CN111728585A - 基于脑电接口的老年痴呆预防方法 - Google Patents

基于脑电接口的老年痴呆预防方法 Download PDF

Info

Publication number
CN111728585A
CN111728585A CN202010515504.2A CN202010515504A CN111728585A CN 111728585 A CN111728585 A CN 111728585A CN 202010515504 A CN202010515504 A CN 202010515504A CN 111728585 A CN111728585 A CN 111728585A
Authority
CN
China
Prior art keywords
electroencephalogram
brain
signals
machine instruction
spontaneous
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
CN202010515504.2A
Other languages
English (en)
Other versions
CN111728585B (zh
Inventor
刘铁军
郜东瑞
赵威
宋晓宇
谢佳欣
尧德中
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202010515504.2A priority Critical patent/CN111728585B/zh
Publication of CN111728585A publication Critical patent/CN111728585A/zh
Application granted granted Critical
Publication of CN111728585B publication Critical patent/CN111728585B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Neurology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Neurosurgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Acoustics & Sound (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种基于脑电接口的老年痴呆预防方法。本发明通过电极采集人体大脑枕部区域的自发脑电信号和诱发脑电信号，所述自发脑电信号在闭眼状态下采集，所述诱发脑电信号分别在上下左右四个方向随机进行视觉刺激的情况下采集；从所述自发脑电信号中获取第一机器指令，从所述诱发脑电信号中获取向四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令；将上述五个机器指令输入至游戏系统中，进而对游戏进行控制。本发明通过提取老年人脑功能信号，并将其应用于对游戏的控制，从而训练老年人在视听觉等基本脑功能和注意等高级脑功能，进而达到锻炼大脑、减缓脑功能退化、预防老年痴呆的目的。

Description

基于脑电接口的老年痴呆预防方法
技术领域
本发明涉及生物信息技术领域，具体的说是一种基于脑电接口的老年痴呆预防方法。
背景技术
我国正在迈入老龄化社会，如何养老、防老是国家乃至全社会共同关心的重大问题。老年痴呆是影响老年健康甚至生命的一种常见“流行病”。根据2015 年的一项调查现示，在我国，老年痴呆患病人口已经超过600万，预计到2050 年患病人口将2000万，我国是世界上老年痴呆患病人口最多、增长速度最快的地区。
根文献报道老年痴呆是可以预防的，通过服用有关药物或者长期坚持用脑，保持脑细胞长期处于兴奋状态，就可以减慢老化。但是由于文化水平、经济条件、身体健康条件等方面的差异，很多老年人往往都是从事一些简单的、重复性的脑力锻炼，很难做到高效率的锻炼大脑。
现有技术中，基于脑机接口的游戏设备主要有国外NeuroSky公司的 mindwave系列，美国mindflex公司的双人吹小球对抗游戏产品，国内帝威斯的意念方舟以及宏智力公司的BrainLink系列，以上产品都是基于自发脑电的脑机接口系统，所能识别的指令较少，并且无法实现多维度控制。相关游戏多为0-1 开关类游戏，缺乏方向类游戏，诸如跑酷，赛车等等。开关类游戏多用来训练专注力，而预防老年痴呆的作用是极其有限的。表1对这四种设备进行了对比。
表1国内外控制游戏对比
Figure RE-GDA0002630474470000011
发明内容
针对现有技术中存在的上述不足之处，本发明要解决的技术问题是提供一种基于脑电接口的老年痴呆预防方法。
本发明为实现上述目的所采用的技术方案是：一种基于脑电接口的老年痴呆预防方法，包括以下步骤：
采集人体大脑枕部区域的自发脑电信号和诱发脑电信号，所述自发脑电信号在闭眼状态下采集，所述诱发脑电信号分别在上下左右四个方向随机进行视觉刺激的情况下采集；
从所述自发脑电信号中获取第一机器指令，从所述诱发脑电信号中获取分别向上下左右四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令；
将上述五个机器指令输入至游戏系统中，进而对游戏进行控制。
所述人体大脑枕部区域的自发脑电信号和诱发脑电信号通过干电极进行采集。
所述从所述自发脑电信号中获取第一机器指令，包括以下步骤：
在时间和特定频带上提取所述自发脑电信号的特征参量，所述特定频带选取α波段；
计算所述特征参量和预设时间内自发脑电信号总功率的比例，作为在该预设时间内的脑电特征值；
将所述脑电特征值与预设的分类阈值进行比较，所述脑电特征值在高于所述分类阈值时作为第一机器指令。
所述在时间和特定频率上提取所述自发脑电信号的特征参量，具体为：
通过对自发脑电信号进行功率谱分析，提取特定频段α波段的功率谱信息，为求得自发脑电信号的特征参量。
所述计算所述特征参量和预设时间内自发脑电信号总功率的比例，具体为：
Figure RE-GDA0002630474470000031
Figure RE-GDA0002630474470000032
其中，h为自发脑电信号的频带，ωu、ωd分别为h频带的上、下限，f(t)为脑电源信号，(t)为窗函数，Fs(τ,ω)为脑电信号的短时傅里叶变换，t＝τ时刻窗函数截取信号的傅里叶变换，ω为变换后的频率。
所述从所述诱发脑电信号中获取分别向四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令，包括以下步骤：
依据各随机刺激的起始时间点，从所述诱发脑电信号中分别提取目标刺激和非目标刺激时间窗内的运动起始视觉诱发脑电信号；
对所述运动起始视觉诱发脑电信号信号进行模式识别，生成LDA分类器；
在提取到两次完整刺激的所有目标刺激和非目标刺激的运动起始视觉诱发脑电信号后，根据所述LDA分类器，将分类结果转换成分别向四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令。
所述对所述运动起始视觉诱发脑电信号信号进行模式识别，包括以下步骤：
当目标刺激时间窗内的运动起始视觉诱发脑电信号的数量达到180，且非目标刺激时间窗内的运动起始视觉诱发脑电信号的数量达到900时，绘制目标刺激和非目标刺激的运动起始视觉诱发脑电信号曲线图；
根据用户选择的时间窗提取出运动起始视觉诱发脑电信号段；
对所述运动起始视觉诱发脑电信号段进行去基线处理和数字滤波处理；
对上一步骤处理后的信号进行降采样处理；
对上一步骤处理后的信号进行叠加处理和通道间串联处理，得到LDA分类器参数，生成LDA分类器。
本发明具有以下优点及有益效果：
1、本发明针对老年痴呆的预防工作，采用神经科学领域的最新研究成果，通过提取老年人脑功能信号，并将其应用于对游戏的控制，从而训练老年人在视听觉等基本脑功能和注意等高级脑功能，进而达到锻炼大脑、减缓脑功能退化、预防老年痴呆的目的。
2、本发明可实时提取使用者诱发脑电信号，根据使用者自主诱发的脑电信号控制游戏，充分利用游戏对使用者的吸引力，使用者可以在玩游戏的过程中就对大脑进行了训练，这将有助于老年痴呆疾病的预防，为老年痴呆症的预防增添了新的方式，而且可以弥补使用者由于身体反应迟钝或者部位缺失，无法实时、快速操作游戏的遗憾。
3、本发明用于老年痴呆的预防中，让老人只需要动脑，即可参与到游戏中。
4、本发明的系统轻巧便携，电路板尺寸4cm*2cm，电路板外包装尺寸 4.8cm*2.5cm*1.6cm，并且应用无线蓝牙技术，使用可充电锂电池供电，功耗低，使用者可以几乎无负重轻松佩戴在头带上。
附图说明
图1为本发明的整体流程图；
图2为本发明的从诱发脑电信号中获取机器指令的流程图；
图3为本发明的视觉刺激界面示意图；
图4为本发明的LDA训练的流程图；
图5为本发明的LDA在线测试流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1-2所示，基于脑电接口的老年痴呆预防方法，包括以下步骤：
首先，通过电极采集人体大脑枕部区域的自发脑电信号和诱发脑电信号，所述自发脑电信号在闭眼状态下采集，所述诱发脑电信号分别在上下左右四个方向随机显示可移动的视觉刺激图像的情况下采集。
采集诱发脑电信号的具体方式为：被试注视视觉刺激模块，视觉刺激模块对被试进行运动起始刺激以产生大脑运动起始视觉诱发电位信号(motion-onset Visual EvokedPotential,MOVEP)，刺激界面如图3所示，黑色小球代表被试需要控制移动的光标，黑色方块代表目标，被试需要控制黑色小球移动到黑色方块出现的位置。刺激界面包含有上、下、左、右4个矩形刺激框，代表4种控制类别，每轮运动起始刺激过程中，每个矩形刺激框都会进行一次运动起始刺激，而在整个刺激过程中，使用者只能注视其中一个矩形刺激框，比如用户想控制游戏人物向上跳跃，就只需注视上面的矩形刺激框，把该过程中用户注视的那个矩形刺激框所产生的运动起始刺激称为目标刺激，其余三个矩形刺激框产生的运动起始刺激称为非目标刺激。
其次，从所述自发脑电信号中获取第一机器指令，从所述诱发脑电信号中获取分别向上下左右四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令。
人体大脑枕部区域的自发脑电信号和诱发脑电信号通过干电极进行采集，并通过蓝牙方式传输到电脑进行数据预处理、诱发脑电信号的提取和分类等。
典型的MOVEP信号在时域上包含3个主要的特征脑电波形成分：P1，N2， P2。P1主要是出现在诱发刺激后60～90ms的正向波，N2主要出现在诱发刺激后60～200ms的负向波，P2主要出现在诱发刺激后240ms左右的正向波，基于 MOVEP的时域特征，从诱发脑电信号中分别选取包含N2和P2的时间窗，依据刺激起始时间点，分别提取目标刺激和非目标刺激时间窗内的运动起始视觉诱发脑电信号(MOVEP信号)。
诱发脑电信号的模式识别：诱发脑电信号识别算法采用线性判别分析算法(Linear Discriminant Analysis，LDA)，是本发明的核心算法，主要是对MOVEP 信号进行模式识别。线性判别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果。投影后，保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。因此，它是一种有效的特征抽取方法。使用这种方法能够使投影后模式样本的类间散布矩阵最大，并且同时类内散布矩阵最小。使用LDA关键是需要找到这样一个投影向量，能使模式样本在其上的投影有最大的类间距离和最小的类内距离。这里直接使用Fisher提出的最佳投影向量：
W＝(S1+S2)-1(u1-u2) (1)
其中，u1和u2分别为两类样本的均值，其定义如下：
Figure RE-GDA0002630474470000061
S1和S2分别为两类样本的散列矩阵，其定义如下：
Figure RE-GDA0002630474470000062
上述公式中，Ni表示第i类样本的样本量，wi表示第i类样本的特征向量，x表示给定样本，i＝1或2。
在使用LDA分类器进行模式分类前，需要先训练出LDA分类器参数，本发明专门设计了一个LDA训练线程，在和数据采集线程的配合下负责生成LDA 分类器参数，并将分类器参数存储于文本文档中。如此一来，在下一次使用该脑机接口系统时，如果分类准确率满足需求，就能免去训练的过程。图4为本发明的LDA训练的流程图。
最后，从所述自发脑电信号中获取第一机器指令，从所述诱发脑电信号中获取分别向上下左右四个方向控制的第二机器指令(控制向上指令)、第三机器指令(控制向右指令)、第四机器指令(控制向下指令)和第五机器指令(控制向左指令)；将上述五个机器指令输入至游戏系统中，进而对游戏进行控制。
从所述自发脑电信号中获取第一机器指令，包括以下步骤：在时间和特定频带上提取所述自发脑电信号的特征参量，所述特定频带选取α波段(8～13Hz)，即通过对自发脑电信号进行功率谱分析，提取特定频段α波段的功率谱信息，为求得自发脑电信号的特征参量；计算上述提取的特征参量和预设时间内自发脑电信号总功率的比例，代表在该预设时间内的脑电特征值：
Figure RE-GDA0002630474470000071
Figure RE-GDA0002630474470000072
其中，h为自发脑电信号的频带，ωu、ωd分别为h频带的上、下限，f(t)为脑电源信号，(t)为窗函数，Fs(τ,ω)为脑电信号的短时傅里叶变换，t＝τ时刻窗函数截取信号的傅里叶变换，ω为变换后的频率。
将脑电特征值与预设的分类阈值进行比较，高于分类阈值，代表第一机器指令。预设的分类阈值因被试不同进行动态调整。
从所述诱发脑电信号中获取分别向四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令，包括以下步骤：依据各随机刺激的起始时间点，从所述诱发脑电信号中分别提取目标刺激和非目标刺激时间窗内的运动起始视觉诱发脑电信号；对所述运动起始视觉诱发脑电信号信号进行模式识别，生成LDA分类器；在提取到两次完整刺激的所有目标刺激和非目标刺激的运动起始视觉诱发脑电信号后，根据所述LDA分类器，将分类结果转换成分别向四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令。
对所述运动起始视觉诱发脑电信号信号进行模式识别，包括以下步骤：当目标刺激时间窗内的运动起始视觉诱发脑电信号的数量达到180，且非目标刺激时间窗内的运动起始视觉诱发脑电信号的数量达到900时，绘制目标刺激和非目标刺激的运动起始视觉诱发脑电信号曲线图；根据用户选择的时间窗提取出运动起始视觉诱发脑电信号段；对所述运动起始视觉诱发脑电信号段进行去基线处理和数字滤波处理；对上一步骤处理后的信号进行降采样处理；对上一步骤处理后的信号进行叠加处理和通道间串联处理，得到LDA分类器参数，生成 LDA分类器。
诱发脑电信号的控制输出：获取到LDA分类器参数后，就可以进行LDA 实时分类，即LDA在线测试，在LDA实时分类模式下，刺激屏幕总共包含4 个刺激滑块，一次完整的刺激四个刺激滑块会依次随机进行滑动刺激，每个滑块刺激完成后都会提取到一段MOVEP信号，所以一次完整的刺激就能提取到4 段MOVEP信号，为了提高分类准确率，这里将两次刺激提取到的MOVEP信号进行叠加，叠加后再送入LDA分类器进行分类，所以，在分类前，需要提取到8段MOVEP信号。LDA实时分类和控制输出的流程图如图5所示。
本发明中的诱发脑电模式识别算法(即线性判别分析算法)可以高效的识别出4种指令，能有效的控制游戏软件中的游戏人物向4个方向的运动。在本发明的一个实施例中，上述游戏软件采用基于脑机接口的老年痴呆预防系统软件。
基于诱发脑电的游戏控制测试。为了检测脑机接口系统的准确率，本发明在实施例中选取了4名被试来进行脑机接口控制游戏的实验。因为被试在进行该脑机接口实验时，需要尽量保持脑袋不动，尽量少眨眼睛，所以有一个适应的过程，因此被试的前两次实验并未作为评测结果。表2为4名被试使用该脑机接口系统所做的实验数据。
表2 4名被试脑机接口实验结果
Figure RE-GDA0002630474470000081
表2的结果显示被试利用该脑机接口系统可以获得85％以上的平均准确率，并且两次实验准确率方差很小，系统具有较高的分类准确率和良好的稳定性。

Claims (7)

1.一种基于脑电接口的老年痴呆预防方法，其特征在于，包括以下步骤：
采集人体大脑枕部区域的自发脑电信号和诱发脑电信号，所述自发脑电信号在闭眼状态下采集，所述诱发脑电信号分别在上下左右四个方向随机进行视觉刺激的情况下采集；
从所述自发脑电信号中获取第一机器指令，从所述诱发脑电信号中获取分别向上下左右四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令；
将上述五个机器指令输入至游戏系统中，进而对游戏进行控制。
2.根据权利要求1所述的基于脑电接口的老年痴呆预防方法，其特征在于，所述人体大脑枕部区域的自发脑电信号和诱发脑电信号通过干电极进行采集。
3.根据权利要求1所述的基于脑电接口的老年痴呆预防方法，其特征在于，所述从所述自发脑电信号中获取第一机器指令，包括以下步骤：
在时间和特定频带上提取所述自发脑电信号的特征参量，所述特定频带选取α波段；
计算所述特征参量和预设时间内自发脑电信号总功率的比例，作为在该预设时间内的脑电特征值；
将所述脑电特征值与预设的分类阈值进行比较，所述脑电特征值在高于所述分类阈值时作为第一机器指令。
4.根据权利要求3所述的基于脑电接口的老年痴呆预防方法，其特征在于，所述在时间和特定频率上提取所述自发脑电信号的特征参量，具体为：
通过对自发脑电信号进行功率谱分析，提取特定频段α波段的功率谱信息，为求得自发脑电信号的特征参量。
5.根据权利要求4所述的基于脑电接口的老年痴呆预防方法，其特征在于，所述计算所述特征参量和预设时间内自发脑电信号总功率的比例，具体为：
Figure FDA0002529758740000021
Figure FDA0002529758740000022
其中，h为自发脑电信号的频带，ωu、ωd分别为h频带的上、下限，f(t)为脑电源信号，(t)为窗函数，Fs(τ，ω)为脑电信号的短时傅里叶变换，t＝τ时刻窗函数截取信号的傅里叶变换，ω为变换后的频率。
6.根据权利要求1所述的基于脑电接口的老年痴呆预防方法，其特征在于，所述从所述诱发脑电信号中获取分别向四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令，包括以下步骤：
依据各随机刺激的起始时间点，从所述诱发脑电信号中分别提取目标刺激和非目标刺激时间窗内的运动起始视觉诱发脑电信号；
对所述运动起始视觉诱发脑电信号信号进行模式识别，生成LDA分类器；
在提取到两次完整刺激的所有目标刺激和非目标刺激的运动起始视觉诱发脑电信号后，根据所述LDA分类器，将分类结果转换成分别向四个方向控制的第二机器指令、第三机器指令、第四机器指令和第五机器指令。
7.根据权利要求6所述的基于脑电接口的老年痴呆预防方法，其特征在于，所述对所述运动起始视觉诱发脑电信号信号进行模式识别，包括以下步骤：
当目标刺激时间窗内的运动起始视觉诱发脑电信号的数量达到180，且非目标刺激时间窗内的运动起始视觉诱发脑电信号的数量达到900时，绘制目标刺激和非目标刺激的运动起始视觉诱发脑电信号曲线图；
根据用户选择的时间窗提取出运动起始视觉诱发脑电信号段；
对所述运动起始视觉诱发脑电信号段进行去基线处理和数字滤波处理；
对上一步骤处理后的信号进行降采样处理；
对上一步骤处理后的信号进行叠加处理和通道间串联处理，得到LDA分类器参数，生成LDA分类器。
CN202010515504.2A 2020-06-08 2020-06-08 基于脑电接口的老年痴呆预防方法 Active CN111728585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010515504.2A CN111728585B (zh) 2020-06-08 2020-06-08 基于脑电接口的老年痴呆预防方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010515504.2A CN111728585B (zh) 2020-06-08 2020-06-08 基于脑电接口的老年痴呆预防方法

Publications (2)

Publication Number Publication Date
CN111728585A true CN111728585A (zh) 2020-10-02
CN111728585B CN111728585B (zh) 2021-06-04

Family

ID=72648623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010515504.2A Active CN111728585B (zh) 2020-06-08 2020-06-08 基于脑电接口的老年痴呆预防方法

Country Status (1)

Country Link
CN (1) CN111728585B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271639A (zh) * 2008-05-09 2008-09-24 杨杰 多媒体脑波反馈儿童学习训练方法及训练仪
CN106388793A (zh) * 2016-09-06 2017-02-15 华南理工大学 基于vr技术与生理体征监测的老年痴呆症辅助治疗系统
CN106974647A (zh) * 2017-04-01 2017-07-25 南京阿凡达机器人科技有限公司 一种脑电波头戴装置及遥控机器人和锻炼大脑的方法
CN108836327A (zh) * 2018-09-06 2018-11-20 电子科技大学 基于脑机接口的智能输出终端及脑电信号识别方法
CN110038300A (zh) * 2019-04-29 2019-07-23 电子科技大学 一种采用人脑控制的对抗游戏系统
CN209377569U (zh) * 2018-09-06 2019-09-13 电子科技大学 基于脑机接口的智能输出终端
US20190307356A1 (en) * 2018-04-09 2019-10-10 Massachusetts Institute Of Technology Brain-computer interface for user's visual focus detection

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271639A (zh) * 2008-05-09 2008-09-24 杨杰 多媒体脑波反馈儿童学习训练方法及训练仪
CN106388793A (zh) * 2016-09-06 2017-02-15 华南理工大学 基于vr技术与生理体征监测的老年痴呆症辅助治疗系统
CN106974647A (zh) * 2017-04-01 2017-07-25 南京阿凡达机器人科技有限公司 一种脑电波头戴装置及遥控机器人和锻炼大脑的方法
US20190307356A1 (en) * 2018-04-09 2019-10-10 Massachusetts Institute Of Technology Brain-computer interface for user's visual focus detection
CN108836327A (zh) * 2018-09-06 2018-11-20 电子科技大学 基于脑机接口的智能输出终端及脑电信号识别方法
CN209377569U (zh) * 2018-09-06 2019-09-13 电子科技大学 基于脑机接口的智能输出终端
CN110038300A (zh) * 2019-04-29 2019-07-23 电子科技大学 一种采用人脑控制的对抗游戏系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘建辉: "基于稳态视觉诱发电位的脑机接口系统研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Also Published As

Publication number Publication date
CN111728585B (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN101464729B (zh) 基于听觉认知神经信号的自主意愿表达方法
CN108236464B (zh) 基于脑电信号的特征提取方法及其检测提取系统
CN107024987B (zh) 一种基于eeg的实时人脑注意力测试和训练系统
CN103793058B (zh) 一种主动式脑机交互系统运动想象任务分类方法及装置
CN101464728B (zh) 视觉运动相关神经信号为载体的人机交互方法
WO2001032078A1 (fr) Procede et systeme de commande faisant appel a des reponses cerebrales electriques provoquees en mode statique, et procede et systeme de detection par les organes sensoriels
CN102200833B (zh) 一种Speller BCI系统及其控制方法
Rivet et al. Theoretical analysis of xDAWN algorithm: application to an efficient sensor selection in a P300 BCI
CN110772249A (zh) 注意力特征识别方法及应用
CN109766751B (zh) 基于频域编码的稳态视觉诱发脑电身份识别方法及系统
CN107656612B (zh) 基于p300-ssvep的大指令集脑-机接口方法
Zhang et al. An Algorithm for Idle‐State Detection in Motor‐Imagery‐Based Brain‐Computer Interface
CN104571504B (zh) 一种基于想象动作的在线脑‑机接口方法
Ge et al. Training-free steady-state visual evoked potential brain–computer interface based on filter bank canonical correlation analysis and spatiotemporal beamforming decoding
CN102184018A (zh) 一种脑机接口系统及其控制方法
CN111580643A (zh) 一种基于稳态不对称视觉诱发电位的脑-机接口方法
CN109657560A (zh) 机械手臂控制在线脑-机接口系统及实现方法
CN102799274B (zh) 基于稳态视觉诱发电位的异步脑开关方法
Petrantonakis et al. EEG-based emotion recognition using hybrid filtering and higher order crossings
CN111728585B (zh) 基于脑电接口的老年痴呆预防方法
CN106843509B (zh) 一种脑机接口系统
CN106484112A (zh) 基于运动想象脑‑机接口的字符拼写器及测试方法
Petoku et al. Object movement motor imagery for EEG based BCI system using convolutional neural networks
CN110051351A (zh) 咬牙信号获取方法以及电子设备的控制方法及装置
Mohammadi et al. A combination of pre-and postprocessing techniques to enhance self-paced BCIs

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