CN110737331B - 基于多任务脑机接口的个性化认知训练及康复方法、装置及设备 - Google Patents
基于多任务脑机接口的个性化认知训练及康复方法、装置及设备 Download PDFInfo
- Publication number
- CN110737331B CN110737331B CN201910855229.6A CN201910855229A CN110737331B CN 110737331 B CN110737331 B CN 110737331B CN 201910855229 A CN201910855229 A CN 201910855229A CN 110737331 B CN110737331 B CN 110737331B
- Authority
- CN
- China
- Prior art keywords
- task
- initial
- performance
- user
- difficulty level
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- Dermatology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明涉及一种基于多任务脑机接口的个性化认知训练及康复方法、装置及设备。本发明的目的是提供一种基于多任务脑机接口的个性化认知训练及康复方法、装置及设备。本发明的技术方案是：一种基于多任务脑机接口的个性化认知训练及康复方法，其特征在于：S01、获取用户应对不同难度第一单任务时的个体表现，并以表现的准确率达75％～85％所对应的难度等级作为第一单任务时的初始难度等级；S02、获取用户应对初始难度等级的第一单任务时的第一初始表现Ⅰ；获取用户应对初始难度等级的第二单任务时的第二初始表现Ⅰ；S03、获取用户应对初始难度等级的第一单任务结合初始难度等级的第二单任务时的第一初始表现Ⅱ及第二初始表现Ⅱ。本发明适用于医疗康复技术领域。
Description
技术领域
本发明涉及一种基于多任务脑机接口的个性化认知训练及康复方法、装置及设备。适用于医疗康复技术领域。
背景技术
认知是个体认识客观世界的信息加工活动，感觉、知觉、记忆、想象、思维等认知活动按照一定的关系组成一定的功能系统，从而实现对个体认识活动的调节作用。认知是人们适应周围环境赖以生存的必要条件，认知功能出现障碍，会给我们的生活带来严重的影响，常见的疾病比如注意缺陷多动症、自闭症、阿兹海默症等。另外，随着社会老龄化，脑萎缩常发病于老年群体，老年人患病后容易出现行为和记忆障碍，智力减退甚至痴呆。认知控制主要包括注意力、工作记忆和目标管理三个方面。已有研究证明，提高老年人的目标管理能力，注意力和工作记忆力会同时得到相应的提高。
传统医学在对认知障碍进行康复训练时，通常采用两种方式：药物治疗和人工训练。药物通常含有副作用，长期服用药物对身体有害，而人工训练需要耗费大量的人力、物力和时间，训练效果较大程度地依赖康复医生的水平。
在我国脑卒中致残率高达70％，而西方国家只有30％，造成我国中风残障率高的原因就是缺少相关康复治疗。目前我国康复医师占基本人群的比例约1.7人/10万人，而发达国家该数据则达到30-70人/10万人，两者相差近30倍，存在巨大的人才缺口。因此，采用机器来辅助人工进行康复是一个必然的趋势。
现有主流的认知康复训练系统以传统康复为主，训练系统采用量表、游戏等方式进行，仍存在以下不足：1、单项能力短时间提高后，难以长期维持；2、单项训练无法将训练成果扩展到未经训练的其他能力上，扩展性非常受限；3、训练内容枯燥，使用人群难以长时间集中注意力进行训练，同时对训练过程无法进行监控和评估；4、未形成有效的脑-系统-脑的神经反馈回路，患者的主动训练意图薄弱等。
发明内容
本发明要解决的技术问题是：针对上述存在的问题，提供一种基于多任务脑机接口的个性化认知训练及康复方法、装置及设备。
本发明所采用的技术方案是：一种基于多任务脑机接口的个性化认知训练及康复方法，其特征在于：
S01、获取用户应对不同难度第一单任务时的个体表现，并以表现的准确率达75％～85％所对应的难度等级作为第一单任务时的初始难度等级；
获取用户应对不同难度第二单任务时的个体表现，并以表现的准确率达75％～85％所对应的难度等级作为第二单任务的初始难度等级；
S02、获取用户应对初始难度等级的第一单任务时的第一初始表现Ⅰ；获取用户应对初始难度等级的第二单任务时的第二初始表现Ⅰ；
S03、获取用户应对初始难度等级的第一单任务结合初始难度等级的第二单任务时的第一初始表现Ⅱ及第二初始表现Ⅱ；
S04、确定用户的第一初始表现阈值范围和第二初始表现阈值范围，其中第一初始表现阈值范围的下限为第一初始表现Ⅱ，上限为第一初始表现Ⅰ；第二初始干扰表现阈值范围的下限为第二初始表现Ⅱ，上限为第二初始表现Ⅰ；
S05、将第一初始表现阈值范围和第二初始表现阈值范围按顺序分割若干个表现阈值区间；
S06、根据按顺序分割成的阈值区间生成对应的若干包含第一单任务和第二单任务且难度由易到难的多任务；
所述多任务包括若干由易到难的次级多任务；
S07、按由易到难的顺序向用户呈现生成的多任务中的次级多任务，获取用户应对次级多任务时的个体表现，并在应对某一难度的次级多任务时表现达标后向用户呈现下一难度的次级多任务，所述下一难度的次级多任务根据用户应对该某一难度的次级多任务时的表现进行自适应调整；
S08、获取用户应对多任务中最后一个次级多任务时的个体表现，并在表现达标后返回步骤S01，直至完成训练目标；
获取用户表现包括通过脑机接口技术获取用户的脑电信号。
根据用户应对多任务时的最优个体表现确定用户的认知能力。
所述获取用户的表现包括获取用户的头部运动、声音反应、眼睛运动、肢体运动或生理反应。
所述第二单任务为能在多任务中将用户注意力从第一单任务上转移的干扰任务。
所述第一单任务为视觉运动任务、视觉任务、听觉任务、目标辨别任务或跟踪任务；所述第二单任务为视觉运动任务、视觉任务、听觉任务、目标辨别任务或跟踪任务。
所述干扰任务包括仅用于将用户注意力从所述基线任务中转移的分心任务和需要用户进行反馈的中断任务。
第一个多任务中第一单任务和/或第二单任务的难度等级为其初始难度等级的80％～120％。
一种基于多任务脑机接口的个性化认知训练及康复方法的装置，其特征在于，包括：
初始评估模块，用于获取用户应对不同难度第一单任务时的个体表现，并以表现的准确率达75％～85％所对应的难度等级作为第一单任务时的初始难度等级；获取用户应对不同难度第二单任务时的个体表现，并以表现的准确率达75％～85％所对应的难度等级作为第二单任务的初始难度等级；
初始单任务表现获取模块，用于获取用户应对初始难度等级的第一单任务时的第一初始表现Ⅰ；用于获取用户应对初始难度等级的第二单任务时的第二初始表现Ⅰ；
初始多任务表现获取模块，用于获取用户应对初始难度等级的第一单任务结合初始难度等级的第二单任务时的第一初始表现Ⅱ及第二初始表现Ⅱ；
阈值范围确定模块，用于确定用户的第一初始表现阈值范围和第二初始表现阈值范围，其中第一初始表现阈值范围的下限为第一初始表现Ⅱ，上限为第一初始表现Ⅰ；第二初始干扰表现阈值范围的下限为第二初始表现Ⅱ，上限为第二初始表现Ⅰ；
阈值范围分割模块，用于将第一初始表现阈值范围和第二初始表现阈值范围按顺序分割若干个表现阈值区间；
多任务生成模块，用于根据按顺序分割成的阈值区间生成对应的若干包含第一单任务和第二单任务且难度由易到难的多任务；所述多任务包括若干由易到难的次级多任务；
多任务训练模块，用于按由易到难的顺序向用户呈现生成的多任务中的次级多任务，获取用户应对次级多任务时的个体表现，并在应对某一难度的次级多任务时表现达标后向用户呈现下一难度的次级多任务，所述下一难度的次级多任务根据用户应对该某一难度的次级多任务时的表现进行自适应调整；
重复模块，获取用户应对多任务中最后一个次级多任务时的个体表现，并在表现达标后返回初始评估模块，直至完成训练目标。
一种设备，其特征在于具有：
输出设备，用于向用户呈现任务；
输入设备，用于获取用户应对任务时的表现；
处理器；
存储器，存储有可供处理器执行的计算机程序；
所述计算机程序被处理器执行时实现所述的基于多任务脑机接口的个性化认知训练及康复方法。
本发明的有益效果是：本发明自动向用户呈现与用户能力对应的难度等级的任务，不会过难或过于简单，同时自适应算法控制任务训练，调整任务难易程度，能够对训练过程进行实时监控和评估，从而帮助用户更好的适应康复训练。本发明通过脑电信号采集设备，实现了脑-系统-脑的神经反馈，注重用户的主观意图，有助于大脑神经的重塑。本发明中的训练任务形式多样，丰富有趣，能够激发用户训练的兴趣，提高康复疗效。本发明通过设计多任务训练系统，提高使用者的目标管理能力，达到提高注意力、短期工作记忆的目的。
附图说明
图1为本实施例的实施步骤图。
具体实施方式
如图1所示，本实施例为一种基于多任务脑机接口的个性化认知训练及康复方法，具体实施步骤如下：
S01、向用户呈现不同难度的第一单任务，获取用户应对不同难度第一单任务时的个体表现，并评估确定第一单任务时的初始难度等级，初始难度等级以用户在应对该难度等级下第一单任务时表现准确率能达75％～85％为准；
向用户呈现不同难度的第二单任务，获取用户应对不同难度第二单任务时的个体表现，并评估确定第二单任务时的初始难度等级，初始难度等级以用户在应对该难度等级下第二单任务时表现准确率能达75％～85％为准；
S02、向用户呈现初始难度等级下的第一单任务，获取用户应对第一单任务时的第一初始表现Ⅰ；向用户呈现初始难度等级下的第二单任务，获取用户应对第二单任务时的第二初始表现Ⅰ；
S03、同时向用户呈现初始难度等级的第一单任务和初始难度等级的第二单任务，获取用户应对第一单任务结合第二单任务中应对第一单任务的第一初始表现Ⅱ及应对第二单任务的第二初始表现Ⅱ；
S04、确定用户的第一初始表现阈值范围和第二初始表现阈值范围，其中第一初始表现阈值范围的下限为第一初始表现Ⅱ，上限为第一初始表现Ⅰ；第二初始干扰表现阈值范围的下限为第二初始表现Ⅱ，上限为第二初始表现Ⅰ；
S05、将第一初始表现阈值范围和第二初始表现阈值范围按顺序分割若干个表现阈值区间；
S06、根据按顺序分割成的阈值区间生成对应的若干包含第一单任务和第二单任务且难度由易到难的多任务，多任务由若干由易到难的次级多任务组成；
S07、按由易到难的顺序向用户呈现生成的多任务中的次级多任务，获取用户应对次级多任务时的个体表现。
用户应对某一难度的次级多任务时表现达标后向用户呈现该多任务中下一个难度更高的次级多任务，该难度更高的次级多任务的难度等级根据用户应对该某一难度的次级多任务时的表现进行自适应调整。任务难度进行自适应的算法可以是块适应算法、最大似然法、单梯算法。
S08、获取用户应对多任务中最后一个次级多任务时的个体表现，并在表现达标后返回步骤S01，进行多次“评估-训练”过程，直至完成初始难度等级的训练目标。
本实施例在完成初始难度等级的训练任务后，重新评估确定下一个难度等级，更新用户的表现阈值范围后重新生成若干多任务，并进行若干个多任务的“评估-训练”过程。
本实施例中根据用户应对多任务时的最优个体表现，分析用户在单任务和多任务下的表现差异，以此来确定用户的认知能力。
本实施例中第一单任务为基线任务，该基线任务中的刺激可以是视觉刺激或听觉刺激等。视觉刺激包括呈现的亮度、颜色、形状、表面纹理、方向、视野中的位置，拼字是否正确，字母的数量与运动等。声音刺激可以是声音的频率、响度、音质以及持续时间等，也可以是元音、因素、音节、单词、问句、陈述句等形式，呈现方式可以是音乐、演讲、故事等。基线任务可以是与个体的注意力、记忆、运动、翻译、执行力、决断力、解决问题能力、语言组织和理解能力相关的任务等。
本实施例中第二单任务为能在多任务中将用户的注意力从基线任务上转移的干扰任务，干扰任务包括仅用于将用户注意力从基线任务中转移的分心任务和将用户注意力从基线任务中转移并需要用户进行反馈的中断任务。
基线任务和干扰任务可以是视觉运动任务、视觉任务、听觉任务、目标辨别任务和跟踪任务等。基线任务和干扰任务的类型可以是相同的或不同的，基线任务和干扰任务的认知领域可以是相同的或不同的，认知领域包括感知能力、反应能力、其他运动功能、视敏度、长时记忆、工作记忆、短时记忆、逻辑能力、决策能力以及爱好等。干扰任务可以是在一段时间或者全程出现。
本实施例中获取用户的表现可利用脑机接口技术获取用户的脑电信号，脑-机接口技术(brain computer interface,BCI)是一个通过检测中枢神经系统活动，并将其转化为人工输出的系统，它能够替代、修复、增强、补充或者改善中枢神经系统的正常输出，从而改变中枢神经系统与内外环境之间的交互作用。简而言之，脑-机接口技术是一项不依赖大脑常规信息通路就可实现与外界环境交流的技术，通过该技术可在人脑与计算机或其他电子设备之间建立一种直接的联系，使人不依赖正常的骨骼肌肉系统就可直接控制外部设备。
本实施例中获取用户的表现也可以是用户的头部运动、声音反应、眼睛运动、肢体运动比如按键、移动光标、踩踏板、跑跳等，也可以是生理反应比如脑电信号、核磁共振信号、电流反馈、心跳等。
步骤S06生成的若干个多任务中最容易的第一个次级多任务的难度等级与初始难度相同，或者下限是初始难度等级的90％、85％或80％，上限可以是110％、115％、120％等。等级的下限需保证用户不会进行明显低于他们最近能力的训练，不会让他们下次的训练太简单；等级的上限用于保证训练难度不会太难，避免影响用户自信心。
本实施例还提供一种基于多任务脑机接口的个性化认知训练及康复方法的装置，包括初始评估模块、初始单任务表现获取模块、初始多任务表现获取模块、阈值范围确定模块、阈值范围分割模块、多任务生成模块、多任务训练模块和重复模块。其中初始评估模块用于获取用户应对不同难度第一单任务时的个体表现，并以表现的准确率达75％～85％所对应的难度等级作为第一单任务时的初始难度等级；获取用户应对不同难度第二单任务时的个体表现，并以表现的准确率达75％～85％所对应的难度等级作为第二单任务时的初始难度等级。初始单任务表现获取模块用于获取用户应对初始难度等级的第一单任务时的第一初始表现Ⅰ；用于获取用户应对初始难度等级的第二单任务时的第二初始表现Ⅰ。初始多任务表现获取模块用于获取用户应对初始难度等级的第一单任务结合初始难度等级的第二单任务时的第一初始表现Ⅱ及第二初始表现Ⅱ。阈值范围确定模块用于确定用户的第一初始表现阈值范围和第二初始表现阈值范围，其中第一初始表现阈值范围的下限为第一初始表现Ⅱ，上限为第一初始表现Ⅰ；第二初始干扰表现阈值范围的下限为第二初始表现Ⅱ，上限为第二初始表现Ⅰ。阈值范围分割模块用于将第一初始表现阈值范围和第二初始表现阈值范围按顺序分割若干个表现阈值区间。多任务生成模块用于根据按顺序分割成的阈值区间生成对应的若干包含第一单任务和第二单任务且难度由易到难的多任务；多任务包括若干由易到难的次级多任务。多任务训练模块用于用于按由易到难的顺序向用户呈现生成的多任务中的次级多任务，获取用户应对次级多任务时的个体表现，并在应对某一难度的次级多任务时表现达标后向用户呈现下一难度的次级多任务，下一难度的次级多任务根据用户应对该某一难度的次级多任务时的表现进行自适应调整。重复模块用于获取用户应对多任务中最后一个次级多任务时的个体表现，并在表现达标后返回初始评估模块，直至完成训练目标。
本实施例还提供一种设备，其特征在于具有输出设备、输入设备、处理器和存储器，其中输出设备用于向用户呈现第一单任务、第二单任务和多任务；输入设备用于获取用户应对第一单任务、第二单任务和多任务时的表现；存储器上存储有可供处理器执行的计算机程序，计算机程序被处理器执行时实现本实施例基于多任务脑机接口的个性化认知训练及康复方法。
本实施例以一个具体实例进行说明，包括驾驶任务(基线任务)、辨别任务(干扰任务)和多重任务(基线任务和干扰任务同时进行)。基线任务的难度等级基于车辆的运动速度，干扰任务的难度等级基于干扰出现的频率。
辨别任务的设置中，33.3％的标志是目标标志，33.3％是随机的非目标标志(有相同的颜色)以及33.3％的非随机的非目标的标志(没有相同特征)。当出现目标刺激物时，用户需要用右手食指按一个按钮，出现其它标志则不按。
在驾驶任务的设置中，有山丘、山谷以及左右转弯。训练开始，车开始运动，路开始向左、向右弯曲，用户通过使用方向盘控制车在道路中间。经过山丘和山谷时，用户通过操纵操作杆的纵轴来修正速度，当上山时向前推来加速，当下山时向后推来减速。
多任务是辨别任务和驾驶任务同时进行。辨别任务和驾驶任务没有相关性，都是独立的任务。用户需要不断切换注意力，保证两个任务都得到很好得完成。两个任务的得分会分别记录，无相互影响。当用户的辨别任务和驾驶任务得分都超过80分时，用户训练阶段的难度等级会增加；其中任何一项得分少于80分时，训练阶段保持不变。屏幕右上角会记录用户驾驶情况及脑电识别准确率。训练结束时，系统会显示用户训练过程中的得分、脑电数据及大脑能量变化。
Claims (8)
1.一种基于多任务脑机接口的个性化认知训练及康复方法，其特征在于：
S01、获取用户应对不同难度第一单任务时的个体表现，并以表现的准确率达75%~85%所对应的难度等级作为第一单任务时的初始难度等级；
获取用户应对不同难度第二单任务时的个体表现，并以表现的准确率达75%~85%所对应的难度等级作为第二单任务的初始难度等级；
S02、获取用户应对初始难度等级的第一单任务时的第一初始表现Ⅰ；获取用户应对初始难度等级的第二单任务时的第二初始表现Ⅰ；
S03、获取用户应对初始难度等级的第一单任务结合初始难度等级的第二单任务时的第一初始表现Ⅱ及第二初始表现Ⅱ；
S04、确定用户的第一初始表现阈值范围和第二初始表现阈值范围，其中第一初始表现阈值范围的下限为第一初始表现Ⅱ，上限为第一初始表现Ⅰ；第二初始干扰表现阈值范围的下限为第二初始表现Ⅱ，上限为第二初始表现Ⅰ；
S05、将第一初始表现阈值范围和第二初始表现阈值范围按顺序分割若干个表现阈值区间；
S06、根据按顺序分割成的阈值区间生成对应的若干包含第一单任务和第二单任务且难度由易到难的多任务；
所述多任务包括若干由易到难的次级多任务；
S07、按由易到难的顺序向用户呈现生成的多任务中的次级多任务，获取用户应对次级多任务时的个体表现，并在应对某一难度的次级多任务时表现达标后向用户呈现下一难度的次级多任务，所述下一难度的次级多任务根据用户应对该某一难度的次级多任务时的表现进行自适应调整；
S08、获取用户应对多任务中最后一个次级多任务时的个体表现，并在表现达标后返回步骤S01，直至完成训练目标；
获取用户表现包括通过脑机接口技术获取用户的脑电信号。
2.根据权利要求1所述的基于多任务脑机接口的个性化认知训练及康复方法，其特征在于：根据用户应对多任务时的最优个体表现确定用户的认知能力。
3.根据权利要求1所述的基于多任务脑机接口的个性化认知训练及康复方法，其特征在于：所述获取用户的表现包括获取用户的头部运动、声音反应、眼睛运动、肢体运动或生理反应。
4.根据权利要求1所述的基于多任务脑机接口的个性化认知训练及康复方法，其特征在于：所述第二单任务为能在多任务中将用户注意力从第一单任务上转移的干扰任务。
5.根据权利要求1或4所述的基于多任务脑机接口的个性化认知训练及康复方法，其特征在于：所述第一单任务为视觉运动任务、视觉任务、听觉任务、目标辨别任务或跟踪任务；所述第二单任务为视觉运动任务、视觉任务、听觉任务、目标辨别任务或跟踪任务。
6.根据权利要求1所述的基于多任务脑机接口的个性化认知训练及康复方法，其特征在于：第一个多任务中第一单任务和/或第二单任务的难度等级为其初始难度等级的80%~120%。
7.一种基于多任务脑机接口的个性化认知训练及康复方法的装置，其特征在于，包括：
初始评估模块，用于获取用户应对不同难度第一单任务时的个体表现，并以表现的准确率达75%~85%所对应的难度等级作为第一单任务时的初始难度等级；获取用户应对不同难度第二单任务时的个体表现，并以表现的准确率达75%~85%所对应的难度等级作为第二单任务的初始难度等级；
初始单任务表现获取模块，用于获取用户应对初始难度等级的第一单任务时的第一初始表现Ⅰ；用于获取用户应对初始难度等级的第二单任务时的第二初始表现Ⅰ；
初始多任务表现获取模块，用于获取用户应对初始难度等级的第一单任务结合初始难度等级的第二单任务时的第一初始表现Ⅱ及第二初始表现Ⅱ；
阈值范围确定模块，用于确定用户的第一初始表现阈值范围和第二初始表现阈值范围，其中第一初始表现阈值范围的下限为第一初始表现Ⅱ，上限为第一初始表现Ⅰ；第二初始干扰表现阈值范围的下限为第二初始表现Ⅱ，上限为第二初始表现Ⅰ；
阈值范围分割模块，用于将第一初始表现阈值范围和第二初始表现阈值范围按顺序分割若干个表现阈值区间；
多任务生成模块，用于根据按顺序分割成的阈值区间生成对应的若干包含第一单任务和第二单任务且难度由易到难的多任务；所述多任务包括若干由易到难的次级多任务；
多任务训练模块，用于按由易到难的顺序向用户呈现生成的多任务中的次级多任务，获取用户应对次级多任务时的个体表现，并在应对某一难度的次级多任务时表现达标后向用户呈现下一难度的次级多任务，所述下一难度的次级多任务根据用户应对该某一难度的次级多任务时的表现进行自适应调整；
重复模块，获取用户应对多任务中最后一个次级多任务时的个体表现，并在表现达标后返回初始评估模块，直至完成训练目标。
8.一种设备，其特征在于具有：
输出设备，用于向用户呈现任务；
输入设备，用于获取用户应对任务时的表现；
处理器；
存储器，存储有可供处理器执行的计算机程序；
所述计算机程序被处理器执行时实现权利要求1~6任意一项所述的基于多任务脑机接口的个性化认知训练及康复方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910855229.6A CN110737331B (zh) | 2019-09-11 | 2019-09-11 | 基于多任务脑机接口的个性化认知训练及康复方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910855229.6A CN110737331B (zh) | 2019-09-11 | 2019-09-11 | 基于多任务脑机接口的个性化认知训练及康复方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110737331A CN110737331A (zh) | 2020-01-31 |
| CN110737331B true CN110737331B (zh) | 2023-10-27 |
Family
ID=69267810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910855229.6A Active CN110737331B (zh) | 2019-09-11 | 2019-09-11 | 基于多任务脑机接口的个性化认知训练及康复方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110737331B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114237383B (zh) * | 2021-11-09 | 2024-03-12 | 浙江迈联医疗科技有限公司 | 基于前额单导联脑电信号的多状态识别方法 |
| CN113903425A (zh) * | 2021-12-10 | 2022-01-07 | 江苏瑞脑启智医疗科技有限公司 | 注意力提升方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102551741A (zh) * | 2012-01-10 | 2012-07-11 | 西安交通大学 | 多任务视觉认知中脑负荷测定的实验系统和方法 |
| CN103106343A (zh) * | 2013-01-29 | 2013-05-15 | 中山大学 | 一种肢体康复训练的难度调节方法 |
| CN105353936A (zh) * | 2015-09-14 | 2016-02-24 | 联想(北京)有限公司 | 一种显示方法及电子设备 |
| US9721386B1 (en) * | 2010-12-27 | 2017-08-01 | Amazon Technologies, Inc. | Integrated augmented reality environment |
| JP2018072784A (ja) * | 2016-11-06 | 2018-05-10 | ナレルシステム株式会社 | 音声認識方法、コンピュータプログラム及び装置 |
| CN108304068A (zh) * | 2018-01-30 | 2018-07-20 | 山东建筑大学 | 一种基于脑机接口的上肢康复训练机器人控制系统及方法 |
| CN109300364A (zh) * | 2018-11-30 | 2019-02-01 | 北京京师脑力科技有限公司 | 一种提高记忆力的认知训练方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120088216A1 (en) * | 2010-10-06 | 2012-04-12 | Yale University | Systems and Methods for Monitoring, Evaluation, and Treatment |
| CA2949431C (en) * | 2014-05-21 | 2023-09-26 | Akili Interactive Labs, Inc. | Processor-implemented systems and methods for enhancing cognitive abilities by personalizing cognitive training regimens |
-
2019
- 2019-09-11 CN CN201910855229.6A patent/CN110737331B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9721386B1 (en) * | 2010-12-27 | 2017-08-01 | Amazon Technologies, Inc. | Integrated augmented reality environment |
| CN102551741A (zh) * | 2012-01-10 | 2012-07-11 | 西安交通大学 | 多任务视觉认知中脑负荷测定的实验系统和方法 |
| CN103106343A (zh) * | 2013-01-29 | 2013-05-15 | 中山大学 | 一种肢体康复训练的难度调节方法 |
| CN105353936A (zh) * | 2015-09-14 | 2016-02-24 | 联想(北京)有限公司 | 一种显示方法及电子设备 |
| JP2018072784A (ja) * | 2016-11-06 | 2018-05-10 | ナレルシステム株式会社 | 音声認識方法、コンピュータプログラム及び装置 |
| CN108304068A (zh) * | 2018-01-30 | 2018-07-20 | 山东建筑大学 | 一种基于脑机接口的上肢康复训练机器人控制系统及方法 |
| CN109300364A (zh) * | 2018-11-30 | 2019-02-01 | 北京京师脑力科技有限公司 | 一种提高记忆力的认知训练方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 面向人类智能增强的多模态人机交互;王党校等;;中国科学:信息科学(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110737331A (zh) | 2020-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Scherer et al. | Toward self-paced brain–computer communication: navigation through virtual worlds | |
| JP5544620B2 (ja) | 意思伝達支援装置及び方法 | |
| Pfurtscheller et al. | 15 years of BCI research at Graz University of Technology: current projects | |
| Blankertz et al. | The BCI competition 2003: progress and perspectives in detection and discrimination of EEG single trials | |
| EP2416698B1 (en) | Method and system for training of perceptual skills using neurofeedback | |
| CN110737331B (zh) | 基于多任务脑机接口的个性化认知训练及康复方法、装置及设备 | |
| Leeb et al. | Thinking penguin: multimodal brain–computer interface control of a vr game | |
| Edlinger et al. | How many people can use a BCI system? | |
| CN112244774A (zh) | 脑机接口康复训练系统及方法 | |
| CN110993056A (zh) | 基于镜像神经元和脑机接口的混合式主动康复方法、装置 | |
| Lehtonen | EEG-based brain computer interfaces | |
| Schumacher et al. | Towards explanatory feedback for user training in brain-computer interfaces | |
| van de Laar et al. | Evaluating user experience of actual and imagined movement in BCI gaming | |
| Fadiga et al. | Broca’s region: a speech area | |
| Maslova et al. | Non-invasive EEG-based BCI spellers from the beginning to today: a mini-review | |
| Kawala-Janik et al. | Method for EEG signals pattern recognition in embedded systems | |
| CN111443799A (zh) | 基于脑机接口的辅助学习方法、终端及计算机存储介质 | |
| Thomas et al. | A study on the impact of neurofeedback in EEG based attention-driven game | |
| Robinson et al. | Design considerations for long term non-invasive brain computer interface training with tetraplegic CYBATHLON pilot | |
| Coyle | Brain-computer interfaces: lab experiments to real-world applications | |
| Jeunet et al. | Human learning for brain–computer interfaces | |
| WO2020139108A1 (ru) | Способ проведения когнитивных исследований с использованием системы нейровизуализации и механизма обратной связи | |
| Evain et al. | Brain–Computer Interfaces for Human–Computer Interaction | |
| Khan et al. | EEG-based BCI systems for neurorehabilitation applications | |
| Henshaw | Improved brain-computer interface methods with application to gaming |
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 |