CN112741637B - P300脑电信号提取方法、认知康复训练方法及系统 - Google Patents
P300脑电信号提取方法、认知康复训练方法及系统 Download PDFInfo
- Publication number
- CN112741637B CN112741637B CN202011558104.6A CN202011558104A CN112741637B CN 112741637 B CN112741637 B CN 112741637B CN 202011558104 A CN202011558104 A CN 202011558104A CN 112741637 B CN112741637 B CN 112741637B
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- task
- evaluation
- user
- training
- 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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Child & Adolescent Psychology (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种P300脑电信号提取方法、认知康复训练方法及系统。本发明的目的是提供一种P300脑电信号提取方法、认知康复训练方法及系统。本发明的技术方案是:一种P300脑电信号提取方法,其特征在于:a、滤出脑电信号中包含P300的30Hz以下脑电频段;b、通过公式X=W‑1S进行独立成分分解,从30Hz以下脑电频段分解出与导联数相等的独立成分S;其中W‑1为解混逆矩阵,其行数代表导联数,列数代表独立成分个数,其意义代表每种独立成分变化程度;S为分解出的独立成分;X为重构脑电信号,即去掉随机脑电,只含P300成分的脑电信号;c、采用如下多规则投票法挑选出包含P300的独立成分。本发明适用于认知康复训练领域。
Description
技术领域
本发明涉及一种P300脑电信号提取方法、认知康复训练方法及系统。适用于认知康复训练领域。
背景技术
认知是指人在对客观事物的认识过程中对输入信息的获取、编码、操作、提取和使用的过程。认知障碍可导致患者注意力、判断力、记忆力和交流能力的退化,会严重影响患者的日常生活,给家庭和社会带来沉重的负担。常见的疾病有注意缺陷多动症、自闭症、阿兹海默症等。随着社会老龄化的加剧,脑卒中、脑萎缩的发病率也逐年提高,人在患病后容易出现行为和记忆障碍,智力减退甚至痴呆。
现有主流的认知康复训练系统以传统康复为主,训练系统采用量表、游戏等方式进行,但仍存在用户主动训练意图弱、注意力难以集中、缺乏对训练过程的监控和评估等问题。
脑机接口技术能够帮助患者在周围神经和肌肉的正常传输通路受阻的情况下与外界环境进行交互,能够有效帮助大脑受损功能进行重塑,提高患者参与程度和康复训练的效果。大脑在受到外界刺激时会产生具有一定特征的相关脑电信号,它的特征能反映大脑的高级思维活动的加工速度,包括感知、记忆、注意、信息编码能力、抽象概括能力、思维转移能力、以及执行功能等,还能反映大脑对外界信息的感知能力以及信息加工时有效资源动员的程度。因此,常提取一定时间窗内脑电信号的特征来分析被试认知能力的变化。
现有的技术方案主要是基于事件相关电位—P300,P300为被动刺激产生的脑电信号,主要诱发方式包括基于oddball范式的听觉诱发和视觉诱发。听觉诱发模式需要患者在规定时间内辨别两种不同频率的声音,训练难度较高。视觉诱发模式常用oddball打字机范式,该范式闪烁频率较快,训练时间长,容易导致被试眼睛不适。上述范式均存在枯燥单调,体验感较差,容易分散注意力的问题,从而降低患者参与程度,造成不准确的评估结果。因此,有必要提出一种容易操作且有趣的实验范式。
此外,近几年研究表明,随着被试反应速度的加快,反应正确率的增加,θ(4-8Hz)频段从额叶到枕叶的连通值增加,额叶区功率也增加。由此,侧面反映出低频脑电的频谱与连通值以及其功率变化可以作为评估被试反应能力的生理学指标。
认知控制主要包括注意力、工作记忆和目标管理三个方面。已有研究证明,提高老年人的目标管理能力,注意力和工作记忆力会同时得到相应的提高。通过多任务训练可增强被试多任务切换能力与反应能力。
发明内容
本发明要解决的技术问题是:针对上述存在的问题,提供一种P300脑电信号提取方法、认知康复训练方法及系统。
本发明所采用的技术方案是:一种P300脑电信号提取方法,其特征在于:
a、滤出脑电信号中包含P300的30Hz以下脑电频段;
b、通过公式X=W-1S进行独立成分分解,从30Hz以下脑电频段分解出与导联数相等的独立成分S;
其中W-1为解混逆矩阵,其行数代表导联数,列数代表独立成分个数,其意义代表每种独立成分变化程度;S为分解出的独立成分;X为重构脑电信号,即去掉随机脑电,只含P300成分的脑电信号;
c、采用如下多规则投票法挑选出包含P300的独立成分:
规则1、将归一化后的独立成分与模板P300求取相关系数,如相关系数的绝对值大于系数阈值,则选定该成分为P300成分;
规则2、以刺激开始时间为刺激零点,记录刺激后100-600ms后的波形面积,如果面积值大于面积阈值,则断定为P300成分;
规则3、对W-1求标准差,标准差越小,W-1所映射的独立成分变化程度就越小,选取标准差小于标准差阈值的独立成分为P300成分;
规则4、通过训练好的识别模型判别当前独立成分是否为P300成分;
上述四个规则中如果有超过半数规则认定某一独立成分为P300成分,即保留,将未保留成分置0,通过公式X=W-1S重构得到单次P300脑电。
所述识别模型的训练方法如下:
选取目标刺激时的脑电数据,通过对P300的先验知识选取了一部分标准的P300构成正例,非目标刺激下的脑电数据选为反例,以1:1的比例训练识别模型。
所述识别模型采用支持向量机。
所述系数阈值范围为0.20-0.38;面积阈值范围为15-20;标准差阈值范围为0.1-0.8。
一种多任务认知康复训练方法,其特征在于:
向用户展示训练任务,训练任务包括一个或多个注意力训练任务、视觉辨别任务;
获取用户进行训练任务时的脑电信号;
根据脑电信号进行认知评估,认知评估包括P300评估和低频脑电评估,其中P300评估通过上述所述P300脑电信号提取方法从脑电信号中提取P300脑电。
所述P300评估,包括:
通过所述P300脑电信号提取方法从脑电信号提取P300脑电;
计算单试次及总体P300的潜伏期和幅值,其中总体P300是将所有试次的P300叠加平均后的结果,P300的幅值指波峰幅值,潜伏期指波峰到来的时刻与当前试次刺激零点之差;
评估总体P300的潜伏期和幅值,评估用户的总体反应能力。
所述低频脑电评估,包括:
选用用户在进行视觉辨别任务时记录的脑电信号分解出低频脑电信号;
调用EEGLAB接口通过FFT算法计算脑电的前额叶频域能量,画出脑地形图:
计算前额叶导联与枕叶导联、颞叶导联的锁相值PLV,其中每两个导联间算一组;
评估所取的PLV值为100ms、200ms、300ms、400ms、600ms、800ms、1000ms、1200ms时刻的值,评估主要以不同试次该时刻PLV叠加后的均值为主。
采用专注度评估辅助认知评估,所述专注度通过计算脑电信号中δ、θ、α、β脑电的能量幅值加权求和得到。
一种认知康复训练系统,其特征在于,包括:
任务展示设备,用于向用户展示训练任务;
操作输入设备,用于获取用户进行训练任务时的操作输入信号;
脑电采集设备,用于获取用户进行训练任务时的脑电信号;
数据处理设备,具有存储器和处理器,存储器上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述多任务认知康复训练方法的步骤。
所述训练任务包括控制车速任务、控制小车方向任务和辨别颜色任务中的一个或多个;
所述控制车速任务需用户集中注意力控制小车在道路上前进,通过提取用户脑电信号中可以反映专注程度的值,用户的专注度值越高,小车的速度越快;
所述控制小车方向任务根据用户通过操作输入设备的输入操控小车的运行方向使其不偏离道路;小车一但偏离道路,此时小车所跑里程数不计入游戏总里程数,最终取所跑里程数占总里程的比重为驾驶成绩;
所述辨别颜色任务通过随机展示红、黄、绿三种颜色的色块,其中黄、绿色出现的概率为较大概率,红色出现的概率为较小概率;用户被要求在红色出现时,在短时间内通过操作输入设备作出反应,如果用户在规定时间内做出反应则加一分,取用户得分占红色闪烁总次数的比重为辨别成绩。
本发明的有益效果是:本发明通过多任务训练模式,在增强患者目标管理能力的同时,提高注意力和工作记忆力。
本发明通过脑电采集设备,强调患者的主动参与意图,通过专注度控制小车运行速度,不仅可以作为分心任务进行多任务训练,同时在训练中要求用户保持注意力集中,因此也能够较好地训练注意力。
本发明通过视觉辨别任务诱发用户产生相应脑电信号,不同刺激轮流出现,闪烁频率适中,减少训练难度及疲劳感。
本发明通过游戏的训练模式,增加了用户的体验感和训练的趣味性,让用户在认知训练的同时,放松身心。
本发明通过优化单试次脑电信号提取算法,提升了单试次脑电提取的准确性,减少了需叠加的试次数,节约了游戏时间。
本发明评估阶段包括专注度评估与基于P300和低频脑电连通值及其频谱的认知程度分析,提供了更加丰富、直观的评估报告内容,使得用户在每次训练后能够短时间内得知该阶段训练的效果,提高其参与训练的积极性。
附图说明
图1为实施例中认知康复训练方法的流程图。
图2为实施例中认知康复训练系统的框图。
具体实施方式
本实施例提供一种基于脑机接口的多任务认知康复训练方法,具体步骤如下:
S1、向用户展示训练任务,训练任务包括一个或多个注意力训练任务、视觉辨别任务、其它任务;
S2、获取用户进行训练任务时的脑电信号;
S3、根据脑电信号进行P300评估、低频脑电评估和专注度评估;
S3a、本实施例中P300评估包括单试次诱发反应时的P300成分评估和该次训练中所有试次反应叠加出的P300成分评估。单试次P300成分的提取,采用独立成分算法,避免了因要在算法上大量叠加平均提取P300造成游戏时间增加的不便。
本实施例在独立成分的挑选方式上融合了多种判别规则,提升挑选P300成分的准确性,下面列举多种判别规则里的4种规则进行说明:
S3a1、用低通滤波器滤出包含P300的30Hz以下的脑电频段;
S3a2、通过公式(1)进行独立成分分解,分解出与导联数相等的独立成分S:
X=W-1S (1)
其中S为分解出的独立成分;其中W-1为分解混逆矩阵,其行数代表导联数,列数代表独立成分个数,其意义代表每种独立成分变化程度;X为重构脑电信号,即去掉随机脑电,只含P300成分的脑电信号
S3a3、采用如下多规则投票法挑选出包含P300的独立成分:
规则1、将归一化后的独立成分与模板P300求取相关系数,如果相关系数的绝对值大于系数阈值,则选定该成分为P300成分;通过将所有的独立成分归一化,其幅值将限制在0-1之间,同时也对模板P300进行归一化操作,其中模板P300来自于2004BCI竞赛数据库BCI_comp_III_Wads_2004;
规则2、以刺激开始时间为刺激零点,记录刺激后100-600ms后的波形面积,如果面积值大于面积阈值,则断定为P300成分;
规则3、对分解的独立成分解混逆矩阵W-1,其行数代表导联数,列数代表独立成分个数,其意义代表每种独立成分变化程度,对W-1求标准差,其中标准差越小,W-1所映射的独立成分变化程度就越小,选取标准差小于标准差阈值的独立成分为P300成分;
规则4、选取目标刺激时的脑电数据,通过对P300的先验知识选取了一部分标准的P300构成正例,非目标刺激下的脑电数据选为反例,以1:1的比例训练识别模型(采用SVM(支持向量机)),通过训练好的识别模型判别当前独立成分是否为P300成分;
本实施例中系数阈值范围为0.20-0.38;面积阈值范围为15-20;标准差阈值范围为0.1-0.8。
上述四个规则中如果有超过半数规则认定某一独立成分为P300成分,即保留,将未保留成分置0,通过公式(1)重构得到单次P300脑电;
S3a4、计算单试次及总体P300的潜伏期和幅值,其中总体P300是将所有试次的P300叠加平均后的结果,P300的幅值指波峰幅值,潜伏期指波峰到来的时刻与当前试次刺激零点之差;
S3a5、评估总体P300的潜伏期和幅值,评估被试的总体反应能力:如果被试用户认知能力减弱,其P300成分在大多数情况,其潜伏期会延长,波峰幅值会减弱,比如多发性腔隙性脑梗死病人的P300潜伏期长于健康对照组,波幅小于健康对照组,但单病灶卒中患者的P300潜伏期长于多发性腔隙性脑梗死病人,同时波幅也较之较小。对于P300潜伏期与幅值的评估,要依据病患的病症具体问题,具体分析。
S3b、本例中通过低频脑电进行认知评估,低频脑电评估主要是通过小波包算法分解出δ、θ、α、β等多种频段的时域脑电,计算该种频段在大脑区域的PLV值以及功率,脑电极分别取前额叶,颞叶,枕叶,顶叶的电极,画出脑地形图呈现结果。具体步骤如下:
S3b1、选用被试在辨别任务时记录的脑电分解出低频脑电信号;
S3b2、调用EEGLAB接口通过FFT算法计算脑电的前额叶频域能量,画出脑地形图;
S3b3、计算前额叶导联,与枕叶导联,颞叶导联的锁相值PLV,其中,每两个导联间算一组,它表现的是两个导联间脑电信号的相关性;本例中评估被试所取的PLV值为100ms、200ms、300ms、400ms、600ms、800ms、1000ms、1200ms时刻的值,评估主要以不同试次该时刻PLV叠加后的均值为主;
S3b4、生成评估报告。
S3c、本实施例中以专注度评估辅助认知评估,专注度是通过记录的脑电信号,提取可以反映被试专注程度的值。专注度的计算主要是通过δ、θ、α、β脑电的能量幅值加权求和。
本实施例为一种认知康复训练系统,包括数据处理设备和与数据处理设备通讯连接的任务展示设备、操作输入设备、脑电采集设备。
本例中任务展示设备具有显示模块,用于向用户展示训练任务。本实施例中操作输入设备采用游戏外设(如方向盘),用于获取用户进行训练任务时的操作输入信号。脑电采集设备包括脑电帽、头环等,可以采用侵入式电极、半侵入式电极或非侵入式电极,用于获取用户进行训练任务时的脑电信号。
本实施例中数据处理设备可以是台式机、笔记本电脑、平板电脑或智能手机等,具有存储器和处理器,存储器上存储有计算机程序,计算机程序被处理器执行时实现本实施例基于脑机接口的多任务认知康复训练方法的步骤。
本实施例中认知康复训练系统具有三个由显示模块展示的训练任务,包括可单独进行和多个任务一起进行的控制车速任务、辨别颜色任务和控制小车方向任务。
本例中控制车速任务:用户需集中注意力,控制小车在道路上前进,通过提取用户脑电信号中可以反映专注程度的值,用户的专注度值越高,小车的速度越快。
辨别颜色任务:在道路上方会随机出现红、黄、绿三种颜色的色块,其中黄、绿色出现的概率为较大概率,红色出现的概率为较小概率,用户被要求在红色出现时,在短时间内在方向盘上按下按键作出反应;如果用户在规定时间内做出反应则加一分,取用户得分次数占红色闪烁总次数的比重为辨别成绩。
控制小车方向任务:用户通过方向盘操控小车的运行方向使其不偏离道路。小车一但偏离道路,此时小车所跑里程数不计入游戏总里程数,最终取所跑里程数占总里程的比重为驾驶成绩。
用户可根据自身需求先选择单一任务训练模式进行初步练习,熟悉操作后选择多任务模式训练。单次训练结束后,系统会根据记录的被试的脑电数据进行评估,基于脑电信号的专注度值评估注意力变化,基于P300的潜伏期、幅值数据和低频脑电的连通值、频谱数据评估用户认知能力的变化。
本例中评估报告包括游戏成绩评估和脑电数据评估,游戏成绩评估包括辨别成绩、驾驶成绩,可记录在数据库中,并与前序10次的成绩作出对比,自动生成曲线;脑电数据评估包括专注度评估、P300评估和低频脑电评估,并自动输出报告。
Claims (13)
1.一种P300脑电信号提取方法,其特征在于:
a、滤出脑电信号中包含P300的30Hz以下脑电频段;
其中W -1 为解混逆矩阵,其行数代表导联数,列数代表独立成分个数,其意义代表每种独立成分变化程度;S为分解出的独立成分;X为重构脑电信号,即去掉随机脑电,只含P300成分的脑电信号;
c、采用如下多规则投票法挑选出包含P300的独立成分:
规则1、将归一化后的独立成分与模板P300求取相关系数,如相关系数的绝对值大于系数阈值,则选定该成分为P300成分;
规则2、以刺激开始时间为刺激零点,记录刺激后100-600ms后的波形面积,如果面积值大于面积阈值,则断定为P300成分;
规则3、对W -1 求标准差,标准差越小,W -1 所映射的独立成分变化程度就越小,选取标准差小于标准差阈值的独立成分为P300成分;
规则4、通过训练好的识别模型判别当前独立成分是否为P300成分;
2.根据权利要求1所述的P300脑电信号提取方法,其特征在于,所述识别模型的训练方法如下:
选取目标刺激时的脑电数据,通过对P300的先验知识选取了一部分标准的P300构成正例,非目标刺激下的脑电数据选为反例,以1:1的比例训练识别模型。
3.根据权利要求1或2所述的P300脑电信号提取方法,其特征在于:所述识别模型采用支持向量机。
4.根据权利要求1所述的P300脑电信号提取方法,其特征在于:所述系数阈值范围为0.20-0.38;面积阈值范围为15-20;标准差阈值范围为0.1-0.8。
5.一种多任务认知康复训练装置,其特征在于,包括:
模块Ⅰ,用于向用户展示训练任务,训练任务包括一个或多个注意力训练任务、视觉辨别任务;
模块Ⅱ,用于获取用户进行训练任务时的脑电信号;
模块Ⅲ,用于根据脑电信号进行认知评估,认知评估包括P300评估和低频脑电评估,其中P300评估通过权利要求1~4任意一项所述P300脑电信号提取方法从脑电信号中提取P300脑电。
6.根据权利要求5所述多任务认知康复训练装置,其特征在于,所述P300评估,包括:
通过所述P300脑电信号提取方法从脑电信号提取P300脑电;
计算单试次及总体P300的潜伏期和幅值,其中总体P300是将所有试次的P300叠加平均后的结果,P300的幅值指波峰幅值,潜伏期指波峰到来的时刻与当前试次刺激零点之差;
评估总体P300的潜伏期和幅值,评估用户的总体反应能力。
7.根据权利要求5或6所述多任务认知康复训练装置,其特征在于,所述低频脑电评估,包括:
选用用户在进行视觉辨别任务时记录的脑电信号分解出低频脑电信号;
调用EEGLAB接口通过FFT算法计算脑电的前额叶频域能量,画出脑地形图:
计算前额叶导联与枕叶导联、颞叶导联的锁相值PLV,其中每两个导联间算一组;
评估所取的PLV值为100ms、200ms、300ms、400ms、600ms、800ms、1000ms、1200ms时刻的值,评估主要以不同试次该时刻PLV叠加后的均值为主。
8.根据权利要求5所述多任务认知康复训练装置,其特征在于,采用专注度评估辅助认知评估,所述专注度通过计算脑电信号中δ、θ、α、β脑电的能量幅值加权求和得到。
9.一种认知康复训练系统,其特征在于,包括:
任务展示设备,用于向用户展示训练任务;
操作输入设备,用于获取用户进行训练任务时的操作输入信号;
脑电采集设备,用于获取用户进行训练任务时的脑电信号;
数据处理设备,具有存储器和处理器,存储器上存储有计算机程序,所述计算机程序被处理器执行时实现多任务认知康复训练方法;
所述多任务认知康复训练方法为:
向用户展示训练任务,训练任务包括一个或多个注意力训练任务、视觉辨别任务;
获取用户进行训练任务时的脑电信号;
根据脑电信号进行认知评估,认知评估包括P300评估和低频脑电评估,其中P300评估通过权利要求1~4任意一项所述P300脑电信号提取方法从脑电信号中提取P300脑电。
10.根据权利要求9所述的认知康复训练系统,其特征在于:所述P300评估,包括:
通过所述P300脑电信号提取方法从脑电信号提取P300脑电;
计算单试次及总体P300的潜伏期和幅值,其中总体P300是将所有试次的P300叠加平均后的结果,P300的幅值指波峰幅值,潜伏期指波峰到来的时刻与当前试次刺激零点之差;
评估总体P300的潜伏期和幅值,评估用户的总体反应能力。
11.根据权利要求9或10所述的认知康复训练系统,其特征在于:所述低频脑电评估,包括:
选用用户在进行视觉辨别任务时记录的脑电信号分解出低频脑电信号;
调用EEGLAB接口通过FFT算法计算脑电的前额叶频域能量,画出脑地形图:
计算前额叶导联与枕叶导联、颞叶导联的锁相值PLV,其中每两个导联间算一组;
评估所取的PLV值为100ms、200ms、300ms、400ms、600ms、800ms、1000ms、1200ms时刻的值,评估主要以不同试次该时刻PLV叠加后的均值为主。
12.根据权利要求9所述的认知康复训练系统,其特征在于:采用专注度评估辅助认知评估,所述专注度通过计算脑电信号中δ、θ、α、β脑电的能量幅值加权求和得到。
13.根据权利要求9所述的认知康复训练系统,其特征在于:所述训练任务包括控制车速任务、控制小车方向任务和辨别颜色任务中的一个或多个;
所述控制车速任务需用户集中注意力控制小车在道路上前进,通过提取用户脑电信号中可以反映专注程度的值,用户的专注度值越高,小车的速度越快;
所述控制小车方向任务根据用户通过操作输入设备的输入操控小车的运行方向使其不偏离道路;小车一但偏离道路,此时小车所跑里程数不计入游戏总里程数,最终取所跑里程数占总里程的比重为驾驶成绩;
所述辨别颜色任务通过随机展示红、黄、绿三种颜色的色块,其中黄、绿色出现的概率为较大概率,红色出现的概率为较小概率;用户被要求在红色出现时,在短时间内通过操作输入设备作出反应,如果用户在规定时间内做出反应则加一分,取用户得分占红色闪烁总次数的比重为辨别成绩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011558104.6A CN112741637B (zh) | 2020-12-23 | 2020-12-23 | P300脑电信号提取方法、认知康复训练方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011558104.6A CN112741637B (zh) | 2020-12-23 | 2020-12-23 | P300脑电信号提取方法、认知康复训练方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112741637A CN112741637A (zh) | 2021-05-04 |
CN112741637B true CN112741637B (zh) | 2022-11-29 |
Family
ID=75647607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011558104.6A Active CN112741637B (zh) | 2020-12-23 | 2020-12-23 | P300脑电信号提取方法、认知康复训练方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112741637B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113345546A (zh) * | 2021-06-10 | 2021-09-03 | 西安交通大学 | 一种基于稳态视觉诱发电位的手功能主动康复训练系统及方法 |
CN114533083B (zh) * | 2022-01-24 | 2023-12-01 | 江苏省人民医院(南京医科大学第一附属医院) | 基于多融合式卷积神经网络的运动想象状态识别方法 |
CN115886731A (zh) * | 2022-11-22 | 2023-04-04 | 秦皇岛市惠斯安普医学系统股份有限公司 | 一种认知功能障碍调节系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006072150A1 (en) * | 2005-01-07 | 2006-07-13 | K.U. Leuven Research And Development | Muscle artifact removal from encephalograms |
CN107260166A (zh) * | 2017-05-26 | 2017-10-20 | 昆明理工大学 | 一种实用化在线脑电伪迹剔除方法 |
CN108784693B (zh) * | 2018-06-15 | 2021-04-20 | 北京理工大学 | 基于独立成分分析和卡尔曼平滑的p300单次提取技术 |
CN110916652A (zh) * | 2019-10-21 | 2020-03-27 | 昆明理工大学 | 用于基于运动想象的脑电控制机器人移动的数据采集装置、方法及其应用 |
-
2020
- 2020-12-23 CN CN202011558104.6A patent/CN112741637B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112741637A (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112741637B (zh) | P300脑电信号提取方法、认知康复训练方法及系统 | |
Hobson et al. | Mu suppression–a good measure of the human mirror neuron system? | |
CN105938397B (zh) | 基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法 | |
CN104978035B (zh) | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 | |
CN111110230A (zh) | 一种运动想象脑电特征增强方法及系统 | |
CN108335728A (zh) | 一种用于意识障碍患者的唤名促醒系统 | |
Lehtonen | EEG-based brain computer interfaces | |
Pun et al. | Brain-computer interaction research at the Computer Vision and Multimedia Laboratory, University of Geneva | |
Ko et al. | Enhancing the hybrid BCI performance with the common frequency pattern in dual-channel EEG | |
Mehmood et al. | Children emotion regulation: Development of neural marker by investigating human brain signals | |
CN112732082A (zh) | 基于附加汉字默读运动想象方式的脑-机接口方法 | |
CN114246589A (zh) | 记忆认知能力测评方法及系统 | |
Koudelková et al. | Analysis of brain waves according to their frequency | |
Bian et al. | Physiology-based affect recognition during driving in virtual environment for autism intervention. | |
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 | |
KR102420359B1 (ko) | 감정맞춤형 cbt용 ai제어모듈을 통한 메타버스공간에서의 1:1 감정맞춤형 인지적행동치료 생성장치 및 방법 | |
Zhang et al. | Research on command confirmation unit based on motor imagery EEG signal decoding feedback in brain-computer interface | |
Smith | Electroencephalograph based brain computer interfaces | |
KR20220028967A (ko) | 뉴로피드백 기반의 치료 장치 및 치료 방법 | |
Schembri et al. | The effect that auxiliary taxonomized auditory distractions have on a P300 speller while utilising low fidelity equipment | |
CN109078262B (zh) | 一种基于外周神经电刺激的mi-bci训练方法 | |
CN113907757B (zh) | 一种基于注意系统理论的警觉度测试方法 | |
KR20150025661A (ko) | 뇌파를 이용한 졸음정도 및 집중정도의 판단 방법 및 이를 이용한 집중력저감 알림 시스템 |
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 |