CN113080998B - 一种基于脑电的专注状态等级评定方法和系统 - Google Patents
一种基于脑电的专注状态等级评定方法和系统 Download PDFInfo
- Publication number
- CN113080998B CN113080998B CN202110281743.0A CN202110281743A CN113080998B CN 113080998 B CN113080998 B CN 113080998B CN 202110281743 A CN202110281743 A CN 202110281743A CN 113080998 B CN113080998 B CN 113080998B
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram signal
- electroencephalogram
- concentration
- rhythm
- coherence
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种基于脑电的专注状态等级评定方法和系统，采集被试者专注状态下的脑电信号；对左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；基于节律特征计算专注度，基于处理后的左、右脑电信号计算左、右脑电信号的相干性；基于专注度和左、右脑电信号的相干性，获得专注等级评价指标。本发明提供的方法和系统，采用两通道数据进行专注度计算并将结果进行实时可视化，将等级评定指标压缩在0至1之间，越接近于1则说明左右脑电信号变化一致性强，既，专注状态更认真，将专注等级也随着专注度同时显示在显示模块，本发明将专注状态进行具体量化，可以更直接更客观的反应专注程度。
Description
技术领域
本发明涉及脑电分析的专注度检测研究技术领域，尤其涉及一种基于脑电的专注状态等级评定方法和系统。
背景技术
脑电信号EEG是能够在大脑做出各种变化时的一种客观量化反应，目前广泛用于现在的脑科学的基础理论研究，不同的信号是不同情绪、心理变化的外在体现，如今能够影响专注度的因素层出不穷，对于像学生、运动员对专注度要求较高的团体进行专注度量化分析并实时可视化显得很有必要，研究表明人在进行思维活动时会在大脑中产生相应电信号，可以通过提取脑电信号节律特征并利用特定算法得到与情感相关的状态，相关的有当处于专注状态时会有出现更多的α波(8～13Hz)和β波(13～30Hz)。现有技术中，使用者采集脑电信号大都采用单采集通道，进行数据处理、特征提取，然后计算出被试的专注度，目前主要利用各种优化算法进行专注分析并结合专注度进行一系列评测、开发各种应用，进行专注分析并未同时考虑左右脑电信号的变化，难以体现专注状态左右脑信号变化的相关性，目前的专注度量化仅是给出具体数字来反映专注程度，不能够很好的体现具体地专注等级。
发明内容
本发明的实施例提供了一种基于脑电的专注状态等级评定方法和系统，用于解决现有技术中存在的问题，能够显示专注状态下大脑左右半球脑电信号变化的相干性并且对专注等级进行评定。
为了实现上述目的，本发明采取了如下技术方案。
一种基于脑电的专注状态等级评定方法，包括：
获取处于专注状态时的左、右脑电信号；
对该左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；
基于节律特征计算专注度，基于处理后的左、右脑电信号计算左、右脑电信号的相干性；
基于该专注度和左、右脑电信号的相干性，获得专注等级评价指标。
优选地，对该左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征包括：
对左、右脑电信号进行预处理，获得左、右脑电信号数据矩阵；该预处理包括低频基线去除、去除伪迹、降噪和带通滤波；
对左、右脑电信号数据矩阵进行取平均值和滤波处理，获得5个情感信息频段，分别为δ情感信息频段、θ情感信息频段、α情感信息频段、β情感信息频段和γ情感信息频段；
对该5个情感信息频段进行特征提取，获得5个相对应的节律特征，分别为Eδ节律特征、Eθ节律特征、Eα节律特征、Eβ节律特征和Eγ节律特征。
优选地，基于节律特征计算专注度，基于处理后的左、右脑电信号计算左、右脑电信号的相干性包括：
基于Eδ节律特征、Eθ节律特征、Eα节律特征、Eβ节律特征和Eγ节律特征，通过公式
计算专注度；
基于左、右脑电信号数据矩阵，通过皮尔逊系数公式
计算左、右脑电信号的相干性；式中，X为预处理之后的左脑电信号数据，Y为预处理之后的右脑电信号数据，N为采样数据个数。
优选地，对左、右脑电信号进行预处理，获得左、右脑电信号数据矩阵包括：
通过高通滤波器对左、右脑电信号进行低频极限去除处理；
通过独立成分分析方法去除左、右脑电信号中的伪迹信号；
通过陷波滤波器去除左、右脑电信号中的工频信号，通过低通滤波器去除左、右脑电信号中的高频噪声信号；
通过带通滤波器对左、右脑电信号进行带通滤波处理。
第二方面，本发明提供一种基于脑电的专注状态等级评定系统，执行上述的方法，包括：
脑电采集模块，用于获取处于专注状态时的左、右脑电信号；
微控芯片处理单元，用于：
对脑电采集模块获取的处于专注状态时的左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；
基于节律特征计算专注度，基于处理后的左、右脑电信号计算左、右脑电信号的相干性；
基于该专注度和左、右脑电信号的相干性，获得专注等级评价指标；
存储器，用于存储脑电采集模块获取的处于专注状态时的左、右脑电信号，存储微控芯片处理单元获得的专注度、左、右脑电信号的相干性和专注等级评价指标；
显示模块，对专注等级评价指标进行可视化输出；
供电模块，用于向脑电采集模块、微控芯片处理单元、存储器和显示模块供电。
由上述本发明的实施例提供的技术方案可以看出，本发明提供的一种基于脑电的专注状态等级评定方法和系统，采集被试者专注状态下的脑电信号；对该左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；基于节律特征计算专注度，基于处理后的左、右脑电信号计算左、右脑电信号的相干性；基于专注度和左、右脑电信号的相干性，获得专注等级评价指标。本发明提供的方法和系统，采用两通道数据进行专注度计算并将结果进行实时可视化，将等级评定指标压缩在0至1之间，越接近于1则说明左右脑电信号变化一致性强，既，专注状态更认真，将专注等级也随着专注度同时显示在显示模块，本发明将专注状态进行具体量化，可以更直接更客观的反应专注程度。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于脑电的专注状态等级评定方法的处理流程图；
图2为本发明提供的一种基于脑电的专注状态等级评定方法中采集通道示意图；
图3为本发明提供的一种基于脑电的专注状态等级评定系统的结构框图；
图4为本发明提供的一种基于脑电的专注状态等级评定系统的逻辑框图；
图5为本发明提供的一种基于脑电的专注状态等级评定方法一种优选实施例的处理流程图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
参见图1，本发明提供一种基于脑电的专注状态等级评定方法，包括如下步骤：
获取处于专注状态时的左、右脑电信号；
对该左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；
基于所述节律特征计算专注度，基于处理后的所述左、右脑电信号计算左、右脑电信号的相干性；
基于该专注度和左、右脑电信号的相干性，获得专注等级评价指标。
在本发明提供的优选实施例中，利用预设采集频率的脑电采集装置在参与者处于专注状态时进行左右脑电信号采集，采样频率为250Hz,采集通道分别是附图1的Fp1、Fp2、A1，其中A1作为参考电位。
在本发明提供的实施例中，专注度是对专注程度的量化指标，其可以设定为某个阈值，当达到阈值认为参与者达到了专注状态。左、右脑电信号的相干性用于表现不同脑区脑信号同步耦特征，同步耦合特征作为专注等级划分的依据。该相干性是在专注度计算的基础上再对专注状态进行等级划分，在达到专注状态时候，再去审视根据相干性划分的等级直观刻画专注程度，能够解决专注度值不能准确刻画专注等级的问题。
进一步的，对采集的处于专注状态时进行左右脑电信号进行处理的过程包括：
对左、右脑电信号进行预处理，获得左、右脑电信号数据矩阵；该预处理包括低频基线去除、去除伪迹、降噪和带通滤波；所获得的左、右脑电信号数据矩阵例如[24.12 8.3415.6 24.47……11.44 7.47 8.86]，具体信号数据长度可根据所划分的时间窗宽度以及采样频率而定
对左、右脑电信号数据矩阵进行取平均值和滤波处理，获得5个情感信息频段，分别为δ情感信息频段(0.5～4Hz)、θ情感信息频段(4～8Hz)、α情感信息频段(8～13Hz)、β情感信息频段(13～30Hz)和γ情感信息频段(30～50Hz)；
对该5个情感信息频段进行特征提取，获得5个相对应的节律特征，分别为Eδ节律特征、Eθ节律特征、Eα节律特征、Eβ节律特征和Eγ节律特征。
更进一步的，基于Eδ节律特征、Eθ节律特征、Eα节律特征、Eβ节律特征和Eγ节律特征，通过公式
计算专注度。
然后基于左、右脑电信号数据矩阵，通过皮尔逊系数公式
计算左、右脑电信号的相干性；式中，X为预处理之后的左脑电信号数据，Y为预处理之后的右脑电信号数据，N为采样数据个数。
最后，利用r的值进行专注等级评定，0.8-1.0表示非常专注，0.6-0.8表示专注，0.4-0.6表示一般专注，0.2-0.4表示弱专注，0.0-0.2表示极弱专注。
在本发明提供的优选实施例中，对左、右脑电信号进行预处理包括如下子步骤。
低频极限去除：通过高通滤波器对左、右脑电信号进行低频极限去除处理，该高通滤波器可采用巴特沃斯滤波器；
去除伪迹信号：首先避免伪迹产生，尽量减少眨眼或者一些产生伪迹的工作；然后采用伪迹消除法进行伪迹消除，比如可以采用独立成分分析方法。
降噪：去除50Hz工频信号和高频噪声信号，如采用陷波滤波器去除工频信号，采用低通滤波器去除高频噪声信号。
带通滤波：主要是利用0-50Hz的数据，采用带通滤波器进行带通滤波。
上述子步骤的顺序不分先后。
第二方面，本发明提供一种用于执行上述方法的系统，如图3和4所示，其包括：
脑电采集模块，用于获取处于专注状态时的左、右脑电信号，并将数据实时传送给微控芯片处理单元；
微控芯片处理单元，预先存储有相关程序，能够实现如下功能：
对脑电采集模块获取的处于专注状态时的左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；
基于节律特征计算专注度，基于处理后的左、右脑电信号计算左、右脑电信号的相干性；
基于该专注度和左、右脑电信号的相干性，获得专注等级评价指标；
存储器，用于存储脑电采集模块获取的处于专注状态时的左、右脑电信号，存储微控芯片处理单元获得的专注度、左、右脑电信号的相干性和专注等级评价指标；
显示模块，对专注等级评价指标进行可视化输出；
供电模块，用于向脑电采集模块、微控芯片处理单元、存储器和显示模块供电。
本发明还提供一个实施例，显示本发明提供的方法和系统的一种具体工作过程。
附图5是本实施例的专注等级评定方法流程示意图，如图所示，包括：
S1：利用脑电采集装置采集被试专注状态下的脑电信号，将采集的信号实时传送给处理单元；
具体地，本发明实施例利用一种脑电采集装置，其可以是头带式也可以是脑电帽子，采集10-20国际标准导联系统中Fp1、Fp2、A1通道的脑电信号数据，如附图1所示，脑电采集装置采样频率为250Hz，A1作为参考电位，Fp1通道采集的数据作为左脑脑电信号数据，Fp2通道采集的数据作为右脑脑电信号数据，首先可以设计一种活动让参与者处于专注状态，例如看书、打游戏、倒数计数，本实施例采取的活动为让参与者进行倒数计数，然后将采集到的脑电信号通过无线传输给微控芯片处理单元，可以通过蓝牙也可以通过TCP/IP协议进行数据传输。
S2:微控芯片处理单元将接收到的数据进行预处理、特征提取作为参与者的脑电数据，将预处理后的脑电数据进行专注度计算，然后计算左右脑电信号的相干性作为专注等级评价指标；
具体地，将脑电采集模块传输来的脑电信号进行预处理，包括：低频基线去除、去除伪迹、降噪和带通滤波，通过去均值进行低频基线去除，然后采用滤波器对噪声进行降噪处理，采用带通滤波器将数据滤波至1-50Hz,去除眼电信号(EOG)等肌电信号，以减少对数据分析的影响；然后将采集到的左右脑电信号数据矩阵取平均值，并滤波至5个频段，分别是δ(0.5～4Hz)，θ(4～8Hz)，α(8～13Hz)，β(13～30Hz)和γ(30～50Hz)；然后进行特征提取，得到相关节律特征Eδ,Eθ,Eα,Eβ,Eγ；
微控芯片处理单元利用特征提取得到的节律特征，利用
进行专注度计算，当D超过某一阈值则表示为专注状态；然后通过数据预处理后得到的反映左右脑电信号数据矩阵，然后利用皮尔逊系数公式
计算左右脑电信号的相干性，其中X为预处理之后的左脑电信号数据，Y为预处理之后的右脑电信号数据，N为采样数据个数；
需要说明的是：也可以利用其他相干性分析方法来得到左右脑电信号的相干性，例如典型相关分析方法等；利用得到的相关系数作为专注等级评价指标。
S3：进行实时专注度分析以及左右脑相干性计算并实时显示，根据评价指标进行专注等级划分；
具体地，利用显示模块将专注度计算模块得到的专注度进行可视化，利用得到的左右脑电信号变化的相干性作为评价指标进行专注等级评定，具体表现为：0.8-1.0表示非常专注，0.6-0.8表示专注，0.4-0.6表示一般专注，0.2-0.4表示弱专注，0.0-0.2表示极弱专注，显示模块将专注等级进行显示。
综上所述，本发明提供的一种基于脑电的专注状态等级评定方法和系统，采集被试者专注状态下的脑电信号；对该左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；基于节律特征计算专注度，基于处理后的左、右脑电信号计算左、右脑电信号的相干性；基于专注度和左、右脑电信号的相干性，获得专注等级评价指标。本发明提供的方法和系统，采用两通道数据进行专注度计算并将结果进行实时可视化，将等级评定指标压缩在0至1之间，越接近于1则说明左右脑电信号变化一致性强，既，专注状态更认真，将专注等级也随着专注度同时显示在显示模块，本发明将专注状态进行具体量化，可以更直接更客观的反应专注程度。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，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或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (3)
1.一种基于脑电的专注状态等级评定方法，其特征在于，包括：
获取处于专注状态时的左、右脑电信号；
对该左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；具体包括：
对所述左、右脑电信号进行预处理，获得所述左、右脑电信号数据矩阵；该预处理包括低频基线去除、去除伪迹、降噪和带通滤波；
对所述左、右脑电信号数据矩阵进行取平均值和滤波处理，获得5个所述情感信息频段，分别为δ情感信息频段、θ情感信息频段、α情感信息频段、β情感信息频段和γ情感信息频段；
对该5个情感信息频段进行特征提取，获得5个所述相对应的节律特征，分别为Eδ节律特征、Eθ节律特征、Eα节律特征、Eβ节律特征和Eγ节律特征；
基于所述节律特征计算专注度，基于处理后的所述左、右脑电信号计算左、右脑电信号的相干性；具体包括：
基于所述Eδ节律特征、Eθ节律特征、Eα节律特征、Eβ节律特征和Eγ节律特征，通过公式
计算所述专注度；
基于所述左、右脑电信号数据矩阵，通过皮尔逊系数公式
计算所述左、右脑电信号的相干性；式中，X为预处理之后的左脑电信号数据，Y为预处理之后的右脑电信号数据，N为采样数据个数；所述相干性用于表现不同脑区脑信号同步耦合 特征，同步耦合特征作为专注等级划分的依据；
基于该专注度和左、右脑电信号的相干性，对专注状态进行等级划分，在达到专注状态时，审视根据相干性划分的专注状态等级刻画专注程度，获得专注等级评价指标。
2.根据权利要求1所述的方法，其特征在于，所述的对所述左、右脑电信号进行预处理，获得所述左、右脑电信号数据矩阵包括：
通过高通滤波器对所述左、右脑电信号进行低频极限去除处理；
通过独立成分分析方法去除所述左、右脑电信号中的伪迹信号；
通过陷波滤波器去除所述左、右脑电信号中的工频信号，通过低通滤波器去除所述左、右脑电信号中的高频噪声信号；
通过带通滤波器对所述左、右脑电信号进行带通滤波处理。
3.一种基于脑电的专注状态等级评定系统，其特征在于，执行如权利要求1或2所述的方法，包括：
脑电采集模块，用于获取处于专注状态时的左、右脑电信号；
微控芯片处理单元，用于：
对所述脑电采集模块获取的处于专注状态时的左、右脑电信号进行处理，获得多个情感信息频段，对该情感信息频段进行特征提取，获得多个相对应的节律特征；
基于所述节律特征计算专注度，基于处理后的所述左、右脑电信号计算左、右脑电信号的相干性；
基于该专注度和左、右脑电信号的相干性，获得专注等级评价指标；
存储器，用于存储所述脑电采集模块获取的处于专注状态时的左、右脑电信号，存储所述微控芯片处理单元获得的专注度、左、右脑电信号的相干性和专注等级评价指标；
显示模块，对所述专注等级评价指标进行可视化输出；
供电模块，用于向所述脑电采集模块、微控芯片处理单元、存储器和显示模块供电。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110281743.0A CN113080998B (zh) | 2021-03-16 | 2021-03-16 | 一种基于脑电的专注状态等级评定方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110281743.0A CN113080998B (zh) | 2021-03-16 | 2021-03-16 | 一种基于脑电的专注状态等级评定方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113080998A CN113080998A (zh) | 2021-07-09 |
| CN113080998B true CN113080998B (zh) | 2022-06-03 |
Family
ID=76668212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110281743.0A Active CN113080998B (zh) | 2021-03-16 | 2021-03-16 | 一种基于脑电的专注状态等级评定方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113080998B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113425297A (zh) * | 2021-07-19 | 2021-09-24 | 山东女子学院 | 基于脑电信号的儿童注意力专注度训练方法及系统 |
| CN114366101B (zh) * | 2021-12-31 | 2024-05-03 | 西安臻泰智能科技有限公司 | 运动想象脑电信号分类方法、装置、设备和存储介质 |
| CN115357154B (zh) * | 2022-10-21 | 2023-01-03 | 北京脑陆科技有限公司 | 脑电数据显示方法、装置、系统、计算机设备和存储介质 |
| CN117158972B (zh) * | 2023-11-04 | 2024-03-15 | 北京视友科技有限责任公司 | 一种注意力转移能力的评价方法、系统、装置及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204558149U (zh) * | 2015-04-30 | 2015-08-12 | 浙江汉力电缆有限公司 | 一种医疗器材高频传输电缆 |
| JP5799351B1 (ja) * | 2014-12-09 | 2015-10-21 | 株式会社センタン | 評価装置および評価方法 |
| CN108888280A (zh) * | 2018-05-24 | 2018-11-27 | 吉林大学 | 基于脑电信号分析的学生听课注意力评价方法 |
| CN109758145A (zh) * | 2018-12-15 | 2019-05-17 | 北京交通大学 | 基于脑电信号因果关系的自动睡眠分期方法 |
| CN110236534A (zh) * | 2019-05-20 | 2019-09-17 | 北京航空航天大学 | 一种基于脑电相关性网络弹性的专注力评估方法 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4733242B2 (ja) * | 2009-10-15 | 2011-07-27 | パナソニック株式会社 | 運転注意量判別装置、方法、および、コンピュータプログラム |
| US20130177883A1 (en) * | 2012-01-11 | 2013-07-11 | Axio, Inc. | Systems and Methods for Directing Brain Activity |
| CN108348181A (zh) * | 2015-07-31 | 2018-07-31 | 艾腾媞乌有限责任公司 | 用于监测和提高注意力的方法和系统 |
| KR101746590B1 (ko) * | 2016-02-03 | 2017-06-13 | 동서대학교 산학협력단 | 무구속 생체정보 기반의 산만도 추정 시스템 |
| FR3070852B1 (fr) * | 2017-09-08 | 2019-09-20 | Centre National De La Recherche Scientifique | Decodage de l'attention visuelle d'un individu a partir de signaux electroencephalographiques |
| CN108830461A (zh) * | 2018-05-23 | 2018-11-16 | 深圳市心流科技有限公司 | 教学分析方法、服务器及计算机可读存储介质 |
| CN109002531A (zh) * | 2018-07-17 | 2018-12-14 | 泉州装备制造研究所 | 一种基于脑电数据分析的影视推荐系统及影视推荐方法 |
| CN109171770B (zh) * | 2018-07-23 | 2021-03-26 | 广州贝方医疗设备有限公司 | 一种用于注意力训练的脑-机接口系统 |
| CN110123314B (zh) * | 2019-04-24 | 2020-12-22 | 华南理工大学 | 基于脑电信号判断大脑专注放松状态的方法 |
| CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
| CN111651060B (zh) * | 2020-08-10 | 2020-11-20 | 之江实验室 | 一种vr沉浸效果的实时评估方法和评估系统 |
| CN111984122A (zh) * | 2020-08-19 | 2020-11-24 | 北京鲸世科技有限公司 | 脑电数据匹配方法及系统、存储介质及处理器 |
| CN111904415B (zh) * | 2020-09-07 | 2023-06-16 | 天津市人民医院 | 一种基于脑电信号评估大脑左右半球信息交互强度的方法 |
-
2021
- 2021-03-16 CN CN202110281743.0A patent/CN113080998B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5799351B1 (ja) * | 2014-12-09 | 2015-10-21 | 株式会社センタン | 評価装置および評価方法 |
| CN204558149U (zh) * | 2015-04-30 | 2015-08-12 | 浙江汉力电缆有限公司 | 一种医疗器材高频传输电缆 |
| CN108888280A (zh) * | 2018-05-24 | 2018-11-27 | 吉林大学 | 基于脑电信号分析的学生听课注意力评价方法 |
| CN109758145A (zh) * | 2018-12-15 | 2019-05-17 | 北京交通大学 | 基于脑电信号因果关系的自动睡眠分期方法 |
| CN110236534A (zh) * | 2019-05-20 | 2019-09-17 | 北京航空航天大学 | 一种基于脑电相关性网络弹性的专注力评估方法 |
Non-Patent Citations (4)
| Title |
|---|
| Focusing Attention on Muscle Exertion Increases EEG Coherence in an Endurance Cycling Task;di Fronso, Selenia；Tamburro, Gabriella；Robazza, Claudio;《FRONTIERS IN PSYCHOLOGY》;20180720;第9卷;全文 * |
| 基于视觉注意的脑电特征提取与识别技术研究;孟桂芳;《万方》;20190430;全文 * |
| 脑损伤康复患者脑电心理评估与焦虑和抑郁情绪评估相关性分析;梁志锋,洪晔,张晓颖,刘松怀,刘敏,宋鲁平,刘丽旭,赵军.;《中国卒中杂志》;20161231;第11卷(第9期);全文 * |
| 脑电信号特征提取方法研究;陶旭阳;《万方》;20131031;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113080998A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113080998B (zh) | 一种基于脑电的专注状态等级评定方法和系统 | |
| US8700141B2 (en) | Method and apparatus for automatic evoked potentials assessment | |
| EP2922466B1 (en) | Method and system for displaying the amount of artifact present in an eeg recording | |
| CA2792607A1 (en) | Method and device for removing eeg artifacts | |
| US11317871B2 (en) | Method and system for detecting and removing EEG artifacts | |
| US20170172414A1 (en) | Multiple Patient EEG Monitoring | |
| US20170188865A1 (en) | Method And System To Calculate qEEG | |
| CN103315753A (zh) | 便携式情感分析仪及分析方法 | |
| CN111820876B (zh) | 一种脑电空间滤波器的动态构建方法 | |
| CN106236080A (zh) | 基于多通道的脑电信号中肌电噪声的消除方法 | |
| Madanu et al. | Depth of anesthesia prediction via EEG signals using convolutional neural network and ensemble empirical mode decomposition | |
| EP3335630A1 (en) | Improved signal quality index of multichannel bio-signal using riemannian geometry | |
| CN100538713C (zh) | 一种脑电涨落信号分析设备 | |
| EP2967406A1 (en) | Method and system to calculate qeeg | |
| Sreekrishna et al. | Real time cascaded moving average filter for detrending of electroencephalogram signals | |
| CN113208631A (zh) | 一种基于eeg脑波的眨眼检测方法及系统 | |
| CN113208633A (zh) | 一种基于eeg脑波的情绪识别方法、系统 | |
| Fang et al. | A low power biomedical signal processing system-on-chip design for portable brain-heart monitoring systems | |
| EP2973347B1 (en) | Multiple patient eeg monitoring | |
| Ming et al. | Feature extraction method of motor imagery EEG based on DTCWT sample entropy | |
| Abdi-Sargezeh et al. | Mapping scalp to intracranial EEG using generative adversarial networks for automatically detecting interictal epileptiform discharges | |
| Wadekar et al. | Development of LabVIEW platform for EEG signal analysis | |
| Dulf et al. | Advantages of prefilters in stroke diagnosis from EEG signals | |
| Sheng et al. | Multifractional property analysis of human sleep EEG signals | |
| Kalbhor et al. | The review of detection and classification of epilectic seizures using wavelet transform |
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 |