CN113288171A - 基于脑电特征的adhd儿童认知功能监测系统 - Google Patents
基于脑电特征的adhd儿童认知功能监测系统 Download PDFInfo
- Publication number
- CN113288171A CN113288171A CN202110551977.2A CN202110551977A CN113288171A CN 113288171 A CN113288171 A CN 113288171A CN 202110551977 A CN202110551977 A CN 202110551977A CN 113288171 A CN113288171 A CN 113288171A
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- cognitive function
- data
- cognitive
- analysis
- 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
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
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/06—Children, e.g. for attention deficit diagnosis
-
- 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
Abstract
本发明公开一种基于脑电特征的ADHD儿童认知功能监测系统，包括：认知功能测试任务呈现设备，用于诱发认知相关的神经电活动；脑电采集设备，用于获取脑电数据；数据存储和分析服务器，用于对脑电数据进行本地存储、预处理和原始数据分析；云平台，用于基于大数据进行认知功能综合评定；移动访问设备，用于获取认知功能监测信息和数据报告。采用本发明，用户通过认知功能测试任务呈现设备参与到认知实验中，采集的脑电信号传输到数据存储和分析服务器上进行脑电特征分析，通过云平台进行大数据分析并输出认知功能评估报告，提升了认知功能监测的客观性和准确性，有助于认知功能障碍的及早发现和介入，促进医疗服务的质量和效率，降低服务成本。
Description
技术领域
本发明涉及脑电信号分析和处理技术领域，特别涉及一种基于脑电特征的ADHD儿童认知功能监测系统。
背景技术
注意缺陷多动障碍(ADHD)是一种常见的儿童精神障碍，其治疗和康复过程中需要对认知功能进行持续跟踪和评测。目前ADHD儿童的认知功能主要由专业医生根据DSM-5标准、临床表现、家庭问卷以及行为量表综合评定得出，较多地依赖专业医生的经验，主观性较强，缺乏客观量化指标。
脑电图(Electroencephalography，EEG)作为一种神经成像手段，能够记录大脑皮层的电活动。目前仅用于ADHD的神经活动记录、观察和理论研究，利用脑电特征分析进行ADHD儿童认知功能评估的方法还很缺乏。
目前儿童ADHD的测评材料主要由医院作记录留存，并通过与监护人面谈完成测评结果交流。缺乏一个方便的智慧信息系统，用于认知功能监测的记录和综合分析，并方便监护人获取测评和信息和直观了解各项指标。
发明内容
本发明目的是为了解决ADHD儿童的认知功能评估，提出一种基于脑电特征的ADHD儿童认知功能监测系统。由认知功能测试任务呈现设备展现认知实验内容，并通过脑电采集设备获取脑电数据，在数据存储和分析服务器上进行存储和脑电特征计算，上传至云平台结合诊断信息进行大数据分析，用户通过智能移动设备从云平台获取认知功能评定报告。
为达到上述目的，本发明采用的技术方案如下：
本发明提供一种基于脑电特征的ADHD儿童认知功能监测系统，包括：认知功能测试任务呈现设备，脑电采集设备，数据存储和分析服务器，云平台，和移动访问设备；
所述认知功能测试任务呈现设备用于呈现认知实验任务，诱发认知相关的神经电活动；
所述脑电采集设备连接认知功能测试任务呈现设备与数据存储和分析服务器，用于获取认知实验过程中的脑电数据；所述认知实验的对象为ADHD儿童；
所述数据存储和分析服务器用于对脑电数据进行本地存储、预处理，以及进行原始数据分析得到脑电典型特征；
所述云平台连接数据存储和分析服务器，用于基于脑电大数据进行认知功能综合评定；
所述移动访问设备连接云平台，用于获取认知功能监测信息和综合评定报告。
优选的，
所述认知功能测试任务呈现设备用于运行视觉或听觉实验范式，所述实验范式能够激发与认知有关的脑神经活动；
所述认知功能测试任务呈现设备用于将认知功能测试实验范式中每个试次的起止时间信号以及实验任务的类别传输到脑电采集设备，实现脑电数据与实验任务的时间同步及试次类型的判别。
优选的，所述认知功能测试任务呈现设备为具有计算和显示功能的嵌入式电子设备。
优选的，所述脑电采集设备佩戴于头部；
所述脑电采集设备包括各类头戴式头皮脑电采集电极帽、头箍，及其配套信号采集处理设备。
优选的，所述认知功能测试任务呈现设备与脑电采集设备之间、脑电采集设备与数据存储和分析服务器之间、以及数据存储和分析服务器与云平台之间的数据通信方式包括光纤、双绞线、同轴电缆、无线WiFi、移动数据网络和蓝牙中的至少一种。
优选的，所述数据存储和分析服务器对脑电信号进行预处理，包括数据分段、伪迹去除、基线校正和信号滤波。
优选的，所述数据存储和分析服务器进行原始数据分析包括：
计算脑电时域特征、脑电频域特征和脑电网络特征；
脑电时域特征包括计算事件相关电位的幅度和潜伏期；
脑电频域特征包括计算脑电节律能量以及不同节律能量的比值，所述脑电节律能量包括Delta波，Alpha波，Theta波，Beta波和Gamma波能量；
脑电网络特征包括脑网络的构建和脑网络参数和特性的分析；所述脑网络参数包括聚类系数、特征路径长度、和介数与度分布；
还包括计算认知活动涉及脑区间的连接密切指数。
优选的，所述数据存储和分析服务器还用于进行医务信息服务，包括用户注册和登录、数据录入、数据权限分类管理和云平台数据接收。
优选的，所述云平台包括脑电特征分析系统、认知功能行为学评分系统，ADHD儿童诊断信息分析系统以及认知功能综合评定系统；
所述脑电特征分析系统用于分析认知功能水平和脑电典型特征之间的联系；
所述认知功能行为学评分系统用于分析被试者行为表现与认知功能水平之前的关系；
所述ADHD儿童诊断信息分析系统用于根据医生诊断对ADHD儿童样本进行归类分析，同时给训练提供类别标签；
所述认知功能综合评定系统用于综合脑电特征分析系统结果和认知功能行为学评分系统结果，通过大数据分析建立模型，对ADHD儿童的认知水平给出综合评定；
所述大数据分析包括机器学习和深度学习。
优选的，所述移动访问设备运行家庭信息服务系统，用于进行用户注册和登录，认知功能数据访问，综合评定结果报表访问，数据可视化，以及医生和监护人的远程音视频对话。
本发明有益的效果包括：
本发明提供的基于脑电特征的ADHD儿童认知功能监测系统，用户佩戴脑电采集设备，通过认知功能测试任务呈现设备参与到认知实验中，采集到的脑电信号，传输到数据存储和分析服务器上进行存储和脑电特征分析，为儿童的认知功能评估提供客观和量化的依据，有助于认知功能障碍的及早发现和介入；通信连接到数据存储和分析服务器的云平台，可以实现脑电特征、量表得分、以及临床症状的大数据和机器学习分析，建立起认知功能监测的专家系统和评估模型，不仅为用户提供科学准确测评报告，也为儿童认知的临床诊疗、以及相关的科学研究提供数据及方法帮助；用户通过移动访问设备的家庭信息服务系统，通信连接到云平台，能够及时获取认知功能评估和临床诊疗的详细信息，并根据认知功能发展水平，实施相应的康复训练任务，以及教育等，还能促进用户和医务机构的信息交流，有助于提高医疗服务的质量和效率，降低服务成本。
附图说明
图1是本发明基于脑电特征的ADHD儿童认知功能监测系统示意图；
图2是本发明货币刺激延时任务范式一个试次的实验流程示意图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明实施例提供一种基于脑电特征的ADHD儿童认知功能监测系统，包括：认知功能测试任务呈现设备、脑电采集设备、数据存储和分析服务器、云平台以及移动访问设备。
认知功能测试任务呈现设备用于呈现认知实验任务，以诱发认知相关脑活动。
本发明实施例中，认知功能测试任务呈现设备的类型包含但不限于各类电脑(台式、笔记本和平板)、具有计算和显示功能的嵌入式电子设备等。
脑电采集设备分别连接认知功能测试任务呈现设备与数据存储和分析服务器，脑电采集设备用于获取认知实验过程中的脑电数据。
本发明实施例中，脑电采集设备的类型包括各类头戴式头皮脑电采集电极帽、头箍等所有能够通过头皮获取脑电的穿戴式设备，及其配套采集软件、信号处理设备等。
数据存储和分析服务器用于对脑电数据进行本地存储、预处理和原始数据分析。
云平台连接数据存储和分析服务器，云平台用于进行认知功能分析、数据传输和提供信息服务。
移动访问设备连接云平台，移动访问设备用于获取认知功能监测信息和分析报告，其类型包括但不限于平板电脑和智能手机等。
上述实施方式中，认知功能测试任务呈现设备可以运行认知功能测试实验范式，该认知功能测试实验范式可以通过E-prime、Matlab或C语言等编写，符合认知和心理学规律，能够充分诱发大脑认知活动，便于测试。如图2所示，为一种研究“奖赏加工”的货币刺激延时任务认知功能测试实验范式。一个试次过程如下：首先，随机呈现一个额度不等的奖励提示，如一个包括0元，5元或20元的钱包，分别对应无奖励\低奖励\高奖励的货币刺激(持续2000ms)；然后，展示适合儿童的，以卡通形象出现的备选对象，如喜羊羊和灰太狼，显示750ms；接着，被试者通过按键选择(如左键或右键)来选择哪个卡通对象躲在钱包里，选择正确能得到相应金额的奖励，正确的概率已预先设定；最后，进行结果反馈，显示选择是否正确，以及目前已经积累的奖励金额，呈现750ms。每个试次获得奖励的金额是事先设定好的，并不会随着被试的选择而发生改变。整个任务按需要重复上述试次若干次，并分为几组进行，组间有短暂休息。如包括240个试次，分为4组，组间休息3分钟。4组中有2组是低奖励(20％会获得5元或20元的奖励)，2组是高奖励(80％会获得5元或20元的奖励)。整个实验过程奖励比率是50％。实验包括异常情况的处理，如：若被试在1250ms内没有选择，那么反馈将是“太晚了”的文字。
本发明实施例中，采用头戴式网状电极帽及其配套采集系统进行脑电数据采集，如美国EGI公司的64导电极帽，采集时将头皮阻抗降至80千欧以下，采样率设置为1000Hz，工频滤波50Hz。
本发明实施例中，认知功能测试任务呈现设备与脑电采集设备之间、脑电采集设备与数据存储和分析服务器之间、以及数据存储和分析服务器与云平台之间的数据通信方式包括光纤、双绞线、同轴电缆、无线WiFi、移动数据网络、蓝牙中的至少一种。
作为上述实施方式的优选，认知功能测试任务呈现设备与脑电采集设备之间通过光纤进行通信连接，将认知功能测试实验范式中每个试次的起止时间信号(以“奖励提示”作为开始)、以及实验任务的类别(如无奖励\低奖励\高奖励)传输到脑电采集设备，实现脑电数据与测试任务的时间同步及试次类型的判别。脑电采集设备与数据存储和分析服务器之间通过光纤进行通信，实现高采样率的脑电数据传输。数据存储和分析服务器与云平台之间通过WiFi进行无线传输，实现脑电分析数据的双向有效传输。
作为上述实施方式的优选，数据存储和分析服务器能够完成脑电信号的预处理，包括数据分段、伪迹去除、基线校正、信号滤波等。
作为上述实施方式的优选，数据存储和分析服务器还能够实现脑电特征的分析和计算。包括脑电时域特征、脑电频域特征和脑电网络特征等。脑电时域特征分析主要包括事件相关电位(Event Related Potentials,ERP)的幅度和潜伏期分析。幅度是事件相关电位的幅值大小。潜伏期是事件相关电位的峰值时刻相对于试次开始时刻的时间差。重点关注与认知功能相关的事件相关电位成分，如实施例实验范式中与奖赏加工密切相关的P2(试次开始后200ms的正向波)、P3(试次开始后300ms的正向波)和反馈相关负波(FeedbackRelated Negativity,FRN)。事件相关电位的分析流程主要包括：1)导入原始脑电数据，加载导联信息并剔除无用电极，浏览数据质量，去除无用的时间段(如block之间的休息时间和明显的噪声段)。2)进行0.3-30Hz的滤波，去除与事件相关电位无关的毛刺与细节信息。3)对脑电信号进行分段，按照单个试次的起止时间将脑电分成以一个试次为单位的片段。4)执行独立成分分析(Independent component analysis，ICA)算法，去除伪迹成分，如眼电，肌肉电等。5)将处理后干净的分段在同样的实验任务内进行叠加平均，抑制随机成分，得到凸显任务下的神经活动的诱发电位，即事件相关电位。脑电频域特征分析主要包括脑电节律能量分析，具体可包括Delta波，Alpha波，Theta波，Beta波和Gamma波能量。得到各个脑电节律的方法可以但不限于频带滤波、小波分解、傅里叶变换和希尔伯特变换等。脑电频域特征还包括不同节律能量的比值。脑电网络特征分析主要包括脑网络的构建和网络参数和特性的分析。脑网络构建的方法包括但不限于相干系数、相位同步指数、部分定向相干和导联互信息等。脑网络的参数主要包括聚类系数、特征路径长度、介数与度分布等。此外，通过计算认知活动涉及脑区间的连接密切指数，来衡量相关脑区是否能够协同工作，认知活动是否处于正常水平。具体计算按如下方法：以两区域间现实存在的连接数目除以所有理论可能出现的连接数目。在本实施例中，通过计算前额高级认知脑区，前额奖赏加工脑区以及顶区注意力脑区两两之间的连接密切指数，以衡量奖赏加工相关的认知水平。
作为上述实施方式的优选，数据存储和分析服务器还能够进行医务信息服务，包括用户注册和登录、数据录入、数据权限分类管理、云平台数据接收等。其中用户注册和登录为专业医务人员分配功能和操作权限，可以进行包括临床表现、家庭问卷、以及行为量表得分等数据录入，接收云平台的分析数据，根据用户权限进行分类浏览和管理。
作为上述实施方式的优选，云平台能够进行认知功能大数据分析，包括脑电特征分析系统、认知功能行为学评分系统，ADHD儿童诊断信息分析系统以及认知功能综合评定系统。其中脑电特征分析系统主要分析认知功能的水平和脑电典型特征的联系；认知功能行为学评分系统主要分析行为表现与认知水平的关系；ADHD儿童诊断信息分析系统根据医生诊断对ADHD儿童样本进行归类分析，同时给云平台诊断模型的训练提供类别标签；认知功能综合评定系统综合了脑电特征和行为学评分，通过大数据分析建立的模型，对ADHD儿童的认知水平给出综合评定。大数据分析的方法包括机器学习和深度学习。机器学习的方法包括但不限于决策树、判别分析、支持向量机、聚类分析等。深度学习的方法包括但不限于卷积神经网络、自编码神经网络和深度置信网络等。
作为上述实施方式的优选，设计安卓和ios两个版本的家庭信息服务系统APP，移动访问设备能够进行用户注册和登录、认知功能数据访问，监测结果报表访问，数据可视化，以及医生和监护人的远程音视频对话。具体地，家长通过注册账号并登陆，然后直接访问到云端下载报告。通过APP查阅医院专业医生上传至云服务器的认知评分、关键脑电指标和诊断结果。具有时间回溯和病情演化的功能，同时可以通过信息模块与医生进行简单的咨询互动。
本领域内的技术人员应明白，对上述描述做出变通是可能的，所以实施例和附图仅是用来描述一个或多个特定实施方式。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，包括：认知功能测试任务呈现设备，脑电采集设备，数据存储和分析服务器，云平台，和移动访问设备；
所述认知功能测试任务呈现设备用于呈现认知实验任务，诱发认知相关的神经电活动；
所述脑电采集设备连接认知功能测试任务呈现设备与数据存储和分析服务器，用于获取认知实验过程中的脑电数据；所述认知实验的对象为ADHD儿童；
所述数据存储和分析服务器用于对脑电数据进行本地存储、预处理，以及进行原始数据分析得到脑电典型特征；
所述云平台连接数据存储和分析服务器，用于基于脑电大数据进行认知功能综合评定；
所述移动访问设备连接云平台，用于获取认知功能监测信息和综合评定报告。
2.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，
所述认知功能测试任务呈现设备用于运行视觉或听觉实验范式，所述实验范式能够激发与认知有关的脑神经活动；
所述认知功能测试任务呈现设备用于将认知功能测试实验范式中每个试次的起止时间信号以及实验任务的类别传输到脑电采集设备，实现脑电数据与实验任务的时间同步及试次类型的判别。
3.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，所述认知功能测试任务呈现设备为具有计算和显示功能的嵌入式电子设备。
4.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，所述脑电采集设备佩戴于头部；
所述脑电采集设备包括各类头戴式头皮脑电采集电极帽、头箍，及其配套信号采集处理设备。
5.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，所述认知功能测试任务呈现设备与脑电采集设备之间、脑电采集设备与数据存储和分析服务器之间、以及数据存储和分析服务器与云平台之间的数据通信方式包括光纤、双绞线、同轴电缆、无线WiFi、移动数据网络和蓝牙中的至少一种。
6.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，所述数据存储和分析服务器对脑电信号进行预处理，包括数据分段、伪迹去除、基线校正和信号滤波。
7.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，所述数据存储和分析服务器进行原始数据分析包括：
计算脑电时域特征、脑电频域特征和脑电网络特征；
脑电时域特征包括计算事件相关电位的幅度和潜伏期；
脑电频域特征包括计算脑电节律能量以及不同节律能量的比值，所述脑电节律能量包括Delta波，Alpha波，Theta波，Beta波和Gamma波能量；
脑电网络特征包括脑网络的构建和脑网络参数和特性的分析；所述脑网络参数包括聚类系数、特征路径长度、和介数与度分布；
还包括计算认知活动涉及脑区间的连接密切指数。
8.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，所述数据存储和分析服务器还用于进行医务信息服务，包括用户注册和登录、数据录入、数据权限分类管理和云平台数据接收。
9.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，所述云平台包括脑电特征分析系统、认知功能行为学评分系统，ADHD儿童诊断信息分析系统以及认知功能综合评定系统；
所述脑电特征分析系统用于分析认知功能水平和脑电典型特征之间的联系；
所述认知功能行为学评分系统用于分析被试者行为表现与认知功能水平之前的关系；
所述ADHD儿童诊断信息分析系统用于根据医生诊断对ADHD儿童样本进行归类分析，同时给训练提供类别标签；
所述认知功能综合评定系统用于综合脑电特征分析系统结果和认知功能行为学评分系统结果，通过大数据分析建立模型，对ADHD儿童的认知水平给出综合评定；
所述大数据分析包括机器学习和深度学习。
10.根据权利要求1所述的基于脑电特征的ADHD儿童认知功能监测系统，其特征在于，所述移动访问设备运行家庭信息服务系统，用于进行用户注册和登录，认知功能数据访问，综合评定结果报表访问，数据可视化，以及医生和监护人的远程音视频对话。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110551977.2A CN113288171A (zh) | 2021-05-20 | 2021-05-20 | 基于脑电特征的adhd儿童认知功能监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110551977.2A CN113288171A (zh) | 2021-05-20 | 2021-05-20 | 基于脑电特征的adhd儿童认知功能监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113288171A true CN113288171A (zh) | 2021-08-24 |
Family
ID=77323078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110551977.2A Pending CN113288171A (zh) | 2021-05-20 | 2021-05-20 | 基于脑电特征的adhd儿童认知功能监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113288171A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116269447A (zh) * | 2023-05-17 | 2023-06-23 | 之江实验室 | 一种基于语音调制和脑电信号的言语认知评估系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150119731A1 (en) * | 2012-01-26 | 2015-04-30 | National Center Of Neurology And Psychiatry | Cognitive function testing system, cognitive function estimation system, cognitive function testing method, and cognitive function estimation method |
| CN107024987A (zh) * | 2017-03-20 | 2017-08-08 | 南京邮电大学 | 一种基于eeg的实时人脑注意力测试和训练系统 |
| CN107802262A (zh) * | 2017-11-09 | 2018-03-16 | 常州大学 | 一种脑电结合vr用于儿童多动注意缺陷干预治疗的装置 |
| CN109044378A (zh) * | 2018-09-20 | 2018-12-21 | 复理智能科技（上海）有限公司 | 一种多动症评估和诊断系统 |
| CN111743554A (zh) * | 2020-08-04 | 2020-10-09 | 河南省安信科技发展有限公司 | 基于对脑电波解析的注意力分析算法的注意缺陷多动障碍诊断监测系统 |
-
2021
- 2021-05-20 CN CN202110551977.2A patent/CN113288171A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150119731A1 (en) * | 2012-01-26 | 2015-04-30 | National Center Of Neurology And Psychiatry | Cognitive function testing system, cognitive function estimation system, cognitive function testing method, and cognitive function estimation method |
| CN107024987A (zh) * | 2017-03-20 | 2017-08-08 | 南京邮电大学 | 一种基于eeg的实时人脑注意力测试和训练系统 |
| CN107802262A (zh) * | 2017-11-09 | 2018-03-16 | 常州大学 | 一种脑电结合vr用于儿童多动注意缺陷干预治疗的装置 |
| CN109044378A (zh) * | 2018-09-20 | 2018-12-21 | 复理智能科技（上海）有限公司 | 一种多动症评估和诊断系统 |
| CN111743554A (zh) * | 2020-08-04 | 2020-10-09 | 河南省安信科技发展有限公司 | 基于对脑电波解析的注意力分析算法的注意缺陷多动障碍诊断监测系统 |
Non-Patent Citations (2)
| Title |
|---|
| WENJIE LI 等: "Identification of attention deficit/hyperactivity disorder in children using multiple ERP features", 《CURRENT BIOINFORMATICS》 * |
| 宋志伟等: "基于视觉认知任务的注意缺陷多动障碍患儿与正常儿童脑功能网络差异研究", 《生物医学工程学杂志》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116269447A (zh) * | 2023-05-17 | 2023-06-23 | 之江实验室 | 一种基于语音调制和脑电信号的言语认知评估系统 |
| CN116269447B (zh) * | 2023-05-17 | 2023-08-29 | 之江实验室 | 一种基于语音调制和脑电信号的言语认知评估系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230119345A1 (en) | Methods for modeling neurological development and diagnosing a neurological impairment of a patient | |
| Hu et al. | Real-time sensing of trust in human-machine interactions | |
| CN102014742B (zh) | 现场可部署的震荡检测器 | |
| Falk et al. | EEG amplitude modulation analysis for semi-automated diagnosis of Alzheimer’s disease | |
| Buettner et al. | High-performance diagnosis of sleep disorders: a novel, accurate and fast machine learning approach using electroencephalographic data | |
| CN111050642A (zh) | 利用了趋势分析的疼痛判别、机器学习、经济性判别模型及应用了IoT的医疗装置、定制化机器学习、以及新型疼痛判别用脑波特征量 | |
| Aydın | Cross-validated adaboost classification of emotion regulation strategies identified by spectral coherence in resting-state | |
| JP2010535083A (ja) | 神経応答刺激及び刺激属性共鳴推定装置 | |
| WO2009064475A1 (en) | Method for real time attitude assessment | |
| WO2020218490A1 (ja) | 機械学習に用いられる教師データを増幅するためのシステム、方法、プログラム | |
| Soria Morillo et al. | Discrete classification technique applied to TV advertisements liking recognition system based on low-cost EEG headsets | |
| Harper et al. | Stimulus sequence context differentially modulates inhibition‐related theta and delta band activity in a go/no‐go task | |
| Antonenko et al. | Assessing working memory dynamics with electroencephalography: Implications for research on cognitive load | |
| Amrani et al. | EEG signal analysis using deep learning: A systematic literature review | |
| Ghosh et al. | SAM 40: Dataset of 40 subject EEG recordings to monitor the induced-stress while performing Stroop color-word test, arithmetic task, and mirror image recognition task | |
| US8930218B1 (en) | Systems and methods for building medical diagnostic apparatus using a digital library | |
| Alqahtani et al. | Classifying electroencephalogram signals using an innovative and effective machine learning method based on chaotic elephant herding optimum | |
| Borhani et al. | Gauging working memory capacity from differential resting brain oscillations in older individuals with a wearable device | |
| CN113288171A (zh) | 基于脑电特征的adhd儿童认知功能监测系统 | |
| 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 | |
| Daneshi Kohan et al. | EEG/PPG effective connectivity fusion for analyzing deception in interview | |
| Tiwari et al. | Detection of insomnia using advanced complexity and entropy features of sleep stage data of EEG recordings | |
| Heisel et al. | Are cognitive representations of friends' request refusals implemented in the orbitofrontal and dorsolateral prefrontal cortices? A cognitive neuroscience approach to ‘theory of mind’in relationships | |
| Fleck-Prediger et al. | Point-of-care brain injury evaluation of conscious awareness: wide scale deployment of portable HCS EEG evaluation | |
| Friedman et al. | A data-driven validation of frontal EEG asymmetry using a consumer device |
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 |