CN107577343B - 一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置 - Google Patents
一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置 Download PDFInfo
- Publication number
- CN107577343B CN107577343B CN201710742321.2A CN201710742321A CN107577343B CN 107577343 B CN107577343 B CN 107577343B CN 201710742321 A CN201710742321 A CN 201710742321A CN 107577343 B CN107577343 B CN 107577343B
- Authority
- CN
- China
- Prior art keywords
- training
- force
- electroencephalogram
- touch
- unit
- 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.)
- Active
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置,包括力触觉训练单元,脑电记录单元与控制单元;所述力触觉训练单元用于将训练者的手指触力数据发送至控制单元;所述脑电记录单元用于将训练过程中训练者的脑电信号发送至控制单元;所述控制单元包括训练模块、评价模块和控制模块;所述的训练模块用于存储训练模式,评价模块对力触觉训练单元和脑电记录单元反馈的数据进行评价,控制模块根据评价结果对训练难度作出适应性调整,同时得到表征注意力水平的生理学指标和行为学指标,可以在短期内提高受试者注意力水平,并且得到的生理学指标和行为学指标吻合度非常高,可以对被训练者的注意力水平做出可靠的分析和评价。
Description
技术领域
本发明属于神经认知领域,涉及通过力触觉反馈训练训练注意力,同时采集脑电信号分析大脑工作神经机理的装置,具体为一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置。
背景技术
当前,青少年注意力不集中的现象越来越严重,对于此类现象,如果不能进行正确引导和训练,将来很可能会发生注意力缺陷综合征(ADHD)。而目前对于注意力训练的方法有多种,例如视频游戏,冥想训练,认知实验,神经反馈等等,但很少涉及触觉通道。同时传统衡量注意力的方法大都根据行为学的正确率和反应时间,缺乏神经生理机制的分析与可靠的分析指标。牛津大学的Nick Yeung等人研究了持续注意力中皮层震荡的作用,耶鲁大学Monica等人证明可以用功能网络连接强度预测持续注意力的水平。但是这些研究都是基于功能核磁共振成像,由于其造价昂贵,体积庞大,时间分辨率低的特点并不适用于推广应用。
发明内容
为解决上述技术问题,本发明提供了一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置。
本发明完整的技术方案包括:
一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置,包括力触觉训练单元,脑电记录单元与控制单元;所述力触觉训练单元用于将训练者的手指触力数据发送至控制单元;
所述脑电记录单元用于将训练过程中训练者的脑电信号发送至控制单元;
所述控制单元包括训练模块、评价模块和控制模块;所述的训练模块用于存储预设和自行设计的训练模式,控制模块调用训练模式并控制训练,评价模块对力触觉训练单元和脑电记录单元反馈的数据进行评价,控制模块根据评价结果对训练难度作出适应性调整。
所述训练模式包括难度依次增加的为二指、三指、四指三个任务类型。
所述力触觉训练单元设置有手指力度的上界值和下界值。训练评价装置,还包括第一震动传感器和第二震动传感器,第一震动传感器和第二震动传感器根据训练者的训练表现做出响应,以反馈给训练者。
第一震动传感器为颈部传感器,第二震动传感器为手指传感器,当训练者力度控制在上界值和下界值时颈部传感器会震动;当用力过小低于下界值时颈部传感器不震动;当用力过大超出上界值时手指传感器震动。
所述的评价模块包括行为学分析子模块和脑电分析子模块。行为学分析子模块通过力触觉训练单元反馈回的训练数据进行行为学分析,分析式为将某一时段内数据分成多个片段,根据片段内的力控制数据计算采样点处的实时方差;其次将方差和误差带之间的比率作为评价的行为学指标。
具体分析方式为将表现极好的50个片段和表现极差的50个片段提取出来进行分类,样本空间总数为100*14=1400。
脑电记录单元通过对脑电建立无向的功能性连接,由128个导联在每个子频带得到(128*127)/2=8128维特征,8个子频带分别为:theta1(4-6Hz)、theta2(6-8Hz)、alpha1(8-10Hz)、alpha2(10-13Hz)、beta1(13-20Hz)、beta2(20-30Hz)、gamma1(40-45Hz),beta2(45-75Hz),脑网络的特征维度为8128*8=65024。
脑电分析子模块通过过滤式中fisher评分进行特征选择,每种任务保留最相关的1000维特征,提取三种任务类型共有的80个特征,通过得到的80个特征建立线性回归模型设得到生理学指标;
所述的多元线性回归模型的为:
Y=β0+β1X1+β2X2+β3X3+...+βnXn+e
其中Y为生理学指标,X1,X2,X3...Xn为所提取的特征,β1,β2,β3...βn是各所提取特征的权重系数,e为模型的误差;通过最小二乘方法对权重系数进行拟合,赋予每个特征不同的权重,组合成为一个综合的生理学指标并与行为学指标进行相关性分析。
所述自适应性调整的控制方式如下:
Ftoler=Ftarget*δi
Ftarget=1.5N,δ0=0.25 (2)
公式(1)其中η表示力在误差带范围内的时间占总时间的比值,当采样点在误差范围内Si为1,当不在误差范围内Si为0,N表示采样点总数;
其中容差Ftoler的计算方法如公式(2),其中目标力Ftoler为1.5N,变化率δ的初始值δ0为0.25,δi根据前一时刻表现实时调整;
δ和α的最大与最小值设置如公式(3);
因此最终误差带的上界值Ftarg etRe gionUpLimit和下界值Ftarg etRe gionDownLimit计算如公式(4)。
本发明相对于现有技术的优点在于:通过力触觉反馈训练受试者,并且同步记录脑电信号,将行为学的表现水平和生理指标有机的联合在一起,能够为注意力实时反馈和神经调控技术提供重要依据。通过力触觉反馈(包括两指,三指,四指的训练),训练过程需要被试尽量保持力在一定范围。通过对脑电信号的建立的网络连接进行特征提取寻找一种能够表征注意力水平的神经标记,从而能够和行为学的评分准则有某种关联性。通过本发明纯触觉的力反馈训练任务可以在短期内提高受试者注意力水平。而且通过记录脑电这种方式同步分析训练过程中大脑的工作机理来区分受试者的注意力水平,为经颅直流电刺激和经颅磁刺激等新兴的神经调控技术提高参考,同时也能实时监测警觉状态和注意力水平。
附图说明
图1为本发明基于力触觉反馈和脑电信号分析的注意力训练与评价装置的一个训练模式。
图2为本发明的力触觉反馈的方式。
图3为本发明导联脑电采集系统和电极分布图。
图4为训练者在三种任务类型下的表现情况。
图5为训练者注意力区分的头皮连接模式。
图6为本发明得到的生理学指标与行为学表现的对比。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。
一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置,包括力触觉训练单元,脑电记录单元与控制单元。
所述力触觉训练单元用于将训练者的手指触力数据发送至控制单元。
所述脑电记录单元用于将训练过程中训练者的脑电信号发送至控制单元。
所述控制单元包括训练模块、评价模块和控制模块;所述的训练模块用于存储预设和自行设计的训练方案,训练模块包括二指,三指,四指任务类型,训练难度依次增加。控制模块调用训练方案,并开始训练,评价模块对力触觉训练单元和脑电记录单元反馈的数据进行评价,控制模块根据评价结果对训练难度作出自适应性调整。
如图1-3所示,在一个具体实施方式中,采用如下的训练模式:整个训练任务共五天,每天的训练包括30分钟的力触觉反馈训练,在第一天和第五天同步采集脑电信号15分钟。采用EGI公司的128导联的脑电记录系统,采样率设置为250Hz,带通滤波范围设置为0.1-80Hz,阻抗控制在50KΩ以下。采用Net Amps 400放大器系统同步记录脑电信号,NetStation4.5版本分析软件进行分析。
为考虑手指的协同性和难度,训练任务由易到难分为二指,三指,四指三种任务类型,每个任务持续10分钟,中间休息3分钟,训练者需要在实验过程中精确控制手指上力的大小使其处于误差带范围之内,力触觉训练单元设置有手指力度的上界值和下界值。每个手指上的力保持在1.5N左右,不能超出上下界的范围。控制模块根据评价结果对训练难度作出适自适应性的调整。当被试表现好的时候缩小误差带增大任务难度;当被试表现差的时候增大误差带来减小任务难度,目的是能够让被试全身心的投入到当前任务中,既不感到无聊也能付出努力可以完成。当被试精确控制时脖子上的传感器会震动;当用力过小超出误差带震动消失;当用力过大超出误差带时手指上的传感器就会震动。
在本具体实施方式中,对于自适应性调整的控制方式如下:
Ftoler=Ftarget*δi
Ftarget=1.5N,δ0=0.25 (2)
公式(1)其中η表示力在误差带范围内的时间占总时间的比值,当采样点在误差范围内Si为1,当不在误差范围内Si为0,N表示采样点总数。容差Ftoler的计算如公式(2),其中目标力Ftoler为1.5N,变化率δ的初始值δ0为0.25,δi根据前一时刻表现实时调整。δ和α的最大与最小值设置如公式(3),因此最终误差带的上界值Ftarg etRe gionUpLimit和下界值Ftarg etRe gionDownLimit计算如公式(4)。
所述的评价模块包括行为学分析子模块和脑电分析子模块。行为学分析子模块通过力触觉训练单元反馈回的训练数据进行行为学分析,在一个具体实施方式中,具体为通过行为学分析将10分钟数据,分成4秒一个片段,各片段之间无交叠,在第一天和第五天得到300个片段。通过行为学表现,将表现极好的50个片段和表现极差的50个片段提取出来进行分类,样本空间总数为100*14=1400。通过设计表征被试行为表现的行为学指标来评估性被试表现水平,具体为首先根据4秒内的力控制数据计算采样点处的实时方差;其次将方差和误差带之间的比率作为行为学指标,方差越大波动越明显表现水平越差,误差带越小表明波动越小表现水平越好。
脑电分析子模块通过脑电记录单元记录的训练过程中训练者的脑电信号进行分析,脑电记录单元通过对脑电建立无向的功能性连接,忽略通道自身的连接,由128个导联在每个子频带得到(128*127)/2=8128维特征,8个子频带分别为:theta1(4-6Hz)、theta2(6-8Hz)、alpha1(8-10Hz)、alpha2(10-13Hz)、beta1(13-20Hz)、beta2(20-30Hz)、gamma1(40-45Hz),beta2(45-75Hz),脑网络的特征维度为8128*8=65024。由于样本空间维度为1400,为了避免过拟合风险和减少计算复杂度,脑电分析子模块通过过滤式中fisher评分进行特征选择,每种任务保留最相关的1000维特征,由于每种任务类型相似只是难度不同,因此提取三种任务类型共有的80个特征更具有代表性。
通过得到的80个特征建立线性回归模型设计一个生理学的指标。为克服个体差异设计一个通用模型,使得模型具有一定的泛化能力,将考虑所有受试者的样本。
多元线性回归模型的一般形式为:
Y=β0+β1X1+β2X2+β3X3+...+βnXn+e
其中Y是生理学指标,β1,β2,β3...βn是各指标的权重系数,X1,X2,X3...Xn是上面提取的共有特征,e代表模型的误差。通过最小二乘方法对权重系数进行拟合,赋予每个特征不同的权重系数,组合成为一个综合的生理学指标Y来与行为学指标进行相关性分析。
图4显示了训练者在三种任务类型下的表现情况,图4上图中两条水平方向的粗黑实线表示力所在的误差带范围,其余线表示各个手指上力的波动情况,每个图左侧为第一天训练情况,右侧为第五天训练情况,从图中看出第5天表现水平与第1天相比有显著提高。图4下图为本发明设计的行为学指标(即纵坐标所示的综合参数)分类图,每个图左侧为第一天训练情况,右侧为第五天训练情况,通过本发明得到的行为学指标将表现极好的50个片段(以五角星表示)和表现极差的50个片段(以圆圈表示)提取出来进行分类,通过图4上下图的对比,可以看出通过该行为学指标或称综合参数,与训练者的实际情况吻合度非常高,该指标能很好反应训练者的实际表现水平。
图5是根据脑电信号记录单元数据得到的注意力区分的头皮连接模式,从图中可以看出,表现差的时候主要激活alpha频段的额顶网络(图中以实线连接),表现良好时候主要激活gamma频段的的额叶和顶叶内部连接(图中以虚线连接),因而根据本发明所述装置能够通过记录脑电这种方式同步分析训练过程中大脑的工作机理,因此来判断训练者的注意力水平,为经颅直流电刺激和经颅磁刺激等新兴的神经调控技术提供了重要参考,同时也能根据该结果实时监测训练者的警觉状态和注意力水平。
图6中上图显示的是所有训练者的样本总数,以及生理学指标与行为学指标的对比验证,上图中纵轴为生理学指标,即图中的脑电生物指标,横轴为行为学指标,即图中的行为学综合参数。下图中实线为生理学指标,即图中的脑电生物指标,虚线为行为学指标,即图中的行为学综合参数。从中可以看出本发明设计的生理学指标与实际的行为学表现有很高的相关性。图6中下图显示的是某个被试在第1天和第5天的行为学表现和生理学指标,即本发明的生理学指标能够很好反映训练者的行为学表现。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (5)
1.一种基于力触觉反馈和脑电信号分析的训练评价装置,其特征在于,包括力触觉训练单元、脑电记录单元与控制单元;所述力触觉训练单元用于将训练者的手指触力数据发送至控制单元;
所述脑电记录单元用于将训练过程中训练者的脑电信号发送至控制单元;
所述控制单元包括训练模块、评价模块和控制模块;所述的训练模块用于存储预设和自行设计的训练模式,评价模块对力触觉训练单元反馈的手指触力数据和脑电记录单元反馈的脑电信号进行评价,控制模块根据评价结果对训练难度作出自适应性调整;所述训练模式包括难度依次增加的二指、三指、四指三种任务类型,所述的评价模块包括行为学分析子模块和脑电分析子模块,行为学分析子模块通过力触觉训练单元反馈回的手指触力数据进行行为学分析,分析方式为将某一时段内手指触力数据分成多个片段,根据片段内的手指触力数据计算采样点处的实时方差;其次将方差和误差带的比率作为评价的行为学指标;
脑电分析子模块通过过滤式中fisher评分进行特征选择,每种任务保留最相关的1000维特征,提取三种任务类型共有的多个特征,通过得到的多个特征建立线性回归模型得到生理学指标;
所述的线性回归模型为:
Y=β0+β1X1+β2X2+β3X3+...+βnXn+e
其中Y为生理学指标,X1,X2,X3...Xn为所提取的特征,β1,β2,β3...βn是所要计算特征的系数,e为模型的误差;通过最小二乘方法对各系数进行拟合,赋予每个特征不同的权重,组合成为一个综合的生理学指标Y来与行为学指标进行相关性分析,其中训练者的生理学指标Y高相关性地反应训练者实际的行为学表现。
2.权利要求1所述的一种基于力触觉反馈和脑电信号分析的训练评价装置,其特征在于,所述力触觉训练单元设置有手指力度的上界值和下界值,所述训练评价装置还包括第一震动传感器和第二震动传感器,第一震动传感器和第二震动传感器根据训练者的训练表现做出响应,以反馈给训练者。
3.权利要求2所述的一种基于力触觉反馈和脑电信号分析的训练评价装置,其特征在于,第一震动传感器为颈部传感器,第二震动传感器为手指传感器,当训练者力度控制在上界值和下界值时颈部传感器会震动;当用力过小低于下界值时颈部传感器不震动;当用力过大超出上界值时手指传感器震动。
4.权利要求1所述的一种基于力触觉反馈和脑电信号分析的训练评价装置,其特征在于,具体评价方式为将表现极好的50个片段和表现极差的50个片段提取出来进行分类,样本空间总数为100*14=1400。
5.权利要求1所述的一种基于力触觉反馈和脑电信号分析的训练评价装置,其特征在于,所述自适应性调整的控制方式如下:
Ftarget=1.5N,δ0=0.25 (2)
公式(1)其中η表示力在误差带范围内的时间T1占总时间T的比值,当采样点在误差范围内Si为1,当不在误差范围内Si为0,N表示采样点总数;
其中容差Ftoler的计算方法如公式(2),其中目标力Ftoler为1.5N,变化率δ的初始值δ0为0.25,δi根据前一时刻表现实时调整;
δ和α的最大与最小值设置如公式(3);
因此最终误差带的上界值FtargetRegionUpLimit和下界值FtargetRegionDownLimit计算如公式(4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742321.2A CN107577343B (zh) | 2017-08-25 | 2017-08-25 | 一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742321.2A CN107577343B (zh) | 2017-08-25 | 2017-08-25 | 一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107577343A CN107577343A (zh) | 2018-01-12 |
CN107577343B true CN107577343B (zh) | 2020-04-28 |
Family
ID=61034849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710742321.2A Active CN107577343B (zh) | 2017-08-25 | 2017-08-25 | 一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107577343B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108181995A (zh) * | 2018-01-31 | 2018-06-19 | 京东方科技集团股份有限公司 | 交互系统、方法及装置 |
JP6875054B2 (ja) * | 2018-03-09 | 2021-05-19 | 株式会社国際電気通信基礎技術研究所 | 脳活動訓練装置、脳活動訓練方法および脳活動訓練プログラム |
CN108939290B (zh) * | 2018-06-06 | 2023-02-03 | 中国人民解放军第四军医大学 | 基于经颅微电流电击的抑郁症治疗系统 |
CN109009171B (zh) * | 2018-08-01 | 2020-11-13 | 深圳市心流科技有限公司 | 注意力测评方法、系统及计算机可读存储介质 |
CN109011098A (zh) * | 2018-08-01 | 2018-12-18 | 龚映清 | 一种主动意图视觉与动觉反馈训练系统及其操作方法 |
CN109589493A (zh) * | 2018-09-30 | 2019-04-09 | 天津大学 | 一种基于经颅直流电刺激的注意力调控方法 |
CN109481845B (zh) * | 2018-12-28 | 2022-04-01 | 深圳先进技术研究院 | 一种作用于不同脑区的经颅磁刺激的方法和相关装置 |
TWI769438B (zh) * | 2020-03-18 | 2022-07-01 | 友達光電股份有限公司 | 具有振動回饋的觸控顯示裝置 |
CN111631731B (zh) * | 2020-05-09 | 2022-05-13 | 国家康复辅具研究中心 | 近红外脑功能与触力/运动信息融合的评估方法及系统 |
CN112168185B (zh) * | 2020-09-29 | 2021-11-09 | 北京航空航天大学 | 视觉持续注意力测试装置和方法 |
CN113520396B (zh) * | 2020-09-29 | 2022-05-24 | 北京航空航天大学 | 基于脑电溯源成像的视觉持续注意力训练与测试系统 |
CN112486316B (zh) * | 2020-10-16 | 2022-11-01 | 杭州师范大学 | 一种脑电与手指压力联合反馈的持续注意调控系统 |
CN113192601A (zh) * | 2021-04-15 | 2021-07-30 | 杭州国辰迈联机器人科技有限公司 | 基于脑机接口的注意力缺陷多动障碍康复训练方法及训练任务 |
CN114343641A (zh) * | 2022-01-24 | 2022-04-15 | 广州熠华教育咨询服务有限公司 | 一种学习困难干预训练指导方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202236782U (zh) * | 2011-08-30 | 2012-05-30 | 忽以阳 | 一种基于脑电波的注意力训练仪 |
CN104524681A (zh) * | 2014-09-19 | 2015-04-22 | 北京航空航天大学 | 一种基于精确力量控制和触觉反馈及难度自适应的注意力训练方法 |
CN105962935A (zh) * | 2016-06-14 | 2016-09-28 | 中国医学科学院生物医学工程研究所 | 用于运动学习功能改善的脑电神经反馈训练系统及其方法 |
CN106340221A (zh) * | 2016-08-30 | 2017-01-18 | 北京航空航天大学 | 一种纯触觉反馈和连续力控制任务结合的注意力训练系统 |
CN106390391A (zh) * | 2016-09-06 | 2017-02-15 | 常州大学 | 振动触感反馈多动症康复训练系统 |
CN106990835A (zh) * | 2017-02-20 | 2017-07-28 | 深圳先进技术研究院 | 一种运动训练评估方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101662636B1 (ko) * | 2014-07-14 | 2016-10-07 | 엔에이치엔엔터테인먼트 주식회사 | 영상 몰입 유도 장치 및 이를 이용한 영상 몰입 유도 방법 |
-
2017
- 2017-08-25 CN CN201710742321.2A patent/CN107577343B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202236782U (zh) * | 2011-08-30 | 2012-05-30 | 忽以阳 | 一种基于脑电波的注意力训练仪 |
CN104524681A (zh) * | 2014-09-19 | 2015-04-22 | 北京航空航天大学 | 一种基于精确力量控制和触觉反馈及难度自适应的注意力训练方法 |
CN105962935A (zh) * | 2016-06-14 | 2016-09-28 | 中国医学科学院生物医学工程研究所 | 用于运动学习功能改善的脑电神经反馈训练系统及其方法 |
CN106340221A (zh) * | 2016-08-30 | 2017-01-18 | 北京航空航天大学 | 一种纯触觉反馈和连续力控制任务结合的注意力训练系统 |
CN106390391A (zh) * | 2016-09-06 | 2017-02-15 | 常州大学 | 振动触感反馈多动症康复训练系统 |
CN106990835A (zh) * | 2017-02-20 | 2017-07-28 | 深圳先进技术研究院 | 一种运动训练评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107577343A (zh) | 2018-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107577343B (zh) | 一种基于力触觉反馈和脑电信号分析的注意力训练与评价装置 | |
CN109199414B (zh) | 一种基于脑电信号的视听诱发情绪识别方法及系统 | |
US7580742B2 (en) | Using electroencephalograph signals for task classification and activity recognition | |
CN105654063B (zh) | 基于人工蜂群时频参数优化的运动想象脑电模式识别方法 | |
CN106919956A (zh) | 基于随机森林的脑电波年龄预测系统 | |
CN111714118B (zh) | 一种基于集成学习的脑认知模型融合方法 | |
Yang et al. | Subject-specific channel selection using time information for motor imagery brain–computer interfaces | |
KR20150076167A (ko) | 감각 및 인지 프로파일링을 위한 시스템 및 방법 | |
Rivet et al. | Theoretical analysis of xDAWN algorithm: application to an efficient sensor selection in a P300 BCI | |
CN102573619A (zh) | 用于生成注意力水平表示的设备和方法 | |
CN110215206A (zh) | 基于脑电信号的立体显示视疲劳评价方法、系统、装置 | |
CN111476158A (zh) | 一种基于pso-pca-svm的多通道生理信号体感手势识别方法 | |
CN113208593A (zh) | 基于相关性动态融合的多模态生理信号情绪分类方法 | |
CN103077205A (zh) | 一种利用声音刺激诱发的erp进行语义声音搜索的方法 | |
CN109009098B (zh) | 一种运动想象状态下的脑电信号特征识别方法 | |
CN109770896A (zh) | 梦境图像重现方法、装置及存储介质、服务器 | |
CN116304815A (zh) | 一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法 | |
Hurtado-Rincon et al. | Motor imagery classification using feature relevance analysis: An Emotiv-based BCI system | |
CN111671445A (zh) | 一种意识障碍程度分析方法 | |
Zhang et al. | Four-classes human emotion recognition via entropy characteristic and random Forest | |
CN114366103A (zh) | 注意力评估方法、装置及电子设备 | |
Fauzi et al. | Automatic energy extraction methods for EEG channel selection | |
CN107898458B (zh) | 基于图像先验的单试次脑电p300成分检测方法及装置 | |
Cecotti et al. | Suboptimal sensor subset evaluation in a p300 brain-computer interface | |
Ouyang et al. | Vigilance analysis based on continuous wavelet transform of eeg signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |