CN112232207A - 脑力评估系统、脑数据云应用系统 - Google Patents
脑力评估系统、脑数据云应用系统 Download PDFInfo
- Publication number
- CN112232207A CN112232207A CN202011107682.8A CN202011107682A CN112232207A CN 112232207 A CN112232207 A CN 112232207A CN 202011107682 A CN202011107682 A CN 202011107682A CN 112232207 A CN112232207 A CN 112232207A
- Authority
- CN
- China
- Prior art keywords
- mental
- brain
- data
- value
- axis
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种脑力评估系统、脑数据云应用系统,其中脑力的评估方法包括:建立脑力评估模型;根据所述脑力评估模型创建标准脑力值数据库;根据被测者的脑电数据,通过脑力评估模型得出被测者的脑力值;将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果。本发明通过建立脑力评估模型,能够客观的对被测者的脑力进行评测,获得脑力结果。
Description
技术领域
本发明涉及脑数据处理分析技术领域,具体涉及一种脑力评估系统、脑数据云应用系统。
背景技术
人类的大脑是生物体内结构和功能最复杂的组织,也是极为精巧和完善的信息处理系统,掌管着人类每天的语言、思维、感觉、情绪、运动等高级活动。大脑由大脑纵裂分成左、右两个大脑半球,两半球经(胼胝体)即连接两半球的横向神经纤维相连。大脑的奇妙之处在于两半球分工不同。美国斯佩里教授通过割裂脑实验,证实了大脑不对称性的“左右脑分工理论”,并因此荣获1981年度的诺贝尔医学生理学奖。
按照这一理论,人的左半脑主要负责逻辑理解、记忆、时间、语言、判断、排列、分类、分析、书写、推理、抑制、五感(视、听、嗅、触、味觉)等,思维方式具有连续性、延续性和分析性。因此左脑可以称作“意识脑”、“学术脑”、“语言脑”。右半脑主要负责空间形象记忆、直觉、情感、身体协调、视知觉、美术、音乐节奏、想像、灵感、顿悟等,思维方式具有无序性、跳跃性、直觉性等。斯佩里认为右脑具有图像化机能,如企划力、创造力、想像力;与宇宙共振共鸣机能,如第六感、透视力、直觉力、灵感、梦境等;超高速自动演算机能,如心算、数学;超高速大量记忆,如速读、记忆力。
“脑力”一词最早出自1965年美国系统动力学的奠基人——福瑞斯特教授写的《一种新型的公司设计》。从20世纪90年代中期起,脑力逐渐成为知识经济时代应运而生的一项前沿的管理理论,受到越来越多的学者的重视。在这个弱肉强食的社会中,谁在竞争中取得决胜权,谁就是最后的赢家。竞争优势的关键是看谁拥有持久的竞争力。而一个人的核心竞争力是脑力。因此“谁能迅速提高自己的脑力,谁就能迸发出新的创造力,谁就能获得发展的主动权并获得竞争的领先优势。因此脑力是未来唯一持久的竞争力。”在这个知识不断更新,提倡终生学习的社会,对于学生来说,提高其脑力是尤其的重要。
查阅脑力的相关文献中发现,学生的脑力是一个综合性的概念,它可以反映学习主体对知识的吸收、消化能力,还有观察力、阅读力、记忆力、理解力、判断力、学习效率等方面,是学习是否有成效的关键。因此如何评语一个人的脑力就显得格外重要,有了准确的脑力评估有助于准确的了解自己的学习潜力和不足,也可有的放矢的去改善脑力。
因此,需要设计一种脑力评估系统、脑数据云应用系统,以获得较为准确的脑力数据。
发明内容
本发明的目的是提供一种脑力评估系统、脑数据云应用系统。
为了解决上述技术问题,本发明提供了一种脑力评估系统,包括:
云存储模块,用于存储脑力评估模型创建的标准脑力值数据库;以及数据接收模块,接收被测者的脑电数据;
脑力计算模块,存储并调用脑力评估模型,通过接收被测者的脑电数据得出被测者的脑力值,并将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果输出。
进一步,所述建立脑力评估模型的方法包括:
获取脑电数据的频率占比数据、振幅占比数据、频谱数据和功率谱数据;以及
建立数据坐标系以设置相应轴适于表征上述各数据,得出脑力评估模型。
进一步,所述建立数据坐标系以设置相应轴适于表征上述各数据,得出脑力评估模型的方法包括:
建立一多维坐标系作为数据坐标系,其包括:原点,以及位于同一平面的频率占比轴、振幅占比轴、频谱轴和功率谱轴和垂直于该平面的价值数据轴;其中
所述频谱轴和功率谱轴以原点分别向两侧射线延伸,所述频率占比轴和振幅占比轴以原点分别向另外两侧射线延伸,且频率占比轴、振幅占比轴、频谱轴和功率谱轴互呈90°夹角;
根据频谱轴、功率谱轴上的相应取值,分别对应频率占比轴、振幅占比轴的相应取值形成两个三角形,在价值数据轴上取一价值数据点,对应两个三角形分别形成第一、第二锥形;其中
第一锥形的模型为V1=[(U+Z)*P/2]*N/3;
第二锥形的模型为V2=[(U+Z)*F/2]*N/3;
其中F为频谱轴上的频谱数据值,P为功率谱轴上的功率谱数据值,U为频率占比轴上频率占比数据值,Z为振幅占比轴上振幅占比数据值,N为价值数据轴上价值数据值;
所述脑力评估模型为Y=[(U+Z)*P/2]*N/3+[(U+Z)*F/2]*N/3。
进一步,将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果的方法包括:
从标准脑力值数据库提取与被测者相同条件下的标准脑力值Y;
被测者的脑力值为y;
设置比较系数k,k=y/Y;
若k约等于1,则判断脑力普通;
若k大于1且不超过K1,则判断脑力良好;
若k大于K1,且不超过K2,则判断脑力优秀;
若k小于1,且不低于K0,则判断脑力一般。
进一步,根据所述脑力评估模型创建标准脑力值数据库的方法包括:
将大脑分为六个脑区,即左前脑区、右前脑区、左后脑区、右后脑区、左颞脑区和右颞脑区;
各脑区均采用脑力评估模型计算得出对应脑区的脑力值,以创建标准脑力值数据库;以及
所述脑力评估方法还包括:
采集并处理被测者各脑区的脑电数据,通过脑力评估模型得出各脑区的脑力值;
将被测者各脑区的脑力值与标准脑力数据库中同脑区的脑力值进行比对,以获得被测者的各脑区的脑力结果。
进一步,在标准脑力值数据库中各脑区的脑力值均对应相应表征状态,从标准脑力值数据库提取与被测者相同条件的各脑区的标准脑力值Yx;
被测者的脑力值为yx;
设置比较系数kx,kx=yx/Yx,其中x∈[1,6]分别对应左前脑区、右前脑区、左后脑区、右后脑区、左颞脑区和右颞脑区;
若kx约等于1,则判断x脑区对应脑力普通;
若kx大于1且不超过K1x,则判断x脑区对应脑力良好;
若kx大于K1x,且不超过K2x,则判断x脑区对应脑力优秀;
若kx小于1,且不低于K0x,则判断x脑区对应脑力一般。
第二方面,本发明还提供了一种脑数据云应用系统,包括:
头戴式脑电检测设备,用于采集被测者的脑电数据;
脑力评估系统,与头戴式脑电检测设备相连,通过脑力评估模型得出被测者的脑力值,将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果。
进一步,所述脑数据云应用系统适于采用所述的脑力评估系统。
本发明的有益效果是,本发明的脑力评估系统、脑数据云应用系统,通过建立脑力评估模型,能够客观的对被测者的脑力进行评测,获得脑力结果;脑力评估模型采用位于同一平面的频率占比轴、振幅占比轴、频谱轴和功率谱轴和垂直于该平面的价值数据轴的方式建立数据坐标系,频谱轴和功率谱轴以原点分别向两侧射线延伸进而建立频率占比数据与振幅占比数据对应关系,再根据两个方向上的频谱轴、功率谱轴上的相应取值建立两个三角形,两三角形由于共用频率占比数据与振幅占比数据使得脑电数据具有对应性强,关联性好的优点,以及结合共同的价值数据点,形成第一、第二锥形,所以在数据选择和匹配上做到了强关联,以及在各脑区的脑电数据采集上,均做到了频率占比数据与振幅占比数据以及价值数据强关联,使各脑区脑电检测更加准确。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了脑力评估系统的结构示意图;
图2示出了建立脑力评估模型所需数据坐标系示意图;
图3示出了脑数据云应用系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
图1示出了脑力评估系统的结构示意图。
如图1所示,本实施例提供了一种脑力评估系统,包括:
云存储模块,用于存储脑力评估模型创建的标准脑力值数据库;以及
数据接收模块,接收被测者的脑电数据;
脑力计算模块,存储并调用脑力评估模型,接收被测者的脑电数据通过脑力评估模型得出被测者的脑力值,将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果。
所述脑力计算模块实现脑力结果的具体过程包括:建立脑力评估模型;根据所述脑力评估模型创建标准脑力值数据库;根据被测者的脑电数据,通过脑力评估模型得出被测者的脑力值;将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果。
在本实施例中,脑力值可以为通过上述脑力评估模型计算得出,通过被测者与标准脑力值数据库中满足该被测者年龄、性别、婚姻、学历等等一个或多个条件匹配,上述条件可以但不限于本实施例例举情况,在其他实施例中,可以根据具体的需要额外设定其他匹配条件,但是各条件的设定和匹配并不脱离本发明的核心思想。
在本实施例中,脑电数据为脑电波,例如但不限于选用α脑电波,当然也可以根据其他检测需要选择其他类型的脑电波,在其他实施例中,只要反应出能够反应出脑力结果的脑电数据均可以代入到上述脑力评估模型中得出相应的脑力结果。
所述脑力结果可以但不限于为脑力指数,具体可以但不限于表现为智商、记忆力、感知等能力,也可以针对任一脑区进行测试,体现脑区的表征状态。
为了消除地域性差异,对于标准脑力值数据库中的数据来源,可以但不限于是各样本被测者来自全国不同省份、不同地区,包括城镇和乡村,不同的人做量表测评和实际调查采集各样本被测者的实际脑力指标数据,在实际应用中,将量表测评和实际调查结果进行对比,并以实际调查结果作为实际脑力指标数据;如果量表测评和实际调查结果的差距较大,可剔除该样本被测者的数据,然后将相同条件下的数据通过合并、平均等手段获得标准脑力值,当然标准脑力值数据库是可以通过人工再次识别结合将量表测评和实际调查结果进行优化的,也可以将被测者的脑力值通过量表测评和实际调查结果再次加入到标准脑力值数据库中,对数据进行优化。
图2示出了建立脑力评估模型所需数据坐标系示意图。
如图2所示,在本实施中,所述建立脑力评估模型的方法包括:获取脑电数据的频率占比数据、振幅占比数据、频谱数据和功率谱数据;以及建立数据坐标系以设置相应轴适于表征上述各数据,得出脑力评估模型。
具体的,所述建立数据坐标系以设置相应轴适于表征上述各数据,得出脑力评估模型的方法包括:建立一多维坐标系作为数据坐标系,其包括:原点,以及位于同一平面的频率占比轴、振幅占比轴、频谱轴和功率谱轴和垂直于该平面的价值数据轴;其中所述频谱轴和功率谱轴以原点分别向两侧射线延伸,所述频率占比轴和振幅占比轴以原点分别向另外两侧射线延伸,且频率占比轴、振幅占比轴、频谱轴和功率谱轴互呈90°夹角;根据频谱轴、功率谱轴上的相应取值,分别对应频率占比轴、振幅占比轴的相应取值形成两个三角形,在价值数据轴上取一价值数据点,对应两个三角形分别形成第一、第二锥形;其中第一锥形的模型为V1=[(U+Z)*P/2]*N/3;第二锥形的模型为V2=[(U+Z)*F/2]*N/3;其中F为频谱轴上的频谱数据值,P为功率谱轴上的功率谱数据值,U为频率占比轴上频率占比数据值,Z为振幅占比轴上振幅占比数据值(图1中,F、P、U、Z和N分别表示相应轴),N为价值数据轴上价值数据值;所述脑力评估模型为Y=[(U+Z)*P/2]*N/3+[(U+Z)*F/2]*N/3。
在本实施中,可以采集被测者脑电数据1000个数据(根据标准采样频率,采集1000个数据大概需要8秒钟)为一个文件存储在计算机中。针对六个脑区采用六通道采集,所以每个文件中包含六个脑区的各1000个数据,被测者一次采集完成大概需要采集30到40个文件。然后将脑电的数据分析提取出来,1000个数据通过快速傅里叶变换(FFT)后得到的功率谱数据和频谱数据;另外,频率占比数据值,振幅占比数据值可以根据α波的波形周期、频率以及振幅幅度数据进行提取,在本实施例中所涉及的功率谱数据、频谱数据、频率占比数据值和振幅占比数据值均可以采用现有技术的方法进行提取,本实施例不对上述提取方法做出任何限定。关于价值数据可以在波形周期、频率以及振幅幅度数据基础上剔除异常数据,在合理的数据范围内选择有效的价值数据值,即为文件存储的1000个数据中有效数据的数量或者多个文件中有效数据的数量平均值;具体的当低于某一设定值时,判定该文件非最优文件,可以将该文件抛弃,选择另一文件,最后取满足条件的所有文件中有效数据的数量平均值;上述功率谱数据、频谱数据、频率占比数据值和振幅占比数据值以及价值数据值可以通过分别乘以相应的转换系数转变为同一量纲,以满足后续计算要求。
并且,将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果的方法包括:从标准脑力值数据库提取与被测者相同条件下的标准脑力值Y;被测者的脑力值为y;设置比较系数k,k=y/Y;若k约等于1,则判断脑力普通;约等于1具体是指在接近于1,可以在0.95-1.05范围内均可以认为是约等于1,当然也可以根据实际情况进行自行设定一个范围值;若k大于1且不超过K1,则判断脑力良好;K1的值例如但不限于设定为1.1,若k大于K1,且不超过K2,则判断脑力优秀;K2的值例如但不限于设定为1.2,超过K2可以认定为异常;若k小于1,且不低于K0,则判断脑力一般,K0的值例如但不限于设定为0.9;低于0.9则可以认定为脑力低下。上述各系数的取值均可以根据具体的情况进行调节,本实施例仅是例举说明,不对上述系数的取值做出限定。
在本实施例中,对应的脑力值可以为通过上述脑力评估模型计算的体积,通过被测者与标准脑力值数据库中满足该被测者年龄、性别、婚姻、学历等等一个或多个条件匹配,上述条件可以但不限于本实施例例举情况,在其他实施例中,可以根据具体的需要额外设定其他匹配条件,但是各条件的设定和匹配并不脱离本发明的核心思想。
在本实施例汇中,根据所述脑力评估模型创建标准脑力值数据库的方法包括:将大脑分为六个脑区,即左前脑区、右前脑区、左后脑区、右后脑区、左颞脑区和右颞脑区;各脑区均采用脑力评估模型计算得出对应脑区的脑力值,以创建标准脑力值数据库。
在此基础上,所述脑力评估方法还包括:
采集并处理被测者各脑区的脑电数据,通过脑力评估模型得出各脑区的脑力值;将被测者各脑区的脑力值与标准脑力数据库中同脑区的脑力值进行比对,以获得被测者的各脑区的脑力结果。
对应上述六个脑区的脑力检测,在标准脑力值数据库中各脑区的脑力值均对应相应表征状态。对于六个脑区的具体表征形式可以但不限于包括:
左前脑区可以设定为表征知识智慧,特征表现为:善于知识积累,学习能力较强。言语表达比较有逻辑,有写作的能力。逻辑思维和抽象逻辑思维能力强。做事能够合理计划安排,统筹兼顾。理智、独立,较为追求自我成就。个人意识较强,唯物的思维模式。
右前脑区可以表征为创造智慧,特征表现为:代表创造思维,灵感思维和直觉思维。创新能力、风险的承担能力、整体能力均强;富有丰富的想象力及求知欲,目光敏锐、思维开阔、富于开拓挑战精神,善于掌控全局。讲求直觉、浪漫。
左后脑区可以表征为经验智慧,特征表现为:自控管理能力强,遵循规章制度,做事井然有序。动手能力强,注意细节操作,按时完成任务。认真负责,讲求实效,具有良好的执行力及组织实施能力。有一定的毅力和抗挫折能力。
右后脑区可以表征为感觉智慧,特征表现为:具有良好悟性和总结能力。善于观察他人的情绪,善于倾听和沟通,能够处理好人际关系。对他人的意见善于支持,喜欢和别人分享内心感受,具有合作精神和社会责任感。身体平衡运动潜能较强;有一定的空间感受潜能。
左颞脑区可以表征为机械记忆,机械记忆是对所学习材料本身缺乏意义联系,或者学习者不了解材料的意义,不理解其间的内在联系,单靠反复背诵达到的记忆。如:对数字、电话号码、字母、文字、历史年代等的记忆就是机械记忆。机械记忆强的人在学习中对所学的知识有很强的识记能力。
右颞脑区可以表征为情境记忆,情景记忆即以时间和空间为坐标对个人亲身经历的、发生在一定时间和地点的事件(情景)的记忆。情景记忆是指记住过去某个时间、地点的特定事件。对情景记忆的知觉又称自主意识。在学习中喜欢理解性记忆。空间位置感、相对立体感好。右颞也可称为大脑的照相机,所以画面记忆好,对看到的场景,所经历的事情等都有着很好的记忆,以致做事、对物品摆放都很有条理。
从标准脑力值数据库提取与被测者相同条件的各脑区的标准脑力值Yx;被测者的脑力值为yx;设置比较系数kx,kx=yx/Yx,其中x∈[1,6]分别对应左前脑区、右前脑区、左后脑区、右后脑区、左颞脑区和右颞脑区;若kx约等于1,则判断x脑区对应脑力普通;若kx大于1且不超过K1x,则判断x脑区对应脑力良好;若kx大于K1x,且不超过K2x,则判断x脑区对应脑力优秀;若kx小于1,且不低于K0x,则判断x脑区对应脑力一般。
对于各脑区的脑力判断和上述判断的原理相同,此处不再赘述。
脑力评估模型采用位于同一平面的频率占比轴、振幅占比轴、频谱轴和功率谱轴和垂直于该平面的价值数据轴的方式建立数据坐标系,频谱轴和功率谱轴以原点分别向两侧射线延伸进而建立频率占比数据与振幅占比数据对应关系,再根据两个方向上的频谱轴、功率谱轴上的相应取值建立两个三角形,两三角形由于共用频率占比数据与振幅占比数据使得脑电数据具有对应性强,关联性好的优点,以及结合共同的价值数据点,形成第一、第二锥形,所以在数据选择和匹配上做到了强关联,以及在各脑区的脑电数据采集上,均做到了频率占比数据与振幅占比数据以及价值数据强关联,使各脑区脑电检测更加准确。
上述各脑区的脑力值获得方式与前述脑力值的获取方式原理相同,设置脑区用比较系数kx,然后根据比较结果反馈得出相应各脑区的表征特性。
可以将表征特性的语义字段预设在标准脑力值数据库,通过相应的脑力值对应的比较系数调用对应的语义字段,即可反馈给被测者,进而可以表征脑力普通、脑力良好、脑力优秀和脑力一般的具体描述。
图3示出了脑数据云应用系统的结构示意图。
如图3所示,在上述脑力评估系统基础上,本实施例还提供了一种脑数据云应用系统,包括:
头戴式脑电检测设备,用于采集被测者的脑电数据;
脑力评估系统,与头戴式脑电检测设备相连,通过脑力评估模型得出被测者的脑力值,将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果。
所述脑力评估系统可以包括存储器对应云存储模块、处理器对应脑力计算模块及通信模块对应数据接收模块。所述存储器、处理器以及通信模块各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,存储器用于存储程序或者数据。所述存储器可以是,但不限于,随机存取存储器(RandomAccessMemory,RAM),只读存储器(ReadOnlyMemory,ROM),可编程只读存储器(ProgrammableRead-OnlyMemory,PROM),可擦除只读存储器(ErasableProgrammableRead-OnlyMemory,EPROM),电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory,EEPROM)等。
处理器用于读/写存储器中存储的数据或程序,并执行相应地功能。
通信模块用于通过所述网络建立所述服务器与其它通信终端之间的通信连接,并用于通过所述网络收发数据。
应当理解的是,图1所示的结构仅为脑力评估系统的结构示意图,所述脑力评估系统还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明的脑力评估系统、脑数据云应用系统,通过建立脑力评估模型,能够客观的对被测者的脑力进行评测,获得脑力结果;脑力评估模型采用位于同一平面的频率占比轴、振幅占比轴、频谱轴和功率谱轴和垂直于该平面的价值数据轴的方式建立数据坐标系,频谱轴和功率谱轴以原点分别向两侧射线延伸进而建立频率占比数据与振幅占比数据对应关系,再根据两个方向上的频谱轴、功率谱轴上的相应取值建立两个三角形,两三角形由于共用频率占比数据与振幅占比数据使得脑电数据具有对应性强,关联性好的优点,以及结合共同的价值数据点,形成第一、第二锥形,所以在数据选择和匹配上做到了强关联,以及在各脑区的脑电数据采集上,均做到了频率占比数据与振幅占比数据以及价值数据强关联,使各脑区脑电检测更加准确。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、过程和方法,也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的,另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (8)
1.一种脑力评估系统,其特征在于,包括:
云存储模块,用于存储脑力评估模型创建的标准脑力值数据库;以及
数据接收模块,接收被测者的脑电数据;
脑力计算模块,存储并调用脑力评估模型,接收被测者的脑电数据通过脑力评估模型得出被测者的脑力值,将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果。
2.根据权利要求1所述的脑力评估系统,其特征在于,
所述建立脑力评估模型的方法包括:
获取脑电数据的频率占比数据、振幅占比数据、频谱数据和功率谱数据;以及
建立数据坐标系以设置相应轴适于表征上述各数据,得出脑力评估模型。
3.根据权利要求2所述的脑力评估系统,其特征在于,
所述建立数据坐标系以设置相应轴适于表征上述各数据,得出脑力评估模型的方法包括:
建立一多维坐标系作为数据坐标系,其包括:原点,以及位于同一平面的频率占比轴、振幅占比轴、频谱轴和功率谱轴和垂直于该平面的价值数据轴;其中
所述频谱轴和功率谱轴以原点分别向两侧射线延伸,所述频率占比轴和振幅占比轴以原点分别向另外两侧射线延伸,且频率占比轴、振幅占比轴、频谱轴和功率谱轴互呈90°夹角;
根据频谱轴、功率谱轴上的相应取值,分别对应频率占比轴、振幅占比轴的相应取值形成两个三角形,在价值数据轴上取一价值数据点,对应两个三角形分别形成第一、第二锥形;其中
第一锥形的模型为V1=[(U+Z)*P/2]*N/3;
第二锥形的模型为V2=[(U+Z)*F/2]*N/3;
其中F为频谱轴上的频谱数据值,P为功率谱轴上的功率谱数据值,U为频率占比轴上频率占比数据值,Z为振幅占比轴上振幅占比数据值,N为价值数据轴上价值数据值;
所述脑力评估模型为Y=[(U+Z)*P/2]*N/3+[(U+Z)*F/2]*N/3。
4.根据权利要求2所述的脑力评估系统,其特征在于,
将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果的方法包括:
从标准脑力值数据库提取与被测者相同条件下的标准脑力值Y;
被测者的脑力值为y;
设置比较系数k,k=y/Y;
若k约等于1,则判断脑力普通;
若k大于1且不超过K1,则判断脑力良好;
若k大于K1,且不超过K2,则判断脑力优秀;
若k小于1,且不低于K0,则判断脑力一般。
5.根据权利要求1所述的脑力评估系统,其特征在于,
根据所述脑力评估模型创建标准脑力值数据库的方法包括:
将大脑分为六个脑区,即左前脑区、右前脑区、左后脑区、右后脑区、左颞脑区和右颞脑区;
各脑区均采用脑力评估模型计算得出对应脑区的脑力值,以创建标准脑力值数据库;以及
所述脑力评估方法还包括:
采集并处理被测者各脑区的脑电数据,通过脑力评估模型得出各脑区的脑力值;
将被测者各脑区的脑力值与标准脑力数据库中同脑区的脑力值进行比对,以获得被测者的各脑区的脑力结果。
6.根据权利要求5所述的脑力评估系统,其特征在于,
在标准脑力值数据库中各脑区的脑力值均对应相应表征状态,
从标准脑力值数据库提取与被测者相同条件的各脑区的标准脑力值Yx;
被测者的脑力值为yx;
设置比较系数kx,kx=yx/Yx,其中x∈[1,6]分别对应左前脑区、右前脑区、左后脑区、右后脑区、左颞脑区和右颞脑区;
若kx约等于1,则判断x脑区对应脑力普通;
若kx大于1且不超过K1x,则判断x脑区对应脑力良好;
若kx大于K1x,且不超过K2x,则判断x脑区对应脑力优秀;
若kx小于1,且不低于K0x,则判断x脑区对应脑力一般。
7.一种脑数据云应用系统,其特征在于,包括:
头戴式脑电检测设备,用于采集被测者的脑电数据;
脑力评估系统,与头戴式脑电检测设备相连,通过脑力评估模型得出被测者的脑力值,将被测者的脑力值与标准脑力数据库中相应的脑力值进行比对,以获得被测者的脑力结果。
8.根据权利要求7所述的脑数据云应用系统,其特征在于,
所述脑数据云应用系统适于采用如权利要求1-6任一项所述的脑力评估系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011107682.8A CN112232207A (zh) | 2020-10-16 | 2020-10-16 | 脑力评估系统、脑数据云应用系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011107682.8A CN112232207A (zh) | 2020-10-16 | 2020-10-16 | 脑力评估系统、脑数据云应用系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112232207A true CN112232207A (zh) | 2021-01-15 |
Family
ID=74118408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011107682.8A Pending CN112232207A (zh) | 2020-10-16 | 2020-10-16 | 脑力评估系统、脑数据云应用系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232207A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113017646A (zh) * | 2021-02-26 | 2021-06-25 | 河北省科学院应用数学研究所 | 一种基于统计的脑电节律占比分布区间计算方法 |
CN114869299A (zh) * | 2022-06-21 | 2022-08-09 | 济南瑞特安防设备有限公司 | 基于脑电波数据的心理健康测试装置及测试方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170053540A1 (en) * | 2015-08-18 | 2017-02-23 | Cogniciti Inc. | Systems methods and devices for brain health assessment |
CN109431496A (zh) * | 2018-10-16 | 2019-03-08 | 北京工业大学 | 一种应用脑电信号评估大脑能力的评估系统及方法 |
CN110537911A (zh) * | 2019-09-07 | 2019-12-06 | 东莞市科林威兹德姆教育科技有限公司 | 一种潜能天赋评估方法及系统 |
-
2020
- 2020-10-16 CN CN202011107682.8A patent/CN112232207A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170053540A1 (en) * | 2015-08-18 | 2017-02-23 | Cogniciti Inc. | Systems methods and devices for brain health assessment |
CN109431496A (zh) * | 2018-10-16 | 2019-03-08 | 北京工业大学 | 一种应用脑电信号评估大脑能力的评估系统及方法 |
CN110537911A (zh) * | 2019-09-07 | 2019-12-06 | 东莞市科林威兹德姆教育科技有限公司 | 一种潜能天赋评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
曹春: "智力数学模型", 《上饶师专学报(哲学社会科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113017646A (zh) * | 2021-02-26 | 2021-06-25 | 河北省科学院应用数学研究所 | 一种基于统计的脑电节律占比分布区间计算方法 |
CN113017646B (zh) * | 2021-02-26 | 2023-03-24 | 河北省科学院应用数学研究所 | 一种基于统计的脑电节律占比分布区间计算方法 |
CN114869299A (zh) * | 2022-06-21 | 2022-08-09 | 济南瑞特安防设备有限公司 | 基于脑电波数据的心理健康测试装置及测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chaouachi et al. | Affect and mental engagement: Towards adaptability for intelligent | |
CN107224291B (zh) | 调度员能力测试系统 | |
CN109567830B (zh) | 一种基于神经响应的人格测量方法及系统 | |
CN112232207A (zh) | 脑力评估系统、脑数据云应用系统 | |
Kroupi et al. | Modeling immersive media experiences by sensing impact on subjects | |
Gunawan et al. | Brainwave classification of visual stimuli based on low cost EEG spectrogram using DenseNet | |
Patt et al. | Disentangling working memory processes during spatial span assessment: A modeling analysis of preferred eye movement strategies | |
US20200163607A1 (en) | Method and system for accurate description of personality types and behavior | |
Grohs et al. | Evaluating the potential of fNIRS neuroimaging to study engineering problem solving and design | |
Liu | Influence mechanism of construction workers' safety psychology on their safety behavior based on event-related potentials | |
Mangion et al. | Emotional testing on facebook’s user experience | |
Rakshit et al. | Fractal analysis of EEG signals for studying the effect of cognitive stress on brain | |
MacDonald et al. | Quantitative assessment of transpersonal and spiritual constructs | |
Korkmaz et al. | Can music support calculation skills? A pilot study using electrophysiological measures | |
Fickling et al. | Distant sensor prediction of event-related potentials | |
CN112233790A (zh) | 基于脑数据云的脑力评估方法 | |
Hossain et al. | Measurement of cognitive load for writing tasks using galvanic skin response | |
Bashir et al. | Electroencephalogram (EEG) Signals for Modern Educational Research | |
CN115690528A (zh) | 跨主体场景的脑电信号美学评估处理方法、装置、介质及终端 | |
Khan et al. | Cognitive skill enhancement system using neuro-feedback for ADHD patients | |
Ivanitsky | Individual stable patterns of human brain rhythms as a reflection of mental processes | |
Rasheed et al. | Assessment of vocational types and EEG analysis using holland test questionnaire | |
Pouzad et al. | Investigating the mediating role of self-knowledge processes in the relationship between repression (self-deception and other-deception) and the divorce tendency in men and women seeking divorce | |
CN109770919A (zh) | 一种应用视觉事件相关电位评估气功调控心理状态的效果的方法和系统 | |
CN116269447B (zh) | 一种基于语音调制和脑电信号的言语认知评估系统 |
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: 20210115 |
|
RJ01 | Rejection of invention patent application after publication |