CN107595286A - 大脑优势能力分析方法 - Google Patents
大脑优势能力分析方法 Download PDFInfo
- Publication number
- CN107595286A CN107595286A CN201710760540.3A CN201710760540A CN107595286A CN 107595286 A CN107595286 A CN 107595286A CN 201710760540 A CN201710760540 A CN 201710760540A CN 107595286 A CN107595286 A CN 107595286A
- Authority
- CN
- China
- Prior art keywords
- icon
- color
- shape
- brain
- analysis method
- 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.)
- Granted
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及大脑优势能力分析方法，包括以下步骤，给大脑产生预设刺激；累积大脑各活动区域对刺激作出反应的程度；给所述反应分配相应权重，并输出大脑图像，所述大脑图像中大脑各活动区域中均含有带颜色及形状的图标，带颜色及形状的图标即反应相应权重；提取反应相应权重的各图标；对各图标进行预处理；将预处理后的各图标与预设信息进行形状及颜色的特征比对，得出形状相似值及颜色相似值；将形状相似值与阈值进行对比判断，并将颜色相似值与阈值进行对比判断，若形状相似值及颜色相似值均符合要求，则输出判断结果。本发明可检测及分析大脑优势能力，以给青少年儿童及婴幼儿的未来发展提供指导意见。
Description
技术领域
本发明涉及一种大脑优势能力分析方法。
背景技术
生命体都是由各种分子所组成，而分子又是由基本粒子所组成。基本粒子都会产生电能和磁场，因此都会让生物体具有磁场，这些磁场会形成涡旋状，称为生物体涡旋磁场。身体每一个器官组织和细胞，他们的磁场都是由其组成的分子磁场重新组合而成，所以每一个组织器官和细胞都有它独特的磁场特性，也就是一种振动频谱。人体各器官的细胞都有各自固定的振动频率，介于1 .8-8 .2Hz之间，现有的核磁共振扫描仪，可发射微幅的声波与光波频率，和人体各器官、组织及细胞分子的生物磁场所发出的频率共振，能预设脑神经元的生物电子活动状态，以此做为背景值，将共振回应出来的生理性的或病理性的讯息频率，传回至主机，由非线性分析系统解读后，呈现出细胞、组织、器官及全身的功能状态。
现有技术200910235385 .9公开的一种疾病预警方法和系统，其中方法包括：通过佩戴在用户身上的用户端装置采集用户的生理数据；比较当前生理数据与正常生理数据指标或比较当前生理数据与相邻时间段的生理数据，将满足预置条件的生理数据发送至远程预警服务器；通过远程预警服务器对生理数据进行分析处理。该方法能够采集准确的疾病相关信息，提前针对特定人群进行疾病预警。但其并未涉及到大脑各活动区域的情况检测及分析。
现有技术US6549805B1公开了一种利用非侵入性生物反馈信号的系统，其中所公开的CPT装置，可以检测病人到仪器的生物反馈信号，搜集器官的数字信号，确认器官发展情况。
大脑器官中各活动区域分别具有不同的功能，各区域情况好坏会反应出相应潜能的高低，对大脑各活区域的情况进行检测，进而可以预估大脑的发展潜能。
发明内容
本发明涉及大脑优势能力分析方法，能够直观地反应出大脑优势能力，给青少年儿童或/及婴幼儿的发展起到指导参考作用。
本发明是通过以下技术方案实现的：
大脑优势能力分析方法，其特征在于，包括以下步骤，
A．给大脑产生预设刺激；
B．累积大脑各活动区域对刺激作出反应的程度；
C．给所述反应分配相应权重，并输出大脑图像，所述大脑图像中大脑各活动区域中均含有带颜色及形状的图标，带颜色及形状的图标即反应相应权重；
D．提取反应相应权重的各图标；
E．对步骤D中提取后的各图标进行预处理；
F．将预处理后的各图标与预设信息进行形状及颜色的特征比对，得出形状相似值及颜色相似值；
G．将形状相似值与阈值进行对比判断，并将颜色相似值与阈值进行对比判断，若相似值大于阈值则通过特征比对，且形状相似值及颜色相似值均通过特征比对，才输出判断结果。
通过上述技术方案，通过检测大脑各活动区域对预设刺激作出的反应，将各反应累积成相应权重的图标，通过分析各形状及颜色的图标，可得到大脑各活动区域的判断结果，从判断结果可以看出大脑各活动区域的优劣情况，以直观地给出大脑优势能力分析结果，安全可靠。
作为本发明的进一步改进，步骤G中的输出的判断结果为阵列数值，所述阵列数值为反应大脑各活动区域的优势能力数值。通过上述技术方案，大脑各活动区域的潜能越高，则对应的数值越高，表明该活动区域的功能更具优势，简单直观。
作为本发明的进一步改进，还包括步骤H，将阵列数值转换为与大脑各活动区域对应的优势能力结果。通过上述技术方案，优势能力结果更为直观地给出了大脑在哪方面更具有优势。
作为本发明的进一步改进，将阵列数值转换为对应的优势能力结果，其方法为以Windows提供的API输出于文字档案。通过上述技术方案，将数值转换为对应的文字，使大脑优势能力效果有利于参考阅读。
作为本发明的进一步改进，步骤D中提取反应相应权重的各图标的步骤为，在大脑图像中建立坐标系并获取预设坐标信息处的图标。通过上述技术方案，大脑图像中，显示为各活动区域中的各图标，对规定尺寸的大脑图像进行坐标系建立，各图标对应的坐标信息为预设，按预设的坐标信息可提取对应的各图标。
作为本发明的进一步改进，步骤E中所述预处理为二值化及锐化处理。通过上述技术方案，图标在经过二值化以及锐化的处理后，边界特征将十分明显。此时进行特征比对，即可获得目标特征的相似值。
作为本发明的进一步改进，步骤F中形状比对的方法为将顺序一定的不同的预设形状作为遮罩轮流与所述图标进行比对，计算相似值。
作为本发明的进一步改进，步骤F中颜色比对的方法为差分法。通过上述技术方案，图标预处理后，颜色通道值将在指定区间进行强化，这时以差分方法即可获得RGB三种颜色通道的差距。若是皆在设定的阈值以上，即认为通过颜色比对的要求。
作为本发明的进一步改进，所述预设刺激为电磁信号或声信号或光信号。通过上述技术方案，预设刺激为非侵入式信号，对大脑各区域的刺激安全而有效。
作为本发明的进一步改进，所述图标的形状及颜色均包括六种。六种不同的形状及颜色反应出与之对应的大脑优势能力值。
根据本发明大脑优势能力分析方法，对青少年儿童或/及婴幼儿的大脑优势能力采用非侵入式诊断，结合图像识别，将大脑优势能力结果直观形象地输出，可用于青少年儿童或/及婴幼儿的潜能发展指导。
为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
图1为本发明一个实施例提供的大脑优势能力分析方法的大脑图像获取流程图；
图2为本发明一个实施例提供的大脑优势能力分析方法的图像识别流程图；
图3为本发明一个实施例提供的大脑优势能力分析方法的各活动区域带相应权重图标的大脑图像。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下扣合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如后。
大脑优势能力分析方法，包括以下步骤，
A．给大脑产生预设刺激；
B．累积大脑各活动区域对刺激作出反应的程度；
C．给所述反应分配相应权重，并输出大脑图像，所述大脑图像中大脑各活动区域中均含有带颜色及形状的图标，带颜色及形状的图标即反应相应权重；
D．提取反应相应权重的各图标；
E．对步骤D中提取后的各图标进行预处理；
F．将预处理后的各图标与预设信息进行形状及颜色的特征比对，得出形状相似值及颜色相似值；
G．将形状相似值与阈值进行对比判断，并将颜色相似值与阈值进行对比判断，若相似值大于阈值则通过特征比对，且形状相似值及颜色相似值均通过特征比对，才输出判断结果。
具体地，请参阅图1及图2，对大脑进行预设刺激，利用触发传感器检测大脑各活动区域对预设刺激的反应程度，累积反应程度以分配相应权重，并输出包括大脑各活动区域情况的大脑图像，大脑图像采用右视图输出，请参阅图3，进而对该大脑图像中的图标进行识别，详细地，载入大脑图像后，对各权重图标进行形状及颜色特征比对，模式辨识即为形状特征的判断，模式辨识预处理采用二值化及锐化处理，模式辨识比对即为形状特征比对，色彩分布预处理采用二值化处理，色彩分布比对采用差分法进行比对，两个特征比对均通过，则输判断结果。
优选的，步骤G中的输出的判断结果为阵列数值，所述阵列数值为反应大脑各活动区域的优势能力数值。
优选的，还包括步骤H，将阵列数值转换为与大脑各活动区域对应的优势能力结果。
优选的，将阵列数值转换为对应的优势能力结果，其方法为以Windows提供的API输出于文字档案。具体地，API为编程接口，举例如WIN32 API也就是Microsoft Windows 32位平台的应用程序编程接口。Windows API包括几千个可调用的函数，它们大致可以分为以下几个大类：基本服务；组件服务；用户界面服务；图形多媒体服务；消息和协作；网络；Web服务。调用Windows提供的API可将阵列数值转换为与之对应的预设的优势能力结果，简单高效。
优选的，步骤D中提取反应相应权重的各图标的步骤为，在大脑图像中建立坐标系并获取预设坐标信息处的图标。
优选的，步骤E中所述预处理为二值化及锐化处理。
优选的，步骤F中形状比对的方法为将顺序一定的不同的预设形状作为遮罩轮流与所述图标进行比对，计算相似值。详细地，预设形状为六种，轮流与目标图标比对的顺序一定，若相似值通过阈值判断，则表示该顺序处预设形状即为特征形状。
优选的，步骤F中颜色比对的方法为差分法。详细地，将预处理后的图标与背景图在RGB三通道上作差，若每个通道的的差值均通过阈值判断，则视为通过颜色比对。
优选的，所述预设刺激为电磁信号或声信号或光信号。
优选的，所述图标的形状及颜色均包括六种。
具体地，在一个实施例中，请参阅图1、图2及图3，大脑图像中各活动区域的反应相应权重的图标包括、、△、▽、◇、□，各图标的颜色不同，各图标所代表的优势能力数值不同，分别为6、5、4、3、2、1，将大脑活动区域分为19个，而每个活动区域的面积不一样，活动区域内的图标数量也不一样，但每个活动区域的图标数量至少一个，本实施例中，大脑图像请参阅图3，图标数量为57个，各活动区域分布的图标情况如下表所示。
对各图标进行提取和识别，可将各图标转换为相对应的大脑优势能力数值，并以阵列数值进行存储，便于转换，再对各优势能力数值以 Windows 提供的 API 输出于文字档案。在网页模式中，则是将优势能力数值输出于网页的指定栏位。
步骤G中输出的判断结果为阵列数值，如{6，4，2，1，5，6，4，2，1， 5，6，4，2，1，5，6，4，2，1，5，…}，阵列数值中数值的先后顺序即为图标序号，阵列数值中的57个值也即表示大脑优势能力数值。
在另一个实施例中，步骤G输出的判断结果首先是代表各权重图标的六种符号a、b、c、d、e、f，再将六种符号转换为一一对应的数值6、5、4、3、2、1。
可通过大脑各活动区域的优势能力数值来判断各区域功能的强弱，大脑各活动区域的功能不一样，大脑各区域的功能体现为动作（协调）、身体感觉（触觉）、记忆力（注意力）、视觉（空间）、听觉（语言）、情绪、味觉、嗅觉、思考（判断计划）。在一个实施例中，各区域所体现的功能如下表所示：
在实施例中，若动作（协调）所对应的区域优势能力数值较高，则表示该区域功能较完善，优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于应用该区域功能较多的行业，如运动员、舞者、外科医生、航海家、手工艺者、雕塑家、建筑师、音乐指挥等。
若身体感觉（触觉）所对应的区域优势能力数值较高，则表示该区域功能较好，优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于应用该区域功能较多的行业，如雕塑家、画家、外科医生、手工艺者、舞者、运动员、测量员。
若记忆力/注意力对应的区域优势能力数值较高，则优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于作家、诗人、演说家、记者、新闻播报员、科学家、会计师、电脑软体设计师、雕塑家、画家、作曲家。
若视觉/空间对应的区域优势能力数值较高，则优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于航海家、飞行员、雕塑家、建筑师、工程师、画家、外科医生、手工艺者、庭园设计师、生态学家。
若听觉/语言对应的区域优势能力数值较高，则优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于作家、诗人、新闻播报者、演说家、记者、作曲家、乐师。
若情绪对应的区域优势能力数值较高，则优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于神学家、心理学家、社会工作者、教师、政治家、哲学家。
若味觉对应的区域优势能力数值较高，则优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于美食家、植物（农）学家、品酒师。
若嗅觉对应的区域优势能力数值较高，则优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于美食家、植物（农）学家、品酒师。
若思考/判断/计划对应的区域优势能力数值较高，则优势能力结果对于青少年儿童或/及婴幼儿发展的指导则是偏向于科学家、会计师、工程师、电脑软体设计师、企业家。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (10)
1.大脑优势能力分析方法，其特征在于，包括以下步骤，
A．给大脑产生预设刺激；
B．累积大脑各活动区域对刺激作出反应的程度；
C．给所述反应分配相应权重，并输出一大脑图像，所述大脑图像中大脑各活动区域中均含有带颜色及形状的图标，带颜色及形状的图标即反应相应权重；
D．提取反应相应权重的各图标；
E．对步骤D中提取后的各图标进行预处理；
F．将预处理后的各图标与预设信息进行形状及颜色的特征比对，得出形状相似值及颜色相似值；
G．将形状相似值与阈值进行对比判断，并将颜色相似值与阈值进行对比判断，若相似值大于阈值则通过特征比对，且形状相似值及颜色相似值均通过特征比对，才输出判断结果。
2.如权利要求1所述的大脑优势能力分析方法，其特征在于，步骤G中的输出的判断结果为阵列数值，所述阵列数值为反应大脑各活动区域的优势能力数值。
3.如权利要求1所述的大脑优势能力分析方法，其特征在于，还包括步骤H，将阵列数值转换为与大脑各活动区域对应的优势能力结果。
4.如权利要求3所述的大脑优势能力分析方法，其特征在于，将阵列数值转换为对应的优势能力结果，其方法为以Windows提供的API输出于文字档案。
5.如权利要求1所述的大脑优势能力分析方法，其特征在于，步骤D中提取反应相应权重的各图标的步骤为，在大脑图像中建立坐标系并获取预设坐标信息处的图标。
6.如权利要求1所述的大脑优势能力分析方法，其特征在于，步骤E中所述预处理为二值化及锐化处理。
7.如权利要求1所述的大脑优势能力分析方法，其特征在于，步骤F中形状比对的方法为将顺序一定的不同的预设形状作为遮罩轮流与所述图标进行比对，计算相似值。
8.如权利要求1所述的大脑优势能力分析方法，其特征在于，步骤F中颜色比对的方法为差分法。
9.如权利要求1-8任一项所述的大脑优势能力分析方法，其特征在于，所述预设刺激为电磁信号或声信号或光信号。
10.如权利要求1-8任一项所述的大脑优势能力分析方法，其特征在于，所述图标的形状及颜色均包括六种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710760540.3A CN107595286B (zh) | 2017-08-30 | 2017-08-30 | 大脑优势能力分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710760540.3A CN107595286B (zh) | 2017-08-30 | 2017-08-30 | 大脑优势能力分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107595286A true CN107595286A (zh) | 2018-01-19 |
| CN107595286B CN107595286B (zh) | 2020-05-22 |
Family
ID=61056726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710760540.3A Active CN107595286B (zh) | 2017-08-30 | 2017-08-30 | 大脑优势能力分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107595286B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2063799U (zh) * | 1989-05-26 | 1990-10-17 | 王少石 | 大脑反应时间测定仪 |
| CN101301507A (zh) * | 2007-03-02 | 2008-11-12 | 丛繁滋 | 可用于全脑开发的大脑潜能激活系统及其使用方法 |
| CN103235869A (zh) * | 2013-03-29 | 2013-08-07 | 西安电子科技大学 | 基于海洛因成瘾模型的大脑回路因果作用关系分析方法 |
| CN103268533A (zh) * | 2013-05-27 | 2013-08-28 | 江苏大学 | 创业潜质情景模拟测评系统与测评方法 |
| CN103989482A (zh) * | 2013-12-26 | 2014-08-20 | 应俊 | 用于幻听检测的声音刺激器及用于幻听检测的装置 |
| CN106485039A (zh) * | 2015-08-24 | 2017-03-08 | 复旦大学附属华山医院 | 一种汉语脑语言区分布图的构建方法 |
-
2017
- 2017-08-30 CN CN201710760540.3A patent/CN107595286B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2063799U (zh) * | 1989-05-26 | 1990-10-17 | 王少石 | 大脑反应时间测定仪 |
| CN101301507A (zh) * | 2007-03-02 | 2008-11-12 | 丛繁滋 | 可用于全脑开发的大脑潜能激活系统及其使用方法 |
| CN103235869A (zh) * | 2013-03-29 | 2013-08-07 | 西安电子科技大学 | 基于海洛因成瘾模型的大脑回路因果作用关系分析方法 |
| CN103268533A (zh) * | 2013-05-27 | 2013-08-28 | 江苏大学 | 创业潜质情景模拟测评系统与测评方法 |
| CN103989482A (zh) * | 2013-12-26 | 2014-08-20 | 应俊 | 用于幻听检测的声音刺激器及用于幻听检测的装置 |
| CN106485039A (zh) * | 2015-08-24 | 2017-03-08 | 复旦大学附属华山医院 | 一种汉语脑语言区分布图的构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107595286B (zh) | 2020-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kayser et al. | Prestimulus influences on auditory perception from sensory representations and decision processes | |
| Marguet et al. | State-dependent representation of amplitude-modulated noise stimuli in rat auditory cortex | |
| Luo et al. | Auditory cortex tracks both auditory and visual stimulus dynamics using low-frequency neuronal phase modulation | |
| Leber | Neural predictors of within-subject fluctuations in attentional control | |
| Diéguez-Risco et al. | Faces in context: Modulation of expression processing by situational information | |
| Keeley et al. | Modeling fast and slow gamma oscillations with interneurons of different subtype | |
| Downer et al. | Feature-selective attention adaptively shifts noise correlations in primary auditory cortex | |
| Huang et al. | Push-pull competition between bottom-up and top-down auditory attention to natural soundscapes | |
| Jeong et al. | In-ear EEG based attention state classification using echo state network | |
| Herrmann et al. | Neural signatures of the processing of temporal patterns in sound | |
| Berezutskaya et al. | Neural tuning to low-level features of speech throughout the perisylvian cortex | |
| Folyi et al. | Attentional enhancement for positive and negative tones at an early stage of auditory processing | |
| Chouiter et al. | Experience-based auditory predictions modulate brain activity to silence as do real sounds | |
| Murugesan et al. | Multi-scale visual analysis of time-varying electrocorticography data via clustering of brain regions | |
| Alavash et al. | Large-scale network dynamics of beta-band oscillations underlie auditory perceptual decision-making | |
| Trammel et al. | Decoding semantic relatedness and prediction from EEG: A classification method comparison | |
| Benda et al. | Different feedback methods for an SSVEP-based BCI | |
| Formica et al. | Theta-phase connectivity between medial prefrontal and posterior areas underlies novel instructions implementation | |
| Tazrin et al. | LiHEA: migrating EEG analytics to ultra-edge IoT devices with logic-in-headbands | |
| Neokleous et al. | Modeling the effects of perceptual load: Saliency, competitive interactions, and top-down biases | |
| CN107595286A (zh) | 大脑优势能力分析方法 | |
| Joanisse et al. | Sensitivity of human auditory cortex to rapid frequency modulation revealed by multivariate representational similarity analysis | |
| CN114169366B (zh) | 神经反馈训练系统和方法 | |
| Szalárdy et al. | Who said what? The effects of speech tempo on target detection and information extraction in a multi‐talker situation: An ERP and functional connectivity study | |
| Doostmohammadi et al. | Ripples in macaque V1 and V4 are modulated by top-down visual attention |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190716 Address after: Room 601, 500 Zhangyang Road, Shanghai Pudong New Area Free Trade Pilot Area, 200120 Applicant after: Chuangqiao Education Information Consulting (Shanghai) Co., Ltd. Applicant after: Gao Zhijuan Address before: 310052 Room 1308, Building 1, Modern Impression Square, No. 352 Huanxing Road, Puyan Street, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: Chuang Bridge Education Technology (Hangzhou) Co., Ltd. Applicant before: Gao Zhijuan |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |