CN109859570A - 一种大脑训练方法及系统 - Google Patents

Abstract

本发明公开了一种大脑训练方法及系统，该方法包括：采集用户的生理数据，其中，生理数据至少包括脑电信号；根据采集的生理数据，调用存储的特征提取模型知识库和测评模型知识库，确定大脑状态量化测评结果；根据大脑状态量化测评结果，调用存储的神经反馈训练范式知识库，确定推荐的神经反馈训练范式；将推荐的神经反馈训练范式输出至多媒体终端，由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容，对用户进行训练。本发明通过采集用户的生理数据，生成神经反馈控制信息，并根据神经反馈控制信息自动选择有针对性的训练范式，使整个训练过程无需用户过多干预，训练方式更简单、科学。

Description

一种大脑训练方法及系统

技术领域

本发明涉及学习训练设备技术领域，特别是涉及一种大脑训练方法及系统。

背景技术

随着亚健康人群逐步增长，人们对健康情况越来越重视，然而除了身体锻炼，脑功能的锻炼和保护常被大家忽视。大脑的功能状态直接影响记忆水平、注意力水平、疲劳情况、情绪和心理认知状况，亚健康的大脑功能状态将严重影响人的生活和工作情况。因此，如果能够对大脑进行锻炼，改善脑部状态，能够有效提升生活质量，让大脑迅速达到所需要的最佳状态从而提高工作、学习效率和成绩，预防和减缓疾病的发生概率，达到健脑益智、智寿兼得的作用。

不同脑电波及其活动所反应的大脑当前所处的状态不同，比如兴奋、疲劳、集中、涣散等，在很大程度上表征了人体的认知状态和精神状态以及健康状态。不同的外部刺激，对人的神经系统会产生不同的影响，通过对脑电波，以及与人体健康状态相关的其他生理特征进行监测，并依据结果予以相应的训练措施，可以在一定程度上实现锻炼大脑的目的。现有的一些产品只能通过接收脑电信号而进行一些娱乐活动，无法分类识别脑波类型和特性从而针对性地对大脑进行反馈训炼。

发明内容

本发明提供一种大脑训练方法及装置，用以解决现有技术只能通过接收脑电信号而进行一些娱乐活动，无法分类识别脑波类型和特性从而针对性地对大脑进行反馈训炼的问题。

为解决上述技术问题，一方面，本发明提供一种大脑训练方法，其特征在于，包括：采集用户的生理数据，其中，所述生理数据至少包括脑电信号；根据所述生理数据，调用存储的特征提取模型知识库和测评模型知识库，确定大脑状态量化测评结果；根据所述大脑状态量化测评结果，调用存储的神经反馈训练范式知识库，确定推荐的神经反馈训练范式；将所述推荐的神经反馈训练范式输出至多媒体终端，由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容对用户进行训练。

进一步，所述生理数据还可以至少包括以下之一：心电数据、肌电数据、血压数据、血氧数据、体温数据、皮肤电数据、呼吸数据。

进一步，在调用所述存储的特征提取模型知识库和测评模型知识库之前，还包括：构建所述特征提取模型知识库和所述测评模型知识库。

进一步，在调用所述存储的神经反馈训练范式知识库之前，还包括：构建所述神经反馈训练范式知识库。

进一步，所述由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容，包括：接收所述推荐的神经反馈训练范式；根据所述推荐的神经反馈训练范式，完成神经反馈训练范式一级标签矢量映射；在所述一级标签映射范围内，完成神经反馈训练范式二级标签矢量映射；基于二级标签矢量映射结果进行基于标签正则表达式的标签匹配，输出匹配标签的神经反馈训练内容。

进一步，所述构建所述特征提取模型知识库，包括：以所述生理信号为所述特征提取模型知识库输入，通过生理信号特征提取规则，构建输出为生理信号对应的神经调节有效参数特征的特征提取模型函数接口；将所述特征提取模型函数接口按照预设的规则统一编号存储在存储器中。

进一步，所述构建所述测评模型知识库，包括：以提取所述神经调节有效参数特征为所述测评模型知识库输入，通过机器学习的方法进行模型训练，构建输出为大脑状态量化测评结果的测评模型函数接口；将所述测评模型函数接口按照预设的规则统一编号存储在存储器中。

进一步，所述构建所述神经反馈训练范式知识库，包括：以所述大脑状态量化测评结果为所述神经反馈训练范式知识库输入，构建神经反馈训练范式的一级标签，所述神经反馈训练范式的一级标签至少包括：光刺激神经反馈调节、音频脑电神经反馈调节、图片和视频神经反馈调节、健脑游戏反馈调节、脑机交互神经反馈调节；在所述神经反馈训练范式的一级标签下，构建与训练效果相适配的二级标签，所述二级标签与具体的训练方式和/或训练效果相关联，包括但不限于：可见光、近红外、蓝光、欢快、舒缓、放松、高效记忆等。

进一步，所述确定大脑状态量化测评结果，包括：调用所述生理数据对应的特征提取模型标签；根据所述特征提取模型标签，调用存储的特征提取模型函数接口，生成神经调节有效参数特征构成的生理数据特征集；调用存储的测评模型函数接口，生成优、良、中、差四种大脑状态的量化测评结果。

进一步，在所述选择对应的神经反馈范式对用户进行训练之后，还包括：将所述生理数据、所述大脑状态量化测评结果和神经反馈训练效果发送至远程交互系统；所述远程交互系统通过建立的生理数据大数据处理平台，生成大数据分析的神经反馈训练范式建议；接收所述远程交互系统发送的神经反馈训练范式建议，自动选择大脑训练范式对所述用户进行训练。

另一方面，本发明还提供一种大脑训练系统，其特征在于，包括：数据采集系统，用于采集用户的生理数据，其中，所述生理数据至少包括脑电信号；知识库，用于建立、存储和调用特征提取模型知识库、测评模型知识库和神经反馈训练范式知识库；测评系统，用于根据采集的生理数据，调用存储的特征提取模型知识库和测评模型知识库，确定大脑状态量化测评结果；神经反馈系统，用于根据大脑状态量化测评结果，调用存储的神经反馈训练范式知识库，确定推荐的神经反馈训练范式，将推荐的神经反馈训练范式输出至多媒体终端，由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容对用户进行训练。

进一步，还包括：远程交互系统，由云端服务器建立的生理数据大数据处理平台组成，用于接收所述生理数据、所述大脑状态量化测评结果和神经反馈训练效果，生成大数据分析的神经反馈训练范式建议，将神经反馈训练范式建议发送至神经反馈系统。

进一步，所述大脑训练系统执行时实现上述的大脑训练方法的步骤。

本发明通过采集用户的生理数据，生成神经反馈控制信息，并根据神经反馈控制信息自动选择有针对性的训练范式，使整个训练过程无需用户过多干预，训练方式更简单、科学。

附图说明

图1是本发明第一实施例中大脑训练方法的流程图；

图2是本发明第一实施例中特征提取模型知识库示意图；

图3是本发明第一实施例中测评模型知识库示意图；

图4是本发明第一实施例中神经反馈训练范式知识库示意图；

图5是本发明第一实施例中大脑状态量化测评结果生成流程图；

图6是本发明第一实施例中神经反馈训练范式自动选择流程图；

图7是本发明第二实施例中大脑训练系统的结构示意图；

图8是本发明第二实施例中另一种大脑训练系统的组成示意图。

具体实施方式

为了解决现有技术只能通过接收脑电信号而进行一些娱乐活动，无法分类识别脑波类型和特性从而针对性地对大脑进行反馈训炼的问题，本发明提供了一种大脑训练方法及系统，以下结合附图以及实施例，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，并不限定本发明。

本发明的第一实施例提供了一种大脑训练方法，其流程图如图1所示，具体包括步骤S101至S104：

S101采集用户的生理数据，其中，所述生理数据至少包括脑电信号；

S102根据采集的生理数据，调用存储的特征提取模型知识库和测评模型知识库，确定大脑状态量化测评结果；

S103根据大脑状态量化测评结果，调用存储的神经反馈训练范式知识库，确定推荐的神经反馈训练范式；

S104将推荐的神经反馈训练范式输出至多媒体终端，由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容，对用户进行训练。

本实施例所提供的大脑训练方法的执行主体可以为经过定制带有相应传感器的虚拟现实眼镜、头盔等设备以及配套的带有相应训练软件的终端设备，如手机、平板电脑、计算机等。用户佩戴虚拟现实眼镜、头盔等设备后，上述设备开始采集用户的生理数据，主要包括用户的脑电信号，还可以进一步包括用户的心电数据、肌电数据、血压数据、血氧数据、体温数据、皮肤电数据、呼吸数据等，以达到为大脑训练提供更详细的用户生理数据的效果。

进一步地，用户的手机可以作为采集用户行为数据的设备，用户的行为数据至少包括：运动轨迹、步态、手机按键行为、手机使用频率、手机APP使用习惯、语音数据、文字聊天数据等。将行为数据与生理数据进行融合分析，可以达到为大脑训练提供更准确的判断依据。

采集脑电信号等生理数据和行为数据后，调用存储的特征提取模型知识库和测评模型知识库，确定大脑状态量化测评结果。具体地，在调用特征提取模型知识库前，还需要建立特征提取知识库。特征提取知识库的结构如图2所示，包括输入、特征选择模型标签MS和模型函数接口调用。在建立特征提取知识库时，首先确定输入的生理信号种类，包括脑电EEG、心电数据ECG、肌电数据EMG、血压数据Blood Pressure、血氧数据Blood Oxygen、体温数据Body Temprature、皮肤电数据GSR等。提取神经调节有效参数特征，分别提取脑电的时频特征EEG_Time_frequecy，脑电的8种典型波形特征EEG_wave，脑电的样本熵特征EEG_Entropy，心电的时频特征ECG_Time_frequecy，心电的心率变异率特征ECG_HRV，体温的时频特征TEM_Time_frequecy，血氧的时频特征BO_Time_frequecy，血压的时频特征BP_Time_frequecy，肌电的时频特征EMG_Time_frequecy，皮肤电的时频特征GSR_Time_frequecy；构建输出为生理信号对应的神经调节有效参数特征的特征提取模型函数接口；将特征提取模型函数接口按照预设的规则统一编号MS(Model Selection模型选择)加上序号存储在存储器中。示例的，提取的脑电参数特征EEG_Time_frequecy的特征提取模型函数接口在特征提取模型知识库中为第一个函数接口，则将该特征提取模型函数接口命名为MS0001。

在采集脑电信号等生理数据之后，就可以调用对应的特征提取模型库中的模型标签对应的模型函数接口，生成神经调节有效参数特征构成的生理数据特征集，特征集由多维生理数据特征拼接组成，每一位用户的每一次测试数据为一个多维数组，每一维为调用函数接口生成的每一组特征。

具体地，在调用测评模型知识库之前，还包括建立测评模型知识库。测评模型知识库结构示意图如图3所示，包括输入、量化测评模型标签AS(Assessment model测评模型)和模型函数接口调用。在建立测评模型知识库后，根据提取神经调节有效参数特征构成的特征集，通过机器学习的方法进行模型训练，构建输出为大脑状态量化测评结果的测评模型函数接口。输入为神经调节有效参数特征构成的特征集，判断特征集的有效维数，根据有效维数判断选择合适的测评模型。测评模型函数接口包括：SVM、Bayes、RNN、KNN、Boost、Logistic Regression、Radom Tree等多种机器学习模型函数接口。将函数接口按照预设的规则统一编号AS+序号存储在存储器中。示例的，SVM测评模型函数接口在测评模型知识库中为第一个函数接口，则将该测评模型函数接口命名为AS0001。

在生成特征数据集后，就可以调用预设的量化测评模型函数接口，生成优、良、中、差四种大脑状态的量化测评结果。示例的，大脑状态量化值输出是区间[0,100]的具体数值，其中[0,25)、[25,50)、[50,75)、[75,100]四个区间可将用户的生理数据量化为差，中，良，优共三个状态。这样就可以将大脑状态量化测评模型转化为一个四分类问题。模型的输入为特征集组成的特征向量，模型的输出为大脑状态的4种状态。根据机器学习的方法，采用分类学习模型，进行模型参数训练，最终生成本发明所需的模型函数接口，存储于知识库中。

具体地，在调用神经反馈训练范式知识库之前，还包括构建神经反馈训练范式知识库。神经反馈训练范式知识库如图4所示，包括输入、神经反馈训练模型一级标签和神经反馈训练模型二级标签。构建神经反馈训练范式知识库的输入，为大脑的四种量化状态：优、良、中、差。构建神经反馈训练范式的一级标签，包括：光刺激神经反馈调节NF0001、音频脑电神经反馈调节NF0002、图片和视频神经反馈调节NF0003、健脑游戏反馈调节NF0004、脑机交互神经反馈调节NF0005；在神经反馈训练范式的一级标签下，构建与训练效果相适配的二级标签，二级标签与具体的训练方式和/或训练效果相关联，包括但不限于：可见光、近红外、蓝光、欢快、舒缓、放松、高效记忆等。示例的：光刺激神经反馈调节模块一级标签NF0001下包括可见光、近红外、蓝光等二级标签，相关的训练范式与二级标签相关联。音频脑电神经反馈调节NF0002标签下包括欢快、舒缓、放松、高效记忆等二级标签，相关的音乐与二级标签相关联。神经反馈训练范式的一级和二级标签与大脑的当前量化状态输入相关联。示例的：当大脑状态的量化状态输入为优时，关联的神经反馈训练范式一级标签为：音频脑电神经反馈调节NF0002、健脑游戏反馈调节NF0004、脑机交互神经反馈调节NF0005。相应关联的神经反馈训练范式二级标签为：高效记忆、高效记忆和脑控训练。调用神经反馈训练知识库后，将输出推荐的神经反馈训练范式。这样多媒体终端就可以通过标签自动匹配选择对应的神经反馈范式，对用户进行训练。

具体地，确定大脑状态量化测评结果如图5所示，包括：

S201接收数据采集系统采集的脑电等生理数据；

S202调用所采集的生理数据对应的特征提取模型标签；

S203根据特征提取模型标签，调用存储的特征提取模型函数接口，生成神经调节有效参数特征构成的生理数据特征集；

S204调用预设的量化测评模型函数接口；

S205生成优、良、中、差四种大脑状态的量化测评结果。

具体地，神经反馈训练范式自动选择流程图如图6所示，包括：

S301接收推荐的神经反馈训练范式；

S302根据推荐的神经反馈训练范式，完成神经反馈训练范式一级标签矢量映射；

S303在一级标签映射范围内，完成神经反馈训练范式二级标签矢量映射；

S304基于二级标签矢量映射结果进行基于标签正则表达式的标签匹配，输出匹配标签的神经反馈训练内容。

以神经反馈训练范式推荐作为控制量，由终端设备自主选择适合当前用户的大脑训练范式，并将该训练范式的具体训练过程传输至用佩戴的设备，由用户佩戴的设备执行训练范式。具体地，训练范式主要包括：

(1)光刺激脑电神经反馈调节，根据输入的神经反馈控制信息生成光刺激控制信号，在无需用户干预的情况下，自主选择有针对性的光线刺激文件；

(2)音频脑电神经反馈调节，根据输入的神经反馈控制信息生成音频控制信号，在无需用户干预的情况下，自主选择有针对性的音频文件；

(3)图片、视频神经反馈调节，根据输入的神经反馈控制信息生成图片、视频控制信号，在无需用户干预的情况下，自主选择有针对性的图片、视频文件，如指导大脑锻炼的视频文件、电影或电视剧；

(4)健脑游戏，根据输入的神经反馈控制信息生成游戏建议控制信号，调用健脑游戏界面，指导用户选择提供的记忆力提升训练游戏、听觉皮层训练游戏、视觉皮层训练游戏、大脑运动皮层训练游戏等多种游戏范式；

(5)健脑交互，根据输入的神经反馈控制信息生成交互控制信号，提供健脑操、互动跳舞毯、脑机交互等健脑健身方式，指导用户动起来，以健身的方式调控脑功能。

用户佩戴的头戴设备通过音乐、图片、游戏、交互等方式对用户进行大脑训练，为了验证大脑训练效果，并根据训练效果修改训练范式，头戴设备还可以继续采集用户在接收训练后的脑电信号，并根据新采集的脑电信号重新为用户选择训练范式，达到更好的训练效果。

进一步地，在采集用户的生理数据以及行为数据之后，还可以根据用户的生理数据，或进一步结合行为数据计算并显示健康指数和认知指数，显示健康指数和认知指数可以直观的在头戴设备中进行显示供用户了解自己的脑状态。更进一步地，头戴设备还可以将所述生理数据、大脑状态量化测评结果和神经反馈训练效果发送至远程交互系统；远程交互系统的云端服务器通过建立的生理数据大数据处理平台，生成大数据分析的神经反馈训练范式建议，包括饮食、运动、音视频、游戏、交互等多方面的建议；接收所述远程交互系统发送的神经反馈训练范式建议，自动选择大脑训练范式对所述用户进行训练。在为用户选择训练范式时，可以结合神经反馈控制信息和第二建议进行选择，以使训练范式的选择更合理，更符合用户当前的脑状态。

本实施例通过采集用户的生理数据，生成神经反馈控制信息，并根据神经反馈控制信息自动选项有针对性的训练范式，使整个训练过程无需用户过多干预，训练方式更简单、科学。

本发明的第二实施例提供了一种大脑训练系统，其结构示意图如图7所示，主要包括：数据采集系统10，用于采集用户的生理数据，其中，生理数据至少包括脑电信号，还可以进一步包括用户的心电数据、肌电数据、血压数据、血氧数据、体温数据、皮肤电数据、呼吸数据等；知识库11，用于建立、存储和调用特征提取模型知识库、测评模型知识库和神经反馈训练范式知识库；测评系统12，用于根据采集的生理数据，调用存储的特征提取模型知识库和测评模型知识库，确定大脑状态量化测评结果；神经反馈系统13，与数据采集系统10耦合，用于根据大脑状态量化测评结果，调用存储的神经反馈训练范式知识库，确定推荐的神经反馈训练范式，将推荐的神经反馈训练范式输出至多媒体终端，由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容，对用户进行训练。

进一步地，数据采集系统10还可以采集用户的行为数据，如运动轨迹、步态、手机按键行为、手机使用频率、手机APP使用习惯、语音数据、文字聊天数据等。将行为数据与生理数据进行融合分析，可以达到为大脑训练提供更准确的判断依据。

本实施例所提供的大脑训练系统可以安装在经过定制带有相应传感器的虚拟现实眼镜、头盔等设备以及配套的带有相应训练软件的终端设备中，如手机、平板电脑、计算机等。用户佩戴虚拟现实眼镜、头盔等设备后，数据采集系统10开始采集用户的生理数据和行为数据，主要包括用户的脑电信号，还可以进一步包括用户的心电数据、血压数据、血氧数据、体温数据等，以达到为大脑训练提供更详细的用户生理数据的效果。

数据采集系统10采集生理数据和行为数据后，由测评系统12接收数据采集系统10采集的脑电等生理数据，从知识库11种调用所采集的生理数据对应的特征提取模型标签，根据特征提取模型标签，调用存储的特征提取模型函数接口，生成生理数据特征集；然后测评系统12从知识库11中调用预设的量化测评模型函数接口，生成优、良、中、差四种大脑状态的量化测评结果，输出至神经反馈系统13。神经反馈系统13根据大脑状态量化测评结果，从知识库11中调用存储的神经反馈训练范式知识库，确定推荐的神经反馈训练范式，将推荐的神经反馈训练范式输出至多媒体终端，由多媒体终端通过标签自动匹配选择对应的神经反馈范式，对用户进行训练。

行为数据的采集与分析流程与生理数据类似，由于生理数据与神经反馈之间的数学模型建立需要一个标定或标签信息，因此，测评系统12可以将行为数据作为生理数据神经反馈建模的训练标签数据，训练生理数据的模型参数。从而得到一个由生理数据、行为数据联合形成的神经反馈控制数学模型，以指导神经反馈控制信息。

进一步的，由神经反馈系统13自主选择适合当前用户的大脑训练范式，并将该训练范式的具体训练过程传输至用佩戴的设备，由用户佩戴的设备执行训练范式对应的神经反馈训练内容。具体地，神经反馈系统13至少包括一下模块之一，以用于提供不同的训练范式：

(1)光刺激神经反馈调节模块：用于根据输入的神经反馈控制信息生成光刺激控制信号，在无需用户干预的情况下，自主选择有针对性的光线刺激文件，具体地，光刺激神经反馈调节模块可以包括以下单元：可见光刺激神经反馈调节单元、近红外光刺激神经反馈调节单元、蓝光刺激神经反馈调节单元、紫外线刺激神经反馈调节单元，以实现不同的光线刺激；

(2)音频脑电神经反馈调节模块：用于根据输入的神经反馈控制信息生成音频控制信号，在无需用户干预的情况下，自主选择有针对性的音频文件；

(3)图片和视频神经反馈调节模块，用于根据输入的神经反馈控制信息生成图片、视频控制信号，在无需用户干预的情况下，自主选择有针对性的图片、视频文件，如指导大脑锻炼的视频文件、电影或电视剧；

(4)健脑游戏反馈调节模块，用于根据输入的神经反馈控制信息生成游戏建议控制信号，调用健脑游戏界面，指导用户选择提供的记忆力提升训练游戏、听觉皮层训练游戏、视觉皮层训练游戏、大脑运动皮层训练游戏等多种游戏范式；

(5)脑机交互神经反馈调节模块，用于根据输入的神经反馈控制信息生成交互控制信号，提供健脑操、互动跳舞毯、脑机交互等健脑健身方式，指导用户动起来，以健身的方式调控脑功能。

用户佩戴的头戴设备通过音乐、图片、游戏、交互等方式对用户进行大脑训练，根据推荐的神经反馈训练范式，完成神经反馈训练范式一级标签矢量映射，在一级标签映射范围内，完成神经反馈训练范式二级标签矢量映射，基于二级标签矢量映射结果进行基于标签正则表达式的标签匹配，选择匹配标签的神经反馈训练内容对用户进行大脑训练。为了验证大脑训练效果，并根据训练效果修改训练范式，大脑训练系统还可以继续采集用户在接收训练后的脑电信号，并根据新采集的脑电信号重新为用户选择训练范式，达到更好的训练效果。

进一步地，大脑训练系统还包括远程交互系统14，如图8所示，远程交互系统，由云端服务器建立的生理数据大数据处理平台组成，用于接收所述生理数据、测评结果和神经反馈训练效果，生成大数据分析的神经反馈训练范式建议，将神经反馈训练范式建议发送至神经反馈系统，自动选择大脑训练范式对所述用户进行训练。

更进一步地，神经反馈系统13还可以向远程交互系统14(即云端服务器)发送第一预设信息，由远程交互系统14根据第一预设信息生成第一建议，其中，第一预设信息至少包括以下一种：生理数据、健康指数、认知指数，第一建议可以为远程医生或家属根据用户的生理数据、健康指数、认知指数为用户提供的健脑建议等，并由神经反馈系统13接收远程交互系统14发送的第一建议。

神经反馈系统13接收到第一建议后，还可以根据神经反馈控制信息和第二预设信息，生成第二建议，其中，第二预设信息至少包括以下一种：生理数据、健康指数、认知指数、第一建议，第二建议为根据上述信息生成的适合当前用户的健脑建议，包括饮食、运动、音视频、游戏、交互等多方面的建议，在为用户选择训练范式时，可以结合神经反馈控制信息和第二建议进行选择，以使训练范式的选择更合理，更符合用户当前的脑状态。

本实施例通过采集用户的生理数据，生成神经反馈控制信息，并根据神经反馈控制信息自动选项有针对性的训练范式，使整个训练过程无需用户过多干预，训练方式更简单、科学。

尽管为示例目的，已经公开了本发明的优选实施例，本领域的技术人员将意识到各种改进、增加和取代也是可能的，因此，本发明的范围应当不限于上述实施例。

Claims (13)

1.一种大脑训练方法，其特征在于，包括：

采集用户的生理数据，其中，所述生理数据至少包括脑电信号；

根据所述生理数据，调用存储的特征提取模型知识库和测评模型知识库，确定大脑状态量化测评结果；

根据所述大脑状态量化测评结果，调用存储的神经反馈训练范式知识库，确定推荐的神经反馈训练范式；

将所述推荐的神经反馈训练范式输出至多媒体终端，由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容对用户进行训练。

2.如权利要求1所述的大脑训练方法，其特征在于，所述生理数据还可以至少包括以下之一：心电数据、肌电数据、血压数据、血氧数据、体温数据、皮肤电数据、呼吸数据。

3.如权利要求1所述的大脑训练方法，其特征在于，在调用所述存储的特征提取模型知识库和测评模型知识库之前，还包括：

构建所述特征提取模型知识库和所述测评模型知识库。

4.如权利要求1所述的大脑训练方法，其特征在于，在调用所述存储的神经反馈训练范式知识库之前，还包括：

构建所述神经反馈训练范式知识库。

5.如权利要求1所述的大脑训练方法，其特征在于，所述由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容，包括：

接收所述推荐的神经反馈训练范式；

根据所述推荐的神经反馈训练范式，完成神经反馈训练范式一级标签矢量映射；

在所述一级标签映射范围内，完成神经反馈训练范式二级标签矢量映射；

基于二级标签矢量映射结果进行基于标签正则表达式的标签匹配，输出匹配标签的神经反馈训练内容。

6.如权利要求3所述的大脑训练方法，其特征在于，所述构建所述特征提取模型知识库，包括：

以所述生理信号为所述特征提取模型知识库输入，通过生理信号特征提取规则，构建输出为生理信号对应的神经调节有效参数特征的特征提取模型函数接口；

将所述特征提取模型函数接口按照预设的规则统一编号存储在存储器中。

7.如权利要求6所述的大脑训练方法，其特征在于，所述构建所述测评模型知识库，包括：

以提取所述神经调节有效参数特征为所述测评模型知识库输入，通过机器学习的方法进行模型训练，构建输出为大脑状态量化测评结果的测评模型函数接口；

将所述测评模型函数接口按照预设的规则统一编号存储在存储器中。

8.如权利要求4所述的大脑训练方法，其特征在于，所述构建所述神经反馈训练范式知识库，包括：

以所述大脑状态量化测评结果为所述神经反馈训练范式知识库输入，构建神经反馈训练范式的一级标签，所述神经反馈训练范式的一级标签至少包括：光刺激神经反馈调节、音频脑电神经反馈调节、图片和视频神经反馈调节、健脑游戏反馈调节、脑机交互神经反馈调节；

在所述神经反馈训练范式的一级标签下，构建与训练效果相适配的二级标签，所述二级标签与具体的训练方式和/或训练效果相关联，包括但不限于：可见光、近红外、蓝光、欢快、舒缓、放松、高效记忆等。

9.如权利要求7所述的大脑训练方法，其特征在于，所述确定大脑状态量化测评结果，包括：

调用所述生理数据对应的特征提取模型标签；

根据所述特征提取模型标签，调用存储的特征提取模型函数接口，生成神经调节有效参数特征构成的生理数据特征集；

调用存储的测评模型函数接口，生成优、良、中、差四种大脑状态的量化测评结果。

10.如权利要求1至9中任一项所述的大脑训练方法，其特征在于，在所述选择对应的神经反馈范式对用户进行训练之后，还包括：

将所述生理数据、所述大脑状态量化测评结果和神经反馈训练效果发送至远程交互系统；

所述远程交互系统通过建立的生理数据大数据处理平台，生成大数据分析的神经反馈训练范式建议；

接收所述远程交互系统发送的神经反馈训练范式建议，自动选择大脑训练范式对所述用户进行训练。

11.一种大脑训练系统，其特征在于，包括：

数据采集系统，用于采集用户的生理数据，其中，所述生理数据至少包括脑电信号；

知识库，用于建立、存储和调用特征提取模型知识库、测评模型知识库和神经反馈训练范式知识库；

测评系统，用于根据采集的生理数据，调用存储的特征提取模型知识库和测评模型知识库，确定大脑状态量化测评结果；

神经反馈系统，用于根据大脑状态量化测评结果，调用存储的神经反馈训练范式知识库，确定推荐的神经反馈训练范式，将推荐的神经反馈训练范式输出至多媒体终端，由多媒体终端通过标签自动匹配选择对应的神经反馈训练内容对用户进行训练。

12.如权利要求11所述的大脑训练系统，其特征在于，还包括：

远程交互系统，由云端服务器建立的生理数据大数据处理平台组成，用于接收所述生理数据、所述大脑状态量化测评结果和神经反馈训练效果，生成大数据分析的神经反馈训练范式建议，将神经反馈训练范式建议发送至神经反馈系统。

13.如权利要求11或12所述的大脑训练系统，其特征在于，所述大脑训练系统执行时实现如权利要求1至10中任一项所述的大脑训练方法的步骤。