CN111028919A - 基于人工智能算法的恐惧症自我诊疗系统 - Google Patents
基于人工智能算法的恐惧症自我诊疗系统 Download PDFInfo
- Publication number
- CN111028919A CN111028919A CN201911218486.5A CN201911218486A CN111028919A CN 111028919 A CN111028919 A CN 111028919A CN 201911218486 A CN201911218486 A CN 201911218486A CN 111028919 A CN111028919 A CN 111028919A
- Authority
- CN
- China
- Prior art keywords
- module
- artificial intelligence
- patient
- self
- physiological
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 34
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 25
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 15
- 206010034912 Phobia Diseases 0.000 title claims description 7
- 208000019899 phobic disease Diseases 0.000 title claims description 7
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 230000003993 interaction Effects 0.000 claims abstract description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 11
- 201000010099 disease Diseases 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 210000003710 cerebral cortex Anatomy 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000003909 pattern recognition Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 208000019901 Anxiety disease Diseases 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000036506 anxiety Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 3
- 230000000472 traumatic effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000003745 diagnosis Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000000586 desensitisation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Images
Classifications
-
- 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
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明提供了一种基于人工智能算法的恐惧症自我诊疗系统,包括:人工智能语音交互模块,用于通过语音交换与患者进行语音交流;生理信息采集模块,用于采集患者大脑皮层主动产生的生理信号;生理特征提取模块,用于对采集到的生理信号进行滤波及去除轨迹,得到特征信号,并基于特征提取算法对特征属性进行特征提取;机器学习模块,用于将特征信号及提取到的特征通过预先训练好的的机器学习模型进行模式识别,并将识别结果进行反馈;虚拟现实模块,用于读取反馈信号的指令并对虚拟现实场景进行调整与控制。本发明将人工智能技术与虚拟现实技术结合应用,更加灵活,对心理治疗师依赖程度低,控制模式多样,可完成更复杂的任务。
Description
技术领域
本发明属于心理疾病治疗技术领域,具体涉及一种基于人工智能算法的恐惧症自我诊疗系统。
背景技术
目前针对心理疾病恐惧症治疗方法主要是心理咨询师的“话聊”。首先,使用聊天方式的诊疗方案必须由心理咨询师在场,而且患者情绪有太多不稳定因素,对人员造成伤害的可能性较高;其次患者有隐私顾虑,对咨询师保密原则的不信任,更有甚者患者过于自卑,不愿意让亲友过多的了解自身情况,诉说会有隐瞒;最后由于患者紧张导致自身表达不够明显,心理咨询师极易容易忽略,严重影响治疗效果。
还有是脱敏疗法,基于视频的脱敏疗法其特点是心理咨询师可以利用对个体焦虑反应具有轻度影响的刺激物进行治疗,使求助者长期暴露在刺激物下,长期的暴露最终使得求助者对刺激物的感知钝化,不在引发自身焦虑。一旦这个特定的刺激无法对求助者产生焦虑反应时,很难选择相对较高程度的刺激物进行刺激。
发明内容
本发明的目的是提一种基于人工智能算法的恐惧症自我诊疗系统,将人工智能技术与虚拟现实技术结合应用,更加灵活,对心理治疗师依赖程度低,控制模式多样,可完成更复杂的任务。
本发明提供了一种基于人工智能算法的恐惧症自我诊疗系统,包括:
人工智能语音交互模块,用于通过语音交换与患者进行语音交流;
生理信息采集模块,用于采集患者大脑皮层主动产生的生理信号;所述生理信号包括焦虑想象电位脑电信号、心率指数、脉搏、肌电图;
生理特征提取模块,用于对采集到的生理信号进行滤波及去除轨迹,得到特征信号,并基于特征提取算法对特征属性进行特征提取;
机器学习模块,用于将特征信号及提取到的特征通过预先训练好的的机器学习模型进行模式识别,并将识别结果进行反馈;
虚拟现实模块,用于读取反馈信号的指令并对虚拟现实场景进行调整与控制。
进一步地,所述人工智能语音交互模块采用多特征融合提取算法进行语音交互,包括:根据摄像头判断患者年龄与性别,通过语音交互系统将识别的语音转化成文本,利用文本出现同频,相近语义的词的概率,以及对话时候患者表情的变化,分析患者的核心语句、词语进行语义分析。
进一步地,所述生理信息采集模块采用头戴采集设备进行数据采集,搭建不同场景10个,随机抽取五个进行脑电的采集。
进一步地,所述生理特征提取模块基于EMD算法进行特征提取多层本征模函数。
进一步地,所述机器学习模块采用三层卷积模型进行机械学习训练与测试。
进一步地,所述虚拟现实模块提供最接近创伤事故的沉浸式三维虚拟环境。
进一步地,所述虚拟现实模块采用自动行走模式,根据患者语义提示与人工智能系统反馈,在自动行走的道路上不断变换场景以及突然爆发粒子效果。
与现有技术相比本发明的有益效果是:
将人工智能技术与虚拟现实技术结合应用,更加灵活,对心理治疗师依赖程度低,控制模式多样,可完成更复杂的任务。
附图说明
图1是本发明基于人工智能算法的恐惧症自我诊疗系统的示意图;
图2是本发明训练数据采集与预处理的流程图。
图3是本发明EMD筛选过程示意图;
图4是本发明多特征融合流程图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
本实施例提供了一种基于人工智能算法的恐惧症自我诊疗系统,包括人工智能语音交互模块、生理信息采集模块、生理特征提取模块、机器学习识别模块、虚拟现实模块。
人工智能语音交互模块用于和患者进行语音交流,生理信息采集模块用于采集测试者大脑皮层主动产生的焦虑想象电位脑电信号、心率指数、脉搏、肌电图等生理检测信号;生理特征提取模块用于对采集到的生理检测信号进行滤波与去除轨迹得到性能较好的信号源,并使用特征提取算法对特征属性进行特征提取;机器学习模块用于将处理过后的特征信号及提取到的特征通过预先训练好的的机器学习模型进行模式识别,并将识别结果进行反馈;虚拟现实模块用于读取反馈信号的指令并对虚拟现实场景进行调整与控制。
VR虚拟现实提供最接近创伤事故的沉浸式三维虚拟环境;沉浸式虚拟现实其明显的特点是:利用头盔显示器把用户的视觉、听觉封闭起来,产生虚拟视觉,同时,它利用数据手套把用户的手感通道封闭起来,产生虚拟触动感。虚拟现实环境设置自动行走模式,环境效果是一个渐变过程,不会突然进入一个很震撼场景中,克服了视频脱敏疗法的寻找较高刺激物的困难,同时不会因为突然进入一个不适应的环境导致治疗效果适得其反。
脑机接口设备提供患者在实时的三维虚拟环境刺激下的脑电波数据;在虚拟现实环境下,实时脑电数据采集,布点反馈到系统中,同时使用机器学习的方案,实时信号处理再将处理后信号以反馈信号作用于虚拟现实环境,达到一个稳定的治疗方案,所有的改变都是循序渐进的,不会对患者突然暴露一个不适应的环境下造成不适,加重自己的情况,同时脑电波数据作为反馈信号意义在医学上已经被论证。
本发明中,患者主动叙述自身情况,人工智能语义识别进行反馈,该系统只允许患者一个人参与,保密性高;其次unity_3d情景再现的诊疗效果,以及生理检测的反馈系统,安全性高;最终打消患者自卑情绪,效果显著,可控性强,诊疗时间方便快捷。
具体方案如下:
参图1所示,在本部分,主要说明了本次试验的主要过程,从语言交互、数据监测的采集与处理到机器学习的训练模式识别的预测,再到对脑电数据的实时读取与分析,最后特征融合建立虚拟现实环境,并反馈于患者的视觉缓解创伤。
1、训练数据采集与预处理。参图2所示。
采用NeuroScan的脑电采集设备,采集64个点位的脑电信号。
测试者头戴采集设备,打开NeuroScan官方开发的Curry8,进行数据采集。首先,测试者手上有一个量表,对自身恐惧等级分为5个等级,从稍微有感觉,到感觉很强烈,甚至受不了的视觉冲击。用unity搭建不同场景10个,随机抽取五个进行脑电的采集。保存数据库。
通过Python脚本代码,将64通道的脑电数据提取出来,通过带通滤波器进行带通滤波(0-40Hz)、基线校正、去直流偏移、去除轨迹(眼点、肌电和心电)。
最后进行频谱滤波,分别提取对应波段。
2、特征提取
使用EMD算法进行特征提取多层本征模函数。
经验模态分解往往被称为是一个“筛选”过程。这个筛选过程依据信号特点自适应地把任意一个复杂信号分解为一列本征模态函数(Intrinsic Mode Function,IMF)。它满足信号极值点的数量与零点数相等或相差是一和信号的由极大值定义的上包络和由极小值定义的下包络的局部均值为零。
参图3所示,EMD筛选过程如下:
(1)对输入信号,求取极大值点,和极小值点,
(2)对极大值点和极小值点采用三次样条函数插值构造信号上下包络,计算上、下包络的均值函数;
(3)考察是否满足IMF条件,如果满足则转到下一步,否则对进行前两步操作,求得以及,依次下去,直到第k步后满足IMF条件,则求得第一个IMF;
(4)得到第一个残留,对作如同上述三步操作,得到以及以此类推;
(5)直到为单调信号或者只存在一个极点为止。原始信号被表达为。
由于EEG信号是非线性非平稳信号,EMD算法恰好提取该信号的变换的高低起伏情况,避免由于EEG采集时候的参考点的不同造成的影响,惊慌失措在精神上反映到脑电上就是电压的高低变换特征。本征模态分解更好的提取了该特征。
3、机器学习训练与测试
采用三层卷积模型。卷积神经网络在传统人工神经网络的结构基础上,加入了两种重要的思想,即“局部感受野”和“权值共享”。相比于全连接神经网络,卷积神经网络能够非常有效地降低网络计算的复杂度,是深度学习算法的典型代表之一,在图像、语音、文本、视频等方面均有很好的成果展现。传统人工神经网络包含输入层、隐层、输出层三种网络结构,卷积神经网络在其基础上,隐层体现为全连接层,并在输入层与全连接层之间增加卷积层与池化层两种网络类型。通过多层卷积,不断提取更为抽象的信号特征,在增强有效信号特征的同时,也弱化了噪声信号的特征。
将预采集的EEG信号与场景序号相互关联,放入该系统中进行训练,可以分析出什么样的视觉冲突,可以造成什么样的脑电,甚至心理状态的趋势。使用该网络进行自我识别。
最后将模型保存,以便后续调用。
4、虚拟现实环境控制
使用Unity3D,建立虚拟现实环境,在C#脚本中进行3D场景搭建并且设置自动行走模式。
根据患者语义提示与人工智能系统反馈,在自动行走的道路上不断变换场景以及突然爆发一些粒子效果,例如地震、火山爆发,泥石流,天气情况的变换。
5、试验结果与分析
通过上文所述步骤的操作,最后实现了本实验的目的。在相对简单的网络环境下,即电子干扰较少的情况下,患者进行治疗,根据患者自身反馈以及各种生理状态的变换,该系统对患者自身生活状态有更好的提升。
本发明反馈系统不是单一因素的反馈系统,是多级反馈系统的融合,根据随机森林算法,进行局部调节,甚至场景突然变换效果。本发明中,隐私性极强,为完全自主诊疗方案提供了保障。超强的反馈系统,可以进行自我学习的系统体系,在治疗患者方面,效果明显,可以节约人力成本,一次投入可以多人使用,不需要心理治疗师参与。自主性强。具体技术点及技术效果如下:
1)完全的自我诊疗
该诊疗系统可以完全不需要心理诊疗师参与,隐私性极强,患者可以手动删除诊疗日志。该日志不会记录患者任何身份识别的信息,在诊疗的过程中不需要任何人参与。
2)基于EMD算法提取EEG特征
由于EEG信号是非线性非平稳信号,EMD算法恰好提取该信号的变换的高低起伏情况,避免由于EEG采集时候的参考点的不同造成的影响,惊慌失措在精神上反映到脑电上就是电压的高低变换特征。本征模态分解更好的提取了该特征。
3)三层卷积CNN机器学习算法
针对EEG算法数据量为64*4000*3。通过三层卷积,不断提取更为抽象的信号特征,在每层卷积后的不同规则的最大池化在增强有效信号特征的同时,也弱化了噪声信号的特征,提取EEG特征的鲁棒性。如下表:
该神经网络采用卷积核和池化核都比较小,较好的适用于EEG信号的本质属性,该神经网络识别率约为85%左右,识别率较高。
4)超强的反馈自我保护链
本系统反馈机制中有较强的自我保护能力,一旦患者生理机能发生重大变化,以及心理反应不适,该体统一旦检测出立即缓和刺激源,更有甚者停止所有的刺激,患者主观也可以停止诊疗,强制退出诊疗过程。
5)语义交互中的多特征融合提取算法。如图4所示。
首先根据摄像头判断患者年龄与性别,通过语音交互系统的语音识别技术,将语音交互系统转化成文本,利用文本出现同频,相近语义的词的概率,以及对话时候患者表情的变化,分析患者的核心语句,词语进行语义分析。
需要说明的是,使用机器学习对脑电信号进行分类时,不仅仅可以使用梯度增强决策树,还可以使用其他模型进行分类,如RNN模型等。
特征提取的算法有很多,本文主要提及的EMD算法,还有其他算法可以用,小波变换、短时傅里叶、PCA等,但是针对的方向点不一样。效果就会有所不同。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (7)
1.一种基于人工智能算法的恐惧症自我诊疗系统,其特征在于,包括:
人工智能语音交互模块,用于通过语音交换与患者进行语音交流;
生理信息采集模块,用于采集患者大脑皮层主动产生的生理信号;所述生理信号包括焦虑想象电位脑电信号、心率指数、脉搏、肌电图;
生理特征提取模块,用于对采集到的生理信号进行滤波及去除轨迹,得到特征信号,并基于特征提取算法对特征属性进行特征提取;
机器学习模块,用于将特征信号及提取到的特征通过预先训练好的的机器学习模型进行模式识别,并将识别结果进行反馈;
虚拟现实模块,用于读取反馈信号的指令并对虚拟现实场景进行调整与控制。
2.根据权利要求1所述的基于人工智能算法的恐惧症自我诊疗系统,其特征在于,所述人工智能语音交互模块采用多特征融合提取算法进行语音交互,包括:根据摄像头判断患者年龄与性别,通过语音交互系统将识别的语音转化成文本,利用文本出现同频,相近语义的词的概率,以及对话时候患者表情的变化,分析患者的核心语句、词语进行语义分析。
3.根据权利要求1所述的基于人工智能算法的恐惧症自我诊疗系统,其特征在于,所述生理信息采集模块采用头戴采集设备进行数据采集,搭建不同场景10个,随机抽取五个进行脑电的采集。
4.根据权利要求1所述的基于人工智能算法的恐惧症自我诊疗系统,其特征在于,所述生理特征提取模块基于EMD算法进行特征提取多层本征模函数。
5.根据权利要求1所述的基于人工智能算法的恐惧症自我诊疗系统,其特征在于,所述机器学习模块采用三层卷积模型进行机械学习训练与测试。
6.根据权利要求1所述的基于人工智能算法的恐惧症自我诊疗系统,其特征在于,所述虚拟现实模块提供最接近创伤事故的沉浸式三维虚拟环境。
7.根据权利要求6所述的基于人工智能算法的恐惧症自我诊疗系统,其特征在于,所述虚拟现实模块采用自动行走模式,根据患者语义提示与人工智能系统反馈,在自动行走的道路上不断变换场景以及突然爆发粒子效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911218486.5A CN111028919A (zh) | 2019-12-03 | 2019-12-03 | 基于人工智能算法的恐惧症自我诊疗系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911218486.5A CN111028919A (zh) | 2019-12-03 | 2019-12-03 | 基于人工智能算法的恐惧症自我诊疗系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111028919A true CN111028919A (zh) | 2020-04-17 |
Family
ID=70203993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911218486.5A Pending CN111028919A (zh) | 2019-12-03 | 2019-12-03 | 基于人工智能算法的恐惧症自我诊疗系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028919A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112007255A (zh) * | 2020-09-02 | 2020-12-01 | 龙马智芯(珠海横琴)科技有限公司 | 基于混合现实的心理治疗方法、装置、系统及服务器 |
CN112309547A (zh) * | 2020-11-11 | 2021-02-02 | 浙江连信科技有限公司 | 基于辩证行为疗法的心理服务提供方法及装置 |
CN113111697A (zh) * | 2020-12-17 | 2021-07-13 | 西安电子科技大学 | 虚拟现实环境中三维静态图像的脑电信号识别系统及方法 |
CN113409919A (zh) * | 2021-04-02 | 2021-09-17 | 北方工业大学 | 基于cave沉浸式疫情创伤后应激障碍的治疗系统 |
IT202100002393A1 (it) | 2021-02-04 | 2022-08-04 | Virtual Factory S R L | Metodo di trattamento di una patologia fobica per mezzo di un ambiente non reale |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107799165A (zh) * | 2017-09-18 | 2018-03-13 | 华南理工大学 | 一种基于虚拟现实技术的心理评估方法 |
CN110013248A (zh) * | 2018-01-08 | 2019-07-16 | 上海交通大学 | 脑电张量模式识别技术与脑机交互康复系统 |
CN110507335A (zh) * | 2019-08-23 | 2019-11-29 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及系统 |
-
2019
- 2019-12-03 CN CN201911218486.5A patent/CN111028919A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107799165A (zh) * | 2017-09-18 | 2018-03-13 | 华南理工大学 | 一种基于虚拟现实技术的心理评估方法 |
CN110013248A (zh) * | 2018-01-08 | 2019-07-16 | 上海交通大学 | 脑电张量模式识别技术与脑机交互康复系统 |
CN110507335A (zh) * | 2019-08-23 | 2019-11-29 | 山东大学 | 基于多模态信息的服刑人员心理健康状态评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
张齐昌 等: ""一种新的基于脑电信号的虚拟环境中心理恐惧症检测方案"", 《信息与电脑(理论版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112007255A (zh) * | 2020-09-02 | 2020-12-01 | 龙马智芯(珠海横琴)科技有限公司 | 基于混合现实的心理治疗方法、装置、系统及服务器 |
CN112007255B (zh) * | 2020-09-02 | 2021-04-13 | 龙马智芯(珠海横琴)科技有限公司 | 基于混合现实的心理治疗方法、装置、系统及服务器 |
CN112309547A (zh) * | 2020-11-11 | 2021-02-02 | 浙江连信科技有限公司 | 基于辩证行为疗法的心理服务提供方法及装置 |
CN113111697A (zh) * | 2020-12-17 | 2021-07-13 | 西安电子科技大学 | 虚拟现实环境中三维静态图像的脑电信号识别系统及方法 |
CN113111697B (zh) * | 2020-12-17 | 2023-07-28 | 西安电子科技大学 | 虚拟现实环境中三维静态图像的脑电信号识别系统及方法 |
IT202100002393A1 (it) | 2021-02-04 | 2022-08-04 | Virtual Factory S R L | Metodo di trattamento di una patologia fobica per mezzo di un ambiente non reale |
EP4040444A1 (en) | 2021-02-04 | 2022-08-10 | Virtual Factory S.r.l. | System of treatment of a phobic pathology by means of a virtual environment |
CN113409919A (zh) * | 2021-04-02 | 2021-09-17 | 北方工业大学 | 基于cave沉浸式疫情创伤后应激障碍的治疗系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111028919A (zh) | 基于人工智能算法的恐惧症自我诊疗系统 | |
Liu et al. | EEG-based emotion classification using a deep neural network and sparse autoencoder | |
Alakus et al. | Database for an emotion recognition system based on EEG signals and various computer games–GAMEEMO | |
Esfahani et al. | Using brain–computer interfaces to detect human satisfaction in human–robot interaction | |
Seal et al. | An EEG database and its initial benchmark emotion classification performance | |
CN114999237B (zh) | 一种智慧教育互动教学方法 | |
CN106560765A (zh) | 一种虚拟现实中内容交互的方法和装置 | |
Suhaimi et al. | Modeling the affective space of 360 virtual reality videos based on arousal and valence for wearable EEG-based VR emotion classification | |
Gümüslü et al. | Emotion recognition using EEG and physiological data for robot-assisted rehabilitation systems | |
CN110811648A (zh) | 一种基于残差卷积神经网络的抑郁倾向评估系统 | |
CN114947852B (zh) | 一种多模态情感识别方法、装置、设备及存储介质 | |
Ramzan et al. | Emotion recognition by physiological signals | |
Hu et al. | Acrophobia quantified by EEG based on CNN incorporating Granger causality | |
Gu et al. | A domain generative graph network for EEG-based emotion recognition | |
Masuda et al. | Multi-Input CNN-LSTM deep learning model for fear level classification based on EEG and peripheral physiological signals | |
Balan et al. | Automatic adaptation of exposure intensity in VR acrophobia therapy, based on deep neural networks | |
KR20220060976A (ko) | 효율적인 멀티모달 특징그룹과 모델 선택 기반 감정인식을 위한 딥러닝 방법 및 장치 | |
CN113082448A (zh) | 基于脑电信号和眼动仪的虚拟沉浸式自闭症儿童治疗系统 | |
Khan et al. | EEG based aptitude detection system for stress regulation in health care workers | |
Alakuş et al. | EEG-based emotion estimation with different deep learning models | |
Kamble et al. | Spectral analysis of EEG signals for automatic imagined speech recognition | |
Wang | A Modified Motor Imagery Classification Method Based on EEGNet | |
Fattouh et al. | EEG-based emotion recognition of Quran listeners | |
CN113057652A (zh) | 基于脑电和深度学习的脑负荷检测方法 | |
Kalafatovich et al. | Subject-independent object classification based on convolutional neural network from EEG signals |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |