CN112603264A - 基于脑前额叶皮层的味觉信息采集与特征分析方法及系统 - Google Patents
基于脑前额叶皮层的味觉信息采集与特征分析方法及系统 Download PDFInfo
- Publication number
- CN112603264A CN112603264A CN202011472487.5A CN202011472487A CN112603264A CN 112603264 A CN112603264 A CN 112603264A CN 202011472487 A CN202011472487 A CN 202011472487A CN 112603264 A CN112603264 A CN 112603264A
- Authority
- CN
- China
- Prior art keywords
- taste
- brain
- taste stimulus
- near infrared
- prefrontal cortex
- 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
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
- A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
- A61B5/4017—Evaluating sense of taste
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- 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
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Abstract
本发明公开了一种基于脑前额叶皮层的味觉信息采集与特征分析方法,包括步骤:S1.接收近红外光谱信号采集阵列采集的n次在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,得到n个采样周期;S2.对得到的n个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert‑Beer变换,得到n条氧合血红蛋白通量‑时间动态变化曲线;S3.以通道为单位,判断n条氧合血红蛋白通量‑时间动态变化曲线在味觉刺激物摄入后的特征分析区间的正激活数或负激活数是否大于预设阈值,若是,则大于预设阈值的通道判定为味觉刺激响应通道,提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值,用于味觉刺激响应强度的表征。
Description
技术领域
本发明涉及味觉采集与特征分析技术领域,尤其涉及基于脑前额的味觉关联信息采集与特征分析方法及系统。
背景技术
滋味是食品重要的感官评定指标。食品饮料研发离不开感官评测,风味嗜好型的食品饮料研发,需要以消费者为导向。因此,需要大量性别、年龄和生活习惯各异的消费者参与到研发过程中来。但感官评测具有主观性,易受审评人员感觉、情绪影响,且消费者一般不具备专业测评人员所具有的感官分析理论基础和专业术语表述能力,无法准确地输出可供分析的感官体验。因此,开发出客观化、简便化,且不受专业知识约束的消费者级别的风味审评方法显得尤为必要。
为了满足客观化、简便化风味评测的需要,近年来逐渐发展起来电子舌和近红外光谱技术等客观化滋味评测方法。其中电子舌评测系统由味觉传感电极、信号采集和模式识别系统组成,其原理是利用传感电极与待测液体进行接触,获取溶液的电化学信号,经持续信号采集传输到计算机中用于识别分析。如公开号为CN103837587A的专利公开了一种利用电子舌系统对杨梅汁味感快速品评的方法,其包括两个品评流程,一是采用电子舌采集杨梅汁电化学信号用于识别分析,二是采用专业审评员对同一样品进行品评并将感受转化为表程度的语义描述(或分值化语义描述),然后将电子舌电化学信号分析结果与专业审评员的描述采用偏最小二乘法建立数学相关性关联,将关联结果用于构建“味感品评”模型,并进一步采用该模型预测待测杨梅汁的味感情况。可见,实现该方法的关键在于建立电子舌电化学信号与专业审评员表程度的语义描述(或分值化语义描述)的关联,其中电化学信号是指杨梅汁中化学成分引起的电化学信号而非人舌采集的真实味觉,其本质是电化学分析;此外,专业审评员的表程度的语义描述(或分值化语义描述)是由专业审评员利用自己的舌头(非电子舌)作为检测器品尝样品后进行的感官体验输出,其本质是专业审评员对杨梅汁复杂味感的感受。电子舌和专业审评数据分析是两组独立的闭环数据,并不具备直接关联性。由于电子舌不是人舌,不能代表人对杨梅汁的实际感受。因此,该方法所依据的电子舌“感觉”与人的真实品评感受是间接的,不具备一致性。相似的,电子舌也被应用在茶叶滋味等级判别、葡萄酒识别等领域,其原理与上述杨梅汁“味感”品评原理类似。比如公开号为CN105866203A的专利公开了一种基于电子舌检测信息的白毫银针滋味等级判别方法、公开号为CN105866222A的专利公开了CN201610186084.1一种基于电子舌检测信息的白牡丹滋味等级判别方法、公开号为CN105866223A的专利公开了一种基于电子舌检测信息的武夷岩茶滋味等级判别方法等,其原理包括采用电子舌的电化学传感器采集茶汤的电化学信号,通过“判别分析法”和“Logistic回归分析法”构建不同等级样品的判别模型,实现对未知茶样的滋味等级判别。与上述专利类似,公开号为CN111563558A的专利公开了一种葡萄酒产地及品牌的快速识别方法,其原理包括采集电子舌和电子鼻的电化学信号构建红葡萄酒训练样品集的极限学习机模型,实现葡萄酒产地及品牌的判别。上述专利中,均在风味评价客观化上实现了突破。其不足之处在于,电子舌的检测与人的真实品评感受一致性无法保证。
近红外光谱技术是近年来发展起来的另一类客观滋味审评技术。如公开号为CN103743698A的专利公开了一种采用近红外光谱对茶叶感官审评的方法,其品评原理包括两个过程,一是基于Workflow设定标准工作流程和分析方法,采集干茶样品漫反射光谱图和茶汤的透射光谱图,二是采用专业审评员将同一茶叶样品的审评结果转化为表程度的语义描述(或分值化语义描述),然后用偏最小二乘法建立近红外光谱信息与专业审评员的表程度的语义描述(或分值化语义描述)之间的数学模型。与电子舌审评原理相似,近红外光谱审评法中采集近红外光谱数据与专业审评员的表程度的语义描述(或分值化语义描述)是两个完全独立的过程,不具有直接关联,近红外的检测也不能代表人的实际感受,因此基于近红外光谱的茶叶“感官审评”与人的真实审评感受的一致性也无法保证。
电子舌和近红外光谱技术虽然在一定程度上降低了传统感官评测中的主观误差,但其无法保证与人的真实审评感受一致性。因此,为了建立一种客观、稳定、方便,且适用于不具备专业审评能力的消费者测试,本发明提出了一种基于人体舌-脑架构的脑前额叶皮层味觉关联信息采集与味觉特征分析的方法及系统。
发明内容
本发明的目的是针对现有技术的缺陷,提供了一种基于脑前额叶皮层的味觉信息采集与特征分析方法及系统。
为了实现以上目的,本发明采用以下技术方案:
一种基于脑前额叶皮层的味觉信息采集与特征分析方法,包括步骤:
S1.接收近红外光谱信号采集阵列采集的n次在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,得到n个采样周期;
S2.对得到的n个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到n条氧合血红蛋白通量-时间动态变化曲线;
S3.以通道为单位,判断n条氧合血红蛋白通量-时间动态变化曲线在味觉刺激物摄入后的特征分析区间的正激活数或负激活数是否大于预设阈值,若是,则大于预设阈值的通道判定为味觉刺激响应通道,提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值,用于味觉刺激响应强度的表征。
进一步的,所述步骤S1之前还包括:
将近红外光谱信号采集阵列设置于脑前额叶皮层对应的头部区域。
进一步的,所述步骤S1之前还包括:
在味觉刺激物摄入前保持静息状态10-40s。
进一步的,所述步骤S1中信号采集阵列中的入射光源数为4-12个;信号采集阵列中的光电检测器数为4-12个。
进一步的,所述步骤S1中在味觉刺激物摄入后,味觉刺激物需在口腔中保留10-30s;味觉刺激物的摄入量为5-20ml。
进一步的,所述步骤S2中进行带通滤波降噪处理时带通滤波过滤的噪音频率范围为0.005-2Hz;进行Lambert-Beer变换的波长范围为760-1000nm。
进一步的,所述步骤S3中的特征分析区间为味觉刺激物摄入后氧合血红蛋白通量-时间动态变化曲线波动过程中出现的第一次与第二次拐点之间的区段;所述氧合血红蛋白通量变化幅值为第一次和第二次拐点在y轴上的投影距离。
相应的,还提供一种基于脑前额叶皮层的味觉信息采集与特征分析系统,包括:
接收模块,用于接收近红外光谱信号采集阵列采集的n次在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,得到n个采样周期;
处理模块,用于对得到的n个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到n条氧合血红蛋白通量-时间动态变化曲线;
判断模块,用于以通道为单位,判断n条氧合血红蛋白通量-时间动态变化曲线在味觉刺激物摄入后的特征分析区间的正激活数或负激活数是否大于预设阈值,若是,则大于预设阈值的通道判定为味觉刺激响应通道,提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值,用于味觉刺激响应强度的表征。
进一步的,还包括:
设置模块,用于将近红外光谱信号采集阵列设置于脑前额叶皮层对应的头部区域。
进一步的,还包括:
停滞模块,用于在味觉刺激物摄入前保持静息状态10-40s。
与现有技术相比,本发明基于近红外光谱(fNIRS)技术平台开展味觉关联信息的采集,其操作简便,应用场景限制少,抗环境干扰能力强。通过氧合血红蛋白通量指标建立的味觉敏感区定位和响应强度计算方法,突破了传统感官审评对评价人员的专业性限制,能够客观化、数字化和图像化地反映出消费者级别被试在任意味觉刺激状态下的响应特征。
附图说明
图1是实施例一提供的一种基于脑前额叶皮层的味觉信息采集与特征分析方法流程图;
图2是实施例一提供的信号采集阵列布局图;
图3是实施例一提供的味觉刺激状态构建方法示意图;
图4是实施例二提供的咖啡碱溶液激活通道示意图;
图5是实施例三提供的低、中和高浓度咖啡碱溶液均激活的响应通道示意图;
图6是实施例三提供的通道的响应强度变化示意图;
图7是实施例四提供的一种基于脑前额叶皮层的味觉信息采集与特征分析系统结构图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
本发明的目的是针对现有技术的缺陷,提供了一种基于脑前额叶皮层的味觉信息采集与特征分析方法及系统。
实施例一
本实施例提供一种基于脑前额叶皮层的味觉信息采集与特征分析方法,如图1所示,包括步骤:
S1.接收近红外光谱信号采集阵列采集的n次在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,得到n个采样周期;
S2.对得到的n个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到n条氧合血红蛋白通量-时间动态变化曲线;
S3.以通道为单位,判断n条氧合血红蛋白通量-时间动态变化曲线在味觉刺激物摄入后的特征分析区间的正激活数或负激活数是否大于预设阈值,若是,则大于预设阈值的通道判定为味觉刺激响应通道,提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值,用于味觉刺激响应强度的表征。
在步骤S1之前包括:将近红外光谱信号采集阵列设置于脑前额对应的头部区域。
如图2所示,在被测试用户的脑前额叶皮层对应头部区域布局多通道功能性近红外光谱信号采集阵列。
在步骤S1之前包括:在味觉刺激物摄入前保持静息状态10-40s。
当近红外光谱信号采集阵列设置于头部区域后,被测试的用户在味觉刺激物摄入前,需要在清醒、闭眼和放松的情景下保持10-40s的静息状态,优选为30s。
在步骤S1中,接收近红外光谱信号采集阵列采集的n次在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,得到n个采样周期。
通过布局的信号采集阵列采集被测试用户在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,重复摄入n次味觉刺激物,形成n个采样周期。
如图3所示,当在味觉刺激物摄入前用户静置10-40s后,将味觉刺激物摄入用户的口中,此时味觉刺激物需要在口腔中保留10-30s,优选为20s;其中味觉刺激物溶液的摄入量为5-20ml,优选为10ml;按照前述方式重复摄入味觉刺激物n次,n为3-6次。
在摄入前、摄入后时,信号采集阵列采集用户脑前额叶皮层近红外光谱信号。在本实施例中,信号采集阵列中的入射光源数为4-12个,优选为8个;信号采集阵列中的光电检测器数为4-12个,优选为7个。
在步骤S2中,对得到的n个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到n条氧合血红蛋白通量(H)-时间(T)动态变化曲线。
带通滤波过滤的噪音频率范围为0.005-2Hz,优选为0.01-0.2Hz;Lambert-Beer变换选择的波长范围为760-1000nm,优选为760nm和850nm。
在步骤S3中,以通道为单位,判断n条氧合血红蛋白通量(H)-时间(T)动态变化曲线在味觉刺激物摄入后的特征分析区间的变化规律,当正激活数或负激活数大于判定阈值时,则大于预设阈值的通道判定为味觉刺激响应通道,提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值(ΔH),用于味觉刺激响应强度的表征。
特征分析区间即味觉刺激物摄入后曲线波动过程中出现的第一个与第二个拐点之间的区段,其中第二次拐点出现时间需在味觉刺激物摄入后10s以内;若曲线在特征分析区间斜率为正值则为正激活,斜率为负值则为负激活;判定阈值为n或n-1;ΔH为第一和第二拐点在y轴上的投影距离。
与现有技术相比,本实施例基于近红外光谱(fNIRS)技术平台开展味觉关联信息的采集,其操作简便,应用场景限制少,抗环境干扰能力强。通过氧合血红蛋白通量指标建立的味觉敏感区定位和响应强度计算方法,突破了传统感官审评对评价人员的专业性限制,能够客观化、数字化和图像化地反映出消费者级别被试在任意味觉刺激状态下的响应特征。
实施例二
本实施例提供的一种基于脑前额叶皮层的味觉信息采集与特征分析方法与实施例一的不同之处在于:
本实施例以咖啡碱溶液激活的前额叶皮层味觉响应特征,具体步骤如下:
S1.在被试的脑前额叶皮层对应头部区域布局多通道功能性近红外光谱信号采集阵列;
S2.通过布局的信号采集阵列采集被试在咖啡碱溶液摄入前和摄入后的脑前额叶皮层近红外光谱信号,重复摄入4次咖啡碱溶液形成4个采样周期;
S3.对形成的4个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到4条氧合血红蛋白通量(H)-时间(T)动态变化曲线;
S4.以通道为单位,判断4条H-T曲线在味觉刺激物摄入后特征分析区间的变化规律,当正激活数或负激活数大于3时,将该通道判定为味觉刺激响应通道;进一步提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值(ΔH)。
通过该方法筛选得到的激活通道如下图4所示,黑色的程度代表正激活强度,浅灰色的程度代表负激活强度,深灰色代表未激活的通道。
实施例三
本实施例提供的一种基于脑前额叶皮层的味觉信息采集与特征分析方法与实施例一的不同之处在于:
本实施例以不同浓度咖啡碱溶液激活的前额叶皮层味觉响应强度变化,具体步骤如下:
S1.在被试的脑前额叶皮层对应头部区域布局多通道功能性近红外光谱信号采集阵列;
S2.通过布局的信号采集阵列采集被试在低浓度咖啡碱溶液摄入前和摄入后的脑前额叶皮层近红外光谱信号,重复摄入3次低浓度咖啡碱溶液形成3个采样周期;
S3.对形成的3个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到3条氧合血红蛋白通量(H)-时间(T)动态变化曲线;
S4.以通道为单位,判断3条H-T曲线在味觉刺激物摄入后特征分析区间的变化规律,当正激活数或负激活数等于3时,将该通道判定为味觉刺激响应通道;进一步提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值(ΔH);
S5.重复步骤S2-S4,获取中浓度、高浓度咖啡碱溶液和溶剂激活的响应通道及其响应强度;
S6.取低、中和高浓度咖啡碱溶液以及溶剂均激活的响应通道,比较这些通道的响应强度变化
对低、中和高浓度咖啡碱溶液均激活的响应通道如图5所示;这些通道的响应强度变化如图6所示。
实施例四
本实施例提供一种基于脑前额叶皮层的味觉信息采集与特征分析系统,如图7所示,包括:
接收模块11,用于接收近红外光谱信号采集阵列采集的n次在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,得到n个采样周期;
处理模块12,用于对得到的n个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到n条氧合血红蛋白通量-时间动态变化曲线;
判断模块13,用于以通道为单位,判断n条氧合血红蛋白通量-时间动态变化曲线在味觉刺激物摄入后的特征分析区间的正激活数或负激活数是否大于预设阈值,若是,则大于预设阈值的通道判定为味觉刺激响应通道,提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值,用于味觉刺激响应强度的表征。
进一步的,还包括:
设置模块,用于将近红外光谱信号采集阵列设置于脑前额叶皮层对应的头部区域。
进一步的,还包括:
停滞模块,用于在味觉刺激物摄入前保持静息状态10-40s。
需要说明的是,本实施例提供的一种基于脑前额的味觉关联信息采集与特征分析系统与实施例一类似,在此不多做赘述。
与现有技术相比,本实施例基于近红外光谱(fNIRS)技术平台开展味觉关联信息的采集,其操作简便,应用场景限制少,抗环境干扰能力强。通过氧合血红蛋白通量指标建立的味觉敏感区定位和响应强度计算方法,突破了传统感官审评对评价人员的专业性限制,能够客观化、数字化和图像化地反映出消费者级别被试在任意味觉刺激状态下的响应特征。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于脑前额叶皮层的味觉信息采集与特征分析方法,其特征在于,包括步骤:
S1.接收近红外光谱信号采集阵列采集的n次在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,得到n个采样周期;
S2.对得到的n个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到n条氧合血红蛋白通量-时间动态变化曲线;
S3.以通道为单位,判断n条氧合血红蛋白通量-时间动态变化曲线在味觉刺激物摄入后的特征分析区间的正激活数或负激活数是否大于预设阈值,若是,则大于预设阈值的通道判定为味觉刺激响应通道,提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值,用于味觉刺激响应强度的表征。
2.根据权利要求1所述的一种基于脑前额叶皮层的味觉信息采集与特征分析方法,其特征在于,所述步骤S1之前还包括:
将近红外光谱信号采集阵列设置于脑前额叶皮层对应的头部区域。
3.根据权利要求1所述的一种基于脑前额叶皮层的味觉信息采集与特征分析方法,其特征在于,所述步骤S1之前还包括:
在味觉刺激物摄入前保持静息状态10-40s。
4.根据权利要求2所述的一种基于脑前额叶皮层的味觉信息采集与特征分析方法,其特征在于,所述步骤S1中信号采集阵列中的入射光源数为4-12个;信号采集阵列中的光电检测器数为4-12个。
5.根据权利要求4所述的一种基于脑前额叶皮层的味觉信息采集与特征分析方法,其特征在于,所述步骤S1中在味觉刺激物摄入后,味觉刺激物需在口腔中保留10-30s;味觉刺激物的摄入量为5-20ml。
6.根据权利要求1所述的一种基于脑前额叶皮层的味觉信息采集与特征分析方法,其特征在于,所述步骤S2中进行带通滤波降噪处理时带通滤波过滤的噪音频率范围为0.005-2Hz;进行Lambert-Beer变换的波长范围为760-1000nm。
7.根据权利要求1所述的一种基于脑前额叶皮层的味觉信息采集与特征分析方法,其特征在于,所述步骤S3中的特征分析区间为味觉刺激物摄入后氧合血红蛋白通量-时间动态变化曲线波动过程中出现的第一次与第二次拐点之间的区段;所述氧合血红蛋白通量变化幅值为第一次和第二次拐点在y轴上的投影距离。
8.一种基于脑前额叶皮层的味觉信息采集与特征分析系统,其特征在于,包括:
接收模块,用于接收近红外光谱信号采集阵列采集的n次在味觉刺激物摄入前和摄入后的脑前额叶皮层近红外光谱信号,得到n个采样周期;
处理模块,用于对得到的n个采样周期的脑前额叶皮层近红外光谱信号进行带通滤波降噪处理和Lambert-Beer变换,得到n条氧合血红蛋白通量-时间动态变化曲线;
判断模块,用于以通道为单位,判断n条氧合血红蛋白通量-时间动态变化曲线在味觉刺激物摄入后的特征分析区间的正激活数或负激活数是否大于预设阈值,若是,则大于预设阈值的通道判定为味觉刺激响应通道,提取味觉刺激响应通道在特征分析区间的氧合血红蛋白通量变化幅值,用于味觉刺激响应强度的表征。
9.根据权利要求1所述的一种基于脑前额叶皮层的味觉信息采集与特征分析系统,其特征在于,还包括:
设置模块,用于将近红外光谱信号采集阵列设置于脑前额叶皮层对应的头部区域。
10.根据权利要求1所述的一种基于脑前额叶皮层的味觉信息采集与特征分析系统,其特征在于,还包括:
停滞模块,用于在味觉刺激物摄入前保持静息状态10-40s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472487.5A CN112603264B (zh) | 2020-12-15 | 2020-12-15 | 基于脑前额叶皮层的味觉信息采集与特征分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472487.5A CN112603264B (zh) | 2020-12-15 | 2020-12-15 | 基于脑前额叶皮层的味觉信息采集与特征分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112603264A true CN112603264A (zh) | 2021-04-06 |
CN112603264B CN112603264B (zh) | 2023-04-18 |
Family
ID=75233986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011472487.5A Active CN112603264B (zh) | 2020-12-15 | 2020-12-15 | 基于脑前额叶皮层的味觉信息采集与特征分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112603264B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117045205A (zh) * | 2023-10-10 | 2023-11-14 | 慧创科仪(北京)科技有限公司 | 一种近红外数据的分析装置、分析方法和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03163351A (ja) * | 1989-11-22 | 1991-07-15 | Anritsu Corp | 味覚検出システム |
CN1458513A (zh) * | 2002-01-29 | 2003-11-26 | 强生消费者公司 | 测定哺乳动物紧张或松弛程度的方法 |
US20080188729A1 (en) * | 2007-01-17 | 2008-08-07 | Hiroki Sato | Biological optical measurement instrument |
WO2008153386A2 (en) * | 2007-06-12 | 2008-12-18 | Nizo Food Research B.V. | Method of determining interactions between sensory stimuli and apparatus for use in such method |
CN104055524A (zh) * | 2014-06-30 | 2014-09-24 | 山东大学 | 基于近红外光谱的脑功能连接检测方法及系统 |
CN104237335A (zh) * | 2014-08-22 | 2014-12-24 | 中国农业科学院茶叶研究所 | 一种茶树叶片苦涩味强度的分析方法 |
CN104826209A (zh) * | 2015-04-27 | 2015-08-12 | 中国科学院苏州生物医学工程技术研究所 | 味觉刺激装置 |
CN105377448A (zh) * | 2013-02-22 | 2016-03-02 | 天那高有限公司 | 用于与水互动以提供音频、视觉、嗅觉、味觉或触觉效果的互动式娱乐设备及系统及方法 |
CN105866222A (zh) * | 2016-03-29 | 2016-08-17 | 福建农林大学 | 一种基于电子舌检测信息的白牡丹滋味等级判别方法 |
CN110433397A (zh) * | 2019-08-20 | 2019-11-12 | 国家康复辅具研究中心 | 一种与经颅磁刺激同步的动态脑功能检测方法及系统 |
CN111182828A (zh) * | 2017-09-25 | 2020-05-19 | 我的机器人公司 | 电子味觉测定仪 |
CN111175299A (zh) * | 2019-11-22 | 2020-05-19 | 浙江农林大学 | 一种基于细胞图像识别的甜味溶液检测方法 |
-
2020
- 2020-12-15 CN CN202011472487.5A patent/CN112603264B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03163351A (ja) * | 1989-11-22 | 1991-07-15 | Anritsu Corp | 味覚検出システム |
CN1458513A (zh) * | 2002-01-29 | 2003-11-26 | 强生消费者公司 | 测定哺乳动物紧张或松弛程度的方法 |
US20080188729A1 (en) * | 2007-01-17 | 2008-08-07 | Hiroki Sato | Biological optical measurement instrument |
WO2008153386A2 (en) * | 2007-06-12 | 2008-12-18 | Nizo Food Research B.V. | Method of determining interactions between sensory stimuli and apparatus for use in such method |
CN105377448A (zh) * | 2013-02-22 | 2016-03-02 | 天那高有限公司 | 用于与水互动以提供音频、视觉、嗅觉、味觉或触觉效果的互动式娱乐设备及系统及方法 |
CN104055524A (zh) * | 2014-06-30 | 2014-09-24 | 山东大学 | 基于近红外光谱的脑功能连接检测方法及系统 |
CN104237335A (zh) * | 2014-08-22 | 2014-12-24 | 中国农业科学院茶叶研究所 | 一种茶树叶片苦涩味强度的分析方法 |
CN104826209A (zh) * | 2015-04-27 | 2015-08-12 | 中国科学院苏州生物医学工程技术研究所 | 味觉刺激装置 |
CN105866222A (zh) * | 2016-03-29 | 2016-08-17 | 福建农林大学 | 一种基于电子舌检测信息的白牡丹滋味等级判别方法 |
CN111182828A (zh) * | 2017-09-25 | 2020-05-19 | 我的机器人公司 | 电子味觉测定仪 |
CN110433397A (zh) * | 2019-08-20 | 2019-11-12 | 国家康复辅具研究中心 | 一种与经颅磁刺激同步的动态脑功能检测方法及系统 |
CN111175299A (zh) * | 2019-11-22 | 2020-05-19 | 浙江农林大学 | 一种基于细胞图像识别的甜味溶液检测方法 |
Non-Patent Citations (1)
Title |
---|
刘爽等: "电子舌技术在绿茶感官审评及等级评价中的应用" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117045205A (zh) * | 2023-10-10 | 2023-11-14 | 慧创科仪(北京)科技有限公司 | 一种近红外数据的分析装置、分析方法和存储介质 |
CN117045205B (zh) * | 2023-10-10 | 2024-02-13 | 慧创科仪(北京)科技有限公司 | 一种近红外数据的分析装置、分析方法和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112603264B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Viejo et al. | Integration of non-invasive biometrics with sensory analysis techniques to assess acceptability of beer by consumers | |
Fernandes et al. | A novel nonintrusive decision support approach for heart rate measurement | |
CN104224196B (zh) | 无创测量血液成分浓度的方法 | |
Vlamings et al. | An eye for detail: An event‐related potential study of the rapid processing of fearful facial expressions in children | |
Gu et al. | Predicting risk decisions in a modified Balloon Analogue Risk Task: Conventional and single-trial ERP analyses | |
US20110191350A1 (en) | Method and system for concentration detection | |
CN106501470A (zh) | 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 | |
CN111248928A (zh) | 压力识别方法及装置 | |
CN112603264B (zh) | 基于脑前额叶皮层的味觉信息采集与特征分析方法及系统 | |
Sinha et al. | Physiological sensing based stress analysis during assessment | |
CN103077205A (zh) | 一种利用声音刺激诱发的erp进行语义声音搜索的方法 | |
CN111513726A (zh) | 一种基于iht动态性能评估ams风险的系统 | |
US11690543B2 (en) | System and method for camera-based quantification of blood biomarkers | |
CN113662538A (zh) | 一种基于时频域综合分析的无创血糖检测方法 | |
CN102998350B (zh) | 利用电化学指纹图谱鉴别食用油和地沟油的方法 | |
Azarnoosh et al. | Assessment of photoplethysmography method in extraction of hemoglobin concentration | |
CN109567832A (zh) | 一种基于智能手环的检测愤怒驾驶状态的方法及系统 | |
CN106974660A (zh) | 基于脑功能活动检测中的血氧特征实现性别判定的方法 | |
CN109959653B (zh) | 一种基于仿生阵列传感器的植物提取液味觉测定方法 | |
Lazaro et al. | Chemometric data analysis for black tea fermentation using principal component analysis | |
CN111724896B (zh) | 一种基于多刺激图片或视频erp的毒瘾评估系统 | |
KR102522202B1 (ko) | Nir 분광학 데이터를 이용하여 혈당 레벨을 예측하는 장치 및 방법 | |
CN114081483A (zh) | 一种基于深度学习扩散相关光谱的组织血流和血氧饱和度测量方法 | |
CN113274009A (zh) | 基于hct的红外脑成像图谱采集装置 | |
CN112617824B (zh) | 一种基于多通道fNIRS信号的冰毒成瘾者检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |