CN112932509B - 一种眼电信号捡拾与优化分析方法及装置 - Google Patents

一种眼电信号捡拾与优化分析方法及装置 Download PDF

Info

Publication number
CN112932509B
CN112932509B CN202110117521.5A CN202110117521A CN112932509B CN 112932509 B CN112932509 B CN 112932509B CN 202110117521 A CN202110117521 A CN 202110117521A CN 112932509 B CN112932509 B CN 112932509B
Authority
CN
China
Prior art keywords
template
signals
signal
group
concentration
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
Application number
CN202110117521.5A
Other languages
English (en)
Other versions
CN112932509A (zh
Inventor
林栋�
林丽莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Maixing Life Medical Technology Co ltd
Original Assignee
Fujian Maixing Life Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Maixing Life Medical Technology Co ltd filed Critical Fujian Maixing Life Medical Technology Co ltd
Priority to CN202110117521.5A priority Critical patent/CN112932509B/zh
Publication of CN112932509A publication Critical patent/CN112932509A/zh
Application granted granted Critical
Publication of CN112932509B publication Critical patent/CN112932509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明通过眼电信号采集装置采集受试者的模板组眼电信号和测试组眼电信号，通过人机交互设备输入模板组眼电信号的采集过程中研究人员通过观察获得的观察信息，将模板组眼电信号和测试组眼电信号同观察信息进行融合，得到有关受试者专注能力的数据，降低专注能力评价的主观性，在眼电信号基础上加入观察信息，能够提高识别准确度。此外，由数据处理模块根据模板组眼电信号和相应的观察信息，对测试组眼电信号进行分析处理，研究人员无需在测试组眼电信号采集过程中进行观察，可大大减少研究人员的观察任务。

Description

一种眼电信号捡拾与优化分析方法及装置
技术领域
本发明涉及眼电信号领域，特别是一种眼电信号捡拾与优化分析方法及装置。
背景技术
目前，尚无法为专注能力提供客观检测，大多通过研究人员观察主观判断，研究人员观察任务繁重。
发明内容
本发明的目的在于克服现有技术的不足，提供一种眼电信号捡拾与优化分析方法及装置，将模板组眼电信号和测试组眼电信号同观察信息进行融合，得到有关受试者专注能力的数据，降低专注能力评价的主观性，大大减少研究人员的观察任务。
本发明的目的是通过以下技术方案来实现的：
一种眼电信号捡拾与优化分析方法，包括以下步骤：
S1：通过眼电信号采集装置对受试者采集一组模板组眼电信号和多组测试组眼电信号，所述模板组眼电信号的采集过程中，由研究人员对受试者进行观察并将观察信息通过人机交互设备输入；
S2：数据处理模块对模板组眼电信号和测试组眼电信号进行数据降噪处理后得到经处理的模板组眼电信号和经处理的测试组眼电信号；
S3：数据处理模块根据所述观察信息和经处理的模板组眼电信号，对经处理的测试组眼电信号进行分析和计算得到专注阈值。
进一步，所述观察信息为研究人员认为受试者处于专注状态的专注时间段；
所述步骤S3包括以下子步骤：
S301：所述数据处理模块将观察信息所含时间段下的经处理的模板组眼电信号作为模板信号分类到专注模板；
S302：以所述专注模板对经处理的测试组眼电信号进行模板比对后，将与专注模板相似的经处理的测试组眼电信号以目标信号分类到专注模板中；
S303：对所述专注模板计算得到专注阈值。
进一步，所述步骤S302中，首先以专注模板中的每个模板信号对经处理的测试组眼电信号进行模板比对识别每个模板信号对应的目标信号；然后计算每个目标信号与所有模板信号之间的动态时间扭曲距离；如果某个目标信号与某个模板信号之间的动态时间扭曲距离在所有的动态时间扭曲距离中最小，则将该目标信号分类到专注模板；
所述步骤S303中，选择分类到专注模板的所有的目标信号与模板信号之间的动态时间扭曲距离的最大值作为专注阈值。
进一步，在进行所述步骤S3之前，对经处理的模板组眼电信号和经处理的测试组眼电信号按组分别提取近似熵特征值，并对各组近似熵特征值进行统计学比较。
进一步，所述统计学比较包括组间比较与计数资料比较。
进一步，所述数据降噪处理包括减去基线、滤波以及无意识眨眼去除处理。
进一步，所述无意识眨眼去除处理包括离群点检测与去除、以及移动平均滤波。
一种眼电信号捡拾与优化分析装置，包括眼电信号采集装置、数据处理模块以及人机交互设备，所述眼电信号采集装置与数据处理模块电连接，所述数据处理模块与人机交互设备电连接；所述眼电信号采集装置对受试者采集一组模板组眼电信号和多组测试组眼电信号，所述模板组眼电信号的采集过程中，由研究人员对受试者进行观察并将观察信息通过人机交互设备输入，所述数据处理模块对模板组眼电信号和测试组眼电信号进行数据降噪处理后得到经处理的模板组眼电信号和经处理的测试组眼电信号，所述数据处理模块根据所述观察信息和经处理的模板组眼电信号对经处理的测试组眼电信号进行分析和计算得到专注阈值。
进一步，所述观察信息为研究人员认为受试者处于专注状态的专注时间段；所述数据处理模块将观察信息所含专注时间段下的经处理的模板组眼电信号作为模板信号分类到专注模板，所述数据处理模块以所述专注模板对经处理的测试组眼电信号进行模板比对后将与专注模板相似的经处理的测试组眼电信号作为模板信号分类到专注模板中，所述数据处理模块对所述专注模板计算得到专注阈值。
进一步，所述眼电信号采集装置包括眼电信号感应电极以及信号放大与滤波电路，所述眼电信号感应电极电连接于信号放大与滤波电路，所述信号放大与滤波电路电连接于数据处理模块。
近年来，诸多证据表明人类的生物电学信号，如脑电图(EEG)、肌电图(EMG)、心电节律等存在着典型的非线性动力学特征。
眼电图(Electro-oculogram，EOG)作为一种无创便携的技术，能够实时反映神经发育障碍患儿的视觉注意状态和注意力分配，有助于理解患儿的行为意义并分析其认知过程。神经发育障碍儿童由于注意力缺陷多存在无目的眼动，且其专注能力与疾病的亚型及严重程度相关，本发明利用眼电图捕捉有意义的眼动，通过专注阈值的测定为受试者的专注度提供客观数据。
本发明利用模块比对的方法进行专注阈值的测定，令受试者在家长的引导下观看图片平移动画，采集第一组连续60S的模板组眼电信号，在过程中由研究者观察、记录受试者的专注情况，并在每6S的10个区间内勾选3个专注区间；再重复上述过程3组，采集3组测试组眼电信号，数据处理模块将对4组数据进行分析和匹配，输出专注阈值。
采集正常儿童与神经发育障碍患儿观看吸引注意力的图片时的EOG眼电信号，并在此基础上采用近似熵(Approximate Entropy，ApEn)的非线性动力学分析手段对EOG信号特征提取，深入分析其非线性动力学特征。
本发明的有益效果是：
通过眼电信号采集装置采集受试者的模板组眼电信号和测试组眼电信号，通过人机交互设备输入模板组眼电信号的采集过程中研究人员通过观察获得的观察信息，将模板组眼电信号和测试组眼电信号同观察信息进行融合，得到有关受试者专注能力的数据，降低专注能力评价的主观性，在眼电信号基础上加入观察信息，能够提高识别准确度。此外，由数据处理模块根据模板组眼电信号和相应的观察信息，对测试组眼电信号进行分析处理，研究人员无需在测试组眼电信号采集过程中进行观察，可大大减少研究人员的观察任务。
附图说明
图1为本发明的电气原理图；
图2为本发明的实物图；
图3为本发明的实际佩戴图；
图4为本发明的受试者佩戴正面示意图；
图5为本发明的受试者佩戴侧面示意图；
图6为原始的竖直方向眼电信号图；
图7为原始的水平方向眼电信号图；
图8为滤波及移动平均处理后的眼电信号图；
图9为向神经发育障碍患儿采集到的信号图；
图10为动态时间扭曲代码图。
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。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
实施例一：
如图1至图10所示，一种眼电信号捡拾与优化分析方法，包括以下步骤：
S1：通过眼电信号采集装置对受试者采集一组模板组眼电信号和多组测试组眼电信号，所述模板组眼电信号的采集过程中，由研究人员对受试者进行观察并将观察信息通过人机交互设备输入；
S2：数据处理模块对模板组眼电信号和测试组眼电信号进行数据降噪处理后得到经处理的模板组眼电信号和经处理的测试组眼电信号；
S3：数据处理模块根据所述观察信息和经处理的模板组眼电信号，对经处理的测试组眼电信号进行分析和计算得到专注阈值。
令受试者在引导下观看图片平移动画，采集第一组连续60S的模板组眼电信号，在采集过程中由研究者观察、记录受试者的专注情况，并在每6S的10个区间(共1分钟)内勾选3个专注区间；再重复上述过程3组，采集3组测试组眼电信号。
通过眼电信号采集装置采集受试者的模板组眼电信号和测试组眼电信号，通过人机交互设备输入模板组眼电信号的采集过程中研究人员通过观察获得的观察信息，将模板组眼电信号和测试组眼电信号同观察信息进行融合，得到有关受试者专注能力的数据，降低专注能力评价的主观性，在眼电信号基础上加入观察信息，能够提高识别准确度。此外，由数据处理模块根据模板组眼电信号和相应的观察信息，对测试组眼电信号进行分析处理，研究人员无需在测试组眼电信号采集过程中进行观察，可大大减少研究人员的观察任务。
优选，所述数据降噪处理包括减去基线、滤波以及无意识眨眼去除处理。
优选，所述无意识眨眼去除处理包括离群点检测与去除、以及移动平均滤波。
数据降噪处理具体过程：
从模板组眼电信号和测试组眼电信号(统称为眼电信号)中减去基线，随后信号经过50Hz陷波滤波和低通滤波(6阶巴特沃斯滤波器，截止频率10Hz)。
由于无意识眨眼被大量记录在眼电信号中，通过离群点(Outlier Detection)检测和移动平均(Moving Average)算法进行闪烁去除。
其中离群点检测方法如下：将每组眼电信号依照从小到大分成四个部分，每个部分称之为四分位。Q1、Q2、Q3分别是信号由小到大排列后第25％、50％、75％的数字。四分位距(interquartile range,IQR)是Q3-Q1的值，介质耦合(Medium Couple,MC)是偏度的一个估计量。故下限和上限计算如下：
①MC≥0，下限＝Q1-1.5e-4MCIQR
上限＝Q3+1.5e3MCIQR
②MC＜0，下限＝Q1-1.5e-3MCIQR
上限＝Q3+1.5e4MCIQR
若眼电信号低于下限或高于上限则标记为离群值，删除包含离群值的区间，并通过离群值两端的平均值用以校正数据。
从水平方向和竖直方向进行眼电信号的采集，移动平均算法用以消除水平眼电信号中的闪烁干扰和振幅抖动，使得眼电信号更加平滑，以便于对目标眼球运动的识别。
将窗口大小设置为500个采样点，步长为1个采样点。
随后使用相关系数(Correlation coefficient，CC)分析降噪预处理的性能。
优选，所述观察信息为研究人员认为受试者处于专注状态的专注时间段；
研究人员通过观察受试者的行为表现，如目光和手指跟随图片平移，或回答家长对图片信息的提问等，从而判定受试者是否处于专注状态，并在软件界面中选取相应的专注时间段。专注时间段对应的经处理的模板组眼电信号为模板信号，用以提取专注阈值。
所述步骤S3包括以下子步骤：
S301：所述数据处理模块将观察信息所含时间段下的经处理的模板组眼电信号作为模板信号分类到专注模板；
S302：以所述专注模板对经处理的测试组眼电信号进行模板比对后，将与专注模板相似的经处理的测试组眼电信号以目标信号分类到专注模板中；
S303：对所述专注模板计算得到专注阈值。
优选，所述步骤S302中，首先以专注模板中的每个模板信号对经处理的测试组眼电信号进行模板比对识别每个模板信号对应的目标信号；然后计算每个目标信号与所有模板信号之间的动态时间扭曲距离；如果某个目标信号与某个模板信号之间的动态时间扭曲距离在所有的动态时间扭曲距离中最小，则将该目标信号分类到专注模板；
所述步骤S303中，选择分类到专注模板的所有的目标信号与模板信号之间的动态时间扭曲距离的最大值作为专注阈值。
动态时间扭曲(DTW)是一种在时间序列分类中常用的相似性度量方法，它可以在不同长度的数据下匹配两个给定的时间序列，克服其相位畸变，通常用DTW测量目标与记录的相似性。在匹配算法中，阈值是界定专注与否的关键参数。
优选，在进行所述步骤S3之前，对经处理的模板组眼电信号和经处理的测试组眼电信号按组分别提取近似熵特征值，并对各组近似熵特征值进行统计学比较。
通过在R语言中使用“pracma”命令，每1000个数据中计算出一个近似熵特征值ApEn(m＝2,R＝0.2sd)，共60个，即每秒求得1个近似熵特征值ApEn。
采用SPSS 22.0软件对近似熵特征值ApEn数据进行统计分析，数据符合正态分布，以
Figure BDA0002921271860000061
Figure BDA0002921271860000062
表示。对各组近似熵特征值进行统计学比较后，保留最具有统计学意义的经处理的测试组眼电信号，剔除掉不具有统计学意义的经处理的测试组眼电信号。这样只剩余一组测试组眼电信号，在经过步骤S3的模板比对和专注阈值计算后就只会得到一个专注阈值，而非多个专注阈值，因为一组测试组眼电信号经模板比对和专注阈值计算后得到一个专注阈值。
优选，所述统计学比较包括组间比较与计数资料比较。
组间比较采用单因素方差分析、最小显著差法(LSD-t)和独立样本t检验，计数资料比较采用卡方检验，以P<0.05为差异具有统计学意义。
应用于一种眼电信号捡拾与优化分析方法的一种眼电信号捡拾与优化分析装置，包括眼电信号采集装置、数据处理模块以及人机交互设备，所述眼电信号采集装置与数据处理模块电连接，所述数据处理模块与人机交互设备电连接；所述眼电信号采集装置对受试者采集一组模板组眼电信号和多组测试组眼电信号，所述模板组眼电信号的采集过程中，由研究人员对受试者进行观察并将观察信息通过人机交互设备输入，所述数据处理模块对模板组眼电信号和测试组眼电信号进行数据降噪处理后得到经处理的模板组眼电信号和经处理的测试组眼电信号，所述数据处理模块根据所述观察信息和经处理的模板组眼电信号对经处理的测试组眼电信号进行分析和计算得到专注阈值。
优选，所述观察信息为研究人员认为受试者处于专注状态的专注时间段；所述数据处理模块将观察信息所含专注时间段下的经处理的模板组眼电信号作为模板信号分类到专注模板，所述数据处理模块以所述专注模板对经处理的测试组眼电信号进行模板比对后将与专注模板相似的经处理的测试组眼电信号作为模板信号分类到专注模板中，所述数据处理模块对所述专注模板计算得到专注阈值。
优选，所述眼电信号采集装置包括眼电信号感应电极以及信号放大与滤波电路，所述眼电信号感应电极电连接于信号放大与滤波电路，所述信号放大与滤波电路电连接于数据处理模块。
眼电信号感应电极包括4个EOG记录电极和1个接地电极。
使用时，在安静的环境中，由专业人员清洁眼睛周围的皮肤，在受试者眼睛周围放置4个EOG记录电极(ch1-4)以及乳突处的接地电极。受试者坐于显示器前一米处，调整座位高度以确保训练图片与视线水平。采集过程中尽量保持头部不动，仅眼睛随图片运动。每个受试者在各模式中均进行3次试验，每次试验持续1分钟，中间休息2分钟。试验全程有摄像机位于显示器正上方记录眼球运动。试验结束后，由2位医生对录像进行回顾以识别出目标眼球运动的时间序列。
以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (8)

1.一种眼电信号捡拾与优化分析方法，其特征在于：包括以下步骤：
S1：通过眼电信号采集装置对受试者采集一组模板组眼电信号和多组测试组眼电信号，所述模板组眼电信号的采集过程中，由研究人员对受试者进行观察并将观察信息通过人机交互设备输入；
S2：数据处理模块对模板组眼电信号和测试组眼电信号进行数据降噪处理后得到经处理的模板组眼电信号和经处理的测试组眼电信号；
S3：数据处理模块根据所述观察信息和经处理的模板组眼电信号，对经处理的测试组眼电信号进行分析和计算得到专注阈值；
所述观察信息为研究人员认为受试者处于专注状态的专注时间段；
所述步骤S3包括以下子步骤：
S301：所述数据处理模块将观察信息所含时间段下的经处理的模板组眼电信号作为模板信号分类到专注模板；
S302：以所述专注模板对经处理的测试组眼电信号进行模板比对后，将与专注模板相似的经处理的测试组眼电信号以目标信号分类到专注模板中；
S303：对所述专注模板计算得到专注阈值。
2.根据权利要求1所述的一种眼电信号捡拾与优化分析方法，其特征在于：所述步骤S302中，首先以专注模板中的每个模板信号对经处理的测试组眼电信号进行模板比对识别每个模板信号对应的目标信号；然后计算每个目标信号与所有模板信号之间的动态时间扭曲距离；如果某个目标信号与某个模板信号之间的动态时间扭曲距离在所有的动态时间扭曲距离中最小，则将该目标信号分类到专注模板；
所述步骤S303中，选择分类到专注模板的所有的目标信号与模板信号之间的动态时间扭曲距离的最大值作为专注阈值。
3.根据上述任一权利要求所述的一种眼电信号捡拾与优化分析方法，其特征在于：在进行所述步骤S3之前，对经处理的模板组眼电信号和经处理的测试组眼电信号按组分别提取近似熵特征值，并对各组近似熵特征值进行统计学比较。
4.根据权利要求3所述的一种眼电信号捡拾与优化分析方法，其特征在于：所述统计学比较包括组间比较与计数资料比较。
5.根据权利要求1-2中任一项权利要求所述的一种眼电信号捡拾与优化分析方法，其特征在于：所述数据降噪处理包括减去基线、滤波以及无意识眨眼去除处理。
6.根据权利要求5所述的一种眼电信号捡拾与优化分析方法，其特征在于：所述无意识眨眼去除处理包括离群点检测与去除、以及移动平均滤波。
7.一种眼电信号捡拾与优化分析装置，其特征在于：包括眼电信号采集装置、数据处理模块以及人机交互设备，所述眼电信号采集装置与数据处理模块电连接，所述数据处理模块与人机交互设备电连接；所述眼电信号采集装置对受试者采集一组模板组眼电信号和多组测试组眼电信号，所述模板组眼电信号的采集过程中，由研究人员对受试者进行观察并将观察信息通过人机交互设备输入，所述数据处理模块对模板组眼电信号和测试组眼电信号进行数据降噪处理后得到经处理的模板组眼电信号和经处理的测试组眼电信号，所述数据处理模块根据所述观察信息和经处理的模板组眼电信号对经处理的测试组眼电信号进行分析和计算得到专注阈值；
所述观察信息为研究人员认为受试者处于专注状态的专注时间段；所述数据处理模块将观察信息所含专注时间段下的经处理的模板组眼电信号作为模板信号分类到专注模板，所述数据处理模块以所述专注模板对经处理的测试组眼电信号进行模板比对后将与专注模板相似的经处理的测试组眼电信号作为模板信号分类到专注模板中，所述数据处理模块对所述专注模板计算得到专注阈值。
8.根据权利要求7所述的一种眼电信号捡拾与优化分析装置，其特征在于：所述眼电信号采集装置包括眼电信号感应电极以及信号放大与滤波电路，所述眼电信号感应电极电连接于信号放大与滤波电路，所述信号放大与滤波电路电连接于数据处理模块。
CN202110117521.5A 2021-01-28 2021-01-28 一种眼电信号捡拾与优化分析方法及装置 Active CN112932509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110117521.5A CN112932509B (zh) 2021-01-28 2021-01-28 一种眼电信号捡拾与优化分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110117521.5A CN112932509B (zh) 2021-01-28 2021-01-28 一种眼电信号捡拾与优化分析方法及装置

Publications (2)

Publication Number Publication Date
CN112932509A CN112932509A (zh) 2021-06-11
CN112932509B true CN112932509B (zh) 2022-10-28

Family

ID=76238555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110117521.5A Active CN112932509B (zh) 2021-01-28 2021-01-28 一种眼电信号捡拾与优化分析方法及装置

Country Status (1)

Country Link
CN (1) CN112932509B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114970608B (zh) * 2022-05-06 2023-06-02 中国科学院自动化研究所 基于眼电信号的人机交互方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767140A (zh) * 2019-02-22 2019-05-17 河南科技大学 一种基于非专注状态指标的专注度量化计算方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102573619B (zh) * 2008-12-19 2015-04-22 新加坡科技研究局 用于生成注意力水平表示的设备和方法
CN103714281B (zh) * 2013-12-12 2017-03-29 深圳先进技术研究院 一种基于心电信号的身份识别方法
WO2016124742A1 (en) * 2015-02-07 2016-08-11 Pauseable Aps Method and system for relaxation and cultivation of attention
US11395615B2 (en) * 2019-04-17 2022-07-26 Bose Corporation Fatigue and drowsiness detection

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767140A (zh) * 2019-02-22 2019-05-17 河南科技大学 一种基于非专注状态指标的专注度量化计算方法

Also Published As

Publication number Publication date
CN112932509A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN105266787B (zh) 一种非接触式心率检测方法及系统
CN109646022B (zh) 儿童注意力评估系统及其方法
CN114886388B (zh) 一种麻醉深度监测过程中脑电信号质量的评估方法及装置
CN111544015B (zh) 基于认知力的操控工效分析方法、设备及系统
CN111012367A (zh) 一种精神疾病的智能识别系统
CN111598451B (zh) 基于任务执行能力的操控工效分析方法、设备及系统
CN111553617B (zh) 基于虚拟场景中认知力的操控工效分析方法、设备及系统
CN111012345A (zh) 眼部疲劳度检测系统及方法
WO2014150684A1 (en) Artifact as a feature in neuro diagnostics
CN107480716B (zh) 一种结合eog和视频的扫视信号识别方法及系统
CN109044280B (zh) 一种睡眠分期方法及相关设备
CN111724896B (zh) 一种基于多刺激图片或视频erp的毒瘾评估系统
CN107480635B (zh) 一种基于双模态分类模型融合的扫视信号识别方法及系统
CN112932509B (zh) 一种眼电信号捡拾与优化分析方法及装置
CN106974660B (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
CN112957049A (zh) 基于脑机接口设备技术的注意力状态监测装置及方法
CN110705656A (zh) 一种基于eeg传感器的面部动作识别方法
CN112932508B (zh) 一种基于手臂肌电网络的手指活动识别系统
CN112947762A (zh) 一种基于脑识别表情的互动装置及方法
CN116458850B (zh) 一种vr脑电采集装置及脑电监测系统
Kukreti EEG-based Stress Detection using DEAP Dataset and Support Vector Machines
CN111990967A (zh) 一种基于步态的帕金森病识别系统
Bavkar et al. Detection of alcoholics using eeg and emd domain statistical features
CN118177804B (zh) 基于ceedman和神经网络去噪的情绪评估方法
CN117918862B (zh) 一种基于原始脑电信号的注意力评估方法、终端及介质

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
CB03 Change of inventor or designer information

Inventor after: Lin Dong

Inventor after: Lin Lili

Inventor before: Lin Lili

Inventor before: Lin Dong

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant