CN112006684A - 一种基于虚拟人体信息网的隐信息流研究方法 - Google Patents
一种基于虚拟人体信息网的隐信息流研究方法 Download PDFInfo
- Publication number
- CN112006684A CN112006684A CN202010945940.3A CN202010945940A CN112006684A CN 112006684 A CN112006684 A CN 112006684A CN 202010945940 A CN202010945940 A CN 202010945940A CN 112006684 A CN112006684 A CN 112006684A
- Authority
- CN
- China
- Prior art keywords
- human body
- brain
- information flow
- hidden information
- subnetwork
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000011160 research Methods 0.000 title claims abstract description 15
- 210000004556 brain Anatomy 0.000 claims abstract description 58
- 238000002474 experimental method Methods 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 230000008447 perception Effects 0.000 claims abstract description 3
- 230000000694 effects Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 9
- 210000004958 brain cell Anatomy 0.000 claims description 3
- 230000003925 brain function Effects 0.000 claims description 3
- 230000001364 causal effect Effects 0.000 claims description 3
- 238000002610 neuroimaging Methods 0.000 claims description 3
- 230000001020 rhythmical effect Effects 0.000 claims description 3
- 230000002269 spontaneous effect Effects 0.000 claims description 3
- 238000001467 acupuncture Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 abstract description 3
- 230000007180 physiological regulation Effects 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 abstract 1
- 230000005284 excitation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种基于虚拟人体信息网的隐信息流研究方法,运用智能信号处理技术和复杂网络观点,对人体大脑和生理调控功能、脑科学等内容进行研究。首先对大脑子网络和人体子网络进行具体描述,大脑子网络是基于脑电波测量数据建立的大脑因效性网络,人体子网络是遍布人体全身的一种网络系统;然后对大脑子网络和人体子网络组成的虚拟人体信息网进行分析;最后介绍隐信息流在人体子网络中流动、传递、转化和感知的自激和它激实验。这为脑科学的研究提供了一个新思路。
Description
技术领域
本发明涉及脑科学研究领域,具体涉及一种基于虚拟人体信息网的隐信息流研究方法。
背景技术
脑科学研究不仅是当前国际科技前沿的热点领域,也是理解自然和人类本身的“终极疆域”。我国虽然在语音识别、脑组织显微成像等个别技术领域在国际水平上可以“领跑”,但要在更多的领域进入“领跑”梯队,还有很长的路要走。目前,“脑科学与类脑研究”作为“科技创新2030重大项目”已启动的4个试点之一,进入编制项目实施方案阶段。未来,哪个国家能领先占领脑科学和类脑研究的高地,很大程度上要看谁能率先实现基础研究和产业融合发展。国家在“脑科学与类脑研究2030重大科技项目”中,提出在做好顶层设计的同时,鼓励变革性理论和技术创新。
发明内容
本发明提供一种基于虚拟人体信息网的隐信息流研究方法,运用智能信号处理技术和复杂网络观点,对人体大脑和生理调控功能、脑科学等内容进行研究。
一种基于虚拟人体信息网的隐信息流研究方法,包括如下步骤:
步骤1,定义人体隐信息流,将虚拟人体信息网划分为大脑子网络和人体子网络,大脑子网络是基于脑电波测量数据建立的大脑因效性网络,人体子网络是遍布人体全身的一种网络系统;
步骤2,在大脑子网络的联合皮层系统中,定义局部场电位或指定的脑区为节点,分析节点之间的关系得到隐信息在大脑中产生的方式;
步骤3,在人体子网络中,定义人体的穴道为节点,连接节点之间的关系定位为边;
步骤4,通过自激实验和它激实验两种方式,得到脑电图信号,分析得到隐信息流的产生方式,再根据虚拟人体信息网,获取在实验过程中隐信息流的作用效果,总结得到隐信息流的作用机制。
进一步地,人体隐信息流是从大脑产生的一种信号,为质量、能量处于隐形状态的底层物质,具体的,脑电波在大脑子网络中产生,然后以隐信息流形式在人体子网络中流动、传递、转化和感知;在一定条件下,隐信息流在这些感知过程中,会转化成多种形式的能量,在人体子网络的节点中产生身体状态变化的效果。
进一步地,自激实验中,采用能反映大脑功能的脑成像手段,基于64个电极的脑电仪获取脑电图EEG信号,反映出本体脑细胞群的自发性、节律性电活动,通过对EEG信号进行智能处理,分析节点之间的关系,了解自激实验中受试者产生隐信息流时与脑电仪的哪几个电极有关,以及与这几个电极位置对应的脑区的关系,从而获取人体隐信息流从大脑中产生的方式以及由哪一个脑区所确定;然后利用虚拟人体信息网进行分析,从而获取在自激实验过程中隐信息流的作用效果。
进一步地,它激实验中,分别采用两台脑电仪获取脑电发出者和脑电受试者的脑电图EEG信号,然后利用虚拟人体信息网进行分析,获取在它激实验过程中隐信息流的作用效果。
本发明达到的有益效果为:提出一种基于虚拟人体信息网的隐信息流研究方法,运用智能信号处理技术和复杂网络观点,对人体大脑和生理调控功能、脑科学等内容进行研究。这为脑科学的研究提供了一个新思路。
附图说明
图1为本发明实施例中人体隐信息流与虚拟人体信息网的关系示意图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
人体隐信息流是从大脑产生的一种信号。具有如下特点:(a)质量、能量处于隐形状态;(b)是一种最细微、最流动的底层物质;(c)具有流动性、选择性、主动性、记忆性和转化性。
大脑子网络是基于脑电波测量数据建立的大脑因效性网络。在大脑子网络的联合皮层系统中,定义局部场电位或指定的脑区为节点,分析节点之间的关系得到隐信息在大脑中产生的方式;比如脑电仪的电极坐标点就为节点,通过分析节点之间的关系,了解人体隐信息流是如何从大脑中产生的。
人体子网络是遍布人体全身的一种网络系统。定义人体中的365处穴道为节点,连接两个节点之间存在的关系定义为边,其中连接这些穴道的经络也为其中的一些边。
大脑子网络和人体子网络组成虚拟人体信息网。
脑电波在大脑子网络中产生,然后以隐信息流形式在人体子网络中流动、传递、转化和感知。在一定条件下,隐信息流在这些感知过程中,会转化成多种形式的能量,在人体子网络的节点中,产生诸如冷、热等效果。
提出如下2个实验方案,分别进行隐信息流的作用效果的研究。
自激实验:,采用能反映大脑功能的脑成像手段,基于64个电极的脑电仪获取脑电图EEG信号,反映出本体脑细胞群的自发性、节律性电活动,通过对EEG信号进行智能处理,分析节点之间的关系,了解自激实验中用户产生隐信息流时与脑电仪的那几个电极有关,与这几个电极位置对应的是脑区中什么区,比如与默认模式区、右额顶模式区、控制模式区和视空间注意模式区等有关,从而获取人体隐信息流是如何从大脑中产生的,主要由哪一个脑区确定;然后利用虚拟人体信息网进行分析,了解隐信息流如何在人体子网络中流动、传递、转化和感知,在一定条件下,隐信息流在这些感知过程中,会转化成多种形式的能量,在人体子网络的节点中,产生诸如冷、热等效果,从而获取在自激实验过程中隐信息流的作用效果。
它激实验:分别采用两台脑电仪获取脑电发出者和脑电受试者的EEG信号,通过同上类同的分析处理过程,获取在它激实验过程中隐信息流的作用效果。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (4)
1.一种基于虚拟人体信息网的隐信息流研究方法,其特征在于:所述方法包括如下步骤:
步骤1,定义人体隐信息流,将虚拟人体信息网划分为大脑子网络和人体子网络,大脑子网络是基于脑电波测量数据建立的大脑因效性网络,人体子网络是遍布人体全身的一种网络系统;
步骤2,在大脑子网络的联合皮层系统中,定义局部场电位或指定的脑区为节点,分析节点之间的关系得到隐信息在大脑中产生的方式;
步骤3,在人体子网络中,定义人体的穴道为节点,连接节点之间的关系定位为边;
步骤4,通过自激实验和它激实验两种方式,得到脑电图信号,分析得到隐信息流的产生方式,再根据虚拟人体信息网,获取在实验过程中隐信息流的作用效果,总结得到隐信息流的作用机制。
2.根据权利要求书1所述的一种基于虚拟人体信息网的隐信息流研究方法,其特征在于:人体隐信息流是从大脑产生的一种信号,为质量、能量处于隐形状态的底层物质,具体的,脑电波在大脑子网络中产生,然后以隐信息流形式在人体子网络中流动、传递、转化和感知;在一定条件下,隐信息流在这些感知过程中,会转化成多种形式的能量,在人体子网络的节点中产生身体状态变化的效果。
3.根据权利要求书1所述的一种基于虚拟人体信息网的隐信息流研究方法,其特征在于:自激实验中,采用能反映大脑功能的脑成像手段,基于64个电极的脑电仪获取脑电图EEG信号,反映出本体脑细胞群的自发性、节律性电活动,通过对EEG信号进行智能处理,分析节点之间的关系,了解自激实验中受试者产生隐信息流时与脑电仪的哪几个电极有关,以及与这几个电极位置对应的脑区的关系,从而获取人体隐信息流从大脑中产生的方式以及由哪一个脑区所确定;然后利用虚拟人体信息网进行分析,从而获取在自激实验过程中隐信息流的作用效果。
4.根据权利要求书1所述的一种基于虚拟人体信息网的隐信息流研究方法,其特征在于:它激实验中,分别采用两台脑电仪获取脑电发出者和脑电受试者的脑电图EEG信号,然后利用虚拟人体信息网进行分析,获取在它激实验过程中隐信息流的作用效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945940.3A CN112006684A (zh) | 2020-09-10 | 2020-09-10 | 一种基于虚拟人体信息网的隐信息流研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945940.3A CN112006684A (zh) | 2020-09-10 | 2020-09-10 | 一种基于虚拟人体信息网的隐信息流研究方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112006684A true CN112006684A (zh) | 2020-12-01 |
Family
ID=73522788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010945940.3A Pending CN112006684A (zh) | 2020-09-10 | 2020-09-10 | 一种基于虚拟人体信息网的隐信息流研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112006684A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130001526A (ko) * | 2011-06-27 | 2013-01-04 | 상지대학교산학협력단 | 경혈자극 실시간 감시/치료 장치 |
KR20130032218A (ko) * | 2011-09-22 | 2013-04-01 | (주)넥스젠 | 뇌파신호를 이용한 사용자 맞춤형 경혈 자극장치 |
CN103394161A (zh) * | 2013-07-16 | 2013-11-20 | 山西大学 | 一种大脑α波反馈调节的经穴磁刺激系统 |
CN103584855A (zh) * | 2013-10-24 | 2014-02-19 | 燕山大学 | 脑肌电同步采集及信息传递特性分析方法 |
CN105193410A (zh) * | 2015-09-14 | 2015-12-30 | 武汉智普天创科技有限公司 | 脑电信号放大系统 |
CN107137061A (zh) * | 2017-04-20 | 2017-09-08 | 贵州省人民医院 | 一种用于脑神经系统疾病的智能治疗系统及方法 |
US20190082990A1 (en) * | 2017-09-19 | 2019-03-21 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement |
CN109758144A (zh) * | 2018-12-13 | 2019-05-17 | 新绎健康科技有限公司 | 一种基于脑电信号确定脑功能变化趋势的方法 |
US20190183713A1 (en) * | 2016-08-24 | 2019-06-20 | Cyberdyne Inc. | Biological activity detection apparatus and biological activity detection system |
-
2020
- 2020-09-10 CN CN202010945940.3A patent/CN112006684A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130001526A (ko) * | 2011-06-27 | 2013-01-04 | 상지대학교산학협력단 | 경혈자극 실시간 감시/치료 장치 |
KR20130032218A (ko) * | 2011-09-22 | 2013-04-01 | (주)넥스젠 | 뇌파신호를 이용한 사용자 맞춤형 경혈 자극장치 |
CN103394161A (zh) * | 2013-07-16 | 2013-11-20 | 山西大学 | 一种大脑α波反馈调节的经穴磁刺激系统 |
CN103584855A (zh) * | 2013-10-24 | 2014-02-19 | 燕山大学 | 脑肌电同步采集及信息传递特性分析方法 |
CN105193410A (zh) * | 2015-09-14 | 2015-12-30 | 武汉智普天创科技有限公司 | 脑电信号放大系统 |
US20190183713A1 (en) * | 2016-08-24 | 2019-06-20 | Cyberdyne Inc. | Biological activity detection apparatus and biological activity detection system |
CN107137061A (zh) * | 2017-04-20 | 2017-09-08 | 贵州省人民医院 | 一种用于脑神经系统疾病的智能治疗系统及方法 |
US20190082990A1 (en) * | 2017-09-19 | 2019-03-21 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement |
CN109758144A (zh) * | 2018-12-13 | 2019-05-17 | 新绎健康科技有限公司 | 一种基于脑电信号确定脑功能变化趋势的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bigdely-Shamlo et al. | Brain activity-based image classification from rapid serial visual presentation | |
Chiang et al. | Boosting template-based SSVEP decoding by cross-domain transfer learning | |
Fahimi et al. | Towards EEG generation using GANs for BCI applications | |
CN106407733A (zh) | 基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法 | |
US6546378B1 (en) | Signal interpretation engine | |
Yamawaki et al. | An enhanced time-frequency-spatial approach for motor imagery classification | |
CN103610461A (zh) | 基于双密度小波邻域相关阈值处理的脑电信号消噪方法 | |
Xu et al. | Emotion recognition based on double tree complex wavelet transform and machine learning in Internet of Things | |
Rivet et al. | Impact of spatial filters during sensor selection in a visual P300 brain-computer interface | |
Galán et al. | Feature extraction for multi-class BCI using canonical variates analysis | |
Baek et al. | Brain–computer interfaces using capacitive measurement of visual or auditory steady-state responses | |
CN107049309A (zh) | 听觉脑干诱发电位检测方法及装置 | |
CN116360600A (zh) | 一种基于稳态视觉诱发电位的空间定位系统 | |
Tao et al. | Inter-stimulus phase coherence in steady-state somatosensory evoked potentials and its application in improving the performance of single-channel MI-BCI | |
Geng et al. | A fusion algorithm for EEG signal processing based on motor imagery brain-computer interface | |
Gao et al. | Multivariate weighted recurrence network analysis of EEG signals from ERP-based smart home system | |
CN112006684A (zh) | 一种基于虚拟人体信息网的隐信息流研究方法 | |
Petit et al. | EEG-based brain–computer interfaces exploiting steady-state somatosensory-evoked potentials: a literature review | |
Liu et al. | Identification of anisomerous motor imagery EEG signals based on complex algorithms | |
CN108919947A (zh) | 一种通过视觉诱发电位来实现的脑机接口系统及方法 | |
Bridwell et al. | Fusing Concurrent EEG and fMRI intrinsic networks | |
CN112711328A (zh) | 一种基于跨模态随机共振的视听觉诱发脑机接口方法 | |
CN113609988A (zh) | 一种面向听觉诱发的端到端脑电信号解码方法 | |
CN111643110A (zh) | 一种基于聚焦超声空间编码的脑电检测装置 | |
Andreoni et al. | Human machine interface for healthcare and rehabilitation |
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 |
Application publication date: 20201201 |
|
RJ01 | Rejection of invention patent application after publication |