CN113349778B - 基于经颅直流电刺激的情绪分析方法、装置和电子装置 - Google Patents

基于经颅直流电刺激的情绪分析方法、装置和电子装置 Download PDF

Info

Publication number
CN113349778B
CN113349778B CN202110618203.7A CN202110618203A CN113349778B CN 113349778 B CN113349778 B CN 113349778B CN 202110618203 A CN202110618203 A CN 202110618203A CN 113349778 B CN113349778 B CN 113349778B
Authority
CN
China
Prior art keywords
brain wave
heart rate
cardiac cycle
wave signal
rate signal
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
CN202110618203.7A
Other languages
English (en)
Other versions
CN113349778A (zh
Inventor
陈子豪
易昊翔
童路遥
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.)
Hangzhou Enter Electronic Technology Co ltd
Original Assignee
Hangzhou Enter Electronic 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 Hangzhou Enter Electronic Technology Co ltd filed Critical Hangzhou Enter Electronic Technology Co ltd
Priority to CN202110618203.7A priority Critical patent/CN113349778B/zh
Publication of CN113349778A publication Critical patent/CN113349778A/zh
Application granted granted Critical
Publication of CN113349778B publication Critical patent/CN113349778B/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
    • A61B5/16—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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • 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
    • 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
    • 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
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A61N1/36025—External stimulators, e.g. with patch electrodes for treating a mental or cerebral condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0072—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus with application of electrical currents

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Psychiatry (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Anesthesiology (AREA)
  • Cardiology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Pain & Pain Management (AREA)
  • Educational Technology (AREA)
  • Acoustics & Sound (AREA)
  • Hematology (AREA)
  • Neurology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Mathematical Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本申请涉及一种基于经颅直流电刺激的情绪分析方法、装置、电子装置和存储介质。其中，该基于经颅直流电刺激的情绪分析方法包括：同步采集受检对象的心率信号和左右前额的脑电波信号；按照心动周期对心率信号和脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段；提取每个心动周期内的心率信号分段和脑电波信号分段的信号特征，得到每个心动周期对应的心率信号特征和脑电波信号特征；基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果。通过本申请，解决了相关技术中无法实现量化评估受检对象情绪的问题，实现了对受检对象情绪的量化评估。

Description

基于经颅直流电刺激的情绪分析方法、装置和电子装置
技术领域
本申请涉及信息处理领域，特别是涉及基于经颅直流电刺激的情绪分析方法、装置、电子装置和存储介质。
背景技术
经颅直流电刺激（transcranial Direct Current Stimulation，tDCS）指利用电极贴于头部对头颅施加一个电场，可用于治疗精神疾病或提高认知。
目前，在相关技术中tDCS技术主要用于来提高大脑皮层兴奋性。但由于每个人的头颅结构有所区别，同样大小的电流作用在不同被试者头部，对其情绪的影响效果也是不同的，因此在利用tDCS技术治疗抑郁或改善情绪方面急需一种实时的、可以量化评估受检对象情绪的方法。
针对相关技术中存在无法实现对受检对象情绪的量化评估的问题，目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种基于经颅直流电刺激的情绪分析方法、装置、电子装置和存储介质，以解决相关技术中无法实现对受检对象情绪的量化评估的问题。
第一个方面，在本实施例中提供了一种基于经颅直流电刺激的情绪分析方法，包括：
同步采集受检对象的心率信号和左右前额的脑电波信号；
按照心动周期对所述心率信号和所述脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段；
提取每个心动周期内的心率信号分段和脑电波信号分段的信号特征，得到每个心动周期对应的心率信号特征和脑电波信号特征；
基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得所述受检对象在每个心动周期内的情绪分类结果。
在其中一些实施例中，对所述脑电波信号分段和所述脑电波信号分段进行预处理，其中，所述预处理包括以下至少之一：去除直流分量、去除肌电伪迹、去除眨眼伪迹、去除脑电波信号频率范围外的信号。
在其中一些实施例中，同步采集受检对象的心率信号和左右前额的脑电波信号包括：
在通过经颅直流电刺激所述受检对象的头颅之后，停止通过所述经颅直流电刺激所述受检对象的头颅，同步采集所述受检对象的所述心率信号和左右前额的所述脑电波信号。
在其中一些实施例中，提取每个心动周期内的心率信号分段的信号特征，得到每个心动周期对应的心率信号特征包括：
获取当前心动周期的所述心率信号分段的频率分布信息，其中，所述频率分布信息包括位于第一频率范围内的高频率分布信息和位于第二频率范围内的低频率分布信息；
根据所述高频率分布信息和所述低频率分布信息，确定当前心动周期的所述心率信号分段在第一频率范围内的第一能量值和在第二频率范围内的第二能量值；
根据所述第一能量值和所述第二能量值，确定当前心动周期对应的心率信号特征。
在其中一些实施例中，所述第一频率范围包括0.15Hz~0.4Hz；所述第二频率范围包括0.04Hz~0.15Hz。
在其中一些实施例中，根据所述第一能量值和所述第二能量值，确定当前心动周期对应的心率信号特征包括：
将所述第一能量值和所述第二能量值的比值作为当前心动周期对应的心率信号特征。
在其中一些实施例中，所述脑电波信号分段包括分别从左前额和右前额采集的左通道脑电波信号分段和右通道脑电波信号分段；其中，提取每个心动周期内的脑电波信号分段的信号特征，得到每个心动周期对应的脑电波信号特征包括：
分别获取当前心动周期的左通道脑电波信号分段和右通道脑电波信号分段的频率分布信息，得到左通道频率分布信息和右通道频率分布信息；
根据所述左通道频率分布信息和所述右通道频率分布信息，确定所述左通道脑电波信号分段在α波频率分布范围内的第三能量值和所述右通道脑电波信号分段在α波频率分布范围内的第四能量值；
根据所述第三能量值和所述第四能量值，确定当前心动周期对应的脑电波信号特征。
在其中一些实施例中，根据所述第三能量值和所述第四能量值，确定当前心动周期对应的脑电波信号特征包括：
将所述第三能量值的对数值与所述第四能量值的对数值的差值，作为当前心动周期对应的脑电波信号特征。
在其中一些实施例中，基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得所述受检对象在每个心动周期内的情绪分类结果包括：
对每个心动周期对应的心率信号特征和脑电波信号特征进行归一化，得到每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征；
基于每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征进行分类，获得所述受检对象在每个心动周期内的情绪分类结果。
在其中一些实施例中，对每个心动周期对应的心率信号特征和脑电波信号特征进行归一化，得到每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征包括：
获取心率信号归一化曲线和脑电波信号归一化曲线，其中，所述心率信号归一化曲线用于表示所述心率信号特征与归一化的心率信号特征的映射关系，所述脑电波信号归一化曲线用于表示所述脑电波信号特征与归一化的脑电波信号特征的映射关系；
根据所述心率信号归一化曲线和每个心动周期对应的所述心率信号特征，确定每个心动周期对应的归一化的心率信号特征，以及根据所述脑电波信号归一化曲线和每个心动周期对应的所述脑电波信号特征，确定每个心动周期对应的归一化的脑电波信号特征。
在其中一些实施例中，所述方法还包括：
获取不同受检对象在不同的经颅直流电刺激下的信号特征集合，其中，所述信号特征集合为心率信号特征集合或脑电波信号特征集合；
分别将所述信号特征集合中的信号特征的实际值按照从小到大的顺序进行排序，并确定每个信号特征对应的归一化值为Y=（k-1）/（n-1），其中，k表示信号特征的序号，n表示所述信号特征集中信号特征的总数；
根据所述信号特征集合中所有信号特征的实际值和归一化值，拟合得到归一化曲线，即为所述心率信号归一化曲线或所述脑电波信号归一化曲线。
在其中一些实施例中，基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得所述受检对象在每个心动周期内的情绪分类结果包括：
将以心率信号特征和脑电波信号特征为坐标轴的二维空间分为多个二维空间区域，其中，所述多个二维空间区域一一对应于多个情绪状态；
根据每个心动周期对应的心率信号特征的值和脑电波信号特征的值，在所述二维空间内定位分类点；
确定所述受检对象在每个心动周期内的情绪分类结果为所述分类点落入的二维空间区域对应的情绪状态。
第二个方面，在本实施例中提供了一种基于经颅直流电刺激的情绪分析装置，包括：
采集模块，用于同步采集受检对象的心率信号和左右前额的脑电波信号；
分段模块，用于按照心动周期对所述心率信号和所述脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段；
提取模块，用于提取每个心动周期内的心率信号分段和脑电波信号分段的信号特征，得到每个心动周期对应的心率信号特征和脑电波信号特征；
分类模块，用于基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得所述受检对象在每个心动周期内的情绪分类结果。
第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的基于经颅直流电刺激的情绪分析方法。
第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的基于经颅直流电刺激的情绪分析方法。
与相关技术相比，在本实施例中提供的基于经颅直流电刺激的情绪分析方法、装置、电子装置和存储介质，通过同步采集受检对象的心率信号和左右前额的脑电波信号；按照心动周期对心率信号和脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段；提取每个心动周期内的心率信号分段和脑电波信号分段的信号特征，得到每个心动周期对应的心率信号特征和脑电波信号特征；基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果的方式，解决了相关技术中无法实现量化评估受检对象情绪的问题，实现了对受检对象情绪的量化评估。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本实施例的基于经颅直流电刺激的情绪分析方法的终端的硬件结构框图；
图2是本实施例的基于经颅直流电刺激的情绪分析方法的流程图；
图3是本实施例的左右前额的脑电波信号的结构示意图；
图4是本实施例的归一化曲线的曲线图；
图5是本实施例的二维情绪模型的结构示意图；
图6是本实施例的采集心率信号和左右前额的脑电波信号的曲线示意图；
图7是本实施例的基于经颅直流电刺激的情绪分析装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。
除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块（单元）的过程、方法和系统、产品或设备并未限定于列出的步骤或模块（单元），而可包括未列出的步骤或模块（单元），或者可包括这些过程、方法、产品或设备固有的其他步骤或模块（单元）。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的基于经颅直流电刺激的情绪分析方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个（图1中仅示出一个）处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的基于经颅直流电刺激的情绪分析方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（NetworkInterface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种基于经颅直流电刺激的情绪分析方法，图2是本实施例的基于经颅直流电刺激的情绪分析方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，同步采集受检对象的心率信号和左右前额的脑电波信号。
在本步骤中，可以通过脑电采集设备来采集左右前额的脑电波信号，该脑电波信号如图3所示，本实施例中采集的脑电波信号可以是电极位点为Fp1与Fp2（或AF7与AF8，也可以是AF3与AF4等等）；以及可以用心率采集设备来检测受检对象的心率信号，其中，心率采集设备可以是光电脉搏波检测装置、压电脉搏波传感器、心电图等。
需要说明的是，上述采集到的心率信号和左右前额的脑电波信号可能是通过多个心动周期采集的多段的心率信号和左右前额的脑电波信号。
进一步的，每一段心动周期中的心率信号和脑电波信号可以通过穿插采集的方式获取。
步骤S202，按照心动周期对心率信号和脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段。
每个受检对象的心率和脑电波可能不同，因此在本步骤中可以根据心动周期，来对心率信号和脑电波信号进行划分。
步骤S203，提取每个心动周期内的心率信号分段和脑电波信号分段的信号特征，得到每个心动周期对应的心率信号特征和脑电波信号特征。
在本步骤中，每个心动周期内的心率信号分段和脑电波信号分段分别对应有心率信号特征和脑电波信号特征，通过获取心率信号特征和脑电波信号特征的方式，以便于后续根据心率信号特征和脑电波信号特征来确定受检对象的情绪分类结果。
需要说明的是心率信号特征可以是指心率特征。
步骤S204，基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果。
在本步骤中，可以预设根据心率信号特征和脑电波信号特征进行分类的分类规则，只需要获取到该心率信号特征和脑电波信号特征，然后根据该分类规则来实现对受检对象的情绪分类结果。
基于上述步骤S201至S204，通过采集受检对象的心率信号和脑电波信号，然后提取到每个周期对应的心率信号特征和脑电波信号特征，最后面再根据每个周期对应的心率信号特征和脑电波信号特征进行分来，来确定受检对象在每个心动周期内的情绪分类结果的方式，实现了对受检对象的情绪评估，解决了相关技术上中无法实现对受检对象情绪的量化评估的问题。
在其中一些实施例中，对脑电波信号分段和脑电波信号分段进行预处理，其中，预处理包括以下至少之一：去除直流分量、去除肌电伪迹、去除眨眼伪迹、去除脑电波信号频率范围外的信号。
在本实施例中，去除直流分量即用采集得到的信号减去信号平均值，除去信号中的直流分量；去除脑电波信号频率范围外的信号可以是指利用FIR数字滤波器对信号进行带通滤波，通带为3~40Hz（该通带可以根据用户的实际需要进行更改）；还可以将滤波后的信号小波分解到6层后，将每一层系数中超过阈值的部分置零，再还原信号，从而实现去除肌电伪迹、去除眨眼伪迹等。
需要说明的是，上述实施例中的带通滤波的截至频率可以是其他值，但至少要包括α波频段（8-12Hz）。上述实施例中的小波分解层数可以是其他值，但至少要满足可以把眨眼伪迹和肌电伪迹等大幅干扰能够分离出来即可。
在其中一些实施例中，同步采集受检对象的心率信号和左右前额的脑电波信号包括：在通过经颅直流电刺激受检对象的头颅之后，停止通过经颅直流电刺激受检对象的头颅，同步采集受检对象的心率信号和左右前额的脑电波信号。
在本实施例中，通过停止通过经颅直流电刺激受检对象的头颅，同步采集受检对象的心率信号和左右前额的脑电波信号的方式，可以获取到在没有经颅直流电刺激受检对象的头颅时的心率信号和左右前额的脑电波信号，以便于与在经颅直流电刺激下的心率信号和左右前额的脑电波信号进行对比，从获取到经颅直流电刺激下的受检对象的情绪变化，实现经颅直流电刺激对受检对象的情绪的影响的评估。
在一些实施例中，还可以在受检对象经颅直流电刺激之前，同步采集受检对象的心率信号和左右前额的脑电波信号，来与在经颅直流电刺激下的受检对象的心率信号和左右前额的脑电波信号、以及在经颅直流电刺激之后受检对象的头颅的心率信号和左右前额的脑电波信号做进一步对比，以进一步实现对经颅直流电刺激对受检对象的情绪的影响的评估。
在其中一些实施例中，提取每个心动周期内的心率信号分段的信号特征，得到每个心动周期对应的心率信号特征包括：获取当前心动周期的心率信号分段的频率分布信息，其中，频率分布信息包括位于第一频率范围内的高频率分布信息和位于第二频率范围内的低频率分布信息；根据高频率分布信息和低频率分布信息，确定当前心动周期的心率信号分段在第一频率范围内的第一能量值和在第二频率范围内的第二能量值；根据第一能量值和第二能量值，确定当前心动周期对应的心率信号特征。
在本实施例中，第一频率范围和第二频率范围是用户预先设定的，以便于获取到该范围内的能量值，来实现对心动周期对应的心率信号特征的确定。
在其中一些实施例中，第一频率范围可以包括0.15Hz~0.4Hz；第二频率范围可以包括0.04Hz~0.15Hz。
在其中一些实施例中，根据第一能量值和第二能量值，确定当前心动周期对应的心率信号特征包括：将第一能量值和第二能量值的比值作为当前心动周期对应的心率信号特征。通过该方式，实现了对心率信号特征的获取。
下面以一个实施例来对本实施例进行描述和说明：
心率信号特征计算过程可以是：首先将心率反推得到心动周期（即两次心跳之间的时间差），设心率值为H（单位为bpm），则心动周期为：T=60000/H（单位为ms）；对实时计算得到的一系列心动周期进行快速傅立叶变换（fast Fourier transform，FFT）计算，得到心动周期的频谱，计算频谱中0.15~0.4Hz的能量，即高频能量HF（相当于上述实施例中第一能量值），计算频谱中0.04~0.15Hz的能量，即低频能量LF（相当于上述实施例中第二能量值），最后根据LF/HF来确定心动周期对应的心率信号特征。
通过上述方式，提供了一种心动周期的心率信号特征的确定方式，以便于后续根据该心率信号特征进行基于经颅直流电刺激的情绪分析和分类。
需要说明的是，上述计算频谱的方式不仅限于FFT，也可以是其他可以计算频率的计算方式。
在其中一些实施例中，脑电波信号分段包括分别从左前额和右前额采集的左通道脑电波信号分段和右通道脑电波信号分段；其中，提取每个心动周期内的脑电波信号分段的信号特征，得到每个心动周期对应的脑电波信号特征包括：分别获取当前心动周期的左通道脑电波信号分段和右通道脑电波信号分段的频率分布信息，得到左通道频率分布信息和右通道频率分布信息；根据左通道频率分布信息和右通道频率分布信息，确定左通道脑电波信号分段在α波频率分布范围内的第三能量值和右通道脑电波信号分段在α波频率分布范围内的第四能量值；根据第三能量值和第四能量值，确定当前心动周期对应的脑电波信号特征。
在本实施例中，通过确定左通道脑电波信号分段在α波频率分布范围内的第三能量值和右通道脑电波信号分段在α波频率分布范围内的第四能量值；根据第三能量值和第四能量值，确定当前心动周期对应的脑电波信号特征的方式，来实现α波频率分布范围内的脑电波信号特征的提取。
在其中一些实施例中，根据第三能量值和第四能量值，确定当前心动周期对应的脑电波信号特征包括：将第三能量值的对数值与第四能量值的对数值的差值，作为当前心动周期对应的脑电波信号特征。
下面以一个实施例来对本实施例进行描述和说明：
对预处理之后的脑电信号分段进行FFT计算，得到频谱，计算频谱中8~12Hz的能量，即为α波频率，由此分别计算出左通道α波能量α_power_l（相当于上述实施例中第三能量值）和右通道α波能量α_power_r（相当于上述实施例中第四能量值），最后根据ln（α_power_r）-ln（α_power_l）来确定脑电波信号特征。通过上述方式，实现了对脑电波信号特征的获取。
由于心率信号特征和脑电波信号特征两种特征的实际值范围不同，在综合评估情绪时，还可以对两种特征分别进行归一化。在其中一些实施例中，基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果包括：对每个心动周期对应的心率信号特征和脑电波信号特征进行归一化，得到每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征；基于每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果。
在本实施例中，通过对心率信号特征和脑电波信号特征进行归一化处理的方式，实现了对两种特征实际范围一致，以便于后续根据该心率信号特征和脑电波信号特征来进行情绪分类结果。
在其中一些实施例中，对每个心动周期对应的心率信号特征和脑电波信号特征进行归一化，得到每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征包括：获取心率信号归一化曲线和脑电波信号归一化曲线，其中，心率信号归一化曲线用于表示心率信号特征与归一化的心率信号特征的映射关系，脑电波信号归一化曲线用于表示脑电波信号特征与归一化的脑电波信号特征的映射关系；根据心率信号归一化曲线和每个心动周期对应的心率信号特征，确定每个心动周期对应的归一化的心率信号特征，以及根据脑电波信号归一化曲线和每个心动周期对应的脑电波信号特征，确定每个心动周期对应的归一化的脑电波信号特征。
在本实施例中，该心率信号归一化曲线和脑电波信号归一化曲线可以是预先训练生成的，通过根据该心率信号归一化曲线和脑电波信号归一化曲线来确定每个心动周期对应的归一化的脑电波信号特征和归一化的心率信号特征的方式，简化了对脑电波信号特征和心率信号特征归一化的处理过程。
为了得到精确的归一化曲线，在其中一些实施例中，还可以获取不同受检对象在不同的经颅直流电刺激下的信号特征集合，其中，信号特征集合为心率信号特征集合或脑电波信号特征集合；分别将信号特征集合中的信号特征的实际值按照从小到大的顺序进行排序，并确定每个信号特征对应的归一化值为Y=（k-1）/（n-1），其中，k表示信号特征的序号，n表示信号特征集中信号特征的总数；根据信号特征集合中所有信号特征的实际值和归一化值，拟合得到归一化曲线，即为心率信号归一化曲线或脑电波信号归一化曲线。
在本实施例中，采集多组训练样本（相当于上述实施例中信号特征集合），得到不同受检对象在不同经颅直流电下的一系列特征实际值（X1，X2，X3，...，Xn），该实际值包括心率信号特征集合或脑电波信号特征集合，将这些实际值按照从小到大进行排序，给每一样本记录序号（1，2，3，...，n），则对序号为k的样本，其归一化值为Y=（k-1）/（n-1），这样归一化值在0~1之间。如附图4所示，以实际值X为横轴，归一化值Y为纵轴，将这些样本绘制出来后，通过多项式拟合得到曲线Y=F（X），该曲线可将实际值映射为归一化值。因此，在实际使用中，对任何一个计算得到的特征实际值X，都可以通过曲线Y=F（X）计算得到归一化值Y，如此处理则将脑电波信号特征值和心率信号特征值分别限制在0~1的范围内，并且近似服从均匀分布。通过上述方式，生成了归一化曲线，以便于后续根据该归一化曲线实现对心率信号特征和脑电波信号特征的归一化处理。
利用上面所述的归一化方法，分别拟合脑电波信号特征的映射曲线Y=F1（X）和心率信号特征的映射曲线Y=F2（X）。在本实施例中，则通过曲线计算得到的脑电波信号特征的归一化值被称为愉悦度，用符号P表示；心率信号特征的归一化值被称为激活度，用符号A表示。即P=F1（ln（α_power_r）-ln（α_power_l）），A=F2（LF/HF）。
在其中一些实施例中，基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果包括：将以心率信号特征和脑电波信号特征为坐标轴的二维空间分为多个二维空间区域，其中，多个二维空间区域一一对应于多个情绪状态；根据每个心动周期对应的心率信号特征的值和脑电波信号特征的值，在二维空间内定位分类点；确定受检对象在每个心动周期内的情绪分类结果为分类点落入的二维空间区域对应的情绪状态。
在本实施例中，如图5所示，情绪分类可以利用二维情绪模型（相当于上述实施例中多个二维空间区域），横轴表示愉悦度P，纵轴表示激活度A，由于P和A的值（相当于上述实施例中的分类点）分布在0~1，因此在两个方向上利用三等分点总共将二维空间分为9个区域，每个区域代表一种情绪，表示为A1P1、A1P2、A1P3等。P值越大表示越愉悦，A值越大表示越亢奋，具体的情绪分类名称可以根据具体情况进行描述，例如可以但不限于将A2P2描述为“一般”，将A1P1描述为“郁闷”，将A3P3描述为“兴高采烈”等。
需要说明的是，利用二维情绪模型进行情绪分类可以不是按照P、A值进行三等分，也可以是其他划分方式或者其他分类数目，如二等分后划分为4种情绪等。
如图6所示，由于经颅直流电刺激会影响脑电波的采集，因此在实施过程中，将经颅直流电刺激与信号（包括心率信号和左右前额的脑电波信号）采集穿插进行，例如电刺激5分钟、信号采集1分钟，每次信号采集后利用当次采集的信号计算得到一组P、A值，并进行一次情绪评估，将整个过程中每次情绪评估结果联系起来，可评估经颅直流电刺激过程中被试者的情绪变化趋势。需要说明的是，图6中的生理信号包括：心率信号和左右前额的脑电波信号。
在本实施例中还提供了一种基于经颅直流电刺激的情绪分析装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图7是本实施例的基于经颅直流电刺激的情绪分析装置的结构框图，如图7所示，该装置包括：
采集模块71，用于同步采集受检对象的心率信号和左右前额的脑电波信号；
分段模块72，耦合至采集模块71，用于按照心动周期对心率信号和脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段；
提取模块73，耦合至分段模块72，用于提取每个心动周期内的心率信号分段和脑电波信号分段的信号特征，得到每个心动周期对应的心率信号特征和脑电波信号特征；
分类模块74，耦合至提取模块73，用于基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果。
在其中一些实施例中，该装置还包括：预处理模块，用于对脑电波信号分段和脑电波信号分段进行预处理，其中，预处理包括以下至少之一：去除直流分量、去除肌电伪迹、去除眨眼伪迹、去除脑电波信号频率范围外的信号。
在其中一些实施例中，采集模块71包括：采集单元，用于在通过经颅直流电刺激受检对象的头颅之后，停止通过经颅直流电刺激受检对象的头颅，同步采集受检对象的心率信号和左右前额的脑电波信号。
在其中一些实施例中，提取模块73包括：第一获取单元，用于获取当前心动周期的心率信号分段的频率分布信息，其中，频率分布信息包括位于第一频率范围内的高频率分布信息和位于第二频率范围内的低频率分布信息；第一确定单元，用于根据高频率分布信息和低频率分布信息，确定当前心动周期的心率信号分段在第一频率范围内的第一能量值和在第二频率范围内的第二能量值；第二确定单元，用于根据第一能量值和第二能量值，确定当前心动周期对应的心率信号特征。
在其中一些实施例中，第一频率范围包括0.15Hz~0.4Hz；第二频率范围包括0.04Hz~0.15Hz。
在其中一些实施例中，第二确定单元包括：第一处理子单元，用于将第一能量值和第二能量值的比值作为当前心动周期对应的心率信号特征。
在其中一些实施例中，提取模块73还包括：第二获取单元，用于分别获取当前心动周期的左通道脑电波信号分段和右通道脑电波信号分段的频率分布信息，得到左通道频率分布信息和右通道频率分布信息；第三确定单元，用于根据左通道频率分布信息和右通道频率分布信息，确定左通道脑电波信号分段在α波频率分布范围内的第三能量值和右通道脑电波信号分段在α波频率分布范围内的第四能量值；第四确定单元，用于根据第三能量值和第四能量值，确定当前心动周期对应的脑电波信号特征。
在其中一些实施例中，第四确定单元包括：第二处理子单元，用于将第三能量值的对数值与第四能量值的对数值的差值，作为当前心动周期对应的脑电波信号特征。
在其中一些实施例中，分类模块74包括：归一化模块，用于对每个心动周期对应的心率信号特征和脑电波信号特征进行归一化，得到每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征；分类单元，用于基于每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果。
在其中一些实施例中，归一化模块包括：获取子单元，用于获取心率信号归一化曲线和脑电波信号归一化曲线，其中，心率信号归一化曲线用于表示心率信号特征与归一化的心率信号特征的映射关系，脑电波信号归一化曲线用于表示脑电波信号特征与归一化的脑电波信号特征的映射关系；确定子单元，用于根据心率信号归一化曲线和每个心动周期对应的心率信号特征，确定每个心动周期对应的归一化的心率信号特征，以及根据脑电波信号归一化曲线和每个心动周期对应的脑电波信号特征，确定每个心动周期对应的归一化的脑电波信号特征。
在其中一些实施例中，该装置还包括：获取模块，用于获取不同受检对象在不同的经颅直流电刺激下的信号特征集合，其中，信号特征集合为心率信号特征集合或脑电波信号特征集合；排序模块，用于分别将信号特征集合中的信号特征的实际值按照从小到大的顺序进行排序，并确定每个信号特征对应的归一化值为Y=（k-1）/（n-1），其中，k表示信号特征的序号，n表示信号特征集中信号特征的总数；拟合模块，用于根据信号特征集合中所有信号特征的实际值和归一化值，拟合得到归一化曲线，即为心率信号归一化曲线或脑电波信号归一化曲线。
在其中一些实施例中，分类模块74还包括：划分单元，用于将以心率信号特征和脑电波信号特征为坐标轴的二维空间分为多个二维空间区域，其中，多个二维空间区域一一对应于多个情绪状态；定位单元，用于根据每个心动周期对应的心率信号特征的值和脑电波信号特征的值，在二维空间内定位分类点；第五确定单元，用于确定受检对象在每个心动周期内的情绪分类结果为分类点落入的二维空间区域对应的情绪状态。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
步骤S201，同步采集受检对象的心率信号和左右前额的脑电波信号。
步骤S202，按照心动周期对心率信号和脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段。
步骤S203，提取每个心动周期内的心率信号分段和脑电波信号分段的信号特征，得到每个心动周期对应的心率信号特征和脑电波信号特征。
步骤S204，基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得受检对象在每个心动周期内的情绪分类结果。
需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。
此外，结合上述实施例中提供的基于经颅直流电刺激的情绪分析方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种基于经颅直流电刺激的情绪分析方法。
应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。
显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (12)

1.一种基于经颅直流电刺激的情绪分析方法，其特征在于包括：
在通过经颅直流电刺激受检对象的头颅之后，停止通过所述经颅直流电刺激所述受检对象的头颅，同步采集所述受检对象的心率信号和左右前额的脑电波信号；
按照心动周期对所述心率信号和所述脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段；
获取当前心动周期的所述心率信号分段的频率分布信息，其中，所述频率分布信息包括位于第一频率范围内的高频率分布信息和位于第二频率范围内的低频率分布信息；
根据所述高频率分布信息和所述低频率分布信息，确定当前心动周期的所述心率信号分段在第一频率范围内的第一能量值和在第二频率范围内的第二能量值；
根据所述第一能量值和所述第二能量值，确定当前心动周期对应的心率信号特征；
提取每个心动周期内的脑电波信号分段的信号特征，得到每个心动周期对应的脑电波信号特征；
将以心率信号特征和脑电波信号特征为坐标轴的二维空间分为多个二维空间区域，其中，所述多个二维空间区域一一对应于多个情绪状态；
根据每个心动周期对应的心率信号特征的值和脑电波信号特征的值，在所述二维空间内定位分类点；
确定所述受检对象在每个心动周期内的情绪分类结果为所述分类点落入的二维空间区域对应的情绪状态。
2.根据权利要求1所述的基于经颅直流电刺激的情绪分析方法，其特征在于，对所述脑电波信号分段和所述脑电波信号分段进行预处理，其中，所述预处理包括以下至少之一：去除直流分量、去除肌电伪迹、去除眨眼伪迹、去除脑电波信号频率范围外的信号。
3.根据权利要求1所述的基于经颅直流电刺激的情绪分析方法，其特征在于，所述第一频率范围包括0.15Hz～0.4Hz；所述第二频率范围包括0.04Hz～0.15Hz。
4.根据权利要求1所述的基于经颅直流电刺激的情绪分析方法，其特征在于，根据所述第一能量值和所述第二能量值，确定当前心动周期对应的心率信号特征包括：
将所述第一能量值和所述第二能量值的比值作为当前心动周期对应的心率信号特征。
5.根据权利要求1所述的基于经颅直流电刺激的情绪分析方法，其特征在于，所述脑电波信号分段包括分别从左前额和右前额采集的左通道脑电波信号分段和右通道脑电波信号分段；其中，提取每个心动周期内的脑电波信号分段的信号特征，得到每个心动周期对应的脑电波信号特征包括：
分别获取当前心动周期的左通道脑电波信号分段和右通道脑电波信号分段的频率分布信息，得到左通道频率分布信息和右通道频率分布信息；
根据所述左通道频率分布信息和所述右通道频率分布信息，确定所述左通道脑电波信号分段在α波频率分布范围内的第三能量值和所述右通道脑电波信号分段在α波频率分布范围内的第四能量值；
根据所述第三能量值和所述第四能量值，确定当前心动周期对应的脑电波信号特征。
6.根据权利要求5所述的基于经颅直流电刺激的情绪分析方法，其特征在于，根据所述第三能量值和所述第四能量值，确定当前心动周期对应的脑电波信号特征包括：
将所述第三能量值的对数值与所述第四能量值的对数值的差值，作为当前心动周期对应的脑电波信号特征。
7.根据权利要求1所述的基于经颅直流电刺激的情绪分析方法，其特征在于，基于每个心动周期对应的心率信号特征和脑电波信号特征进行分类，获得所述受检对象在每个心动周期内的情绪分类结果包括：
对每个心动周期对应的心率信号特征和脑电波信号特征进行归一化，得到每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征；
基于每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征进行分类，获得所述受检对象在每个心动周期内的情绪分类结果。
8.根据权利要求7所述的基于经颅直流电刺激的情绪分析方法，其特征在于，对每个心动周期对应的心率信号特征和脑电波信号特征进行归一化，得到每个心动周期对应的归一化的心率信号特征和归一化的脑电波信号特征包括：
获取心率信号归一化曲线和脑电波信号归一化曲线，其中，所述心率信号归一化曲线用于表示所述心率信号特征与归一化的心率信号特征的映射关系，所述脑电波信号归一化曲线用于表示所述脑电波信号特征与归一化的脑电波信号特征的映射关系；
根据所述心率信号归一化曲线和每个心动周期对应的所述心率信号特征，确定每个心动周期对应的归一化的心率信号特征，以及根据所述脑电波信号归一化曲线和每个心动周期对应的所述脑电波信号特征，确定每个心动周期对应的归一化的脑电波信号特征。
9.根据权利要求8所述的基于经颅直流电刺激的情绪分析方法，其特征在于，所述方法还包括：
获取不同受检对象在不同的经颅直流电刺激下的信号特征集合，其中，所述信号特征集合为心率信号特征集合或脑电波信号特征集合；
分别将所述信号特征集合中的信号特征的实际值按照从小到大的顺序进行排序，并确定每个信号特征对应的归一化值为Y＝(k-1)/(n-1)，其中，k表示信号特征的序号，n表示所述信号特征集中信号特征的总数；
根据所述信号特征集合中所有信号特征的实际值和归一化值，拟合得到归一化曲线，即为所述心率信号归一化曲线或所述脑电波信号归一化曲线。
10.一种基于经颅直流电刺激的情绪分析装置，其特征在于，包括：
采集模块，用于在通过经颅直流电刺激受检对象的头颅之后，停止通过所述经颅直流电刺激所述受检对象的头颅，同步采集所述受检对象的心率信号和左右前额的脑电波信号；
分段模块，用于按照心动周期对所述心率信号和所述脑电波信号进行分段，得到每个心动周期内的心率信号分段和脑电波信号分段；
提取模块，用于获取当前心动周期的所述心率信号分段的频率分布信息，其中，所述频率分布信息包括位于第一频率范围内的高频率分布信息和位于第二频率范围内的低频率分布信息；根据所述高频率分布信息和所述低频率分布信息，确定当前心动周期的所述心率信号分段在第一频率范围内的第一能量值和在第二频率范围内的第二能量值；根据所述第一能量值和所述第二能量值，确定当前心动周期对应的心率信号特征；提取每个心动周期内的脑电波信号分段的信号特征，得到每个心动周期对应的脑电波信号特征；
分类模块，用于将以心率信号特征和脑电波信号特征为坐标轴的二维空间分为多个二维空间区域，其中，所述多个二维空间区域一一对应于多个情绪状态；根据每个心动周期对应的心率信号特征的值和脑电波信号特征的值，在所述二维空间内定位分类点；确定所述受检对象在每个心动周期内的情绪分类结果为所述分类点落入的二维空间区域对应的情绪状态。
11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至9中任一项所述的基于经颅直流电刺激的情绪分析方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的基于经颅直流电刺激的情绪分析方法的步骤。
CN202110618203.7A 2021-06-03 2021-06-03 基于经颅直流电刺激的情绪分析方法、装置和电子装置 Active CN113349778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110618203.7A CN113349778B (zh) 2021-06-03 2021-06-03 基于经颅直流电刺激的情绪分析方法、装置和电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110618203.7A CN113349778B (zh) 2021-06-03 2021-06-03 基于经颅直流电刺激的情绪分析方法、装置和电子装置

Publications (2)

Publication Number Publication Date
CN113349778A CN113349778A (zh) 2021-09-07
CN113349778B true CN113349778B (zh) 2023-02-17

Family

ID=77531848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110618203.7A Active CN113349778B (zh) 2021-06-03 2021-06-03 基于经颅直流电刺激的情绪分析方法、装置和电子装置

Country Status (1)

Country Link
CN (1) CN113349778B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114246593B (zh) * 2021-12-15 2024-08-09 山东中科先进技术有限公司 一种融合脑电、眼电、心率的疲劳检测方法及系统
CN115068823B (zh) * 2022-08-19 2022-11-15 江西华恒京兴医疗科技有限公司 个体化经颅直流电刺激电流强度阈值的检测系统
CN116172559B (zh) * 2023-02-22 2023-11-24 中国人民解放军海军特色医学中心 一种基于多个生理参数的心理压力评估方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107080546A (zh) * 2017-04-18 2017-08-22 安徽大学 基于脑电图的青少年环境心理的情绪感知系统及方法、刺激样本选择方法
CN109589493A (zh) * 2018-09-30 2019-04-09 天津大学 一种基于经颅直流电刺激的注意力调控方法
CN110916631A (zh) * 2019-12-13 2020-03-27 东南大学 基于可穿戴生理信号监测的学生课堂学习状态评测系统
CN111352502A (zh) * 2018-12-20 2020-06-30 三星电子株式会社 生物响应虚拟现实系统及操作其的方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150123423A (ko) * 2014-04-24 2015-11-04 세종대학교산학협력단 뇌파를 이용하여 사용자의 감정을 분류하는 방법 및 시스템
CN106175799A (zh) * 2015-04-30 2016-12-07 深圳市前海览岳科技有限公司 基于脑电波评估人体情绪和疲劳状态的方法及系统
US10285634B2 (en) * 2015-07-08 2019-05-14 Samsung Electronics Company, Ltd. Emotion evaluation
JP6985005B2 (ja) * 2015-10-14 2021-12-22 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America 感情推定方法、感情推定装置、及び、プログラムを記録した記録媒体
US10939834B2 (en) * 2017-05-01 2021-03-09 Samsung Electronics Company, Ltd. Determining cardiovascular features using camera-based sensing
CN109124619A (zh) * 2017-06-16 2019-01-04 西南大学 一种使用多通道信息融合的个人情感唤醒度识别方法
AU2019291582A1 (en) * 2018-06-20 2021-02-04 Inner Cosmos Inc. Systems and methods for treating mood disorders
CN109620185B (zh) * 2019-01-31 2020-07-21 山东大学 基于多模态信息的自闭症辅助诊断系统、设备及介质
CN211213144U (zh) * 2019-06-25 2020-08-11 杭州回车电子科技有限公司 头戴式设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107080546A (zh) * 2017-04-18 2017-08-22 安徽大学 基于脑电图的青少年环境心理的情绪感知系统及方法、刺激样本选择方法
CN109589493A (zh) * 2018-09-30 2019-04-09 天津大学 一种基于经颅直流电刺激的注意力调控方法
CN111352502A (zh) * 2018-12-20 2020-06-30 三星电子株式会社 生物响应虚拟现实系统及操作其的方法
CN110916631A (zh) * 2019-12-13 2020-03-27 东南大学 基于可穿戴生理信号监测的学生课堂学习状态评测系统

Also Published As

Publication number Publication date
CN113349778A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN113349778B (zh) 基于经颅直流电刺激的情绪分析方法、装置和电子装置
Montesinos et al. Multi-modal acute stress recognition using off-the-shelf wearable devices
CN110236573B (zh) 心理压力状态的检测方法及相关装置
US20070038382A1 (en) Method and system for limiting interference in electroencephalographic signals
Fatimah et al. Mental arithmetic task classification using fourier decomposition method
Izci et al. Arrhythmia detection on ECG signals by using empirical mode decomposition
Dora et al. Correlation-based ECG artifact correction from single channel EEG using modified variational mode decomposition
CN111265210A (zh) 一种基于深度学习的房颤预测装置和设备
CN105852850A (zh) 一种从心电信号中提取呼吸信号的方法及相关装置
CN110720894A (zh) 一种心房扑动的检测方法、装置、设备及存储介质
CN106874872A (zh) 工频噪声滤除装置与方法
CN113723557A (zh) 一种基于多频带时空卷积网络的抑郁脑电分类系统
CN111832537A (zh) 异常心电信号识别方法及异常心电信号识别装置
CN117462145A (zh) 基于FastICA的眼电伪迹自识别清除方法、装置、设备及介质
Hegde et al. A review on ECG signal processing and HRV analysis
CN116726386A (zh) 一种经颅交流电刺激方法及装置
Naqvi et al. Effect of Al-Quran recitation on human physiology
Bhoraniya et al. Motion artifacts extraction using DWT from ambulatory ECG (A-ECG)
Ay et al. Real-time feature extraction of ECG signals using NI LabVIEW
Dora et al. Automated detection of nonphysiological artifacts in polysomnographic EEG using conventional signal processing techniques
Jokić et al. An efficient ECG modeling for heartbeat classification
Thi et al. Identification of some brain waves signal and applications
Janjarasjitt et al. Comparison of complexity measures using two complex system analysis methods applied to the epileptic ECoG
Talatov et al. Methodology for processing and analysis of diagnostic indicators electrocardiogram based on Labview
Ekhlasi et al. Investigating the differences between atrial fibrillation and normal ECG signals using the EMD method

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