CN111724896A - 一种基于多刺激图片或视频erp的毒瘾评估系统 - Google Patents

一种基于多刺激图片或视频erp的毒瘾评估系统 Download PDF

Info

Publication number
CN111724896A
CN111724896A CN202010531543.1A CN202010531543A CN111724896A CN 111724896 A CN111724896 A CN 111724896A CN 202010531543 A CN202010531543 A CN 202010531543A CN 111724896 A CN111724896 A CN 111724896A
Authority
CN
China
Prior art keywords
drug
tester
stimulus
drug addiction
stimulation
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.)
Granted
Application number
CN202010531543.1A
Other languages
English (en)
Other versions
CN111724896B (zh
Inventor
李岱
李元辉
柏德祥
张天骄
张立群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Adai Technology Beijing Co ltd
Original Assignee
Adai Technology Beijing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Adai Technology Beijing Co ltd filed Critical Adai Technology Beijing Co ltd
Priority to CN202010531543.1A priority Critical patent/CN111724896B/zh
Publication of CN111724896A publication Critical patent/CN111724896A/zh
Application granted granted Critical
Publication of CN111724896B publication Critical patent/CN111724896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Signal Processing (AREA)
  • Epidemiology (AREA)
  • Psychiatry (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本申请公开了一种基于多刺激图片或视频ERP的毒瘾评估系统，包括交互平台、生理信号采集设备和评估子系统，交互平台对测试者展示靶刺激、探针刺激和无关刺激，并接收测试者对靶刺激做出的指定反应，测试者包括成瘾测试者和无毒品接触史测试者；生理信号采集设备采集测试者在测试过程中的生理信号；评估子系统根据成瘾测试者和无毒品接触史测试者在测试过程中的生理信号差异计算毒瘾评估指标并评估测试者毒瘾水平。本申请在测试者主动参与反应的前提下，刺激物料只需满足具有类似效应但是不会产生额外认知消耗即可，可有效避免练习效应；多维联合比较正常人群与毒品成瘾人群的生理信号差异性，解决了由于历史成瘾记忆而导致的大幅度误判。

Description

一种基于多刺激图片或视频ERP的毒瘾评估系统
技术领域
本发明属于毒瘾评估技术领域，涉及一种基于多刺激图片或视频ERP(事件相关电位)的毒瘾评估系统。
背景技术
毒品成瘾是一种世界性的严重社会问题之一，在部分国家将大麻合法化以及周边毒源地和国际贩毒集团不断加大对中国渗透的背景下，国内毒品犯罪、毒品滥用的治理难度不断加大；毒品成瘾会对生理心理造成巨大伤害，而且戒断困难、容易复发。
现有毒瘾评估一般利用成瘾线索诱发或者物质成瘾相关注意偏向的技术和概念。前者需要被试主动配合参与，在被动观看相关毒品线索的条件下，诱发出主观的渴求；后者使用的评估特征简单，难以对被试做出进一步分析；同时，这两种技术依赖于每次的测试内容，因此多次测量，会产生练习效应，影响评估结果。
发明内容
为解决现有技术中的不足，本申请提供一种基于多刺激图片或视频ERP的毒瘾评估系统，利用成瘾测试者和无毒品接触史测试者会对暗含毒品相关线索刺激产生的不同大脑反应，对测试者的毒瘾水平进行评估。
为了实现上述目标，本申请采用如下技术方案：
一种基于多刺激图片或视频ERP的毒瘾评估系统，包括交互平台、生理信号采集设备和评估子系统；
所述交互平台用于对测试者展示靶刺激、探针刺激和无关刺激，并接收测试者对靶刺激做出的指定反应，所述测试者包括成瘾测试者和无毒品接触史测试者；
所述生理信号采集设备用于采集测试者在测试过程中的生理信号；
所述评估子系统用于根据成瘾测试者和无毒品接触史测试者在测试过程中的生理信号差异计算毒瘾评估指标并评估测试者毒瘾水平。
本发明进一步包括以下优选方案：
优选地，对同一测试者展示的靶刺激、探针刺激和无关刺激均为图片刺激，或均为视频刺激；
所述探针刺激为具备毒品相关线索，但是仅对于无毒品接触史测试者具有和无关刺激相同认知的刺激物料；
所述无关刺激为成瘾测试者和无毒品接触史测试者具有相同认知的刺激物料，所述无关刺激不包含毒品相关线索；
所述靶刺激为明确指示测试者需要做出反应且与探针刺激和无关刺激具有明显差异的刺激物料，所述靶刺激不包含毒品相关线索。
优选地，所述生理信号采集设备采集的生理信号包括脑电、皮肤电和心电。
优选地，所述评估子系统包括预处理模块、特征提取模块、评估指标计算模块和毒瘾评估模块；
所述预处理模块用于对生理信号采集设备采集到的生理信号数据进行预处理；
所述特征提取模块用于提取预处理后生理信号的特征；
所述评估指标计算模块用于根据特征提取模块提取的特征计算毒瘾评估指标；
所述毒瘾评估模块用于根据毒瘾评估指标评估测试者毒瘾水平。
优选地，所述预处理模块对生理信号数据进行去噪和去线性漂移处理，对脑电数据还进行滤波、陷波和质量检查，质量检查显示数据质量不合格时，认为测试者测试过程中不配合，不再进行后续操作。
优选地，所述特征提取模块提取的特征包括：P300差异波、偏侧化电位以及其各自的面积；各生理信号在不同刺激上的熵、迁移率、复杂度、偏度、峰度、波动性、变异性以及以上特征各刺激间的差值；以及不同通道脑电间的相关性、相似性特征；
所述P300差异波包括无关刺激ERP与探针刺激ERP的差异，无关刺激ERP与靶刺激ERP的差异。
优选地，所述评估指标计算模块对特征提取模块提取特征标准化到(-1,1)区间后计算毒瘾评估指标，毒瘾评估指标I的计算公式为：
I＝w1*I1+w2*I2+w3*I3；
其中，I1为探针刺激反应与靶刺激反应相似性指标，I2为靶刺激反应与无关刺激反应差异性指标，I3为探针刺激反应与无关刺激反应相似性指标，w1、w2、w3分别为I1、I2、I3指标的加权权重，数值越大，表示其对最终评判指标的贡献度越高，区分成瘾和非成瘾人群能力越高；
I1由探针刺激和靶刺激上成瘾测试者无显著性差异而无毒品接触史测试者具有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定；
I2由靶刺激和无关刺激在成瘾测试者和无毒品接触史测试者均具有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定；
I3由探针刺激和无关刺激在无毒品接触史测试者无显著性差异而在成瘾测试者有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定；
所述w1，w2，w3由各自指标组成的特征数据经过流行算法降维以后成瘾测试者和无毒品接触史测试者的分界面的斜率确定。
优选地，所述毒瘾评估模块中，毒瘾评估指标I与给定毒瘾评估指标阈值进行比较，毒瘾评估指标I高于给定毒瘾评估指标阈值时，则判定为测试者具有成瘾性，且毒瘾评估指标I与给定毒瘾评估指标阈值差值越大，则测试者成瘾性越高。
本申请所达到的有益效果：
1.本申请在测试者主动参与反应的前提下，刺激物料只需满足具有类似效应但是不会产生额外认知消耗即可，而无需每次测试需要保证刺激物料的不变性，可有效避免练习效应。
2.本申请通过毒瘾评估指标I(I＝w1*I1+w2*I2+w3*I3)评估测试者成瘾性，I1越大，则表明测试者表现越靠近于正常人；I2类似于个体性偏差，用于缓解由于个体差异导致的最终指标的极端情况；I3越大，则表明测试者表现越靠近于成瘾者；I1指标使用的特征更侧重于给正常人，I3指标使用的特征更加侧重于成瘾测试者，而I2指标使用的特征是属于测试者正常反应的部分，属于成瘾和非成瘾者都会做出类似反应的指标。充分考虑到正常人群与毒品成瘾人群的差异性，进行多维联合比较，解决了由于历史成瘾记忆而导致的大幅度误判。
附图说明
图1是本申请的一种基于多刺激图片或视频ERP的毒瘾评估系统的结构框图；
图2是本申请的一种基于多刺激图片或视频ERP的毒瘾评估系统的工作原理图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
如图1和图2所示，本申请的一种基于多刺激图片或视频ERP的毒瘾评估系统，包括交互平台、生理信号采集设备和评估子系统；
所述交互平台用于对测试者展示靶刺激、探针刺激和无关刺激，并接收测试者对靶刺激做出的指定反应，所述测试者包括成瘾测试者和无毒品接触史测试者；
本申请具体实施例中，对同一测试者展示的靶刺激、探针刺激和无关刺激均为图片刺激，或均为视频刺激；
所述探针刺激为具备毒品相关线索，但是仅对于无毒品接触史测试者具有和无关刺激相同认知的刺激物料，即对于无毒品接触史测试者，无法判断出探针刺激和无关刺激的不同；
所述无关刺激为成瘾测试者和无毒品接触史测试者具有相同认知的刺激物料，所述无关刺激不包含毒品相关线索；
所述靶刺激为明确指示测试者需要做出反应且与探针刺激和无关刺激具有明显差异的刺激物料，所述靶刺激不包含毒品相关线索。
举例：无关刺激和探针刺激为具有相同背景、环境、类似动作和类似人物的图片或视频，但是在主要视觉注意区间或者图片/视频中人物手上的物品有所差异，探针刺激中差异的物品为毒品相关的，而无关刺激中的物品和毒品线索无关，比如为扑克牌或者小玩具；
靶刺激为环境人物具有较大差异的场景，比如说身穿制服的警察；测试者看到靶刺激出现即点击指定按键或其它指定操作即可，在这个例子中，测试者看到短视频或图片中出现警察，就做出指定的反应；探针刺激和无关刺激中都不会出现特别指定在靶刺激中的事务或个体，在此例子中，探针刺激和无关刺激中无警察出现。
所述生理信号采集设备用于采集测试者在测试过程中的生理信号；
所述生理信号采集设备采集的生理信号包括脑电、皮肤电和心电。
所述评估子系统用于根据成瘾测试者和无毒品接触史测试者在测试过程中的生理信号差异计算毒瘾评估指标并评估测试者毒瘾水平。
所述评估子系统包括预处理模块、特征提取模块、评估指标计算模块和毒瘾评估模块；
所述预处理模块用于对生理信号采集设备采集到的生理信号数据进行预处理，包括对生理信号数据进行去噪和去线性漂移处理，对脑电数据还进行滤波、陷波和质量检查。质量检查的目的在于，如果质量不合格，则可以认为测试者测试过程中不配合，不再进行后续操作，而认为具有较高的成瘾可能性。
所述特征提取模块用于提取预处理后生理信号的特征，包括：P300差异波、偏侧化电位以及其各自的面积；各生理信号在不同刺激上的熵、迁移率、复杂度、偏度、峰度、波动性、变异性以及以上特征各刺激间的差值；以及不同通道脑电间的相关性、相似性特征；例如：面积计算是指脑电电压和x轴围成的面积；偏侧化电位是由同侧大脑半球(相对于反应用手而言)电压减去对侧大脑半球电压得到。
相关性特征为皮尔逊相关系数；相似性指标如KL散度和余弦相似度。
所述P300差异波包括无关刺激ERP与探针刺激ERP的差异，无关刺激ERP与靶刺激ERP的差异。
所述评估指标计算模块用于根据特征提取模块提取的特征计算毒瘾评估指标；
所述评估指标计算模块对特征提取模块提取特征标准化到(-1,1)区间后计算毒瘾评估指标，毒瘾评估指标I的计算公式为：
I＝w1*I1+w2*I2+w3*I3；
其中，I1为探针刺激反应与靶刺激反应相似性指标，I2为靶刺激反应与无关刺激反应差异性指标，I3为探针刺激反应与无关刺激反应相似性指标，w1、w2、w3分别为I1、I2、I3指标的加权权重，数值越大，表示其对最终评判指标的贡献度越高，区分成瘾和非成瘾人群能力越高；
I1由探针刺激和靶刺激上成瘾测试者无显著性差异而无毒品接触史测试者具有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定，权重和该特征的信息增益成正相关(信息增益为该特征在区分成瘾测试者和非成瘾测试者不确定性减少的程度)；特征是否具有显著性差异由T检验确定，经过FDR校正后，P值小于0.05即为具有显著性差异；FDR校正为相关性检验中常用的方法。
I2由靶刺激和无关刺激在成瘾测试者和无毒品接触史测试者均具有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定；
I3由探针刺激和无关刺激在无毒品接触史测试者无显著性差异而在成瘾测试者有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定；
所述w1，w2，w3由各自指标组成的特征数据经过流行算法降维以后成瘾测试者和无毒品接触史测试者的分界面的斜率确定；例如，对于w1，则由组成指标I1的特征，通过流行算法进行降维处理，数据在平面上会存在一个相对较好的分界线，根据该分界线的斜率确定w1；w2和w3类似。
所述毒瘾评估模块用于根据毒瘾评估指标评估测试者毒瘾水平。
所述毒瘾评估模块中，毒瘾评估指标I与给定毒瘾评估指标阈值进行比较，毒瘾评估指标I高于给定毒瘾评估指标阈值时，则判定为测试者具有成瘾性，且毒瘾评估指标I与给定毒瘾评估指标阈值差值越大，则测试者成瘾性越高。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (8)

1.一种基于多刺激图片或视频ERP的毒瘾评估系统，包括交互平台、生理信号采集设备和评估子系统，其特征在于：
所述交互平台用于对测试者展示靶刺激、探针刺激和无关刺激，并接收测试者对靶刺激做出的指定反应，所述测试者包括成瘾测试者和无毒品接触史测试者；
所述生理信号采集设备用于采集测试者在测试过程中的生理信号；
所述评估子系统用于根据成瘾测试者和无毒品接触史测试者在测试过程中的生理信号差异计算毒瘾评估指标并评估测试者毒瘾水平。
2.根据权利要求1所述的一种基于多刺激图片或视频ERP的毒瘾评估系统，其特征在于：
对同一测试者展示的靶刺激、探针刺激和无关刺激均为图片刺激，或均为视频刺激；
所述探针刺激为具备毒品相关线索，但是仅对于无毒品接触史测试者具有和无关刺激相同认知的刺激物料；
所述无关刺激为成瘾测试者和无毒品接触史测试者具有相同认知的刺激物料，所述无关刺激不包含毒品相关线索；
所述靶刺激为明确指示测试者需要做出反应且与探针刺激和无关刺激具有明显差异的刺激物料，所述靶刺激不包含毒品相关线索。
3.根据权利要求1所述的一种基于多刺激图片或视频ERP的毒瘾评估系统，其特征在于：
所述生理信号采集设备采集的生理信号包括脑电、皮肤电和心电。
4.根据权利要求3所述的一种基于多刺激图片或视频ERP的毒瘾评估系统，其特征在于：
所述评估子系统包括预处理模块、特征提取模块、评估指标计算模块和毒瘾评估模块；
所述预处理模块用于对生理信号采集设备采集到的生理信号数据进行预处理；
所述特征提取模块用于提取预处理后生理信号的特征；
所述评估指标计算模块用于根据特征提取模块提取的特征计算毒瘾评估指标；
所述毒瘾评估模块用于根据毒瘾评估指标评估测试者毒瘾水平。
5.根据权利要求4所述的一种基于多刺激图片或视频ERP的毒瘾评估系统，其特征在于：
所述预处理模块对生理信号数据进行去噪和去线性漂移处理，对脑电数据还进行滤波、陷波和质量检查，质量检查显示数据质量不合格时，认为测试者测试过程中不配合，不再进行后续操作。
6.根据权利要求4所述的一种基于多刺激图片或视频ERP的毒瘾评估系统，其特征在于：
所述特征提取模块提取的特征包括：P300差异波、偏侧化电位以及其各自的面积；各生理信号在不同刺激上的熵、迁移率、复杂度、偏度、峰度、波动性、变异性以及以上特征各刺激间的差值；以及不同通道脑电间的相关性、相似性特征；
所述P300差异波包括无关刺激ERP与探针刺激ERP的差异，无关刺激ERP与靶刺激ERP的差异。
7.根据权利要求4所述的一种基于多刺激图片或视频ERP的毒瘾评估系统，其特征在于：
所述评估指标计算模块对特征提取模块提取特征标准化到(-1,1)区间后计算毒瘾评估指标，毒瘾评估指标I的计算公式为：
I＝w1*I1+w2*I2+w3*I3；
其中，I1为探针刺激反应与靶刺激反应相似性指标，I2为靶刺激反应与无关刺激反应差异性指标，I3为探针刺激反应与无关刺激反应相似性指标，w1、w2、w3分别为I1、I2、I3指标的加权权重，数值越大，表示其对最终评判指标的贡献度越高，区分成瘾和非成瘾人群能力越高；
I1由探针刺激和靶刺激上成瘾测试者无显著性差异而无毒品接触史测试者具有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定；
I2由靶刺激和无关刺激在成瘾测试者和无毒品接触史测试者均具有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定；
I3由探针刺激和无关刺激在无毒品接触史测试者无显著性差异而在成瘾测试者有显著性差异的特征求加权平均得到，各特征的加权计算权重由显著性检验结果确定；
所述w1，w2，w3由各自指标组成的特征数据经过流行算法降维以后成瘾测试者和无毒品接触史测试者的分界面的斜率确定。
8.根据权利要求4所述的一种基于多刺激图片或视频ERP的毒瘾评估系统，其特征在于：
所述毒瘾评估模块中，毒瘾评估指标I与给定毒瘾评估指标阈值进行比较，毒瘾评估指标I高于给定毒瘾评估指标阈值时，则判定为测试者具有成瘾性，且毒瘾评估指标I与给定毒瘾评估指标阈值差值越大，则测试者成瘾性越高。
CN202010531543.1A 2020-06-11 2020-06-11 一种基于多刺激图片或视频erp的毒瘾评估系统 Active CN111724896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010531543.1A CN111724896B (zh) 2020-06-11 2020-06-11 一种基于多刺激图片或视频erp的毒瘾评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010531543.1A CN111724896B (zh) 2020-06-11 2020-06-11 一种基于多刺激图片或视频erp的毒瘾评估系统

Publications (2)

Publication Number Publication Date
CN111724896A true CN111724896A (zh) 2020-09-29
CN111724896B CN111724896B (zh) 2022-06-10

Family

ID=72566475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010531543.1A Active CN111724896B (zh) 2020-06-11 2020-06-11 一种基于多刺激图片或视频erp的毒瘾评估系统

Country Status (1)

Country Link
CN (1) CN111724896B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113598794A (zh) * 2021-08-12 2021-11-05 中南民族大学 一种冰毒成瘾者检测模型的训练方法和系统
WO2024103402A1 (zh) * 2022-11-18 2024-05-23 中国科学院深圳先进技术研究院 基于视觉诱发脑电和深度学习的戒毒后复吸风险评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110161011A1 (en) * 2008-03-05 2011-06-30 New York University Computer-accessible medium, system and method for assessing effect of a stimulus using intersubject correlation
CN106803017A (zh) * 2017-01-13 2017-06-06 杭州赛翁思科技有限公司 一种苯丙胺类药物成瘾人员的渴求度评估方法
CN108735291A (zh) * 2018-05-21 2018-11-02 上海青研科技有限公司 基于内隐测试的毒品成瘾人员毒品渴求度测评方法及装置
CN110547793A (zh) * 2019-07-02 2019-12-10 上海大学 一种结合脑电与近红外的毒瘾评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110161011A1 (en) * 2008-03-05 2011-06-30 New York University Computer-accessible medium, system and method for assessing effect of a stimulus using intersubject correlation
CN106803017A (zh) * 2017-01-13 2017-06-06 杭州赛翁思科技有限公司 一种苯丙胺类药物成瘾人员的渴求度评估方法
CN108735291A (zh) * 2018-05-21 2018-11-02 上海青研科技有限公司 基于内隐测试的毒品成瘾人员毒品渴求度测评方法及装置
CN110547793A (zh) * 2019-07-02 2019-12-10 上海大学 一种结合脑电与近红外的毒瘾评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113598794A (zh) * 2021-08-12 2021-11-05 中南民族大学 一种冰毒成瘾者检测模型的训练方法和系统
WO2024103402A1 (zh) * 2022-11-18 2024-05-23 中国科学院深圳先进技术研究院 基于视觉诱发脑电和深度学习的戒毒后复吸风险评估方法

Also Published As

Publication number Publication date
CN111724896B (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
CN113420624B (zh) 一种非接触式疲劳检测方法及系统
Minhad et al. Happy-anger emotions classifications from electrocardiogram signal for automobile driving safety and awareness
Wiese The role of age and ethnic group in face recognition memory: ERP evidence from a combined own-age and own-race bias study
CN111326253A (zh) 自闭症谱系障碍患者的多模态情感认知能力的评估方法
KR101752872B1 (ko) 신체 미세 움직임을 이용한 사회 관계성 측정 방법 및 시스템
CN111012367A (zh) 一种精神疾病的智能识别系统
CN109222888B (zh) 一种基于眼动技术判断心理测试可靠性的方法
CN109805944B (zh) 一种儿童共情能力分析系统
CN110598608B (zh) 非接触式与接触式协同的心理生理状态智能监测系统
Beringer et al. Reliability and validity of machine vision for the assessment of facial expressions
CN111724896B (zh) 一种基于多刺激图片或视频erp的毒瘾评估系统
JP2015229040A (ja) 感情分析システム、感情分析方法および感情分析プログラム
CN113554597B (zh) 一种基于脑电特征的图像质量评价方法及装置
Zhou et al. Confusion state induction and EEG-based detection in learning
Niu et al. User experience evaluation in virtual reality based on subjective feelings and physiological signals
CN107480635B (zh) 一种基于双模态分类模型融合的扫视信号识别方法及系统
Wang et al. RCIT: An RSVP-based concealed information test framework using EEG signals
Li et al. Multi-modal emotion recognition based on deep learning of EEG and audio signals
CN111714089B (zh) 一种基于多刺激短视频事件相关电位的毒瘾评估系统
CN110569968B (zh) 基于电生理信号的创业失败恢复力评估方法及评估系统
Lu et al. A more objective quantification of micro-expression intensity through facial electromyography
Liu et al. Emotion Recognition Through Observer's Physiological Signals
KR101795723B1 (ko) 얼굴 미동의 내적 동기화를 이용한 감성 인식 방법
KR101736403B1 (ko) 얼굴 미동의 내적 동기화를 이용한 기본 감성 표정 인식 방법
JP2016513297A (ja) 視聴者の反応を分析する方法及び装置

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