着事物都能如我们所知、所愿地发生，这时脑电β波(14-30Hz)出现；在处心积虑而步调快速的日常生活中，当我们心怀紧张、焦虑、激动或者注意力不集中时，β波的电位就显得更强劲，充分显示出β波经常处于主导地位的状态，这当然也表示脑部的活动趋于活跃、激动或亢奋。也是说，在脑电波中的α波(7-14Hz)是大脑在低认知负荷时的主要标尺，当大脑处于低认知负荷时，α波所对应的频段的频段能量就会变强；在脑电波中的β波(14-30Hz)是大脑在高认知负荷时的主要标尺，当大脑处于高认知负荷时，β波所对应的频段的频段能量就会变强。

图3示出了本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的方法的流程图，为了便于描述，仅示出了与本发明实施例相关的部分，基于脑电波评估人体情绪和疲劳状态的方法：

在步骤S101中，通过电极传感器采集人体脑电波，根据所述脑电波获取到脑电波信号，所述脑电波信号根据频段包括：α波、β波、θ波。

在本实施例中，通常情况下，脑电波是通过安置在头皮上的电压传感器采集的，大脑中有数以百亿计的神经元，每个神经元都可以产生微小的电场，大量相似的微小电信号可以被放置在头皮上的电极检测到，因此，脑电波是许多微小电信号的集合。在采集人体脑电波时，由于在医学上如癫痫临床测试中，对于脑部慢波段的变化数据而言，颞叶检测到的脑电波变化幅度最为显著，因此，作为优选方式，将电极分别放置在头部对应左、右颞叶的位置，如图4示出了人体头部电极位置的示意图，所述头部左、右颞叶的位置分别为图中T7、T8处。

在本实施例中，所述α波为在人清醒、安静、闭眼及正常血糖范围情况下出现；所述β波为在人睁眼和大脑皮层处在紧张活动状态时出现的脑电波，即正常人白天工作时会出现的脑电波；所述θ波为少年或成年人困倦时出现的脑电波。当然，除了上述α波、β波、θ波之外，还包括δ波，δ波震荡频率范围0.5Hz-4Hz，人在睡眠过程中出现的大脑慢活动状态，此时人脑波频率一般在1Hz-3Hz之间，该频率只有在深度睡眠时才会出现。只有在睡眠中出现δ脑电波，第二天人才能精神饱满，否则，即使睡上10个小时，人在第二天也是精神倦怠。

在步骤S102中，将所述脑电波信号进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量。

在本实施例中，所述β波根据频段进一步分为：β₁波，β₂波，β₃波，具体地，所述β₁波的频段为14-16Hz；所述β₂波的频段为16.5-20Hz；所述β₃波的频段为20.5-28Hz。进一步地，亦可根据傅里叶变换得到对应频段的频段能量，所述对应频段的频段能量包括：β₁波频段能量，β₂波频段能量，β₃波频段能量。

在步骤S103中，根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值。

在本实施例中，根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，其计算式为：所述对事件的喜恶反应为个体左脑的α波频段能量与右脑的α波频段能量的差值，其计算式为：对事件的喜恶反应＝左脑α波频段能量-右脑α波频段能量；所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值，其计算式为：

通过上述关于对刺激的反应强度、对事件的喜恶反应、疲劳度的计算式，可根据时间描绘出对应的对刺激的反应强度、对事件的喜恶反应、疲劳度的波形图。如图5示出了本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的方法中计算得到对刺激的反应强度的波形图，其中，假设待测个体X，其对刺激的反应强度(Arousal)的波形图的中心值为A₀，则在t时刻，待测个体X的对刺激的反应强度的值为A_t；如图6示出了本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的方法中计算得到对事件的喜恶反应的波形图，其中，假设待测个体X，其对事件的喜恶反应(Valence)的波形图的中心值为V₀，则在t时刻，待测个体X的对刺激的反应强度的值为V_t。理论上，当待测个体X的情绪一直为平衡时，对刺激的反应强度的值：A_t-A₀＝0,对事件的喜恶反应的值：V_t-V₀＝0。此时，在对应的波形图中，这种一直保持为平衡情绪的函数波形会呈现为平行于X轴的直线，而在实际的应用中，待测个体X的情绪会发生偏离平衡的状态，相应地，对刺激的反应强度(Arousal)的波形图与对事件的喜恶反应(Valence)的波形图会呈现为图5、6中不规则的曲线。

进一步地，为了实现对的变化度的考量，进一步地分别计算个体对刺激的反应强度、对事件的喜恶反应、疲劳度的波形曲线的分维值，通过分维度得到个体情绪的变化度，避免了得到个体的情绪和疲劳状态的特征值的线性结果的不准确性。

在步骤S104中，所述计算分维度具体为：在设定时间段内，获取个体的一情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列一，所述序列一记为：X(1),X(2)，X(3)……X(n)；

对所述序列一引入尺度k，形成序列二，所述序列二记为：X(m)， $X(m+k),X(m+2k)......X(m+[\frac{n-m}{k}\left]k\right),$ 其中，m＝(1，2，3......k)；

根据所述序列二计算出每个序列对应的曲线长度，所述曲线长度计算式为： $L_m\left(k\right)=\frac{1}{k}\left({\mathrm{\Σ}}_{i=1}^{\left[\frac{n-m}{k}\right]}(X(m+\mathrm{ik})-X(m+(i-1)k))\right)\left(\frac{n-1}{\left[\frac{n-m}{k}\right]k}\right),$ 其中，为归一化因子；

得到所述每个序列对应的曲线长度的均值，所述均值(L(k))为：当满足L(k)∝k^-D时，则得到曲线的分维值，所述分维值为： $D=\frac{\log L\left(k\right)}{\log \left(\frac{1}{k}\right)}.$

例如：如图5所形成的对刺激的反应强度(Arousal)的波形图中，在该趋势曲线中取n个采样点组成序列：X(1),X(2)，X(3)……X(n)；

引入一个新的尺度k，构造出新的序列

$X\left(m\right),X(m+k),X(m+2k)......X(m+[\frac{n-m}{k}\left]k\right),$ 其中，m＝(1，2，3......k)；

若取k值为4时，就有：

$X_4^1:X\left(1\right),X\left(5\right),X\left(9\right)......X\left(97\right);$

$X_4^2:X\left(2\right),X\left(6\right),X\left(10\right)......X\left(98\right);$

……

$X_4^4:X\left(4\right),X\left(8\right),X\left(12\right)......X\left(100\right)$

可计算出每个序列所代表的曲线长度，计算式为：

$L_m\left(k\right)=\frac{1}{k}\left({\mathrm{\Σ}}_{i=1}^{\left[\frac{n-m}{k}\right]}(X(m+\mathrm{ik})-X(m+(i-1)k))\right)\left(\frac{n-1}{\left[\frac{n-m}{k}\right]k}\right),$ 其中，为归一化因子；

所述L(k)为L_m(k)的均值，当满足L(k)∝k^-D时，则得到曲线的分维值，所述分维值为：数据总长度为kmax,k取从1到kmax,重复以上运算，可得到每个k对应的L_m(k)，并求得它们的和L(k)。

上述计算式中得到的分维值D，可分别计算出个体对刺激的反应强度、对事件的喜恶反应、疲劳度的波形曲线的量化值，从而进一步地评估出个体的情绪与疲劳度。

如图7示出了本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的系统的原理框图，为便于描述，仅示出了与本发明实施例相关的部分，本发明实施例提供的基于脑电波评估人体情绪和疲劳状态的系统包括：脑电波信号采集单元71、傅里叶变换单元72、情绪和疲劳状态特征值计算单元73及分维度计算单元74，其中：

脑电波信号采集单元71，用于通过电极传感器采集人体脑电波，根据所述脑电波获取到脑电波信号，所述脑电波信号根据频段包括：α波、β波、θ波。

在本实施例中，通常情况下，脑电波是通过安置在头皮上的电压传感器采集的，大脑中有数以百亿计的神经元，每个神经元都可以产生微小的电场，大量相似的微小电信号可以被放置在头皮上的电极检测到，因此，脑电波是许多微小电信号的集合。在采集人体脑电波时，由于在医学上如癫痫临床测试中，对于脑部慢波段的变化数据而言，颞叶检测到的脑电波变化幅度最为显著，因此，作为优选方式，将电极分别放置在头部对应左、右颞叶的位置，如图4示出了人体头部电极位置的示意图，所述头部左、右颞叶的位置分别为图中T7、T8处。

在本实施例中，所述α波为在人清醒、安静、闭眼及正常血糖范围情况下出现；所述β波为在人睁眼和大脑皮层处在紧张活动状态时出现的脑电波，即正常人白天工作时会出现的脑电波；所述θ波为少年或成年人困倦时出现的脑电波。当然，除了上述α波、β波、θ波之外，还包括δ波，δ波震荡频率范围0.5Hz-4Hz，人在睡眠过程中出现的大脑慢活动状态，此时人脑波频率一般在1Hz-3Hz之间，该频率只有在深度睡眠时才会出现。只有在睡眠中出现δ脑电波，第二天人才能精神饱满，否则，即使睡上10个小时，人在第二天也是精神倦怠。

傅里叶变换单元72，用于将所述脑电波信号进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量。

在本实施例中，所述β波根据频段进一步分为：β₁波，β₂波，β₃波，具体地，所述β₁波的频段为14-16Hz；所述β₂波的频段为16.5-20Hz；所述β₃波的频段为20.5-28Hz。进一步地，亦可根据傅里叶变换得到对应频段的频段能量，所述对应频段的频段能量包括：β₁波频段能量，β₂波频段能量，β₃波频段能量。

情绪和疲劳状态特征值计算单元73，用于根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值。

进一步地，为了实现对的变化度的考量，进一步地分别计算个体对刺激的反应强度、对事件的喜恶反应、疲劳度的波形曲线的分维值，通过分维度得到个体情绪的变化度，避免了得到个体的情绪和疲劳状态的特征值的线性结果的不准确性。

分维度计算单元74，具体用于：在设定时间段内，获取个体的一情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列；根据所述序列二计算出每个序列对应的曲线长度；得到所述每个序列对应的曲线长度的均值，进而得到曲线的分维值。

上述计算式中得到的分维值D，可分别计算出个体对刺激的反应强度、对事件的喜恶反应、疲劳度的波形曲线的量化值，从而进一步地评估出个体的情绪与疲劳度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于脑电波评估人体情绪和疲劳状态的方法，其特征在于，包括如下步骤：

通过电极传感器采集人体脑电波，根据所述脑电波获取到脑电波信号，所述脑电波信号根据频段包括：α波、β波、θ波；

将所述脑电波信号进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值。

2.如权利要求1所述的方法，其特征在于，所述α波为在人清醒、安静、闭眼及正常血糖范围情况下出现；所述β波为在人睁眼和大脑皮层处在紧张活动状态时出现的脑电波，即正常人白天工作时会出现的脑电波；所述θ波为少年或成年人困倦时出现的脑电波。

3.如权利要求1所述的方法，其特征在于，所述β波根据频段包括：β₁波，β₂波，β₃波，对应频段的频段能量包括：β₁波频段能量，β₂波频段能量，β₃波频段能量。

4.如权利要求2所述的方法，其特征在于，所述β₁波的频段为14-16Hz；所述β₂波的频段为16.5-20Hz；所述β₃波的频段为20.5-28Hz。

5.如权利要求1、3或4所述的方法，其特征在于，所述对刺激的反应强度的计算式为：所述对事件的喜恶反应的计算式为：对事件的喜恶反应＝左脑α波频段能量-右脑α波频段能量；所述疲劳度的计算式为：

6.如权利要求1所述的方法，其特征在于，所述方法还包括如下步骤：

在设定时间段内，获取个体的一情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列一，所述序列一记为：X(1),X(2)，X(3)……X(n)；

对所述序列一引入尺度k，形成序列二，所述序列二记为：X(m)， $X(m+k),X(m+2k)......X(m+[\frac{n-m}{k}\left]k\right),$ 其中，m＝(1,2,3……k)；

根据所述序列二计算出每个序列对应的曲线长度，所述曲线长度计算式为： $L_m\left(k\right)=\frac{1}{k}\left({\mathrm{\Σ}}_{i=1}^{\left[\frac{n-m}{k}\right]}(X(m+\mathrm{ik})-X(m+(i-1)k))\right)\left(\frac{n-1}{\left[\frac{n-m}{k}\right]k}\right),$ 其中，为归一化因子；

得到所述每个序列对应的曲线长度的均值，所述均值(L(k))为：当满足L(k)∝k^-D时，则得到曲线的分维值，所述分维值为： $D=\frac{\log L\left(k\right)}{\log \left(\frac{1}{k}\right)}.$

7.一种基于脑电波评估人体情绪和疲劳状态的系统，其特征在于，所述系统包括：

脑电波信号采集单元，用于通过电极传感器采集人体脑电波，根据所述脑电波获取到脑电波信号，所述脑电波信号根据频段包括：α波、β波、θ波；

傅里叶变换单元，用于将所述脑电波信号进行傅里叶变换得到对应频段的频段能量，所述频段能量包括：α波频段能量、β波频段能量、θ波频段能量；

情绪和疲劳状态特征值计算单元，用于根据所述对应频段的频段能量，得到个体的情绪和疲劳状态的特征值，所述情绪和疲劳状态包括：对刺激的反应强度、对事件的喜恶反应、疲劳度，其中，所述对刺激的反应强度为β波频段能量与α波频段能量的比值，所述对事件的喜恶反应为个体左右脑的α波频段能量的差值，所述疲劳度为α波频段能量与θ波频段能量之和与β波频段能量的比值。

8.如权利要求7所述的系统，其特征在于，所述α波为在人清醒、安静、闭眼及正常血糖范围情况下出现；所述β波为在人睁眼和大脑皮层处在紧张活动状态时出现的脑电波，即正常人白天工作时会出现的脑电波；所述θ波为少年或成年人困倦时出现的脑电波。

9.如权利要求7所述的系统，其特征在于，所述β波根据频段包括：β₁波，β₂波，β₃波，对应频段的频段能量包括：β₁波频段能量，β₂波频段能量，β₃波频段能量。

10.如权利要求7所述的系统，其特征在于，所述系统还包括分维度计算单元，所述分维度计算单元具体用于：

在设定时间段内，获取个体的一情绪和疲劳状态的特征值，并在该设定时间段内对该情绪和疲劳状态的特征值进行采样，并组成序列；

根据所述序列二计算出每个序列对应的曲线长度；

得到所述每个序列对应的曲线长度的均值，进而得到曲线的分维值。