CN112331304A - 一种基于eeg技术的儿童注意力训练系统 - Google Patents
一种基于eeg技术的儿童注意力训练系统 Download PDFInfo
- Publication number
- CN112331304A CN112331304A CN201910715536.4A CN201910715536A CN112331304A CN 112331304 A CN112331304 A CN 112331304A CN 201910715536 A CN201910715536 A CN 201910715536A CN 112331304 A CN112331304 A CN 112331304A
- Authority
- CN
- China
- Prior art keywords
- module
- eeg
- training
- electroencephalogram
- signal
- 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
- 238000012549 training Methods 0.000 title claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 230000009471 action Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 210000004556 brain Anatomy 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims abstract description 3
- 238000012880 independent component analysis Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000033764 rhythmic process Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 4
- 210000004761 scalp Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000004498 neuroglial cell Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Developmental Disabilities (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (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
本发明公开了一种基于EEG技术的儿童注意力训练系统，其特征在于：包括数据采集分析模块、指令传输模块、动作执行模块、训练反馈模块，所述数据采集分析模块包括脑电采集模块和分析模块，所述脑电采集模块为脑电采集帽，所述脑电采集帽采集到的原始信号通过分析模块分离出每一个独立源信号，去除与思维任务无关的生理信号分量和线性噪声，并混合矩阵重新构建信号，得到去噪后的脑电信号；本发明通过EEG技术采集儿童脑电信号控制注意力训练机器人运动，来完成对儿童注意力集中的训练，在进行训练时更加有趣生动，可以更好的吸引儿童的注意力，从而使儿童注意力训练效果更好。
Description
技术领域
本发明属于注意力训练技术领域，具体涉及一种基于EEG技术的儿童注意力训练系统。
背景技术
人类的大脑是人类智能最主要的器官，包含人类所有高级神经中枢，是由上百亿个神经细胞、上百万亿个突触以及数千万亿的胶质细胞构成。脑电信号EEG伴随我们生命的始终，是脑细胞群的自发性、节律性电活动在大脑皮层和头皮的总体反应，可以通过放置在头皮上的电极检测得到。人们不断深入研究脑电现象，现已成为众多学科相互交叉的热点领域。
现有的一种基于EEG技术的儿童注意力训练系统在使用的时候，只是集中儿童的注意力观察屏幕，在训练时过于枯燥，不容易吸引儿童的注意力，导致训练效率不理想的问题，为此我们提出一种基于EEG技术的儿童注意力训练系统。
发明内容
本发明的目的在于提供一种基于EEG技术的儿童注意力训练系统，以解决上述背景技术中提出的现有的一种基于EEG技术的儿童注意力训练系统在使用的时候，只是集中儿童的注意力观察屏幕，在训练时过于枯燥，不容易吸引儿童的注意力，导致训练效率不理想的问题。
为实现上述目的，本发明提供如下技术方案：一种基于EEG技术的儿童注意力训练系统，其特征在于：包括数据采集分析模块、指令传输模块、动作执行模块、训练反馈模块，所述数据采集分析模块包括脑电采集模块和分析模块，所述脑电采集模块为脑电采集帽，所述脑电采集帽采集到的原始信号通过分析模块分离出每一个独立源信号，去除与思维任务无关的生理信号分量和线性噪声，并混合矩阵重新构建信号，得到去噪后的脑电信号，并通过分析模块进行分类识别，判断使用者的意图转化为相应的指令，通过指令传输模块把相应的指令传输到动作执行模块，通过动作执行模块控制动作，通过训练反馈模块对动作执行模块的执行效果进行反馈。
优选的，所述数据采集分析模块的采集分析流程为：采集到脑电数据之后首先去除眼电、工频干扰,再使用空间滤波器对特征进行提取，提取到特征之后进行分类，将结果转化为控制信号，通过串口发出。
优选的，所述分析模块采用独立分量分析的方法去除眼、肌电，每个导联的脑电信号更加具有规律性，节律也更明显，滤去伪迹脑电信号有用成分方便保留下来。
优选的，所述动作执行模块为注意力训练机器人，所述注意力训练机器人包括SH2控制器、工控机、网络摄像头、运动系统、电源和导航系统。
优选的，所述动作执行模块产生的数据传输至训练反馈模块，并通过可视化界面实时反馈给用户。
优选的，所述数据采集分析模块包括离心控制分析，对采集的脑电信号进行筛选，并分为训练数据和测试数据，通过对训练数据进行预处理和特征提取，使用分类器同一个使用者的测试数据进行分类，分类后的数据通过串口发送到动作执行模块的注意力训练机器人完成动作，在对儿童注意力训练后可以离线分析训练效果，从而对训练进行改进。
优选的，所述脑电特征提取为结合ICA和CSP两个算法的方法，首先将获取的运动想象EEG信号分解为与测量导联数相同数目的分量，彼此之间相互独立，去掉与思维任务完全无关的生理信号分量以及线性噪声，或者对其做一些适当处理，然后将处理过之后的这些独立成分进行再次混合，形成新的重建EEG信号。
与现有技术相比，本发明的有益效果是：
（1）本发明通过EEG技术采集儿童脑电信号控制注意力训练机器人运动，来完成对儿童注意力集中的训练，在进行训练时更加有趣生动，可以更好的吸引儿童的注意力，从而使儿童注意力训练效果更好。
（2）本发明的脑电特征通过结合ICA和CSP两个算法的优点进行提取，ICA完成运动想象EEG的眼电、工频滤除等预处理，提取出有效的节律成分，CSP构建空间滤波器将两类数据进行一个最佳的投影，达到一类方差最大同时一类方差最小的效果，以此特征作为分类器的输入，
（3）ICA与处理方法在取得较好的去噪效果的同时，还能够按照求得的有效分量来确定独立源的大致分布情况，也可以进一步绘制独立源在头皮的分布位置图。
附图说明
图1为本发明的系统流程示意图。
图2为本发明的基于ICA和CSP相结合的脑袋特征提取过程示意图。
图3为本发明的动作执行模块的注意力训练机器人硬件系统结构示意图。
图4为本发明的想象左手的功率谱。
图5为本发明的想象右手的功率谱。
图6为本发明的想象身体不同部位运动时C3通道功率谱。
图7为本发明的想象身体不同部位运动时C4通道功率谱；
图8为本发明的训练机器人动作流程图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
请参阅图1-7，本发明提供一种技术方案：一种基于EEG技术的儿童注意力训练系统，包括数据采集分析模块、指令传输模块、动作执行模块、训练反馈模块， 数据采集分析模块包括脑电采集模块和分析模块， 脑电采集模块为脑电采集帽，脑电特征提取为结合ICA和CSP两个算法的方法，首先将获取的运动想象EEG信号分解为与测量导联数相同数目的分量，彼此之间相互独立，去掉与思维任务完全无关的生理信号分量以及线性噪声，或者对其做一些适当处理，然后将处理过之后的这些独立成分进行再次混合，形成新的重建EEG信号，并通过分析模块进行分类识别，判断使用者的意图转化为相应的指令，通过指令传输模块把相应的指令传输到动作执行模块，通过动作执行模块控制动作，通过训练反馈模块对动作执行模块的执行效果进行反馈； 数据采集分析模块的采集分析流程为：采集到脑电数据之后首先去除眼电、工频干扰,再使用空间滤波器对特征进行提取，提取到特征之后进行分类，将结果转化为控制信号，通过串口发出； 分析模块采用独立分量分析的方法去除眼、肌电，每个导联的脑电信号更加具有规律性，节律也更明显，滤去伪迹脑电信号有用成分方便保留下来； 动作执行模块为注意力训练机器人， 注意力训练机器人包括SH2控制器、工控机、网络摄像头、运动系统、电源和导航系统； 动作执行模块产生的数据传输至训练反馈模块，并通过可视化界面实时反馈给用户；数据采集分析模块包括离心控制分析，对采集的脑电信号进行筛选，并分为训练数据和测试数据，通过对训练数据进行预处理和特征提取，使用分类器同一个使用者的测试数据进行分类，分类后的数据通过串口发送到动作执行模块的注意力训练机器人完成动作，在对儿童注意力训练后可以离线分析训练效果，从而对训练进行改进。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于EEG技术的儿童注意力训练系统，其特征在于：包括数据采集分析模块、指令传输模块、动作执行模块、训练反馈模块，所述数据采集分析模块包括脑电采集模块和分析模块，所述脑电采集模块为脑电采集帽，所述脑电采集帽采集到的原始信号通过分析模块分离出每一个独立源信号，去除与思维任务无关的生理信号分量和线性噪声，并混合矩阵重新构建信号，得到去噪后的脑电信号，并通过分析模块进行分类识别，判断使用者的意图转化为相应的指令，通过指令传输模块把相应的指令传输到动作执行模块，通过动作执行模块控制动作，通过训练反馈模块对动作执行模块的执行效果进行反馈。
2.根据权利要求1所述的一种基于EEG技术的儿童注意力训练系统，其特征在于：所述数据采集分析模块的采集分析流程为：采集到脑电数据之后首先去除眼电、工频干扰,再使用空间滤波器对特征进行提取，提取到特征之后进行分类，将结果转化为控制信号，通过串口发出。
3.根据权利要求1所述的一种基于EEG技术的儿童注意力训练系统，其特征在于：所述分析模块采用独立分量分析的方法去除眼、肌电，每个导联的脑电信号更加具有规律性，节律也更明显，滤去伪迹脑电信号有用成分方便保留下来。
4.根据权利要求1所述的一种基于EEG技术的儿童注意力训练系统，其特征在于：所述动作执行模块为注意力训练机器人，所述注意力训练机器人包括SH2控制器、工控机、网络摄像头、运动系统、电源和导航系统。
5.根据权利要求1所述的一种基于EEG技术的儿童注意力训练系统，其特征在于：所述动作执行模块产生的数据传输至训练反馈模块，并通过可视化界面实时反馈给用户。
6.根据权利要求1所述的一种基于EEG技术的儿童注意力训练系统，其特征在于：所述数据采集分析模块包括离心控制分析，对采集的脑电信号进行筛选，并分为训练数据和测试数据，通过对训练数据进行预处理和特征提取，使用分类器同一个使用者的测试数据进行分类，分类后的数据通过串口发送到动作执行模块的注意力训练机器人完成动作。
7.根据权利要求1所述的一种基于EEG技术的儿童注意力训练系统，其特征在于：所述脑电特征提取为结合ICA和CSP两个算法的方法，首先将获取的运动想象EEG信号分解为与测量导联数相同数目的分量，彼此之间相互独立，去掉与思维任务完全无关的生理信号分量以及线性噪声，或者对其做一些适当处理，然后将处理过之后的这些独立成分进行再次混合，形成新的重建EEG信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910715536.4A CN112331304A (zh) | 2019-08-05 | 2019-08-05 | 一种基于eeg技术的儿童注意力训练系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910715536.4A CN112331304A (zh) | 2019-08-05 | 2019-08-05 | 一种基于eeg技术的儿童注意力训练系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112331304A true CN112331304A (zh) | 2021-02-05 |
Family
ID=74319330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910715536.4A Pending CN112331304A (zh) | 2019-08-05 | 2019-08-05 | 一种基于eeg技术的儿童注意力训练系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112331304A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114020148A (zh) * | 2021-10-12 | 2022-02-08 | 北京师范大学 | 提升注意力的训练方法、装置以及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103885445A (zh) * | 2014-03-20 | 2014-06-25 | 浙江大学 | 一种脑控动物机器人系统以及动物机器人的脑控方法 |
| CN107024987A (zh) * | 2017-03-20 | 2017-08-08 | 南京邮电大学 | 一种基于eeg的实时人脑注意力测试和训练系统 |
| US20180089531A1 (en) * | 2015-06-03 | 2018-03-29 | Innereye Ltd. | Image classification by brain computer interface |
| CN109754866A (zh) * | 2019-01-02 | 2019-05-14 | 浙江强脑科技有限公司 | 注意力训练方法、装置及计算机可读存储介质 |
-
2019
- 2019-08-05 CN CN201910715536.4A patent/CN112331304A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103885445A (zh) * | 2014-03-20 | 2014-06-25 | 浙江大学 | 一种脑控动物机器人系统以及动物机器人的脑控方法 |
| US20180089531A1 (en) * | 2015-06-03 | 2018-03-29 | Innereye Ltd. | Image classification by brain computer interface |
| CN107024987A (zh) * | 2017-03-20 | 2017-08-08 | 南京邮电大学 | 一种基于eeg的实时人脑注意力测试和训练系统 |
| CN109754866A (zh) * | 2019-01-02 | 2019-05-14 | 浙江强脑科技有限公司 | 注意力训练方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 李晓欧: "基于独立分量分析和共同空间模式的脑电特征提取方法", 《生物医学工程学杂志》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114020148A (zh) * | 2021-10-12 | 2022-02-08 | 北京师范大学 | 提升注意力的训练方法、装置以及电子设备 |
| CN114020148B (zh) * | 2021-10-12 | 2023-06-16 | 北京师范大学 | 提升注意力的训练方法、装置以及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ai et al. | Feature extraction of four-class motor imagery EEG signals based on functional brain network | |
| CN107024987B (zh) | 一种基于eeg的实时人脑注意力测试和训练系统 | |
| CN112488002B (zh) | 基于n170的情绪识别方法及识别系统 | |
| Mohamed et al. | Comparison of EEG signal decomposition methods in classification of motor-imagery BCI | |
| CN110974212A (zh) | 一种融合心电和肌电特征的康复训练运动状态监测方法及系统 | |
| CN108563324B (zh) | 一种面向过程控制的运动想象脑-机接口设计方法 | |
| CN109657646B (zh) | 生理时间序列的特征表示与提取方法、装置及存储介质 | |
| Padmavathi et al. | A review on EEG based brain computer interface systems | |
| Mahajan et al. | A real time set up for retrieval of emotional states from human neural responses | |
| CN106843509B (zh) | 一种脑机接口系统 | |
| CN112331304A (zh) | 一种基于eeg技术的儿童注意力训练系统 | |
| Ahmed et al. | Effective hybrid method for the detection and rejection of electrooculogram (EOG) and power line noise artefacts from electroencephalogram (EEG) mixtures | |
| CN113208631A (zh) | 一种基于eeg脑波的眨眼检测方法及系统 | |
| Turnip et al. | An application of online ANFIS classifier for wheelchair based brain computer interface | |
| Ahmed et al. | Electroencephalogram signal eye blink rejection improvement based on the hybrid stone blind origin separation and particle swarm optimization technique | |
| Vahdani-Manaf | Classification of eye movement signals using electrooculography in order to device controlling | |
| Akhanda et al. | Detection of cognitive state for brain-computer interfaces | |
| Dezhi et al. | Research on Feature Extraction and Classification of EEG Signals Based on Multitask Motor Imagination | |
| Ertekin et al. | EMG-based BCI for PiCar Mobilization | |
| CN112450946A (zh) | 一种基于循环生成对抗网络的脑电伪迹修复的方法 | |
| CN113017648A (zh) | 一种脑电信号识别方法和系统 | |
| Wang et al. | EEG control method for fire extinguishing UAV based on improved subband filter bank | |
| Ghanbari et al. | An evolutionary artifact rejection method for brain computer interface using ICA | |
| Vaid et al. | De-noising of EEG signal for emotion recognition | |
| Zahan et al. | Rhythmic component retrieval from EOG artifact of electroencephalography signals |
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: 20210205 |
|
| RJ01 | Rejection of invention patent application after publication |