CN107479709A - 用于使用视频游戏进行神经反馈训练的系统和方法 - Google Patents

Abstract

公开了一种用于神经反馈训练的方法和系统。根据某些实施例，该方法可以包括由处理器经由通信网络接收由接合至用户的至少一个传感器所测量的脑波信号。该方法还可以包括由该处理器确定该脑波信号的频率分布。该方法还可以包括由该处理器在至少一个第一数值满足第一标准时确定视频游戏中的奖励，该第一数值指示该脑波信号在第一频带内的量。该方法可以进一步包括给该用户提供指示该奖励的第一反馈信号。

Description

用于使用视频游戏进行神经反馈训练的系统和方法

技术领域

本公开总地涉及脑-机接口，尤其涉及基于视频游戏和/或物联网(IoT)的神经反馈训练系统和方法。

背景技术

人类大脑中的神经元或神经细胞通过引起电磁场变化的电化学脉冲(也被称为脑波)进行通信。脑波可以通过脑电图(EEG)在头骨外进行测量。通常，脑波谱可以具有若干个不同的频带，诸如δ、θ、α、β和γ带。对大脑和脑信号的研究表明，不同的脑波频带与不同的脑功能以及各种精神状态、情绪状态或认知状态相关。

例如，当人们高度专注于解决某些问题时，β带的幅度会增大，反之，当人们不太专心且比较放松时，α带的幅度会增大。此外，当人们睡觉或感到困倦时，他们的θ带的幅度会增大。

正因如此，已经研发出不同的神经反馈训练方法来测量受训者的脑波活动，并且基于测量结果实时地向受训者提供反馈，使得受训者能够更加了解心理生理过程，并且学习如何对特定的脑波频率模式进行有意识的控制。

然而，即使能够观察他们的实时脑波活动，大多数人可能会发现学习如何控制他们的脑波的频率组成非常具有挑战性。特别是，很难掌握并且无法经由明确的语言指令轻松地传达用于控制诸如“专心”、“警觉”、“放松”等的各种精神/情绪状态的技能。也就是说，并没有简单方法来告诉受训者如何产生期望的脑波活动，这是因为所学习的行为是非语言的，必须通过信息反馈而依据经验来学习。此外，提供给受训者的反馈通常是简单的形式且缺乏变化(例如，仅示出与用户的专注程度成比例的数字或者仅发出警报声)，受训者会认为这很无聊且并不吸引人。

因此，许多神经反馈训练方法需要有经验的训练师来监控所测量的脑波活动，并且通过反复的训练课程来指导受训者。然而，每个训练师的技能可能会有所不同，从而针对个体受训者可能会获得不一致的结果。然而，即使使用训练师，受训者在神经反馈训练的开始阶段仍然会感到困惑，并且想知道他们应该做什么才能控制他们的脑波活动。因此，受训者在初期训练课程期间可能容易感到受挫并失去动力。由于至少这些原因，典型的神经反馈训练方法昂贵、耗时，并且可能被受训者认为是无聊、重复且难以掌握的。

所公开的神经反馈训练系统和方法意在缓解或克服现有技术中的上文提到的一个或多个问题和/或其它问题。

发明内容

本公开的一个方面涉及一种处理器实施的用于神经反馈训练的方法。该方法可以包括由该处理器经由通信网络接收由接合至用户的至少一个传感器所测量的脑波信号。该方法还可以包括由该处理器确定该脑波信号的频率分布。该方法还可以包括由该处理器在至少第一数值满足第一标准时确定视频游戏中的奖励，该第一数值指示该脑波信号在第一频带内的量。该方法可以进一步包括给该用户提供指示该奖励的第一反馈信号。

本公开的另一个方面涉及一种神经反馈训练系统。该系统可以包括与处理器耦合的至少一个传感器。该至少一个传感器配置为：在该至少一个传感器接合至用户时测量脑波信号；并且将该脑波信号传送至该处理器。该处理器配置为：从该至少一个传感器接收脑波信号；确定该脑波信号的频率分布；在至少第一数值满足第一标准时确定视频游戏中的奖励，该第一数值指示该脑波信号在第一频带内的量；以及给该用户提供指示该奖励的反馈信号。

本公开的又一方面涉及一种存储指令的非瞬态计算机可读介质，该指令在被执行时使得一个或多个处理器实施用于神经反馈训练的方法。该方法可以包括经由通信网络接收由接合至用户的至少一个传感器所测量的脑波信

号。该方法还可以包括确定该脑波信号的频率分布。该方法还可以包括在至少第一数值满足第一标准时确定视频游戏中的奖励，该第一数值指示该脑波信号在第一频带内的量。该方法还可以包括给该用户提供指示该奖励的反馈信号。

附图说明

图1是图示根据示例性实施例的用于测量至少一个脑波信号的头环的示意图；

图2是图示根据示例性实施例的用于神经反馈训练的基于视频游戏的系统100的示意图；

图3是根据示例性实施例的图2所示的系统的框图；

图4是图示根据示例性实施例的用于神经反馈训练的基于IoT设备的系统的示意图；

图5是根据示例性实施例的图4所示的系统的框图；

图6是根据示例性实施例的用于基于脑波信号确定反馈的方法的流程图；

图7是根据示例性实施例的用于基于视频游戏进行神经反馈训练的方法的流程图；

图8是图示根据示例性实施例的用于神经反馈训练的视频游戏的场景的示意图；

图9A-9C是图示根据示例性实施例的指示在图8所示的视频游戏中所获得的奖励的视觉特征的示意图；

图10是图示根据示例性实施例的指示在图8所示的视频游戏中所获得的惩罚的视觉特征的示意图；

图11是图示根据示例性实施例的用于神经反馈训练的视频游戏的场景的示意图；和

图12是根据示例性实施例的用于基于IoT设备进行神经反馈训练的方法的流程图。

具体实施方式

本公开总地涉及用于神经反馈训练的系统和方法。在所公开的实施例中，该系统收集并分析受试人(即该神经反馈训练系统的用户)的脑波信号。基于用户资料以及神经反馈训练的目的，该系统确定应该奖励脑波信号的哪个(哪些)频带、以及应该禁止脑波信号的哪个(哪些)频带。随后，该系统以各种方式向用户提供反馈信号，以引导并激励用户加强一个(多个)受奖励频带并且抑制一个(多个)受禁止频带。在一些实施例中，该系统可以在视频游戏中以各种视觉、音频或触觉特征的形式来提供反馈信号。在一些实施例中，该系统可以经由网络致动目标设备(例如玩具、连接的家用电器或者另一IoT设备)。目标设备的由此带来的性能(例如目标设备是否已成功执行了预期致动)为用户提供了直观的神经反馈。

图1是图示根据示例性实施例的用于测量至少一个脑波信号的头环10的示意图。参考图1，头环10可以由用户佩戴。在一些实施例中，头环10可以具有U形主体并且可以缠绕在使用者的头部上。在一些实施例中，头环10可以具有可调节的长度并且可以由形状记忆体制成。例如，头环10的一部分可以具有弹性或者以其它方式可拉伸。作为另一示例，头环10可以具有内置的延伸部分，其能够隐藏、延伸或部分地延伸以调节头环10的长度。正因如此，头环10可适于紧密地适配不同的头部尺寸。

头环10可以包括一个或多个传感器，用于测量脑波信号。例如，这些传感器可以是能够进行EEG检测的医疗级水凝胶传感器。该传感器可以放置在头环10的不同位置，使得在用户佩戴头环10时它们接合到用户头部的不同部分。如图1所示，在一个实施例中，传感器12和14可以安装在头环10的表面上的不同位置，使得当用户佩戴头环10时，传感器12接触用户的前额而传感器14接触用户的一只耳朵。前额是用于检测脑波信号的常用头皮位置之一，而在耳朵及其附近几乎不能够记录脑波信号或者记录不到脑波信号。正因如此，传感器14用作参考传感器，其中由传感器12和14所记录的信号的差异成为所测量的脑波信号。可以预见到，传感器12和14仅用于说明目的。本公开并不限制用于记录脑波信号的传感器的数量以及这些传感器在头皮上的布置。

头环10还可以包括嵌入式信号处理模块16，用于处理由传感器12和14测量的信号。例如，信号处理模块16可以包括一个或多个专用集成电路(ASIC)、控制器、微控制器(MCU)、微处理器或者其它电子部件。例如，信号处理模块16可以包括放大器电路，其确定由传感器12和14测量的信号之间的差异，并且放大由此获得的脑波信号用于进一步分析。

头环10还可以包括嵌入式通信模块18，其配置为有助于在头环10和其它设备之间进行有线或无线通信。在一些实施例中，通信模块18和信号处理模块16可以集成在相同的电路板上。通信模块18可以基于诸如WiFi、LTE、2G、3G、4G、5G等的一种或多种通信标准来接入无线网络。在一个示例性实施例中，通信模块18可以包括近场通信(NFC)模块，以有助于头环10和其它设备之间的短距离通信。在其它实施例中，通信模块18可以基于射频识别(RFID)技术、红外数据协会(IrDA)技术、超宽带(UWB)技术、蓝牙(BT)技术或其它技术来实施。在示例性实施例中，信号处理模块16可以经由通信模块18将经处理的脑波信号传送至其它设备，用于执行所公开的用于神经反馈训练的方法。

在各种实施例中，头环10还可以包括图1中并未示出的某些部件。例如，在一个实施例中，头环10可以包括一个或多个发光二极管(LED)灯，用于指示头环10的操作状态，诸如头环10的开/关、电池电量水平、头环10是否连接等等。在另一实施例中，头环10可以包括用作充电端口的微型USB端口。在另一实施例中，头环10在前额位置处可以包括灯(后文称为“前额灯”)。该前额灯可以指示如由传感器12、14检测的脑波信号所指示的当前专注程度。例如，该前额灯可以通过发射不同颜色的光来指示用户的实时专注程度。例如，红色可以指示用户非常专心，蓝色可以指示用户不专心，绿色可以指示用户处于不同专注程度之间的过渡阶段。除此之外或可替换地，该前额灯还可以通过变化发光强度或发光模式(例如以不同频率闪烁)来指示用户的精神状态。本公开并不对前额灯指示用户的精神状态所使用的方法加以限制。

在所公开的用于神经反馈训练的方法中，由头环10测量的脑波信号用于生成各种形式的激励或惩罚，从而帮助用户掌握对大脑活动的控制。例如，该激励或惩罚可以通过视频游戏进行呈现。图2是图示根据示例性实施例的用于神经反馈训练的基于视频游戏的系统100的示意图。参考图2，系统100可以包括头环10、一个或多个终端20以及一个(多个)云服务器30。与所公开的实施例一致，头环10可以将所测量的脑波信号实时地流传输或以其它方式传送至终端20和/或云服务器30。终端20和云服务器30都可以配置为存储和/或处理所测量的脑波信号。

终端20可以是具有计算能力的电子设备，诸如移动电话、平板计算机、个人计算机、可穿戴设备(例如智能手表)、个人数字助理(PDA)、远程控制器、健身器材、电子书阅读器、MP4(动态影像专家压缩标准音频层面IV)播放器等等。视频游戏可以存储在云服务器30中并且可下载至终端20。下载之后，该视频游戏可以安装在终端20上。当用户选择视频游戏并且开始神经反馈训练课程时，终端20可以加载所选择的视频游戏，并且基于从头环10所接收到的脑波信号而生成视频游戏数据。在所公开的实施例中，终端20还包括用户接口，通过该用户接口用户能够玩该视频游戏。

可替换地且除此之外，该视频游戏还可以在一个或多个云服务器30上存储并运行。云服务器30可以是通用计算机、大型计算机或者这些部件的任意组合。云服务器30可以实施为服务器、由多个服务器组成的服务器集群、或者云计算服务中心。云服务器30可以由第三方服务提供方、神经反馈训练的管理员、或者头环10的制造方或供应方进行操作。在一些实施例中，云服务器30可以从头环10接收脑波信号，并且基于所接收到的脑波信号生成视频游戏数据。云服务器30随后将所生成的视频游戏数据流传输至终端20，使得用户能够实时地在终端20上玩该视频游戏。

图3是根据示例性实施例的图2的系统100的框图。同样，系统100可以包括头环10、一个或多个终端20以及一个(多个)云服务器30，它们通过网络90互相连接。参考图3，与结合图1的描述相一致，头环10包括但并不局限于传感器12和14、信号处理模块16以及通信模块18。头环10可以经由网络90与终端20和/或一个(多个)云服务器30形成有线或无线连接。网络90可以是允许传送和接收数据的任何类型的有线或无线网络。例如，网络可以是全国范围的蜂窝网络、本地无线网络(例如蓝牙^TM或WiFi)或者有线网络。

终端20可以包括控制器210和用户接口220。除其它之外，控制器210可以包括I/O接口212、处理单元214、存储器模块216和/或存储单元218。这些单元可以配置为在彼此之间传输数据以及发送或接收指令。

I/O接口212可以配置用于控制器210和各种设备之间的双向通信。例如，如图3所描绘的，I/O接口212可以向头环10、云服务器30和用户接口220发送信号，并从头环10、云服务器30和用户接口220接收信号。I/O接口212可以经由通信线缆、网络(例如网络90)或者其它通信介质在每个部件之间发送和接收数据。

I/O接口212可以配置为将它从各个部件所接收到的信号进行合并并且将该数据中继至处理单元214。处理单元214可以包括任何合适类型的通用或专用微处理器、数字信号处理器或微处理器。处理单元214可以配置为单独的处理器模块，专用于执行所公开的用于神经反馈训练的方法。可替换地，处理单元214可以配置为共享处理器模块，用于执行终端20的与神经反馈训练无关的其它功能。

处理单元214可以配置为从系统100的部件接收数据和/或信号，并且对该数据和/或信号进行处理以提供神经反馈训练。例如，处理单元214可以经由I/O接口212从头环10接收脑波信号。处理单元214可以进一步对所接收到的脑波信号进行处理，以生成在视频游戏中呈现的各种视觉和/或音频特征。此外，如果该视频游戏在云服务器30上运行，则处理单元214也可以经由I/O接口212从云服务器30接收视频游戏数据。在示例性实施例中，处理单元214可执行存储在存储器模块216和/或存储单元218中的计算机指令(程序代码)，并且可以执行依据本公开中所描述的示例性技术的功能。以下将结合所公开的用于神经反馈训练的方法对处理单元214的更多示例性功能进行描述。

存储器模块216和/或存储单元218可以包括任何合适类型的大容量存储器，该大容量存储器提供为存储处理单元214可能需要操作的任何类型的信息。存储器模块216和/或存储单元218可以是易失性或非易失性的、磁性、半导体、带式、光学、可移除、非可移除或者其它类型的存储设备或有形(即非瞬态)计算机可读介质，包括但不限于ROM、闪存、动态RAM和静态RAM。存储器模块216和/或存储单元218可以配置为存储可以由处理单元214执行以实施本申请所公开的示例性神经反馈训练方法的一个或多个计算机程序。例如，存储器模块216和/或存储单元218可以配置为存储一个(多个)程序，该一个(多个)程序可以由处理单元214执行，以基于脑波信号确定在视频游戏中使用的奖励/惩罚，并且生成示出所确定的奖励/惩罚的视觉和/或音频效果。

用户接口220可以包括显示面板，可以通过该显示面板提供视频游戏。该显示面板可以包括LCD、液晶显示器(LED)、等离子显示器、投影仪或者任何其它类型的显示器，并且还可以包括麦克风、扬声器和/或音频输入/输出(例如耳机插孔)或者可以耦合到终端20的音频系统。

另外，用户接口220还可以配置为接收来自用户的输入或命令。例如，显示面板可以实施为触摸屏，以接收来自用户的输入信号。触摸屏包括一个或多个触摸传感器，以感测触摸屏上的触摸、滑动和其它手势。触摸传感器不仅可以感测触摸或滑动动作的边界，而且还可以感测与触摸或滑动动作相关联的时间段和压力。可替换地或除此之外，用户接口220可以包括其它输入设备，诸如键盘、按钮、操纵杆、键盘和/或轨迹球。用户接口220可以配置为将用户输入发送到控制器210。

仍然参考图3，云服务器30可以经由网络90连接至头环10和/或终端20。云服务器30可以包括与上文所描述的控制器210的配置类似的一个或多个控制器(未示出)。

在一些实施例中，通过使用所测量的脑波信号来致动目标设备也可以执行神经反馈训练。该目标设备可以是连接到IoT的任何设备，因此可以由控制器远程控制。图4是图示根据示例性实施例的用于神经反馈训练的基于IoT设备的系统200的示意图。参考图4，系统200可以包括头环10、一个或多个终端20、一个或多个云服务器30以及目标设备40。头环10、终端20和云服务器30可以具有与上文描述类似的结构和配置，因此就不再参照图3重复这些描述。

目标设备40可以是具有一定计算和/或通信能力的设备，例如智能家电(例如灯、电视、空调、空气净化器、插座等)、无人机、遥控车辆、义肢、机器人等等。终端20和目标设备40都可以连接到相同的IoT，使得终端20可以远程控制或致动目标设备40。例如，如果目标设备40是灯，则终端20可以远程打开或关闭该灯，和/或变化由该灯所发出的光的颜色。作为另一个示例，如果目标设备40是电视，则终端20可以远程打开或关闭该电视，和/或变化该电视当前播放的频道。作为另一个示例，如果目标设备40是无人机，则终端20可以远程控制该无人机的推进器的旋转速度。对于再一个示例，如果目标设备40是义肢，则终端20可以远程致动该义肢的一个或多个手指来移动、弯曲或者执行某些其它动作。

在一些实施例中，为了执行神经反馈训练，终端20可以基于用户的脑波来控制或致动目标设备40。具体地，在从头环10接收到所测量的脑波信号之后，终端20可对该脑波信号进行处理，以确定它们是否满足某些预定条件。当该脑波信号满足预定条件时，终端20可以生成对应的控制信号，用于致动目标设备40，并且经由IoT将该控制信号传送至目标设备40。

可替换地或除此之外，目标设备40也可以由云服务器30进行控制或致动。例如，云服务器30可以直接或经由终端20从头环10接收脑波信号。与上文关于终端20的描述相似，然后云服务器30可以对所接收的脑波信号进行处理，并且基于该脑波信号生成致动目标设备40的控制信号。

图5是根据示例性实施例的图4中所示的系统200的框图。参考图5，头环10、终端20、云服务器30和目标设备40可以经由网络，诸如网络90，有线或无线地相互通信。头环10、终端20和云服务器30的结构和配置在上文已经有所描述，因此在此不再重复。此外，目标设备40可以包括控制器410以及一个或多个致动器420。控制器410可以从终端20接收控制信号，并且基于该控制信号控制致动器420执行任务。控制器410可以采用任何适当的结构。例如，控制器410可以包括结合控制器210(图3)所描述的单元/模块中的一个或多个。致动器420可以具有各种形式和结构。例如，致动器420可以是灯或电视中的开关、无人机或义肢中的电马达、车辆中的起动器螺线管等等。

接下来，将对与本公开相一致的神经反馈训练方法进行描述。在没有特别说明的情况下，以下描述假定所公开的方法的步骤由终端20来执行。然而，可以预见到，以下所描述的方法中的一些或所有步骤也可以由头环10、云服务器30和目标设备40来执行。

根据所公开的方法，该神经反馈训练可以通过奖励(即加强)脑波的一个或多个频带和/或禁止(即抑制)一个或多个其它频带来实施。例如，通常情况下，较低频带与放松和白日梦相关联，中频带与专心思考和解决问题相关联，而较高频带则可指示焦虑、高度警惕和激动。正因如此，为了提高用户的专注能力(即保持专心)，可以对例如低β带(例如13Hz和20Hz之间的带)的中频带进行奖励，而θ带(例如4Hz和8Hz之间的带)和高β带(例如22Hz和28Hz之间的带)则可以被禁止。于是，当脑波信号在低β带中具有高幅度时，可以向用户提供奖励；而当θ带或高β带具有高幅度时则可以提供惩罚。通过这种方式，可以激励用户逐渐获得加强一个(多个)受奖励的带并抑制一个(多个)受禁止的带的能力。因此，该神经反馈训练的成功取决于对奖励和惩罚(后文统称为“反馈”)的适当确定。

可以预见到，本说明书中所使用的具体频带和频率范围仅出于说明目的。本公开对于哪些频带和/或频率范围将受到奖励和/或禁止并不加以限制。

图6是根据示例性实施例的用于基于脑波信号确定反馈的方法600的流程图。例如，终端20可以安装有用于神经反馈训练的应用。为了开始神经反馈课程，用户可以戴上头环10并激活头环10，以记录脑波信号。同时，用户随后可以启动应用，使得终端20可以建立与头环10的无线连接并执行方法600。参考图6，方法600可以包括以下步骤610-670。

在步骤610，终端20在神经反馈训练之前访问用户资料。例如，不同的人可能具有不同的EEG特性。也就是说，终端20可要求用户输入用户的年龄、性别和其它人口统计信息。例如，统计资料示出，不同年龄组的人的α峰值范围可能有所不同。在一个实施例中，终端20可以将10岁或10岁以下的用户的α峰值范围设置为[8.5Hz，9.5Hz]，并且将10岁以上的用户的α峰值范围设置为[9.5Hz，10.5Hz]。这样，终端20可以选择适当频带将受到奖励和/或禁止。

在步骤620，终端20确定用于当前神经反馈训练课程的训练协议。取决于神经反馈训练的目标，终端20可以确定一个(多个)受奖励频带和一个(多个)受禁止频带。例如，提高专注度和专心度可能需要奖励低β带并禁止θ和高β带；辅助冥想或改善放松可能需要奖励α和θ带；改善心理健康可能需要禁止所有频带等等。因此，终端20可以提示用户选择神经反馈训练的目标。基于该选择，终端20可以确定适当的受奖励和/或受禁止频带。

在步骤630，终端20接收由头环10所测量的一个或多个脑波信号。脑波信号可以随时间不断地或在所设置的时间间隔内测量。随后，终端20可以应用低通滤波器来去除信号噪声并例如使用诸如傅立叶变换的数学方法导出脑波信号的功率谱(步骤640)。如上所述，功率谱的幅度可以分组为不同频带。除了示出大脑活动的正常带之外，功率谱有时可能还包括一个或多个对应于伪影(artifact)的频带。例如，眨眼、咬合和其它面部肌肉运动可能会产生一个或多个不同的伪影带。当伪影的幅度高于一定水平时，整个功率谱可能会失真并且做出不准确的反馈确定。因此，在步骤650，终端20可确定该功率谱是否包含一个或多个预定伪影带。如果存在伪影带，终端20可进一步确定该伪影带的幅度是否超过它们相应的伪影阈值。如果至少一个伪影带具有比相应伪影阈值更高的幅度，则终端20可以忽略在检测到该伪影的时间段内所接收到的脑波信号(步骤660)。否则，终端20可以断定该脑波信号是有效的，并且继续到步骤670。

在步骤670，终端20确定指示脑波信号在奖励频带中的百分比的一个或多个奖励指数，以及指示脑波信号在禁止频带中的百分比的一个或多个禁止指数。具体地，终端20可以用受奖励和受禁止的频带的幅度除以整个功率谱的总幅度，以确定相应的奖励和禁止指数。

在步骤680，终端120基于所确定的奖励和禁止指数来确定奖励和/或惩罚。具体地，终端20可以将奖励和禁止指数与相应的奖励和禁止阈值进行比较。在神经反馈训练开始时，可以对奖励和禁止阈值分配以初始值。在一些实施例中，奖励阈值可以取0.5-0.9(或可替换地50％-90％)范围内的数值。例如，奖励阈值可以设置为大约0.8(或80％)。禁止阈值可以取0.05-0.3(或5％-30％)范围内的数值，例如0.2(或20％)。在整个训练过程中，可以基于用户表现来调节阈值。一般来说，期望用户对脑波活动进行控制，从而将奖励指数保持在相应的奖励阈值之上，并且将禁止指数保持在相应的禁止阈值以下。正因如此，奖励和禁止阈值设置了神经反馈训练的目标。如果至少一个禁止指数超过了对应的禁止阈值，则终端20可以断定应当评估为惩罚。相比之下，如果没有禁止指数超过禁止阈值并且至少一个奖励指数超过了对应的奖励阈值，则终端20可以断定应当评估为奖励。

在一些实施例中，奖励可以具有对应于多个奖励阈值的多个级别。具体地，终端20可以通过将奖励指数与多个奖励阈值进行比较来确定奖励级别。例如，终端20可以设置对应于低奖励级别、中等奖励级别和高奖励级别的三个奖励阈值0.6、0.7和0.8。因此，落在0.6和0.7之间的奖励指数指派为低奖励级别，而超过0.8的奖励指数则指派为高奖励级别。

图7是根据示例性实施例的用于基于视频游戏进行神经反馈训练的方法700的流程图。例如，方法700可以由系统100执行。参考图7，方法700可以包括以下步骤710-760。

在步骤710，终端20可以确定禁止指数是否超过对应的禁止阈值。当禁止指数超过对应的禁止阈值时，终端20可以断定应当在视频游戏中生成惩罚，并且进一步确定该惩罚(步骤720)。否则，终端20可以断定不应当生成惩罚(步骤730)。

终端20还可以确定奖励指数是否超过对应的奖励阈值(步骤740)。当奖励指数超过对应的奖励阈值时，终端20可以断定应当在视频游戏中生成奖励，并且如果在视频游戏中定义了多个奖励级别，则进一步确定奖励级别(步骤750)。否则，终端20可以断定不应当生成奖励(步骤760)。这里，用于确定惩罚和/或奖励(或奖励级别)的过程可以类似于步骤670-680。

在步骤770，终端20可以基于在步骤720、730、750和760中确定的结果生成各种视觉、音频和/或触觉特征。图8是图示根据示例性实施例的用于神经反馈训练的视频游戏的场景800的示意图。如8图所示，该视频游戏可以以主角810作为重要组成，其可以由用户控制在绿洲820各处行进。绿洲820可以包括多个场景，每个场景可以对应于训练课程并且可以持续预定时间量，例如20-30分钟。在每个场景中，主角810可遇到各种角色830和动物840。每个场景可以具有需要主角810完成某些任务的特定脚本。角色830可以与主角810进行交互并且引导主角810完成任务。

该视频游戏可以基于所确定的奖励和惩罚来提供视觉和/或音频特征。图9A-9C是图示某些示例性视觉特征的示意图，这些示例性视觉特征指示了在图8所示的视频游戏中所获得的奖励。参考图9A-9C，该视频游戏可以显示状态环，该状态环指示主角810获得奖励的进度。具体来说，该状态环以与奖励指数成比例的速度被填充。例如，在一个实施例中，该视频游戏可以使用由整数“1”、“2”、“3”和“4”代表的四个奖励级别。如果奖励级别为1，则状态栏可以每4分钟填满。如果奖励级别为2，状态栏可以每3分钟填满。如果奖励级别为3，状态栏可以每2分钟填满。如果奖励级别为4，状态栏可以每1分钟填满。此外，如果没有奖励，状态栏将保持不变。

在一些实施例中，可以给主角810打分，以记录用户进行神经反馈训练的进度。参考图9C，当状态环被填满时，终端20可以显示指示用户又获得一分的消息814。同时，终端20还可以生成诸如嘟嘟声的提示音，以向用户指示已经获得了分数。正因如此，状态环填充得越快，用户得分就增长越快。这样对用户产生了通过该神经反馈训练来取得进步的激励。虽然图9A-9C示出了与提供奖励相关联的状态环，但是可以预见到诸如状态栏(水平或竖直填补)、水箱、变色调色板、如老虎机中的旋转卷轴等的其它视觉特征。例如，可以填充状态栏或水箱以奖励专注，并且其填充的速度可以与奖励指数或奖励级别成比例。作为另一个示例，卷轴可以停止旋转并且让用户在专注时赌中虚拟大奖。

在一些实施例中，该视频游戏还可以使用某些视觉特征来指示惩罚。图10是图示根据示例性实施例的指示在图8所示的视频游戏中所获得的惩罚的视觉特征的示意图。例如，如图10所示，该视频游戏可以包括跟着主角810的两只萤火虫816。这两只萤火虫816可以分别对应于两个不同的禁止指数(即两个禁止频带)。当禁止指数低(即没有惩罚)时，萤火虫816可以正常显示，围绕主角810飞行。然而，随着禁止指数的增加，对应的萤火虫816逐渐退去。当禁止指数超过对应的禁止阈值时，即达到惩罚时，对应的萤火虫816完全消失。在一些实施例中，该视频游戏还可以使用某些音频特征来指示惩罚。例如，终端20可以在达到惩罚时生成提示音。作为另一个示例，终端20可以在禁止指数保持在对应的禁止阈值以上时不断地发出警告音。

在一些实施例中，终端20还可以生成用于指示奖励和/或惩罚的触觉信号。例如，终端20可以是能够生成各种类型的振动的移动电话。该振动可以警报用户已经获得了奖励和/或惩罚。

与所公开的实施例一致，该视频游戏可以包含各种其它机制，以生成视觉、音频和/或触觉特征。图11是图示根据示例性实施例的用于神经反馈训练的视频游戏的场景1100的示意图。如图11所示，主角810站在池塘850边上。在一些实施例中，每当用户获得奖励时，场景1100会变得更加令人愉悦，例如更亮、更多彩、具有更多美学特征等。例如，池塘850最初可以是空的。随着用户积累奖励的进度，池塘850可填充有越来越多的荷花和鱼。正因如此，场景1100可以以与用户获得奖励的进度成比例的速度变得更加令人愉悦。

返回参考图7，在步骤780，终端20基于用户获得奖励和/或惩罚的进度而适应性地调节奖励阈值和/或禁止阈值。例如，在该神经反馈训练的初始阶段，用户可能对于控制脑波活动并不熟练。如果用户时常收到惩罚而没有获得任何奖励，则该用户可能容易积累挫败感并很快失去玩视频游戏的兴趣。因此，终端20可以将奖励阈值设置为低而将禁止阈值设置为高，使得用户更容易获得奖励并避免惩罚。在用户参与训练一定时间量之后，用户可能能够以更快的速度获得奖励并能更好地避免惩罚。正因如此，终端20可以逐渐增大奖励阈值并减小禁止阈值，从而逐渐提高该神经反馈训练的难度级别。作为另一个示例，终端20可以不断地监控用户完成每个场景中的任务的速度和/或积累每个场景所需分数的速度。当终端20发现用户在特定场景中所花费的时间长于预定时间量(例如30分钟)时，终端20可以降低奖励阈值并增大禁止阈值以防止用户挫败。在一些实施例中，可以采用诸如回归算法或贝叶斯算法的机器学习方法来研究用户在视频游戏中的历史表现，并且找到适当的奖励和禁止阈值，适当的奖励和禁止阈值会导致用于鼓励用户保持参与神经反馈训练的最优激励级别。

如上所述，还可以通过使用脑波信号控制连接到IoT的目标设备来提供神经反馈训练。特别地，用户致动目标设备的成功或失败为用户执行神经反馈训练提供了直观的指导和激励。正因如此，目标设备可以用作“玩具”或教育工具，用于帮助用户学习控制脑波活动的技能。

图12是根据示例性实施例的用于基于IoT设备进行神经反馈训练的方法1200的流程图。例如，方法1200可以由系统200来执行。参考图12，方法1200可以包括以下步骤1210-1270。

在步骤1210，终端20建立与目标设备40的连接。在一些实施例中，头环10和/或终端20只能与位于终端20或用户的一定距离以内的设备形成无线连接，例如WiFi或蓝牙^TM连接。正因如此，用户可以首先将终端20和目标设备40之间的距离置于WiFi或蓝牙^TM信号的可工作范围之内。此外，为了提供反馈，目标设备40应当处于用户的可见范围之内。用户随后可以操作终端20来初始化用于神经反馈训练的应用，此后终端20可以自动扫描终端20周围的可用IoT设备。如果终端20找到了目标设备40，则头环10和/或终端20可以自动与目标设备40配对。在一些实施例中，终端20可发现终端20周围的多个设备。在这种情况下，用户可以从所发现的设备中手动选择目标设备40。可替换地，终端20可以包括距离传感器，其配置为测量终端20和周围设备之间的距离，并且自动选择与终端20或用户最为接近的设备作为目标设备40。在一些实施例中，该距离传感器可以是GPS传感器。

在连接建立之后，终端20可以确定奖励指数是否保持高于对应的奖励阈值超过了第一时间量(步骤1220)。如果是，则终端20可以生成第一控制信号，以致动目标设备40(步骤1230)。

在一些实施例中，终端20能够控制或致动多个目标设备40。正因如此，可以针对目标设备40预编程该致动。在一个实施例中，每个目标设备40可以分配唯一标识符，例如介质访问控制地址(MAC地址)。通过读取该唯一标识符，终端20可以确定当前所连接的目标设备40的身份以及为目标设备40预编程的致动类型。例如，当目标设备40是灯时，第一控制信号可以配置为命令该灯打开或关闭。可替换地，一旦奖励指数超过了奖励阈值，灯就可以打开，并且当该指数保持在阈值以上时，灯的亮度可以不断地变暗。在另一个实施例中，当目标设备40是无人机时，第一控制信号可以配置为命令该无人机从地面起飞。可替换地，无人机可以编程为一旦奖励指数超过奖励阈值就起飞，并且在该指数保持在阈值以上时不断地推进。

在一些实施例中，终端20可以基于奖励指数的数值而以不同方式致动目标设备40。在一个实施例中，终端20可以基于奖励指数的数值来控制灯变化其光的颜色。例如，当奖励指数介于0.6和0.7之间时，可以将颜色设置为白色；当奖励指数在0.7和0.8之间时，颜色可以变为红色；而当奖励指数大于0.8时，颜色可以变为绿色。随着颜色变化，用户可以立即得知当前的奖励指数级别并且受到鼓励努力提高奖励指数。

在一些实施例中，终端20还可以基于奖励指数持续保持在奖励阈值以上的时间段而以不同方式致动目标设备40。在一个实施例中，终端20可以以与用户将奖励指数维持在奖励阈值以上的持续时间成比例的速度旋转无人机的推进器。也就是说，随着奖励指数保持在奖励阈值以上的时间越长，推进器旋转得越快并且最终无人机可以起飞。在另一个实施例中，由终端20致动的义肢的手指数目可以与奖励指数持续保持在奖励阈值以上的持续时间成比例。例如，在第一个5秒钟内，终端20可只驱动食指移动。在接下来的5秒钟内，终端20可以驱动中指移动。这样的控制方案使得神经反馈训练成为有益且有趣的体验，因此使得用户更容易掌握维持脑波的特定频率模式的能力。

仍然参考图12，可替换地或除此之外，终端20还可以基于禁止指数来致动目标设备40。也就是说，终端20可以确定禁止指数是否保持在对应的禁止阈值以下超过了第二时间量(步骤1240)。如果是，则终端20可以生成第二控制信号以致动目标设备40(步骤1250)。步骤1240和1250的详细实施方式与上文结合步骤1220和1230的描述相似，这里不再重复。

在步骤1260，终端20将第一控制信号和/或第二控制信号传送至目标设备40，使得目标设备40可以基于第一控制信号和/或第二控制信号执行所期望的致动。

在步骤1270，终端20基于用户致动目标设备40的表现而适应性地调节训练参数，诸如奖励阈值、禁止阈值、奖励频带、禁止频带、第一时间量和第二时间量。类似于步骤760(图7)，这里终端20可以调节阈值和时间量以对神经反馈训练的激励级别和/或难度级别进行微调。在一些实施例中，终端20可以采用机器学习算法来确定阈值和时间量的适当数值，从而针对每个个体用户优化神经反馈训练的难度级别。例如，当用户利用目标设备40进行训练时，终端20可以逐渐增大奖励阈值和/或减小禁止阈值，从而提高控制目标设备40的难度级别。作为另一个示例，当终端20发现用户反复地无法致动目标设备40时，终端20可以缩短第一时间量和/或第二时间量。通过使控制目标设备40更容易，可以鼓励和激励用户继续训练。这样，可以提高神经反馈训练的有效性。类似于上文关于步骤760的描述，作为步骤1270的一部分，在神经反馈训练期间，也可以基于用户表现以及在该过程期间所学习的脑波特性来适应性地或动态地调节频带。

在上文对方法1200的描述中，虽然基于奖励/惩罚指数(即脑波信号在奖励/禁止频带中的百分比)与奖励/惩罚阈值的比较来生成第一/第二控制信号并且因此生成神经反馈，但是终端20还可以使用从脑波信号所提取的其它信息来致动目标设备40。例如，在一些实施例中，终端20可以基于在检测到的脑波信号中某些指定带的存在、不存在和/或幅度来致动目标设备40。具体地，当终端20确定指定带具有高于预定幅度级别的幅度时，终端20可以生成对应的控制信号，用于致动目标设备40。例如，这样的指定带可以对应于眨眼，使得用户可以通过眨一只或两只眼睛来控制目标设备40。

一般而言，虽然结合脑波信号的频率特征对方法600、700和1200进行了描述，但是本公开并不局限于频率特征。而是期望使所公开的方法和系统可使用脑波信号的任何适当的特征。例如，一种被称为事件相关电位(Event Related Potential，ERP)的现象是指脑波信号在具体刺激(例如观看某些场景或听到具体音乐)后的明显变化。例如，用户受到一定刺激可能会在受到刺激后大约300毫秒产生脑波信号幅度的明显变化(也称为“P300ERP”)。这种变化可以用于检测用户对刺激的响应并生成神经反馈。

在示例性实施例中，由所公开的用于神经反馈训练的方法所使用和生成的数据可以保存在例如存储器模块216和/或存储单元218中，用于进一步的研究和分析。在一个实施例中，可以对数据进行分析从而针对每个个体用户优化该神经反馈训练。例如，存储器模块216和/或存储单元218可以存储与每个用户相关联的用户资料。该用户资料可以包括但不限于每个用户的年龄、性别人口统计信息、EEG特性以及在神经反馈训练期间所生成的过往脑波信号。可以采用诸如回归算法或贝叶斯算法的机器学习方法来分析该用户资料并针对个体用户优化(或定制)神经反馈训练。例如，当针对特定用户的过往训练数据的分析表明，该用户对第一奖励阈值的响应比第二奖励阈值更好时，针对该用户可以更频繁地使用第一奖励阈值。作为另一个示例，当分析表明具体类型的反馈(例如视频游戏中或者致动特定的目标设备40时所使用的特定类型的反馈特征)对于用户所起的作用最好时，可以针对该用户更频繁地使用这种类型的反馈。

在另一个实施例中，可以对多个用户的过往训练数据进行整合用于大数据分析。例如，可以整合与多个用户相关联的脑波信号以及指示这些用户在其神经反馈训练中的表现的数据。可以采用各种数据挖掘方法来研究整合数据，并且认识多个用户所示出的模式、趋势以及任何其它类型的统计信息。该发现可以用于优化在所公开的用于神经反馈训练的方法中使用的算法，和/或用于诸如脑医学研究的研究目的。

本公开的另一个方面涉及一种存储指令的非瞬态计算机可读介质，如以上所述，该指令在被执行时使得一个或多个处理器执行所述方法。该计算机可读介质可以包括易失性或非易失性、磁性、半导体、带式、光学、可移除、不可移除或者其它类型的计算机可读介质或计算机可读存储设备。例如，如所公开的，计算机可读介质可以是具有存储在其上的计算机指令的存储单元或存储器模块。在一些实施例中，计算机可读介质可以是具有存储在其上的计算机指令的盘或闪存驱动器。

可以预见到，所公开的用于神经反馈训练的方法可以具有医学和非医学的各种应用。例如，如上文所提到的，所公开的方法可以用于训练和改善与专注相关的行为。正因如此，所公开的方法可以用于有效地缓解或治疗与专注相关的医疗状况，诸如ADHD(注意缺陷多动障碍)。本公开并不对所公开的方法和系统的应用领域加以限制。

对于本领域技术人员显而易见的是，可以对所公开的神经反馈训练系统和相关方法进行各种变型和修改。通过考虑对所公开的神经反馈训练系统以及相关方法的说明和实践，其它实施例对于本领域技术人员是显而易见的。期望的是，该说明书和示例仅被认为是示例性的，其实际范围由所附的权利要求及其等同物所指示。

Claims (25)

1.一种处理器实施的用于神经反馈训练的方法，所述方法包括：

由处理器经由通信网络接收由接合至用户的至少一个传感器所测量的脑波信号；

由所述处理器确定所述脑波信号的频率分布；

由所述处理器在至少第一数值满足第一标准时确定视频游戏中的奖励，所述第一数值指示所述脑波信号在第一频带内的量；以及

给所述用户提供指示所述奖励的第一反馈信号。

2.如权利要求1所述的方法，其中所述第一数值是所述脑波信号在所述第一频带内的百分比，且所述第一标准是预定范围。

3.如权利要求1所述的方法，其中所述第一反馈信号包括视觉提示、音频提示或触觉提示中的至少一个。

4.如权利要求1所述的方法，其中提供指示所述奖励的所述第一反馈信号包括：

显示状态栏，所述状态栏以与所述用户获得所述奖励的进度成比例的速度填充。

5.如权利要求1所述的方法，其中：

所述奖励具有多个奖励级别；以及

提供指示所述奖励的所述第一反馈信号包括：

确定对应于所述第一数值的奖励级别；以及

基于所确定的奖励级别生成所述第一反馈信号。

6.如权利要求5所述的方法，其中：

所述用户与所述视频游戏中的分数相关联；以及

所述方法进一步包括：

以与所述所确定的奖励级别成比例的速度增加所述分数。

7.如权利要求6所述的方法，其中提供指示所述奖励的所述第一反馈信号包括：

显示状态栏，所述状态栏代表所述用户获得所述奖励的进度；

当所述分数增加时，填补所述状态栏。

8.如权利要求6所述的方法，进一步包括：

当所述分数增加时，生成指示所述分数已经变化的提示音。

9.如权利要求1所述的方法，进一步包括：

当至少一个第二数值满足第二标准时，确定所述视频游戏中的惩罚；以及

给所述用户提供指示所述惩罚的第二反馈信号。

10.如权利要求9所述的方法，其中提供指示所述惩罚的所述第二反馈信号包括：

移除所述视频游戏中的视觉效果。

11.如权利要求1所述的方法，进一步包括：

在确定所述奖励之前，检测所述脑波信号是否包括伪影；并且

当检测到在一段时间内所接收的脑波信号包括所述伪影时，在确定所述奖励时忽略所述在一段时间内所接收的脑波信号。

12.如权利要求1所述的方法，进一步包括：

基于所述用户获得所述奖励的进度适应性地调节所述第一标准。

13.如权利要求9所述的方法，进一步包括：

基于所述用户获得所述惩罚的进度适应性地调节所述第二标准。

14.如权利要求1所述的方法，进一步包括：

在所述神经反馈训练之前对所述用户进行评估；并且

基于所述评估确定所述第一频带。

15.如权利要求14所述的方法，其中对所述用户进行评估包括以下中的至少一个：

确定所述用户的年龄；或者

访问所述用户的所述脑波信号的特性。

16.如权利要求1所述的方法，其中所述处理器与所述至少一个传感器无线连接。

17.如权利要求1所述的方法，其中所述至少一个传感器安装在所述用户所佩戴的头环上。

18.如权利要求1所述的方法，其中所述处理器处于移动终端或云计算设备中。

19.如权利要求1所述的方法，其中所述方法用于训练与专注相关的行为。

20.如权利要求19所述的方法，其中所述方法用于治疗注意缺陷多动障碍(ADHD)。

21.一种神经反馈训练系统，包括：

与处理器耦合的至少一个传感器，所述至少一个传感器配置为：

在所述至少一个传感器接合至用户时测量脑波信号；并且

将所述脑波信号传送至所述处理器；

其中所述处理器配置为：

从所述至少一个传感器接收所述脑波信号；

确定所述脑波信号的频率分布；

在至少第一数值满足第一标准时确定视频游戏中的奖励，所述第一数值指示所述脑波信号在第一频带内的量；以及

给所述用户提供指示所述奖励的反馈信号。

22.如权利要求21所述的系统，其中所述处理器进一步配置为：

当至少一个第二数值满足第二标准时，确定所述视频游戏中的惩罚；以及

给所述用户提供指示所述惩罚的第二反馈信号。

23.如权利要求21所述的系统，其中所述处理器与所述至少一个传感器无线连接。

24.如权利要求21所述的系统，其中所述系统用于治疗注意缺陷多动障碍(ADHD)。

25.一种存储指令的非瞬态计算机可读介质，所述指令在被执行时使得一个或多个处理器执行用于神经反馈训练的方法，所述方法包括：

经由通信网络接收由接合至用户的至少一个传感器所测量的脑波信号；

确定所述脑波信号的频率分布；

在至少第一数值满足第一标准时确定视频游戏中的奖励，所述第一数值指示所述脑波信号在第一频带内的量；以及

给所述用户提供指示所述奖励的反馈信号。