CN109875580A - 一种认知效能可计算模型 - Google Patents

Abstract

本发明公开了认知科学技术领域的一种认知效能可计算模型，包括生物传感器，具体步骤如下，提取生物传感器所采集到的脑电特征，选择相关的特征量，包括EEG的线性、非线性特征、ERP的不同成分潜伏期或峰值相关特征等；本发明拟在获取同步行为数据、EEG数据后，从空间、时间不同层面提取相应的线性、非线性特征，通过关联关系等理论挖掘其特征之间的关联和协同关系，构建多层次的动态信息融合及选取框架，建立高效的特征融合及选取方法，量化认知加工机制，为构建认知神经机制可计算模型提供高质量特征集合。

Description

一种认知效能可计算模型

技术领域

本发明涉及认知科学技术领域，具体涉及一种认知效能可计算模型。

背景技术

许多研究均对人们平时心理健康状态进行了调查，但测量工具较为单一，多以自评量表为主，其中SCL-90量表最为多见，它包括9个分量表：分别为躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、恐怖、偏执和精神病性。该量表主要用于个体的躯体化症状自评。然而大部分研究单位所报道的量表测查结果却不尽相同。

因此，如何建立认知效能可计算模型已经引起世界各国的高度重视。如，DARPA启动了“提升人脑记忆、恢复因伤病引起的失忆”计划项目；俄罗斯、德国先后发起了“脑力增强”项目等，用来获取并提升人认知效能。然而，这些项目的核心是通过大脑植入物或研制新的神经性药物来提升认知效能，虽然有一定的成效，但带来的副作用也非常明显，对人的神经系统不可避免造成伤害。因此，必须加强认知效能非侵入式的客观评价关键技术研究。

目前，我国在量化认知效能和建模方面主要面临的问题主要是认知效能评价方法的不客观，主要通过自评量表方式对认知效能进行自我评估，主观性强，难以得到准确的结果。基于此，本发明设计了一种认知效能可计算模型，以解决上述问题。

发明内容

本发明的目的在于提供一种认知效能可计算模型，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种认知效能可计算模型，包括生物传感器，具体步骤如下：

步骤一，提取所述生物传感器所采集到的脑电特征，选择相关的特征量，包括EEG的线性、非线性特征、ERP的不同成分潜伏期或峰值相关特征等；

步骤二：在EEG采集方面，拟采用自制的脑电信号采集器，主要由干电极、多通道高精度模数转换芯片、主控芯片以及蓝牙传输模块组成，大致工作流程为：主控芯片控制支配各个模块的工作，前端的干电极直接与头皮接触实时采集脑电信号，干电极采集到的脑电信号经过前端电阻匹配后由模数转换模块读取并且转换为可读的数字信号，然后主控MCU通过与模数转换芯片通信来读取转换得到的数据，并且按照一定的数据包格式通过下位机端的蓝牙模块与上位机端的蓝牙模块通信，将采集到的脑电数据传输到上位机端，供上位机处理使用；

步骤三：对所述脑电信号进行去噪处理，由于有很多干扰噪声混入，导致脑电信号本身的信噪比非常低，脑电设备、躯干、眼部和面部运动产生的眼电和肌电都会对脑电信号产生较大的干扰，对多道脑电记录进行深入的处理、分析前，有必要去除这些噪声，拟采用独立成分分析ICA方法对EEG进行去噪处理；

步骤四：综合多种特征量及其时间变化，构建特征时序空间，建立有效特征提取算法，从主成分分析和统计学方法等多角度对其分析，提取与注意力、警觉力、决策力相关性最大的特性参量，拟采用小波包分解法WPD对预处理后的脑电信号进行特征提取，研究表明，WPD特征已被广泛地应用于脑电信号分析领域，并且在对分类正确率的提高有明显的作用，在小波包分解技术中，获得相应的小波包系数后，每个部分会被分解成高频部分与低频部分，为了便于对脑电信号进行更精细地分析，对每一个电极上所采集到的同一个片段所激发的某个受试者的脑电信号进行加窗操作，窗口长度为1秒，若输入片段的长度为t秒，则它所激发的脑电信号的时间长度也为t秒；对t秒的脑电信号进行加窗操作以后，每个电极上所采集到的一个受试者观看一个视频片段的脑电信号被分解成了t段信号，再对每段脑电信号进行小波包分解操作，设置分解层数为J，最终从观看一个视频片段的一个受试者的脑电信号中提取到t*2J维的WPD特征；

步骤五：拟采用皮尔逊相关系数r分析各个通道EEG的相关性，从而找出针对注意力、警觉力、决策力和噪声、图片、视频等影响因素之间的关联关系，令视频为x，并令决策力为y，当x_i不是全为零，y_i也不全为零的时候，相关系数r可以表示x变量与y变量这两个变量是否正负相关，即是否同方向或者反方向变化；x变量与y变量呈现正相关，则它们的变化量相同，它们的变化波形就很相似；相关系数r的计算公式为

对于相关系数r，当为正数时，表示变量x和y正相关，为负数时，则负相关，如果r接近1，则说明正相关很强；如果r接近-1时，则说明负相关很强；为此，我们可以建立起认知效能指标如注意力、警觉力、决策力与外界影响因素如噪声、视频、图片之间的相关关系，令图片为x，并令决策力为y，通过分析皮尔逊相关系数r来确定y和x之间的关联程度，从而进一步判断这些因素对效能指标的影响程度；

步骤六：优化预处理与特征提取算法，降低算法的时间和空间复杂度，优化高效的特征选择算法，对特征进行初步筛选，用于后期有效特征分析，提高模型的准确率和可靠性，为定量研究人的认知效能指标提供科学依据。

优选的，所述前端的干电极直接与头皮接触实时采集脑电信号为电压信号。

优选的，所述干电极采集到的脑电信号为模拟信号。

优选的，所述下位机端的蓝牙模块为主蓝牙模块，所述上位机端的蓝牙模块为从蓝牙模块。

与现有技术相比，本发明的有益效果是：本发明通过获取同步行为数据、EEG数据后，从空间、时间不同层面提取相应的线性、非线性特征，通过关联关系等理论挖掘出特征之间的关联和协同关系，构建多层次的动态信息融合及选取框架，建立高效的特征融合及选取方法，量化认知加工机制，为构建认知神经机制可计算模型提供高质量特征集合，进而构建注意神经机制可计算模型，通过认知科学与神经科学的实证研究以及计算机科学与信号处理的技术与方法，为构建认知神经机制可计算模型提供高质量特征集合的实现方法，并通过这种高质量特征集合来构建一个定量描述注意的大脑神经系统活动规律的方法和新的注意神经机制可计算模型。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明认知效能可计算模型流程图。

图2为本发明ICA去噪分析流程图。

图3为本发明基于脑电EEG的影响因素相关性分析图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-3，本发明提供一种技术方案：一种认知效能可计算模型，包括生物传感器，具体步骤如下：

步骤一，提取生物传感器所采集到的脑电特征，选择相关的特征量，包括EEG的线性、非线性特征、ERP的不同成分潜伏期或峰值相关特征等；

步骤二：在EEG采集方面，拟采用自制的脑电信号采集器，主要由干电极、多通道高精度模数转换芯片、主控芯片以及蓝牙传输模块组成，大致工作流程为：主控芯片控制支配各个模块的工作，前端的干电极直接与头皮接触实时采集脑电信号，干电极采集到的脑电信号经过前端电阻匹配后由模数转换模块读取并且转换为可读的数字信号，然后主控MCU通过与模数转换芯片通信来读取转换得到的数据，并且按照一定的数据包格式通过下位机端的蓝牙模块与上位机端的蓝牙模块通信，将采集到的脑电数据传输到上位机端，供上位机处理使用；

步骤三：对脑电信号进行去噪处理，由于有很多干扰噪声混入，导致脑电信号本身的信噪比非常低，脑电设备、躯干、眼部和面部运动产生的眼电和肌电都会对脑电信号产生较大的干扰，对多道脑电记录进行深入的处理、分析前，有必要去除这些噪声，拟采用独立成分分析ICA方法对EEG进行去噪处理；

步骤四：综合多种特征量及其时间变化，构建特征时序空间，建立有效特征提取算法，从主成分分析和统计学方法等多角度对其分析，提取与注意力、警觉力、决策力相关性最大的特性参量，拟采用小波包分解法WPD对预处理后的脑电信号进行特征提取，研究表明，WPD特征已被广泛地应用于脑电信号分析领域，并且在对分类正确率的提高有明显的作用，在小波包分解技术中，获得相应的小波包系数后，每个部分会被分解成高频部分与低频部分，为了便于对脑电信号进行更精细地分析，对每一个电极上所采集到的同一个片段所激发的某个受试者的脑电信号进行加窗操作，窗口长度为1秒，若输入片段的长度为t秒，则它所激发的脑电信号的时间长度也为t秒；对t秒的脑电信号进行加窗操作以后，每个电极上所采集到的一个受试者观看一个视频片段的脑电信号被分解成了t段信号，再对每段脑电信号进行小波包分解操作，设置分解层数为J，最终从观看一个视频片段的一个受试者的脑电信号中提取到t*2J维的WPD特征；

步骤五：拟采用皮尔逊相关系数r分析各个通道EEG的相关性，从而找出针对注意力、警觉力、决策力和噪声、图片、视频等影响因素之间的关联关系，令视频为x，并令决策力为y，当x_i不是全为零，y_i也不全为零的时候，相关系数r可以表示x变量与y变量这两个变量是否正负相关，即是否同方向或者反方向变化；x变量与y变量呈现正相关，则它们的变化量相同，它们的变化波形就很相似；相关系数r的计算公式为

对于相关系数r，当为正数时，表示变量x和y正相关，为负数时，则负相关，如果r接近1，则说明正相关很强；如果r接近-1时，则说明负相关很强；为此，我们可以建立起认知效能指标如注意力、警觉力、决策力与外界影响因素如噪声、视频、图片之间的相关关系，令图片为x，并令决策力为y，通过分析皮尔逊相关系数r来确定y和x之间的关联程度，从而进一步判断这些因素对效能指标的影响程度；

步骤六：优化预处理与特征提取算法，降低算法的时间和空间复杂度，优化高效的特征选择算法，对特征进行初步筛选，用于后期有效特征分析，提高模型的准确率和可靠性，为定量研究人的认知效能指标提供科学依据。

其中，前端的干电极直接与头皮接触实时采集脑电信号为电压信号，干电极采集到的脑电信号为模拟信号，下位机端的蓝牙模块为主蓝牙模块，上位机端的蓝牙模块为从蓝牙模块。

本实施例的一个具体应用为：通过获取同步行为数据、EEG数据后，从空间、时间不同层面提取相应的线性、非线性特征，通过关联关系等理论挖掘出特征之间的关联和协同关系，构建多层次的动态信息融合及选取框架，建立高效的特征融合及选取方法，量化认知加工机制，为构建认知神经机制可计算模型提供高质量特征集合，进而构建注意神经机制可计算模型。

通过认知科学与神经科学的实证研究以及计算机科学与信号处理的技术与方法，为构建认知神经机制可计算模型提供高质量特征集合的实现方法，并通过这种高质量特征集合来构建一个定量描述注意的大脑神经系统活动规律的方法和新的注意神经机制可计算模型。

对注意力、警觉力、决策力估计采用的主要是脑电的功率谱特征，因为脑电功率谱特征可较为直观形象地反映出不同节律脑电模式的改变情况，并且易于理解。而表征脑电模式变化的脑电形图和脑电时序特征也被应用于一些认知评估的研究中。与认知效能相关的脑电特征主要包括：频谱特征，如功率谱密度或小波系数；空间同步性特征，如锁相值；时序特征，如自回归系数；以及复杂度特征，如分形维数，样本熵等。不同特征计算复杂度不同，对注意力、警觉力、决策力的表征能力也不同，抗干扰性也不同。因此在实际的认知评估的实验中，对不同的脑电特征需要进一步筛查。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种认知效能可计算模型，包括生物传感器，其特征在于，具体步骤如下：

步骤一，提取所述生物传感器所采集到的脑电特征，选择相关的特征量，包括EEG的线性、非线性特征、ERP的不同成分潜伏期或峰值相关特征等；

步骤二：在EEG采集方面，拟采用自制的脑电信号采集器，主要由干电极、多通道高精度模数转换芯片、主控芯片以及蓝牙传输模块组成，大致工作流程为：主控芯片控制支配各个模块的工作，前端的干电极直接与头皮接触实时采集脑电信号，干电极采集到的脑电信号经过前端电阻匹配后由模数转换模块读取并且转换为可读的数字信号，然后主控MCU通过与模数转换芯片通信来读取转换得到的数据，并且按照一定的数据包格式通过下位机端的蓝牙模块与上位机端的蓝牙模块通信，将采集到的脑电数据传输到上位机端，供上位机处理使用；

步骤三：对所述脑电信号进行去噪处理，由于有很多干扰噪声混入，导致脑电信号本身的信噪比非常低，脑电设备、躯干、眼部和面部运动产生的眼电和肌电都会对脑电信号产生较大的干扰，对多道脑电记录进行深入的处理、分析前，有必要去除这些噪声，拟采用独立成分分析ICA方法对EEG进行去噪处理；

步骤四：综合多种特征量及其时间变化，构建特征时序空间，建立有效特征提取算法，从主成分分析和统计学方法等多角度对其分析，提取与注意力、警觉力、决策力相关性最大的特性参量，拟采用小波包分解法WPD对预处理后的脑电信号进行特征提取，研究表明，WPD特征已被广泛地应用于脑电信号分析领域，并且在对分类正确率的提高有明显的作用，在小波包分解技术中，获得相应的小波包系数后，每个部分会被分解成高频部分与低频部分，为了便于对脑电信号进行更精细地分析，对每一个电极上所采集到的同一个片段所激发的某个受试者的脑电信号进行加窗操作，窗口长度为1秒，若输入片段的长度为t秒，则它所激发的脑电信号的时间长度也为t秒；对t秒的脑电信号进行加窗操作以后，每个电极上所采集到的一个受试者观看一个视频片段的脑电信号被分解成了t段信号，再对每段脑电信号进行小波包分解操作，设置分解层数为J，最终从观看一个视频片段的一个受试者的脑电信号中提取到t*2J维的WPD特征；

步骤五：拟采用皮尔逊相关系数r分析各个通道EEG的相关性，从而找出针对注意力、警觉力、决策力和噪声、图片、视频等影响因素之间的关联关系，令视频为x，并令决策力为y，当x_i不是全为零，y_i也不全为零的时候，相关系数r可以表示x变量与y变量这两个变量是否正负相关，即是否同方向或者反方向变化；x变量与y变量呈现正相关，则它们的变化量相同，它们的变化波形就很相似；相关系数r的计算公式为

对于相关系数r，当为正数时，表示变量x和y正相关，为负数时，则负相关，如果r接近1，则说明正相关很强；如果r接近-1时，则说明负相关很强；为此，我们可以建立起认知效能指标如注意力、警觉力、决策力与外界影响因素如噪声、视频、图片之间的相关关系，令图片为x，并令决策力为y，通过分析皮尔逊相关系数r来确定y和x之间的关联程度，从而进一步判断这些因素对效能指标的影响程度；

步骤六：优化预处理与特征提取算法，降低算法的时间和空间复杂度，优化高效的特征选择算法，对特征进行初步筛选，用于后期有效特征分析，提高模型的准确率和可靠性，为定量研究人的认知效能指标提供科学依据。

2.根据权利要求1所述的一种认知效能可计算模型，其特征在于：所述前端的干电极直接与头皮接触实时采集脑电信号为电压信号。

3.根据权利要求1所述的一种认知效能可计算模型，其特征在于：所述干电极采集到的脑电信号为模拟信号。

4.根据权利要求1所述的一种认知效能可计算模型，其特征在于：所述下位机端的蓝牙模块为主蓝牙模块，所述上位机端的蓝牙模块为从蓝牙模块。