CN109589112B - 基于iab在线调控睁、闭眼状态的静息脑电采集方法 - Google Patents
基于iab在线调控睁、闭眼状态的静息脑电采集方法 Download PDFInfo
- Publication number
- CN109589112B CN109589112B CN201811190400.8A CN201811190400A CN109589112B CN 109589112 B CN109589112 B CN 109589112B CN 201811190400 A CN201811190400 A CN 201811190400A CN 109589112 B CN109589112 B CN 109589112B
- Authority
- CN
- China
- Prior art keywords
- eye
- alpha
- open
- state
- states
- 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
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
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- 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IAB在线调控睁、闭眼状态的静息脑电采集方法,所述方法包括:在线实时反馈和在线标定两部分;所述在线实时反馈为:基于个体alpha频段设定门限阈值,根据平均alpha指数所属的门限阈值范围实时在线语音来提示受试者调整当前的睁、闭眼状态;所述在线标定为:根据平均alpha指数所属的门限阈值范围,对睁、闭眼状态进行标签标定,以实现实时在线噪声规避,进而提高静息脑电信号质量的新范式。本发明运用个体alpha频段来规避个体差异性,通过实时在线反馈提示来提醒受试者调整当前状态,降低眼电等噪声的引入。本发明提出的范式可在实验数据采集过程中提高信号质量,降低了数据处理的时间复杂度,具有可行性和有效性。
Description
技术领域
本发明涉及脑电采集领域,尤其涉及一种基于IAB在线调控睁、闭眼状态的静息脑电采集方法。
背景技术
脑电信号(Electroencephalography,EEG)作为非侵入式探测大脑皮层神经元集群自发性、节律性电生理活动手段,在脑功能状态评估方面有着显著的作用,含有丰富的生理和病理变化信息,故深受研究者们青睐。根据脑电频率脑电信号多被分为:delta波、theta波、alpha波和beta波。其中,alpha波作为成年人静息状态下的主要脑电波形,在头皮的任何部位均可检测到。人在安静及闭眼静息时alpha节律最为明显,睁眼时alpha节律消失。多项研究表明alpha节律在睁、闭眼状态下的差异显著,且alpha节律与人的情绪状态相关联[1,2],故在分析脑功能状态以及情绪变化时,研究者们多选用alpha作为电生理特征指标,并取得一定的进展。
IAB(Individual alpha band)又称为个体alpha频段,是确定个体alpha波频率范围的较为简单的分析方法。由于alpha波在安静、身心轻松及闭眼静息时十分明显,而在睁眼时alpha波会消失,故在睁、闭眼静息状态测得的alpha波功率谱密度会存在显著区别。IAB分析方法也是基于此特征。
脑电信号作为一种产生机理相当复杂的生物电信号,具有随机、信噪比低、信号微弱等特点,故在测量过程中容易被各种伪迹噪声所干扰,较常见的有:眼电、50/60工频干扰、肌电、心电、电极松动、出汗、呼吸以及脉搏造成的干扰等。噪声在脑电中的混杂会对数据分析与处理造成严重的干扰,从而导致分析结果出现偏差。
其中,噪声检测可以有效降低在噪声去除过程中对有用信号的误操作,也可以避免对于没有噪声污染的脑电信号的处理,由此有效的精练了噪声去除的过程,通过简单有效的预判,有效的降低了噪声去除的时间消耗,这在很多实时性要求较高的应用中都是有非常重大的意义的。传统的实验控制减少干扰的常见方法是实验过程控制技术,该技术在实验设计的时候需确定实验的具体方式,例如,在睁眼的实验中,需在屏幕上显示一个或多个标识,并要求受试者必须注视此标识,从而达到限制眼动的目的。同时,受试者需尽量减少眨眼的频率,包括闭眼时的眼动等。但是这种方式并不能解决眨眼带来的噪声,反而由于标识的出现给受试者带来新的任务,在某种程度上改变了实验中受试者的计划任务,所以这种方法在现在看来是非常有争议的。
发明内容
本发明提供了一种基于IAB在线调控睁、闭眼状态的静息脑电采集方法,本发明基于个体alpha频段设置门限阈值,通过阈值标定和调控受试者睁、闭眼状态,从而记录到高信噪比、高可信度的静息脑电数据,以达到排除个体差异、减少噪声干扰、降低后续处理数据时间复杂度的目的,助力于基于静息脑电数据的脑功能研究分析、控制系统的普适性拓展开发以及临床情绪判定等,为电生理科学的进一步研究及临床诊断的个性化发展提供技术支撑,能获得可观的经济效益和社会效益,详见下文描述:
一种基于IAB在线调控睁、闭眼状态的静息脑电采集方法,所述方法包括:在线实时反馈和在线标定两部分;
所述在线实时反馈为:基于个体alpha频段设定门限阈值,根据平均alpha指数所属的门限阈值范围实时在线语音来提示受试者调整当前的睁、闭眼状态;
所述在线标定为:根据平均alpha指数所属的门限阈值范围,对睁、闭眼状态进行标签标定,以实现实时在线噪声规避,进而提高静息脑电信号质量的新范式。
其中,所述方法采用8分钟睁、闭眼静息脑电采集;
采集模式分为OCCOCOOC和COOCOCCO两种,提示参与者以8次1分钟间隔的交替顺序睁眼O或闭眼C;
当提示音提示“请睁眼”时,受试者应保持睁眼状态,直至提示音提示“请闭眼”,受试者转换睁眼状态为闭眼状态,直至再次听到“请睁眼”,依次交替转换睁、闭眼状态。
进一步地,所述脑电采集的结构包括:
播放语音提示的双声道耳机、脑电电极和脑电放大器、以及计算机处理平台。
其中,所述门限阈值具体为:
O1,O2分别为睁眼状态的alpha指数的上下限;C1,C2分别为闭眼状态的alpha指数的上下限。
进一步地,所述门限阈值范围具体为:
其中,由O1,O2组成的范围[O1,O2]为睁眼状态的alpha指数范围;由C1,C2组成的范围[C1,C2]为闭眼状态的alpha指数范围;由O2,C1组成的范围[O2,C1]为自由状态的alpha指数范围;
Difalpha_CO为睁、闭眼状态下的平均alpha指数差值;
Difalpha_CO=M_alphae_C-M_alphae_O
其中,M_alphae_O、M_alphae_C分别为全脑的睁、闭眼状态下的平均alpha指数值;
其中,l表示导联数,i表示第几个导联,Palpha_O_i表示的是睁眼状态下第i个导联下的alpha功率,Palpha_C_i表示的是闭眼状态下第i个导联下的alpha功率,Pall_O_i表示睁眼状态下第i个导联下的脑电信号的总功率,Pall_C_i表示闭眼状态下第i个导联下的脑电信号的总功率。
具体实现时,所述对睁、闭眼状态进行标定具体为:
根据提取5s的数据的alpha功率分类结果进行打标签操作;
当alpha的功率属于睁眼状态的alpha指数范围内[O1,O2]时,打标签1;
当alpha的功率属于闭眼状态的alpha指数范围[C1,C2]时,打标签3;
当alpha的功率属于睁闭眼交替的自由状态[O2,C1]时,打标签2。
本发明提供的技术方案的有益效果是:
1、本发明运用个体alpha频段来规避个体差异性,并通过实时在线反馈提示来提醒受试者调整当前状态,从而降低眼电等噪声的引入;
2、本发明通过实时在线标定来对睁、闭眼状态进行精确打标,从而提高信号质量;
3、本发明相比于传统的噪声控制手段,所提出的范式可以在实验数据采集过程中提高信号质量,大大降低了后续的数据处理的时间复杂度,更加具有可行性和有效性;
4、本发明可提高对脑电波的处理精度和处理效率,从而获得高质量的静息脑电信号,为分析静息状态下的大脑功能、情绪状态提供了技术支撑,有望获得可观的社会效益。
附图说明
图1为IAB特征提取个体alpha频段频域波形图;
图2为OCCOCOOC睁、闭眼静息模式的流程图;
图3为基于IAB在线调控睁、闭眼状态的静息脑电采集范式设计结构的示意图。
表1为睁眼任务下的实时在线调控的执行指令集。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
研究表明闭眼静息脑电在alpha波频段的功率会明显高于睁眼静息脑电在alpha波频段的功率,自由状态下的alpha功率处于两者之间[3],故本发明创新性的设计了基于个体alpha频段实时在线调控睁、闭眼状态的静息脑电采集范式设计。
本发明实施例根据个体alpha频段设定门限阈值,减少个体差异带来的影响,助力于更加高效可靠的实时在线调控。通过实时在线调控来反馈调整和标签标定受试者的睁、闭眼状态,即实现在线反馈和在线标定两部分功能。
其中,在线反馈是根据平均alpha指数所属的门限阈值范围,通过语音反馈来提示受试者,以保证受试者行为符合睁闭眼静息范式要求,采用语音提示是为避免给受试者带来新的任务,弥补了传统实验控制干扰的不足。
其中,在线标定是根据平均alpha指数所属的门限阈值范围,来标定受试者当前睁、闭眼状态或自由状态,这样可以实现精准标定睁、闭眼状态,以在数据存储时标定数据,为后续数据处理规避噪声,可有效减少噪声干扰,获取更加高质量的脑电信号,降低后续数据处理的时间复杂度。
实施例1
本发明实施例以睁、闭眼静息态脑电分析为例,具体解释基于IAB实时在线调控睁、闭眼状态的静息脑电采集范式设计的具体流程,参见图2和图3,该方法包括以下步骤:
101:基于个体alpha频段设定门限阈值,该门限阈值用于实时在线调控提示受试者调整睁、闭眼状态;
其中,个体alpha频段简称IAB(Individual alpha band),是确定个体alpha波频率范围的简单通用方法。由于多项研究已证实alpha节律具有个体差异性[4,5],故本发明实施例创造性结合IAB来排除个体差异带来的影响,并根据IAB设置睁、闭眼状态下的门限阈值。
102:根据平均alpha指数所属的门限阈值范围对当前状态进行标签标定,以实现实时在线噪声规避,进而提高静息脑电信号质量的新范式。
本发明实施例通过平均alpha指数所属的门限阈值范围语音提示来提示受试者调整状态,并对睁、闭眼状态进行标定。实现了实时在线反馈,并精准标定睁、闭眼状态的目的。
综上所述,本发明实施例在分析静息脑功能状态时排除个体差异,降低噪声干扰以提高信号质量等要求方面意义深远;也为后续有效地从脑电信号中提取出可靠的特征参量来实现系统控制和身份识别、深化静息态与任务态的对比研究以及临床情绪状态判定等方面给予技术支持。
实施例2
下面结合具体的计算公式、图1-图3,表1对实施例1中的方案进行进一步地介绍,详见下文描述:
以睁、闭眼静息脑电为例,本发明实施实例采用的是8分钟睁、闭眼静息脑电采集。8分钟睁、闭眼静息脑电的采集模式一般分为OCCOCOOC和COOCOCCO两种,本实验采取的是OCCOCOOC模式,其脑电的采集,是通过程序设置提示音,提示参与者以8次1分钟间隔的交替顺序睁眼(Open,O)或闭眼(Close,C)。当提示音提示“请睁眼”时,受试者应保持睁眼状态,直至提示音提示“请闭眼”,受试者转换睁眼状态为闭眼状态,直至再次听到“请睁眼”,依次交替转换睁、闭眼状态。具体设置可参见图2。
图3为本发明实施例的范式应用于静息脑电信号采集的结构示意图。该设计涵盖了播放语音提示的双声道耳机、脑电电极和脑电放大器等脑电采集系统以及计算机处理平台等部分。该系统采用NeuroScan公司生产的SynAmps2脑电数字采集系统,将由标准Ag/AgCl脑电电极采集到的脑电信号经过NuAmps&Scan4.5脑电放大器放大后打包到计算机进行相关计算,通过将脑电信号alpha频段功率解码后转化为BCI指令进行输出并通过耳机播放提示受试者调整当前状态,从而减少眼电干扰,提高脑电信号质量。OCCOCOOC模式的任务提示以及受试者状态实时调控的语音设计均基于Matlab平台完成。
该范式设计的实时在线调控部分,分为两个子部分,即实时在线反馈部分和实时在线标定部分。实时在线反馈部分是每5s数据进行分析,提取受试者alpha功率按照平均alpha指数所属的门限阈值范围进行分类,之后与当前任务状态进行比较。以睁眼状态为例,若提取的alpha功率处于闭眼状态,则语音提示受试者“您应保持睁眼,但您现在处于闭眼状态,请调整”。实时在线标定部分是根据提取5s的数据的alpha功率分类结果进行打标签操作,当alpha的功率属于睁眼范围内时,打标签1;属于闭眼范围内时,打标签2;当属于睁闭眼交替的自由状态或调整状态时,打标签3。
具体实现时,该范式设计的门限阈值的确定是通过分别采集1min睁、闭眼状态下的静息脑电信号,经过滤波、降采样等预处理,ICA去伪迹以及特征提取等步骤(该些步骤为本领域技术人员所公知,本发明实施例对此不做赘述)获取有效可靠的睁、闭眼两种状态下的alpha波,个体alpha频段的确定参见图3,图3中的曲线数据取自前期实验的受试者睁、闭眼静息脑电的alpha功率值。
图1中PAF(Peak alpha frequency)表示的是闭眼静息时脑电信号的功率谱峰值下对应的频率。LTF(Low transition frequency)表示的是低转换频率,HTF(Hightransition frequency)表示的是高转换频率,即睁、闭眼功率谱之间的交叉频率。PAF为个体alpha波频段高、低频带的切断点,从LTF到PAF为个体alpha波低频段,从PAF到HTF为个体alpha波高频段,从LTF到HTF涵盖的频率范围便是所要求取的个体alpha频段。
IAB=HTF-LTF (式1)
其中,LTF为低转换频率,HTF为高转换频率,IAB为个体alpha频段。然后,以LTF到HTF为个体alpha的频率边界,对脑电数据进行滤波,再运用傅立叶变换求取个体的睁、闭眼状态下的alpha功率,并进行归一化处理,进而得出alpha指数,即alphae。
其中,alphae指数的计算公式如下:
式2中的Palpha表示的是alpha的功率,Pall表示的是脑电信号的总功率。由于本发明实施例采集的是多导联的脑电数据,故通过所有导联的叠加平均,可求取全脑的睁、闭眼状态下的平均alpha指数值,即M_alphae_O、M_alphae_C,其计算公式如下:
上式中,l表示导联数,i表示第几个导联,Palpha_O_i表示的是睁眼状态下第i个导联下的alpha功率,Palpha_C_i表示的是闭眼状态下第i个导联下的alpha功率,Pall_O_i表示睁眼状态下第i个导联下的脑电信号的总功率,Pall_C_i表示闭眼状态下第i个导联下的脑电信号的总功率。
定义睁、闭眼状态下的平均alpha指数差值为Difalpha_CO,其计算公式如下:
Difalpha_CO=M_alphae_C-M_alphae_O (式5)
在实际实验中,本范式界定了睁、闭眼状态的alpha指数范围,其睁眼状态的alpha指数范围为[O1,O2],闭眼状态的alpha指数范围为[C1,C2],取值范围中边界值的计算公式如下:
本发明实施例在实时在线处理时,以5s的数据为一组,在线进行预处理、去除噪声等操作,然后根据个体的alpha频段滤波出alpha波并计算其平均alpha指数,根据alpha指数值进行分类,并根据分类结果进行实时反馈提示和实时状态标定,以睁眼任务为例,实时在线调控的执行指令集,见表1。
表1睁眼任务下的实时在线调控的执行指令集
alpha指数范围 | 实时标定标签 | 实时语音反馈提示 |
[O<sub>1</sub>,O<sub>2</sub>] | 1 | “状态良好” |
[O<sub>2</sub>,C<sub>1</sub>] | 2 | “您应保持睁眼,但您现在处于自由状态,请调整” |
[C<sub>1</sub>,C<sub>2</sub>] | 3 | “您应保持睁眼,但您现在处于闭眼状态,请调整” |
本发明实施例设计的范式基于Matlab-psychtoolbox工具箱编写的程序,语音提示用通用的电脑声卡播放即可。
综上所述,本发明实施例提出了基于IAB实时在线调控睁、闭眼状态的静息脑电采集方法,有望获得可观的社会效益和经济效益。
最佳实施方案拟采用专利转让、技术合作或产品开发,该技术可与医院、高校等合作进一步开发出适用于工业控制、临床诊断的产品。该技术可以用于临床诊断、身份识别、工业控制等领域,具有重要的研究意义与商业价值。
参考文献
[1]Weinreich A,Stephani T,Schubert T.Emotion effects within frontalalpha oscillation in a picture oddball paradigm[J].International Journal ofPsychophysiology,2016,110:200-206.
[2]Choi D,Sekiya T,Minote N,et al.Relative left frontal activity inreappraisal and suppression of negative emotion:Evidence from frontal alphaasymmetry(FAA)[J].International Journal of Psychophysiology,2016,109:37-44.
[3]王坤,崔维棋,李国珍,等.单侧睁眼闭眼引起的全脑脑电图差异研究[C]//首都医科大学2013年研究生学术论坛.2013.
[4]Lim J,Quevenco F C,Kwok K.EEG alpha activity is associated withindividual differences in post-break improvement[J].Neuroimage,2013,76(1):81-89.
[5]Cecere R,Rees G,Romei V.Individual Differences in Alpha FrequencyDrive Crossmodal Illusory Perception[J].Current Biology,2015,25(2):231-235.
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于IAB在线调控睁、闭眼状态的静息脑电采集方法,其特征在于,所述方法包括:在线实时反馈和在线标定两部分;
所述在线实时反馈为:基于个体alpha频段设定门限阈值,根据平均alpha指数所属的门限阈值范围实时在线语音来提示受试者调整当前的睁、闭眼状态;
所述在线标定为:根据平均alpha指数所属的门限阈值范围,对睁、闭眼状态进行标签标定,以实现实时在线噪声规避,进而提高静息脑电信号质量的新范式;
其中,所述门限阈值具体为:
O1,O2分别为睁眼状态的alpha指数的上下限;C1,C2分别为闭眼状态的alpha指数的上下限;
所述门限阈值范围具体为:
其中,由O1,O2组成的范围[O1,O2]为睁眼状态的alpha指数范围;由C1,C2组成的范围[C1,C2]为闭眼状态的alpha指数范围;由O2,C1组成的范围[O2,C1]为自由状态的alpha指数范围;
Difalpha_CO为睁、闭眼状态下的平均alpha指数差值;
Difalpha_CO=M_alphae_C-M_alphae_O
其中,M_alphae_O、M_alphae_C分别为全脑的睁、闭眼状态下的平均alpha指数值;
其中,l表示导联数,i表示第几个导联,Palpha_O_i表示的是睁眼状态下第i个导联下的alpha功率,Palpha_C_i表示的是闭眼状态下第i个导联下的alpha功率,Pall_o_i表示睁眼状态下第i个导联下的脑电信号的总功率,Pall_C_i表示闭眼状态下第i个导联下的脑电信号的总功率。
2.根据权利要求1所述的一种基于IAB在线调控睁、闭眼状态的静息脑电采集方法,其特征在于,所述方法采用8分钟睁、闭眼静息脑电采集;
采集模式分为OCCOCOOC和COOCOCCO两种,提示参与者以8次1分钟间隔的交替顺序睁眼O或闭眼C;
当提示音提示“请睁眼”时,受试者应保持睁眼状态,直至提示音提示“请闭眼”,受试者转换睁眼状态为闭眼状态,直至再次听到“请睁眼”,依次交替转换睁、闭眼状态。
3.根据权利要求2所述的一种基于IAB在线调控睁、闭眼状态的静息脑电采集方法,其特征在于,所述脑电采集的结构包括:
播放语音提示的双声道耳机、脑电电极和脑电放大器、以及计算机处理平台。
4.根据权利要求1所述的一种基于IAB在线调控睁、闭眼状态的静息脑电采集方法,其特征在于,所述对睁、闭眼状态进行标定具体为:
根据提取5s的数据的alpha功率分类结果进行打标签操作;
当alpha的功率属于睁眼状态的alpha指数范围内[O1,O2]时,打标签1;
当alpha的功率属于闭眼状态的alpha指数范围[C1,C2]时,打标签3;
当alpha的功率属于睁闭眼交替的自由状态[O2,C1]时,打标签2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811190400.8A CN109589112B (zh) | 2018-10-12 | 2018-10-12 | 基于iab在线调控睁、闭眼状态的静息脑电采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811190400.8A CN109589112B (zh) | 2018-10-12 | 2018-10-12 | 基于iab在线调控睁、闭眼状态的静息脑电采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109589112A CN109589112A (zh) | 2019-04-09 |
CN109589112B true CN109589112B (zh) | 2021-06-29 |
Family
ID=65957420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811190400.8A Active CN109589112B (zh) | 2018-10-12 | 2018-10-12 | 基于iab在线调控睁、闭眼状态的静息脑电采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109589112B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112244872B (zh) * | 2020-09-28 | 2021-09-07 | 北京创新智源科技有限公司 | 脑电图信号伪差识别、去除、评估方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102500105A (zh) * | 2011-11-29 | 2012-06-20 | 重庆大学 | 基于脑机接口的游戏装置及其游戏方法 |
CN107644682A (zh) * | 2017-09-22 | 2018-01-30 | 天津大学 | 基于额叶eeg偏侧化和erp的情绪调节能力测查方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2371286B1 (en) * | 2009-10-29 | 2019-12-04 | Panasonic Corporation | Organism fatigue evaluation device and organism fatigue evaluation method |
-
2018
- 2018-10-12 CN CN201811190400.8A patent/CN109589112B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102500105A (zh) * | 2011-11-29 | 2012-06-20 | 重庆大学 | 基于脑机接口的游戏装置及其游戏方法 |
CN107644682A (zh) * | 2017-09-22 | 2018-01-30 | 天津大学 | 基于额叶eeg偏侧化和erp的情绪调节能力测查方法 |
Non-Patent Citations (2)
Title |
---|
Experiencing affective music in eyes-closed and eyes-open states:ane lectroencephalography study;Ling Li;《Frontiers in Psychology》;20150807;第1-9页 * |
一种脑电噪声检测与去除模型及其在睁闭眼检测系统中的应用;戚艳兵;《一种脑电噪声检测与去除模型及其中国优秀硕士学位论文全文数据库信息科技辑》;20120915;第30页第1段-第40页最后1段 * |
Also Published As
Publication number | Publication date |
---|---|
CN109589112A (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106725462B (zh) | 基于脑电信号的声光睡眠干预系统和方法 | |
Zhang et al. | Feature extraction of EEG signals using power spectral entropy | |
WO2021103084A1 (zh) | 一种用于睡眠调节的深度声音刺激系统和方法 | |
WO2020187109A1 (zh) | 一种用户睡眠检测方法及系统 | |
CN105496363A (zh) | 基于检测睡眠脑电信号对睡眠阶段进行分类的方法 | |
Tong et al. | Emotion recognition based on photoplethysmogram and electroencephalogram | |
CN113143293B (zh) | 一种基于脑电源成像的连续语音包络神经夹带提取方法 | |
Chen et al. | An EEG-based brain-computer interface for automatic sleep stage classification | |
CN109589112B (zh) | 基于iab在线调控睁、闭眼状态的静息脑电采集方法 | |
CN115188448A (zh) | 一种基于脑电波的中医医生诊疗经验记录方法 | |
Mahmud et al. | Multivariate models for decoding hearing impairment using EEG gamma-band power spectral density | |
Singh et al. | Emotion recognition using electroencephalography (EEG): a review | |
Nonclercq et al. | Quantification of motion artifact rejection due to active electrodes and driven-right-leg circuit in spike detection algorithms | |
CN110302462A (zh) | 一种基于脑电信号的神经反馈训练系统 | |
CN116098619B (zh) | 一种基于高频听觉稳态响应的抑郁症自动检测系统 | |
KR20140104662A (ko) | 게임을 이용한 자기 조절능력 측정 방법 | |
Wang et al. | Modeling Strategies and Spatial Filters for Improving the Performance of P300-speller within and across Individuals | |
CN113017647A (zh) | 监测用户清醒状态的方法、装置、电子设备及介质 | |
CN112263768A (zh) | 一种基于听觉节律的焦虑治疗方法和系统 | |
Hasan et al. | A ssvep based eeg signal analysis to discriminate the effects of music levels on executional attention | |
Koctúrová et al. | An overview of BCI-based speech recognition methods | |
Liang et al. | A method for napping time recommendation using electrical brain activity | |
Gunes et al. | Emotion recognition with multi-channel EEG signals using auditory stimulus | |
Xiao et al. | A study on Frequency Domain Microstate Feature Fusion for EEG Emotion Recognition | |
Moyeenudin et al. | Analysis of Electroencephalographic Signals to Study the Behavior of Brain Frequencies for the Study of Academic Stress |
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 |