CN112137616B - 一种多感觉脑-体联合刺激的意识检测装置 - Google Patents
一种多感觉脑-体联合刺激的意识检测装置 Download PDFInfo
- Publication number
- CN112137616B CN112137616B CN202010999747.8A CN202010999747A CN112137616B CN 112137616 B CN112137616 B CN 112137616B CN 202010999747 A CN202010999747 A CN 202010999747A CN 112137616 B CN112137616 B CN 112137616B
- Authority
- CN
- China
- Prior art keywords
- brain
- consciousness
- stimulation
- somatosensory
- auditory
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14553—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases specially adapted for cerebral tissue
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Neurology (AREA)
- Medical Informatics (AREA)
- Optics & Photonics (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
本发明公开了一种多感觉脑‑体联合刺激的意识检测装置,所述装置包括:构建匹配用户意识功能的非侵入听觉‑体感联合刺激范式;采集脑电、近红外脑血氧数据,并提取大脑对外界意识相关脑‑体联合刺激信息的特征响应;通过对神经生理信息的脑电、脑血氧的融合分析,提取,进而构建用于微意识检测的BCI系统。本发明对大脑意识功能响应进行强化诱导,提取脑电生理‑血氧多维度特征:事件相关电位(ERP)、稳态体感诱发电位(SSSEP)、血氧浓度变化,实现其面向大脑意识的检测应用,可推广至神经心理学、生命科学等领域,获得可观的社会效益和经济效益。
Description
技术领域
本发明涉及生物医学工程领域,尤其涉及一种多感觉脑-体联合刺激的意识检测装置。
背景技术
脑-机接口(Brain-Computer Interface,BCI)作为新型人机信息交互技术,可通过外界辅助设备同步耦合具体的大脑功能,重复刺激诱发并完成大脑主观意图对外输出,充分发挥患者自主神经调节作用,且其神经信息的可视化使得意识表达过程与功能状态检测效果变得可观察、可量化、可评估,为大脑意识检测应用的迫切需求带来全新希望。
目前,以听觉、体感等为代表的多感觉刺激信息可匹配相应的大脑神经功能及其传导通路,从而对大脑隐藏意识表达功能进行针对性诱导,具有重大应用意义[1,2]。然而,大脑意识信息往往难以捕捉甚至被忽略,且传统方法施加外界刺激模式未见一致的优良效果,缺乏对核心大脑意识相关神经功能响应与处理机制的探讨。
尽管一些神经认知心理学研究中发现,大脑对多类感觉刺激信息的处理相对单一感觉刺激具有更强的响应,但具体BCI系统应用过程中仍未得到一致性结论,且在微意识检测应用中尚未有相关报道[3-5],亟需建立一套针对大脑意识检测的多感觉脑-体联合刺激范式BCI新型系统装置。
参考文献:
[1]Owen AM.The Search for Consciousness[J].Neuron.2019,102(3):526-528.
[2]Peterson A,Owen AM,Karlawish J.Translating the Discovery of CovertConsciousness into Clinical Practice[J].JAMA Neurol,2020,Mar 16.doi:10.1001/jamaneurol.2020.0232.
[3]Belitski A,Farquhar J,Desain P,P300 audio-visual speller[J].JNeural Eng,2011,8:025022.
[4]Thurling ME,Brouwer AM,VanErp JBF et al.Does bimodal stimuluspresentation increase ERP components usable in BCIs[J]?J Neural Eng,2012,9:045005.
[5]Nakao M,Barsky A J,Nishikitani M,et al.Somatosensory amplificationand its relationship to somatosensory,auditory,and visual evoked and event-related potentials(P300)[J].Neuroscience Letters,2007,415(2):185-189.
发明内容
本发明提供了一种多感觉脑-体联合刺激的意识检测装置,本发明对大脑意识功能响应进行强化诱导,提取脑电生理-血氧多维度特征:事件相关电位(ERP)、稳态体感诱发电位(SSSEP)、血氧浓度变化,实现其面向大脑意识的检测应用,可推广至神经心理学、生命科学等领域,获得可观的社会效益和经济效益,详见下文描述:
一种多感觉脑-体联合刺激的意识检测装置,所述装置包括:
构建匹配用户意识功能的非侵入听觉-体感联合刺激范式;
采集脑电、近红外脑血氧数据,并提取大脑对外界意识相关脑-体联合刺激信息的特征响应;
通过对神经生理信息的脑电、脑血氧的融合分析,提取,进而构建用于微意识检测的BCI系统。
其中,所述非侵入听觉-体感联合刺激范式包括:序列式配对范式或并行式独立范式,
所述序列式配对范式具体为:听觉、体感刺激在呈现时间上一一对应,听觉刺激试次开始时体感刺激也同步施加;
所述并行式独立范式具体为:听觉、体感刺激在呈现时间上相互独立,两类刺激各自遵循特定的时间序列呈现。
进一步地,所述联合刺激分为多组,每组包含n组刺激任务,每组刺激任务包括30s的刺激呈现时间和30s的静息时间。
其中,所述听觉刺激选取低-高频纯音随机混合呈现的方式,低频和高频纯音的随机混合比例为5:1,可诱发典型听觉事件相关电位。
进一步地,所述体感电刺激为:
通过双通道电刺激器作用于左、右上肢前臂的正中神经对应位置,选同频或差频体感电刺激,诱发显著的特异性脑电振荡响应。
其中,所述装置还包括:定义意识功能水平指标,
式中,p和q分别为EEG和NIRS特征指标权重,满足p+q=1,Φpdc,roi表示指定意识功能相关脑区的PDC连接数,Φpdc,all表示所有EEG采集脑区的PDC连接数,Ky,roi表示指定意识功能相关脑区的脑血氧响应强度,Ky,all表示所有NIRS采集脑区的脑血氧响应强度,指标值越大表征大脑意识功能水平响应越强。
本发明提供的技术方案的有益效果是:
1、本发明创新设计了不同感觉通路输入的脑-体(听觉-体感)联合刺激范式,可诱发用户意识功能相关的大脑电生理-血氧等多神经生理特征响应,克服了传统单一、被动式意识检测方法的缺陷;
2、本发明可更好引导客观、有效的意识检测系统升级,更接近实际应用,有望为新型BCI系统开发、优化改进与应用拓展提供关键技术支撑;
3、本发明可在残疾人康复、全民大健康医疗、体育训练等方面产生巨大应用潜力和深远影响,有力推动新一代神经技术的发展与应用;
4、本发明通过进一步研究可以得到完善的人体大脑意识检测系统,有望获得可观的社会效益和经济效益。
附图说明
图1为听觉-体感联合刺激的大脑意识检测系统的结构示意图;
图2为听觉-体感联合刺激诱发范式的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
为了解决背景技术中存在的问题,本发明实施例设计了脑-体(听觉-体感)联合刺激诱发范式,通过神经生理信息的脑电(Electroencephalography,EEG)、脑血氧(BrainBlood-Oxygen,BBO)融合分析,提取大脑对外界意识相关脑-体联合刺激信息的特征响应,进而构建用于微意识检测的BCI系统。
以听觉(Auditory)、体感(Somatosensory)等为代表的多感觉刺激信息可匹配相应大脑神经功能及其传导通路,从而可对人体大脑的意识表达功能进行针对性诱导,改善或增强某些特定神经功能,具有重要应用意义。
为此,本发明旨在设计一种听觉-体感(脑-体)联合刺激(Auditory-Somatosensory Joint Stimuli)系统范式,进而构建基于新型脑-体联合刺激的意识检测装置。其技术流程是:设计匹配用户意识功能的非侵入听觉-体感联合刺激方法,搭建脑电-脑血氧-行为信息采集系统,基于多信息融合的大脑意识水平特征分析。
本发明的意识检测装置的结构示意图如图1所示,其系统架构与技术流程包括:
第一部分:构建匹配用户意识功能的非侵入听觉-体感联合刺激范式;
其中,意识、行为学数据采集部分采用改进的昏迷恢复量表(CRS-R)对用户意识状态进行评定打分,并记录数据采集过程中用户的行为学(记录眼动、肌力水平)表现;
第二部分:采集脑电(EEG)、近红外(Near Infrared Spectroscopy,NIRS)脑血氧数据,并提取关键多神经生理特征指标;
第三部分:EEG-NIRS融合分析并检测大脑意识状态。
其中,改进的昏迷恢复量表为本领域技术人员所公知,本发明实施例对此不做赘述。
第一部分设计如下:
听觉-体感联合刺激范式的时序设计如图2所示,联合刺激分为多组进行,每部分(Session)包含n组刺激任务(需根据用户具体实际意识状态情况进行合理选择),每组刺激任务包括30s的刺激呈现时间和30s的静息时间。静息时间设置相对较长,原因在于任务后脑血氧信息的时间响应慢于脑电信息,为保证单组刺激内包含足够且有用的多神经生理信息,且各组刺激之间的信息不产生交叉影响,因此延长了任务下的静息时间。
其中,刺激呈现期间为听觉-体感联合刺激范式,包括:序列式配对或并行式独立两种范式条件,即当听觉、体感刺激呈现时间一一对应,听觉刺激试次(trial)开始呈现时对应的体感电刺激也相应同步施加,即二者形成序列式(听觉-体感刺激配对)联合刺激模式;当听觉刺激与体感电刺激的呈现时间相互独立,两类刺激各自trial都遵循特定的时间序列进行呈现,即形成并行式(听觉-体感刺激相互独立)联合刺激模式。
进一步地,听觉刺激模式统一选取低-高频纯音随机混合呈现的方式,其中,低频(1kHz)和高频(2kHz)纯音的随机混合比例为5:1,从而构成较为典型的听觉Oddball范式,可诱发典型听觉事件相关电位(ERP);体感电刺激则通过双通道电刺激器作用于左、右上肢前臂的正中神经对应位置。上肢正中神经的解剖学位置相对易寻找,可选左、右相同或不同刺激频率的电刺激模式,即同频或差频体感电刺激,从而可诱发显著的特异性脑电振荡响应—稳态体感诱发电位(SSSEP)。
第二部分设计如下:EEG-NIRS数据采集模块
EEG采集部分应用64导脑电采集系统及其专用采集软件,数据采集参数设置为采样率1000Hz,0.5~100Hz硬件带通滤波,50Hz工频陷波。NIRS采集部分应用多通道(8*8)近红外脑血氧采集系统,数据参数设置为采样率20Hz,0.01~3Hz硬件带通滤波。EEG与NIRS设备均与刺激电脑硬件连接(串口/并口通讯模式),采集过程中支持精准时间标记触发方式以保证数据同步。体感电刺激采用双通道神经肌肉电刺激设备实现(支持电刺激参数可调)。系统诱发范式控制通过Matlab专用工具箱(Psychtoolbox)编写实现,同时向脑电放大器及近红外设备发送同步事件代码以保证数据同步性。不同任务模式分别对应不同的事件代码,便于后期同步数据截取与特征分析。
第三部分设计如下:EEG-NIRS多神经生理数据融合分析模块
①多神经生理数据预处理:
在系统运行过程中记录用户的脑电和近红外脑血氧信号,对脑电信号0.5-100Hz滤波(尽量保证SSSEP特征基频和谐波信息不丢失),降采样到200Hz;对近红外脑血氧信号进行基线校正、0.01-2Hz滤波,并应用经典的测量脑血氧合/脱氧([oxy-Hb]/[deoxy-Hb]或HBO/HBR)血红蛋白浓度信息负相关(Negative Correlation)方法对NIRS数据通道进行筛选。根据听觉-体感联合刺激诱发的时间标签对数据进行分段截取。
②多信源、多维度特征提取:
针对EEG信号,应用叠加平均方法对听觉、体感电刺激诱发的ERP和SSSEP时域特征(各成分幅值、潜伏期、振荡响应)进行,进一步基于短时傅里叶变换(STFT)的事件相关谱扰动(Event-related Spectral Perturbation,ERSP)方法提取分析其多频段脑电时频特征;针对NIRS信号,应用叠加平均方法提取联合刺激诱发脑血氧浓度(氧合、脱氧、总氧血红蛋白浓度)变化峰值、积分能量特征;利用皮尔森相关分析方法对EEG-NIRS多维度特征关联特性进行量化计算,可表征大脑多维度生理信息对于不同意识状态下的特征响应一致性与规律性。
③多神经生理特征融合分析:
并基于一般线性模型(General Linear Mode,GLM)、偏定向相干(PartialDirected Coherence,PDC)方法分析意识相关大脑感兴趣区域(Regions of Interest,ROI)与联合刺激诱发任务的功能激活模式、动态网络连接特性。
基于偏定向相干(PDC)的脑网络可用于功能连接特性分析,PDC可以表征多源动态系统中的直接或间接信息流向与连接特性。假设y(k)=[y1(k),…,yn(k)]T,1≤k≤n,是n个信源通道的联合平稳时间序列,则该信号可以用p阶的多元自回归(multivariateautoregressive,MVAR)模型充分表示为:
式中,p是该模型中延迟观测的最大数量阈值,Y(n)为多元自回归模型的数学表达结果,E(n)为模型噪声,Ar∈RN×N表示在延迟为r时刻的系数矩阵,其傅里叶变换到频域形式为:
式中,I为单位矩阵,f为频率,PDC值求解定义为:
其中,Aij(f)为i,j两通道信号系数矩阵的频域变换,Akj(f)为第k通道信号与j通道信号系数矩阵的频域变换,k的取值范围与通道总数相关。
因此,PDC表征的是从信源通道j到通道i的信息流向比值。PDC值越大表示特定方向下通道之间的信息关联特性越显著,且该比值范围分布在0~1之间。本发明实施例中64导联脑电数据构成64*64的相干性参数矩阵,表征脑电通道两两之间的信息流向强弱和方向性。
GLM分析方法常被用作大脑皮层区域激活状态的表征、定位与识别等。对于脑血氧数据分析,GLM建模将测量脑血氧表示为由刺激事件得到预测脑血氧响应与噪声部分的叠加,其公式为:
y=xβ+e (4)
式中,y为每个通道实际测量的近红外脑血氧响应;x为任务诱发相关的近红外脑血氧响应;β为[oxy-Hb]或[deoxy-Hb]估计值;e为噪声信号。运用最小二乘方法,可以得到脑血氧响应估计值β。最后,应用t检验对β值进行统计学分析,得到代表大脑血液动力学激活水平的统计结果。理论上,意识状态水平与脑网络复杂度、脑血氧强度呈现正相关,即上述特征及其融合分析可用于检测用户的大脑意识。
为此依据上述EEG-NIRS数据融合分析,定义意识功能水平(Level ofconsciousness,LOC)指标为:
式中,p和q分别为EEG和NIRS特征指标权重,满足p+q=1,可根据实际EEG-NIRS采集设置调整该权重,Φpdc,roi表示指定意识功能相关脑区的PDC连接数,Φpdc,all表示所有EEG采集脑区的PDC连接数。同理,Ky,roi表示指定意识功能相关脑区的脑血氧响应强度,Ky,all表示所有NIRS采集脑区的脑血氧响应强度。该指标值越大,表征大脑意识功能水平响应越强,从而对大脑意识状态水平进行量化检测与评估。
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种多感觉脑-体联合刺激的意识检测装置,其特征在于,所述装置包括:
构建匹配用户意识功能的非侵入听觉-体感联合刺激范式;
采集脑电、近红外脑血氧数据,并提取大脑对外界意识相关脑-体联合刺激信息的特征响应;
通过对神经生理信息的脑电、脑血氧的融合分析,提取,进而构建用于微意识检测的BCI系统;
其中,所述非侵入听觉-体感联合刺激范式包括:序列式配对范式或并行式独立范式,
所述序列式配对范式具体为:听觉、体感刺激在呈现时间上一一对应,听觉刺激试次开始时体感刺激也同步施加;
所述并行式独立范式具体为:听觉、体感刺激在呈现时间上相互独立,两类刺激各自遵循特定的时间序列呈现;
所述装置还包括:定义意识功能水平指标,
式中,p和q分别为EEG和NIRS特征指标权重,满足p+q=1,Φpdc,roi表示指定意识功能相关脑区的PDC连接数,Φpdc,all表示所有EEG采集脑区的PDC连接数,Ky,roi表示指定意识功能相关脑区的脑血氧响应强度,Ky,all表示所有NIRS采集脑区的脑血氧响应强度,指标值越大表征大脑意识功能水平响应越强。
2.根据权利要求1所述的一种多感觉脑-体联合刺激的意识检测装置,其特征在于,所述联合刺激分为多组,每组包含n组刺激任务,每组刺激任务包括30s的刺激呈现时间和30s的静息时间。
3.根据权利要求1所述的一种多感觉脑-体联合刺激的意识检测装置,其特征在于,所述听觉刺激选取低-高频纯音随机混合呈现的方式,
低频和高频纯音的随机混合比例为5:1,可诱发典型听觉事件相关电位。
4.根据权利要求1所述的一种多感觉脑-体联合刺激的意识检测装置,其特征在于,所述体感刺激为:
通过双通道电刺激器作用于左、右上肢前臂的正中神经对应位置,选同频或差频体感电刺激,诱发显著的特异性脑电振荡响应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010999747.8A CN112137616B (zh) | 2020-09-22 | 2020-09-22 | 一种多感觉脑-体联合刺激的意识检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010999747.8A CN112137616B (zh) | 2020-09-22 | 2020-09-22 | 一种多感觉脑-体联合刺激的意识检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112137616A CN112137616A (zh) | 2020-12-29 |
CN112137616B true CN112137616B (zh) | 2022-09-02 |
Family
ID=73893659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010999747.8A Active CN112137616B (zh) | 2020-09-22 | 2020-09-22 | 一种多感觉脑-体联合刺激的意识检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112137616B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114305450B (zh) * | 2022-01-07 | 2023-09-19 | 天津大学 | 一种识别下肢多关节运动想象的方法 |
CN114557708A (zh) * | 2022-02-21 | 2022-05-31 | 天津大学 | 基于脑电双特征融合的体感刺激意识检测装置和方法 |
CN114748080B (zh) * | 2022-06-17 | 2022-08-19 | 安徽星辰智跃科技有限责任公司 | 一种感觉运动功能的检测量化方法和系统 |
CN115363605B (zh) * | 2022-08-29 | 2024-02-23 | 天津大学 | 基于高频gamma神经振荡的自适应ASSR增强装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006122349A1 (en) * | 2005-05-17 | 2006-11-23 | Compumedics Medical Innovations Pty Ltd | Method and apparatus for monitoring consciousness during anaesthesia |
CN102172327A (zh) * | 2011-04-07 | 2011-09-07 | 中国医学科学院生物医学工程研究所 | 一种视、听、体感跨感觉通道同时刺激和记录系统 |
CN106569604A (zh) * | 2016-11-04 | 2017-04-19 | 天津大学 | 视听双模态语义匹配和语义失配协同刺激脑机接口范式 |
CN109521870A (zh) * | 2018-10-15 | 2019-03-26 | 天津大学 | 一种基于rsvp范式的视听觉结合的脑-机接口方法 |
CN109925582A (zh) * | 2019-03-20 | 2019-06-25 | 天津大学 | 双模态脑-机交互式运动神经反馈训练装置和方法 |
CN111481174A (zh) * | 2020-04-15 | 2020-08-04 | 中科搏锐(北京)科技有限公司 | 一种麻醉与意识深度监护系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6124140B2 (ja) * | 2010-06-22 | 2017-05-10 | ナショナル リサーチ カウンシル オブ カナダ | 患者の認知機能の評価 |
CN104978035B (zh) * | 2015-07-27 | 2018-04-10 | 中国医学科学院生物医学工程研究所 | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 |
CN106502386B (zh) * | 2016-09-26 | 2018-07-31 | 苏州大学 | 一种建立色觉自动识别的非注意事件相关电位脑-机接口的方法 |
-
2020
- 2020-09-22 CN CN202010999747.8A patent/CN112137616B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006122349A1 (en) * | 2005-05-17 | 2006-11-23 | Compumedics Medical Innovations Pty Ltd | Method and apparatus for monitoring consciousness during anaesthesia |
CN102172327A (zh) * | 2011-04-07 | 2011-09-07 | 中国医学科学院生物医学工程研究所 | 一种视、听、体感跨感觉通道同时刺激和记录系统 |
CN106569604A (zh) * | 2016-11-04 | 2017-04-19 | 天津大学 | 视听双模态语义匹配和语义失配协同刺激脑机接口范式 |
CN109521870A (zh) * | 2018-10-15 | 2019-03-26 | 天津大学 | 一种基于rsvp范式的视听觉结合的脑-机接口方法 |
CN109925582A (zh) * | 2019-03-20 | 2019-06-25 | 天津大学 | 双模态脑-机交互式运动神经反馈训练装置和方法 |
CN111481174A (zh) * | 2020-04-15 | 2020-08-04 | 中科搏锐(北京)科技有限公司 | 一种麻醉与意识深度监护系统及方法 |
Non-Patent Citations (1)
Title |
---|
BCI Monitor Enhances Electroencephalographic and Cerebral Hemodynamic Activations During Motor Training;Zhongpeng Wang, Yijie Zhou, Long Chen, Bin Gu, Weibo Yi, Shuang;《IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING》;20190430;第27卷(第4期);第780-787页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112137616A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112137616B (zh) | 一种多感觉脑-体联合刺激的意识检测装置 | |
CN107024987B (zh) | 一种基于eeg的实时人脑注意力测试和训练系统 | |
CN101690659B (zh) | 脑电波分析方法 | |
Lee et al. | A brain-wave-actuated small robot car using ensemble empirical mode decomposition-based approach | |
CN102184415B (zh) | 一种基于脑电信号的疲劳状态识别方法 | |
CN105956624B (zh) | 基于空时频优化特征稀疏表示的运动想象脑电分类方法 | |
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 | |
CN103584872A (zh) | 一种基于多生理参数融合的心理压力评估方法 | |
CN107280663A (zh) | 一种基于不同实验难度的疲劳脑电特征研究的方法 | |
Zhang et al. | Detection of variations in cognitive workload using multi-modality physiological sensors and a large margin unbiased regression machine | |
Gaikwad et al. | Novel approach for stress recognition using EEG signal by SVM classifier | |
Karthikeyan et al. | EMG signal based human stress level classification using wavelet packet transform | |
Namazi | Information-based classification of electroencephalography (EEG) signals for healthy adolescents and adolescents with symptoms of Schizophrenia | |
CN104887198A (zh) | 基于人体生理信号多参数融合的疼痛定量分析系统及方法 | |
Djamal et al. | Significant variables extraction of post-stroke EEG signal using wavelet and SOM kohonen | |
CN112426162A (zh) | 一种基于脑电信号节律熵的疲劳检测方法 | |
CN201200401Y (zh) | 一种老年性痴呆的诊断装置 | |
Xu et al. | Fatigue EEG feature extraction based on tasks with different physiological states for ubiquitous edge computing | |
Zhang et al. | An improved method to calculate phase locking value based on Hilbert–Huang transform and its application | |
Phanikrishna et al. | A Brief Review on EEG Signal Pre-processing Techniques for Real-Time Brain-Computer Interface Applications | |
Liu et al. | A novel delay estimation method for improving corticomuscular coherence in continuous synchronization events | |
CN117281479A (zh) | 一种基于表面肌电信号多维度特征融合的人体下肢慢性疼痛判别方法、存储介质及装置 | |
KR20140104662A (ko) | 게임을 이용한 자기 조절능력 측정 방법 | |
Omar et al. | An analysis of EEG signal generated from ischemic stroke patient | |
Manjunatha Siddappa | A cognitive approach towards measuring effectiveness of meditation using Enobio-8 EEG device |
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 |