CN113208617A - 一种基于eeg信号的焦虑状态神经调控方法及系统 - Google Patents
一种基于eeg信号的焦虑状态神经调控方法及系统 Download PDFInfo
- Publication number
- CN113208617A CN113208617A CN202110365803.7A CN202110365803A CN113208617A CN 113208617 A CN113208617 A CN 113208617A CN 202110365803 A CN202110365803 A CN 202110365803A CN 113208617 A CN113208617 A CN 113208617A
- Authority
- CN
- China
- Prior art keywords
- regulation
- user
- anxiety
- electromagnetic
- classification
- 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
- 208000019901 Anxiety disease Diseases 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 47
- 210000005036 nerve Anatomy 0.000 title abstract description 8
- 230000036506 anxiety Effects 0.000 claims abstract description 49
- 210000004556 brain Anatomy 0.000 claims abstract description 37
- 230000000638 stimulation Effects 0.000 claims abstract description 31
- 238000007405 data analysis Methods 0.000 claims abstract description 30
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000007635 classification algorithm Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 230000000284 resting effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000002146 bilateral effect Effects 0.000 claims description 7
- 230000004007 neuromodulation Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000003759 clinical diagnosis Methods 0.000 claims description 4
- 210000002442 prefrontal cortex Anatomy 0.000 claims description 4
- 230000004936 stimulating effect Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000001514 detection method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007177 brain activity Effects 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 210000001652 frontal lobe Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Abstract
本发明公开了一种基于EEG信号的焦虑状态神经调控方法及系统,该方法包括EEG信号采集设备对佩戴者进行脑电信号采集,对采集到的脑电信号进行放大并编码,然后传输到数据分析系统进行分析和识别分类;数据分析系统将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激;调控结束后,电磁调控系统向用户反馈当前调控的实时效果。本发明不仅可实现对脑电波的收集、分析和识别分类,还能区分使用者焦虑程度,根据不同焦虑程度触发电磁调控系统施加对应的电磁刺激,达到针对性缓解焦虑的有益效果。
Description
技术领域
本发明涉及的EEG信号识别技术领域,特别是涉及一种基于EEG信号的焦虑状态神经调控方法及系统。
背景技术
焦虑是一种常见的情绪状态,不可控制的焦虑状态称为焦虑障碍,是一种影响广泛的精神健康障碍。焦虑状态的发生与环境因素、人格特质等因素相关,其发生时伴随强烈的脑活动异常。特别的,焦虑时脑活动的异常将反映到EEG信号的异常。研究表明,焦虑状态的EEG信号异常可能反映在多个维度,包括频率、功率谱、耦合关系等方面。随着EEG信号识别分析技术的不断完善,焦虑状态的EEG脑波监测技术越来越成熟,基于机器学习算法,可以准确地分析焦虑状态的多维度信号特征,判断使用者是否处于焦虑状态。
目前,只有对EEG进行监测的方法,并且现有的方法没有根据检测到的信号进行针对性调控的办法,导致焦虑状态没能根据用户的选择直接进行针对性调控,精确化调控。
发明内容
本发明的目的是提供一种基于EEG信号的焦虑状态神经调控方法及系统,以实现对焦虑状态的调控。
为解决上述技术问题,本发明提供一种基于EEG信号的焦虑状态神经调控方法,包括:
EEG信号采集设备对佩戴者进行脑电信号采集,对采集到的脑电信号进行放大并编码,然后传输到数据分析系统进行分析和识别分类;
数据分析系统将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激;
调控结束后,电磁调控系统向用户反馈当前调控的实时效果。
优选的,EEG信号采集设备所采集的脑电信号是用户静息闭眼状态的脑电信号。
优选的,所述数据分析系统进行分析的过程包括:(1)对接收到的脑电信号进行滤波,采用傅里叶变换过滤脑电信号的伪迹,得到纯净的脑电信号;(2)对纯净的脑电信号进行快速傅里叶变换,计算alpha波的correlation dimension关联维度指标,将correlationdimension关联维度指标作为焦虑状态特征值。
优选的,所述数据分析系统进行识别分类的过程包括:将焦虑状态特征值输入分类算法模型中进行模型识别分类,以检测用户此时的焦虑程度。
优选的,所述焦虑程度为根据焦虑状态特征值大小,将用户的焦虑水平按照由轻到重区分成若干个等级。
优选的,触发电磁调控系统的方式中,如果数据分析系统检测到用户的焦虑水平达到临床诊断标准,则向用户发送电磁调控系统的开启权限请求,询问用户是否进行下一步的电磁调控;当用户同意开启电磁调控系统后,嵌套在EEG信号采集设备中的电磁脉冲发射装置根据用户的焦虑程度,从刺激协议库中调取合适的协议文件,并向用户的目标脑区发送刺激,所述协议文件是由设计者事先设定的。
优选的,所述目标脑区是双侧背外侧前额叶皮层;针对不同的目标脑区采用不同频率的电磁脉冲进行刺激;双侧脑区不同时进行刺激,也不交替对两侧脑区进行电磁刺激调控。
优选的,在用户接受电磁调控后,由EEG信号采集设备对用户的静息闭眼状态的脑电信号进行采集、并将alpha波的correlation dimension关联维度指标与调控之前的基线值和分类算法模型中已有的分类标准分别进行比较,输出用户在本次调控后焦虑水平的相对差值和状态变化情况。
优选的,所述方法还包括:
提取焦虑状态特征值,将焦虑状态特征值传回后台数据库,纳入到分类算法模型中进行自动校正。
本发明还提供一种基于EEG信号的焦虑状态神经调控系统,用于实现上述方法,包括:
EEG信号采集设备,用于对佩戴者进行脑电信号采集;对采集到的脑电信号进行放大并编码,然后传输到数据分析系统进行分析和识别分类;
数据分析系统,用于将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激;
电磁调控系统,用于调控结束后,用户反馈当前调控的实时效果。
本发明所提供的一种基于EEG信号的焦虑状态神经调控方法及系统,数据分析系统将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激,调控结束后,电磁调控系统向用户反馈当前调控的实时效果,实现对焦虑状态的调控。不仅可实现对使用者脑电波的监测,将数据传输到数据分析系统进行分析和识别分类,实时反馈使用者是否进入了焦虑状态,还能将使用者焦虑程度区分为正常、轻度、中度和重度焦虑,根据不同的焦虑程度由用户选择是否触发电磁调控系统施加不同时长的电磁刺激,达到针对性缓解焦虑的有益效果,最后将调控的实时效果向用户反馈。
本发明还包括将用户的EEG信号数据特征值传回后台数据库,纳入到算法模型进行自动校正的步骤,以建立更加准确的常模标准,提升算法模型对焦虑状态程度的分类准确性。以解决现有针对焦虑状态的EEG检测技术在检测后没有根据检测到的信号进行针对性调控的问题和缺乏将用户的EEG信号数据的特征值传回后台数据库,纳入到算法模型进行自动校正的步骤,导致焦虑状态没能根据用户的选择直接进行针对性调控,精确化调控的问题。
本发明不仅可实现对脑电波的收集、分析和识别分类,还能区分使用者焦虑程度,根据不同焦虑程度触发电磁调控系统施加对应的电磁刺激,达到针对性缓解焦虑的有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据提供的附图获得其他的附图。
图1为本发明所提供的便携式BCI设备工作流程图;
图2为本发明所提供的特制的EEG设备数据采集流程图;
图3为本发明所提供的电磁调控系统工作流程图;
图4为本发明所提供的一种电磁调控设备结构示意图。
图5为本发明所提供的一种基于EEG信号的焦虑状态神经调控系统结构示意图。
具体实施方式
本发明的核心是提供一种基于EEG信号的焦虑状态神经调控方法,实现对焦虑状态的调控,并解决现有针对焦虑状态的EEG检测技术在检测后没有根据检测到的信号进行针对性调控的问题和缺乏将用户的EEG信号数据的特征值传回后台数据库,纳入到算法模型进行自动校正的步骤,导致焦虑状态没能根据用户的选择直接进行针对性调控,精确化调控的问题。
为了使本技术领域的人员更好地理解本发明方案,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。
本发明所提供的一种基于EEG信号的焦虑状态神经调控方法,包括以下步骤:
S11:EEG信号采集设备对佩戴者进行脑电信号采集,对采集到的脑电信号进行放大并编码,然后传输到数据分析系统进行分析和识别分类;
其中,EEG信号采集设备所采集的脑电信号是用户静息闭眼状态的脑电信号;
S12:数据分析系统将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激;
S13:调控结束后,电磁调控系统向用户反馈当前调控的实时效果。
可见,本方法中,数据分析系统将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激,调控结束后,电磁调控系统向用户反馈当前调控的实时效果,实现对焦虑状态的调控。本方法的具体实施流程参考图1。
基于上述方法,详细的,步骤S11中,数据分析系统进行分析的过程包括:(1)对接收到的脑电信号进行滤波,采用傅里叶变换过滤脑电信号的伪迹,得到纯净的脑电信号;(2)对纯净的脑电信号进行快速傅里叶变换,计算alpha波的correlation dimension关联维度指标,将correlation dimension关联维度指标作为焦虑状态特征值。数据分析系统进行识别分类的过程包括:将焦虑状态特征值输入分类算法模型中进行模型识别分类,以检测用户此时的焦虑程度。
并且,步骤S11之后,提取焦虑状态特征值,将焦虑状态特征值传回后台数据库,纳入到分类算法模型中进行自动校正。本方法还包括将用户的EEG信号数据特征值即焦虑状态特征值传回后台数据库,纳入到算法模型进行自动校正的步骤,以建立更加准确的常模标准,提升算法模型对焦虑状态程度的分类准确性。以解决现有针对焦虑状态的EEG检测技术在检测后没有根据检测到的信号进行针对性调控的问题和缺乏将用户的EEG信号数据的特征值传回后台数据库,纳入到算法模型进行自动校正的步骤,导致焦虑状态没能根据用户的选择直接进行针对性调控,精确化调控的问题。
其中,焦虑程度为根据焦虑状态特征值大小,将用户的焦虑水平按照由轻到重区分成若干个等级。例如将用户的焦虑水平区分成正常、轻度、中度或重度焦虑。电磁调控系统的硬件设备嵌套在EEG数据采集设备上。如此不仅可实现对使用者脑电波的监测,将数据传输到数据分析系统进行分析和识别分类,实时反馈使用者是否进入了焦虑状态,还能将使用者焦虑程度区分为正常、轻度、中度和重度焦虑,根据不同的焦虑程度由用户选择是否触发电磁调控系统施加不同时长的电磁刺激,达到针对性缓解焦虑的有益效果,最后将调控的实时效果向用户反馈。如图1所示,本发明还可以包括将用户的EEG信号数据特征值传回后台数据库,纳入到算法模型进行自动校正的步骤。
步骤S12中,触发电磁调控系统的方式中,如果数据分析系统检测到用户的焦虑水平达到临床诊断标准,则向用户发送电磁调控系统的开启权限请求,询问用户是否进行下一步的电磁调控;当用户同意开启电磁调控系统后,嵌套在EEG信号采集设备中的电磁脉冲发射装置根据用户的焦虑程度,从刺激协议库中调取合适的协议文件,并向用户的目标脑区发送刺激,所述协议文件是由设计者事先设定的。
其中,目标脑区是双侧背外侧前额叶皮层;针对不同的目标脑区采用不同频率的电磁脉冲进行刺激;双侧脑区不同时进行刺激,也不交替对两侧脑区进行电磁刺激调控。
步骤S12中,在用户接受电磁调控后,由EEG信号采集设备对用户的静息闭眼状态的脑电信号进行采集、并将alpha波的correlation dimension关联维度指标与调控之前的基线值和分类算法模型中已有的分类标准分别进行比较,输出用户在本次调控后焦虑水平的相对差值和状态变化情况。
在图1及图2对原始EEG数据的采集中,所采用的设备特征为:该EEG设备电极为图5所示的干电极,主要对称分布于前额叶或者额叶,不同于现有技术的全脑电极分布,本发明可以基于便携式的EEG设备从额叶脑电活动提取特征值进行焦虑状态检测,使得设备小型化简单化,拓宽了检测的应用场景,方便用户使用。
本实施例中EEG信号采集设备采集的是用户静息闭眼状态的脑电信号,而不需要像现有技术一样,需要用户配合作出不同的动作进行检测。基于用户静息态EEG信号进行的焦虑状态检测,能够降低检测的时间成本和人力成本。
在图1及图2对原始EEG数据进行采集后,对采集到的脑电信号进行放大和数模转换编码,并传输到数据分析系统进行分析和识别分类。数据传输的方式可以是任何一种连接方式,不限于蓝牙、数据流量和WiFi。较优地,本实施例采用蓝牙方式传输数据。
数据分析包括:1,对原始数据进行滤波,采用傅里叶变换过滤其中的伪迹,得到纯净的脑电信号;2,对EEG信号进行快速傅里叶变换,计算alpha波的correlation dimension指标,并进行特征提取。经过上述分析后,提取出来的特征值将被送入算法模型中进行模型识别分类,检测用户此时的焦虑程度。检测焦虑程度采用的算法模型为常用的几种经典算法模型进行识别分类:SVM、决策树、KNN、随机森林、朴素贝叶斯分类、最小二乘法、逻辑回归等。根据特征值大小,将用户的焦虑水平分为正常、轻度、中度和重度焦虑类型,最后通过手机APP向用户反馈可视化的焦虑程度。反馈形式可以是文字形式、图表形式、或者其他可视化形式。
图3中所描述的电磁调控系统工作流程所依赖的硬件设备嵌套在EEG数据采集设备上,该系统的刺激发射端采用的线圈结构,优选图4所示的“8”字型线圈,能够提升刺激点位的精准度,图4中的电磁脉冲8”字型线圈即为电磁脉冲发射装置。线圈与头皮距离本实施例优选为2cm。触发电磁调控系统的具体方式为:
1,如果检测到用户的焦虑水平达到临床诊断标准,则向用户发送电磁调控系统的开启权限请求,询问用户是否进行下一步的电磁调控。询问用户是否开启电磁调控系统的方式可以为语音式交互、按键式交互、或者二者相结合的方式。较优地,本实施例依靠语音和按键相结合的方式实现用户与电磁设备之间的交互,电磁调控系统以语音的方式询问用户,用户通过按键的方式打开系统。
2,当用户同意开启电磁调控系统后,嵌套在设备中的电磁脉冲发射装置自动根据用户的焦虑程度,从刺激协议库中调取合适的协议文件,并向用户的目标脑区发送刺激。刺激的发送协议是由设计者事先设定的。在该系统中,电磁脉冲的目标脑区是双侧背外侧前额叶皮层(DLPFC);电磁脉冲的频率针对不同目标脑区采用不同的频率。在同一个疗程中,双侧脑区不同时进行刺激,也不交替对两侧脑区进行电磁刺激调控。刺激持续时间根据用户焦虑程度由程序设定,但出于健康考虑,每日最长刺激时间最好不超过30分钟。
请参考图3,图3所描述的电磁调控系统工作流程中,向用户反馈当前调控的实时效果的方法具体为:1,接受电磁调控后,EEG采集设备再次采集用户的静息闭眼状态的脑电信号,将alpha波的correlation dimension指标与调控之前的基线值和模型中已有的分类标准分别进行比较,输出用户在本次调控后焦虑水平的相对和绝对变化情况。2,系统将反馈的内容通过与之连接的手机APP可视化反馈给用户,让用户更加直观地了解调控效果。
请参考图4,图4为本发明所提供的一种电磁调控设备结构示意图,该设备包括:
前额干电极,用于采集EEG信号;
电磁脉冲“8”字型线圈,用于向用户的目标脑区发送刺激;
集成电路模组,用于对EEG信号进行分析处理。
这里的电磁调控设备即为本文中的电磁调控系统。
请参考图5,图5为本发明所提供的一种基于EEG信号的焦虑状态神经调控系统结构示意,该系统用于实现上述方法,包括:
EEG信号采集设备101,用于对佩戴者进行脑电信号采集;对采集到的脑电信号进行放大并编码,然后传输到数据分析系统进行分析和识别分类;
数据分析系统102,用于将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激;
电磁调控系统103,用于调控结束后,用户反馈当前调控的实时效果。
可见,本系统中,数据分析系统将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激,调控结束后,电磁调控系统向用户反馈当前调控的实时效果,实现对焦虑状态的调控。
对于本发明提供的基于EEG信号的焦虑状态神经调控系统的介绍请参照前述的基于EEG信号的阿尔兹海默症筛查方法的实施例,本发明实施例在此不再赘述。本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种基于EEG信号的焦虑状态神经调控方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于EEG信号的焦虑状态神经调控方法,其特征在于,包括以下步骤:
EEG信号采集设备对佩戴者进行脑电信号采集,对采集到的脑电信号进行放大并编码,然后传输到数据分析系统进行分析和识别分类;
数据分析系统将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激;
调控结束后,电磁调控系统向用户反馈当前调控的实时效果。
2.如权利要求1所述的方法,其特征在于,EEG信号采集设备所采集的脑电信号是用户静息闭眼状态的脑电信号。
3.如权利要求1所述的方法,其特征在于,所述数据分析系统进行分析的过程包括:(1)对接收到的脑电信号进行滤波,采用傅里叶变换过滤脑电信号的伪迹,得到纯净的脑电信号;(2)对纯净的脑电信号进行快速傅里叶变换,计算alpha波的correlation dimension关联维度指标,将correlation dimension关联维度指标作为焦虑状态特征值。
4.如权利要求3所述的方法,其特征在于,所述数据分析系统进行识别分类的过程包括:将焦虑状态特征值输入分类算法模型中进行模型识别分类,以检测用户此时的焦虑程度。
5.如权利要求4所述的方法,其特征在于,所述焦虑程度为根据焦虑状态特征值大小,将用户的焦虑水平按照由轻到重区分成若干个等级。
6.如权利要求1所述的方法,其特征在于,触发电磁调控系统的方式中,如果数据分析系统检测到用户的焦虑水平达到临床诊断标准,则向用户发送电磁调控系统的开启权限请求,询问用户是否进行下一步的电磁调控;当用户同意开启电磁调控系统后,嵌套在EEG信号采集设备中的电磁脉冲发射装置根据用户的焦虑程度,从刺激协议库中调取合适的协议文件,并向用户的目标脑区发送刺激,所述协议文件是由设计者事先设定的。
7.如权利要求6所述的方法,其特征在于,所述目标脑区是双侧背外侧前额叶皮层;针对不同的目标脑区采用不同频率的电磁脉冲进行刺激;双侧脑区不同时进行刺激,也不交替对两侧脑区进行电磁刺激调控。
8.如权利要求6所述的方法,其特征在于,在用户接受电磁调控后,由EEG信号采集设备对用户的静息闭眼状态的脑电信号进行采集、并将alpha波的correlation dimension关联维度指标与调控之前的基线值和分类算法模型中已有的分类标准分别进行比较,输出用户在本次调控后焦虑水平的相对差值和状态变化情况。
9.如权利要求3所述的方法,其特征在于,还包括:
提取焦虑状态特征值,将焦虑状态特征值传回后台数据库,纳入到分类算法模型中进行自动校正。
10.一种基于EEG信号的焦虑状态神经调控系统,其特征在于,用于实现如权利要求1至9中任意一项所述的方法,包括:
EEG信号采集设备,用于对佩戴者进行脑电信号采集;对采集到的脑电信号进行放大并编码,然后传输到数据分析系统进行分析和识别分类;
数据分析系统,用于将分类结果传入电磁调控系统,以触发电磁调控系统,向用户目标脑区发送刺激;
电磁调控系统,用于调控结束后,用户反馈当前调控的实时效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110365803.7A CN113208617A (zh) | 2021-04-06 | 2021-04-06 | 一种基于eeg信号的焦虑状态神经调控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110365803.7A CN113208617A (zh) | 2021-04-06 | 2021-04-06 | 一种基于eeg信号的焦虑状态神经调控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113208617A true CN113208617A (zh) | 2021-08-06 |
Family
ID=77086541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110365803.7A Pending CN113208617A (zh) | 2021-04-06 | 2021-04-06 | 一种基于eeg信号的焦虑状态神经调控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113208617A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114533066A (zh) * | 2022-04-28 | 2022-05-27 | 之江实验室 | 基于复合表情加工脑网络的社交焦虑评估方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102715902A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 特殊人群的情绪监护方法 |
CN106933348A (zh) * | 2017-01-24 | 2017-07-07 | 武汉黑金科技有限公司 | 一种基于虚拟现实的脑电神经反馈干预系统及方法 |
CN109864750A (zh) * | 2019-01-31 | 2019-06-11 | 华南理工大学 | 基于经颅刺激的精神状态评估与调节系统及其工作方法 |
CN109925582A (zh) * | 2019-03-20 | 2019-06-25 | 天津大学 | 双模态脑-机交互式运动神经反馈训练装置和方法 |
US20200038657A1 (en) * | 2017-04-07 | 2020-02-06 | The Regents Of The University Of California | Method of neural Intervention for the Treatment of Affective Neuropsychiatric Disorders |
CN111938673A (zh) * | 2020-08-21 | 2020-11-17 | 北京脑陆科技有限公司 | 一种基于eeg信号的焦虑状态检测及反馈系统 |
CN112545513A (zh) * | 2020-12-04 | 2021-03-26 | 长春理工大学 | 一种基于音乐诱发脑电的抑郁症识别方法 |
-
2021
- 2021-04-06 CN CN202110365803.7A patent/CN113208617A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102715902A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 特殊人群的情绪监护方法 |
CN106933348A (zh) * | 2017-01-24 | 2017-07-07 | 武汉黑金科技有限公司 | 一种基于虚拟现实的脑电神经反馈干预系统及方法 |
US20200038657A1 (en) * | 2017-04-07 | 2020-02-06 | The Regents Of The University Of California | Method of neural Intervention for the Treatment of Affective Neuropsychiatric Disorders |
CN109864750A (zh) * | 2019-01-31 | 2019-06-11 | 华南理工大学 | 基于经颅刺激的精神状态评估与调节系统及其工作方法 |
CN109925582A (zh) * | 2019-03-20 | 2019-06-25 | 天津大学 | 双模态脑-机交互式运动神经反馈训练装置和方法 |
CN111938673A (zh) * | 2020-08-21 | 2020-11-17 | 北京脑陆科技有限公司 | 一种基于eeg信号的焦虑状态检测及反馈系统 |
CN112545513A (zh) * | 2020-12-04 | 2021-03-26 | 长春理工大学 | 一种基于音乐诱发脑电的抑郁症识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114533066A (zh) * | 2022-04-28 | 2022-05-27 | 之江实验室 | 基于复合表情加工脑网络的社交焦虑评估方法和系统 |
CN114533066B (zh) * | 2022-04-28 | 2022-08-19 | 之江实验室 | 基于复合表情加工脑网络的社交焦虑评估方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khare et al. | SPWVD-CNN for automated detection of schizophrenia patients using EEG signals | |
DE69736592T2 (de) | Systeme zur vorhersagung, schnellerfassung,warnung, vermeidung oder kontrolle von zustandsveränderungen im gehirn | |
CN111477299A (zh) | 结合脑电检测分析控制的声电刺激神经调控方法及装置 | |
CN110013249B (zh) | 一种便携式可调式的头戴癫痫监测仪 | |
CN106618562A (zh) | 一种可穿戴的癫痫脑电发作脑区定位装置及定位方法 | |
CN107595302B (zh) | 一种利用脑电信号监测用户精神状态的装置及方法 | |
CN102274032A (zh) | 一种基于脑电信号的驾驶员疲劳检测系统 | |
CN112163518B (zh) | 情绪监测的情绪建模方法及情绪监测调节系统 | |
CN111938673A (zh) | 一种基于eeg信号的焦虑状态检测及反馈系统 | |
CN109391891A (zh) | 用于运行听力设备的方法和听力设备 | |
CN113180662A (zh) | 一种基于eeg信号的焦虑状态干预方法、系统 | |
Bastos et al. | Robotic wheelchair commanded by SSVEP, motor imagery and word generation | |
CN111870813A (zh) | 一种基于便捷式eeg设备的脑电刺激记忆力增强系统 | |
CN110537929A (zh) | 一种基于ssvep的注意力测评方法、训练方法以及脑机接口 | |
CN110367975A (zh) | 一种基于脑机接口的疲劳驾驶检测预警方法 | |
CN113208626A (zh) | 一种基于eeg信号的情绪状态调控方法、系统 | |
CN113180704A (zh) | 一种基于eeg脑波的睡眠纺锤波检测方法、系统 | |
CN113208634A (zh) | 一种基于eeg脑波的注意力检测方法、系统 | |
CN116400800B (zh) | 一种基于脑机接口和人工智能算法的als患者人机交互系统及方法 | |
Wu et al. | A new unsupervised detector of high-frequency oscillations in accurate localization of epileptic seizure onset zones | |
CN113208617A (zh) | 一种基于eeg信号的焦虑状态神经调控方法及系统 | |
CN112438733A (zh) | 一种便携式新生儿惊厥脑电监护系统 | |
George et al. | Motor Imagery: A review of existing techniques, challenges and potentials | |
Hu et al. | A real-time electroencephalogram (EEG) based individual identification interface for mobile security in ubiquitous environment | |
DE102022002867A1 (de) | Auf physiologischen Informationen des Fahrers basierendes Verfahren und System zur Fahrzeugsteuerungsassistenz |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210806 |
|
WD01 | Invention patent application deemed withdrawn after publication |