CN113729708A - 一种基于眼动技术的谎言评判方法 - Google Patents
一种基于眼动技术的谎言评判方法 Download PDFInfo
- Publication number
- CN113729708A CN113729708A CN202111063267.1A CN202111063267A CN113729708A CN 113729708 A CN113729708 A CN 113729708A CN 202111063267 A CN202111063267 A CN 202111063267A CN 113729708 A CN113729708 A CN 113729708A
- Authority
- CN
- China
- Prior art keywords
- eye movement
- lie
- pupil diameter
- average
- normalized
- 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.)
- Granted
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
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- 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
Abstract
本发明提供一种基于眼动技术的谎言评判方法,其特征在于,包括以下步骤:步骤S1,采集受试者的眼动数据;步骤S2,对眼动数据进行预处理;步骤S3,进行均值化处理;步骤S4,行归一化处理;步骤S5,将眼动数据评价指标进行Pearson相关性分析,筛选出相关性最大的归一化后平均瞳孔直径和归一化后平均注视时长作为影响指标;步骤S6,建立多元回归模型;步骤S7,采集待测者的眼动数据,计算出待测者的归一化后平均瞳孔直径和归一化后平均注视时长并输入到多元回归模型;步骤S8,输出待测谎言评价值。本发明利用眼动技术构建多元回归模型,并采集待测者的眼动数据进行谎言评判,具有操作简单,测量效度高,客观性大等优点。
Description
技术领域
本发明涉及一种基于眼动技术的谎言评判方法。
背景技术
眼动技术是通过以记录眼睛的运动轨迹为基本目标,在此基础上提取实时眼睛状态的眼动数据,诸如注视时间,瞳孔直径等眼动数据,从而分析个体的内心真实的活动状态。眼动技术先后经历了观察法、后像法、机械记录法、光学记录法等多种方法的演变,现在主要是利用眼动仪来实时采集眼球的眼动数据,随着科技的发展,眼动仪向评价指标更精确、采样率更高的方向不断发展,极大地促进了眼动技术在心理学及相关学科中的应用。眼动心理学的研究已经成为当代心理学研究的一种有用范型。
测谎技术是将心理学、生物医学、侦查讯问学、数据分析技术及计算机知识等多种学科融为一体,对个人内心真实意图和状态进行探测的一门科学。眼动仪的出现给测谎带来了新的判别手段,眼动数据可以反映视觉信息的加工模式。对于揭示认知加工的心理机制具有重要意义。目前针对于谎言的评判方法主要分为两种,一种方法是由心理专家或相关研究人员对个体讲述时的情态、语气进行分析,以评估个体是否说谎。这种方法操作简单,但是主观性大,可靠性低,需要专业人员协助。另一种方法是由专业人员依靠专业测谎设备采集个体讲述时的身体数据,进行统计分析,系统性地评估个体是否说谎。这种多道评判技术准确度高,但是操作复杂。两种方法都缺少对眼动数据的采集和利用。
发明内容
为解决上述问题,提供一种基于眼动技术的谎言评判方法,本发明采用了如下技术方案:
本发明提供了一种基于眼动技术的谎言评判方法,其特征在于,包括以下步骤:步骤S1,采集受试者的一定时间内的眼动数据;步骤S2,对眼动数据进行预处理,得到预处理后的数据;步骤S3,对预处理后的数据进行均值化处理,得到每一名受试者的平均瞳孔直径和平均注视时长步骤S4,对每一名受试者的平均瞳孔直径和平均注视时长进行归一化处理,得到每一名受试者的归一化后平均瞳孔直径x1和归一化后平均注视时长x2;步骤S5,将眼动数据评价指标进行Pearson相关性分析,筛选出相关性最大的归一化后平均瞳孔直径x1和归一化后平均注视时长x2作为影响指标;步骤S6,根据x1、x2和测试谎言评价值建立多元回归模型;步骤S7,采集待测者的眼动数据,计算出待测者的归一化后平均瞳孔直径x1和归一化后平均注视时长x2并输入到多元回归模型,得到数值y;步骤S8,根据数值y的大小,输出待测谎言评价值。
本发明提供的一种基于眼动技术的谎言评判方法,还可以具有这样的技术特征,其中,步骤S6包括以下步骤:步骤S6-1,建立样本数据库,样本数据库包括每一个受试者的归一化后平均瞳孔直径x1、归一化后平均注视时长x2和测试谎言评价值;步骤S6-2,构建多元回归方程模型,公式如下:
式中,b0为随机误差,b1、b2、b3、b4、b5为待估计参数;步骤S6-3,将样本数据库的数据代入到多元回归方程模型,确定参数b0、b1、b2、b3、b4、b5;步骤S6-4,根据已经确定的回归模型参数b0、b1、b2、b3、b4、b5,确定归一化后平均瞳孔直径x1和归一化后平均注视时长x2对谎言评判的影响程度,并确定y值分值区间。
本发明提供的一种基于眼动技术的谎言评判方法,还可以具有这样的技术特征,其中,y值分值区间按大小分为实话区间、无法判断区间和谎话区间;实话区间为从0到0.35,无法判断区间从0.35到0.65,谎话区间为从0.65到1。
本发明提供的一种基于眼动技术的谎言评判方法,还可以具有这样的技术特征,其中,归一化后平均瞳孔直径x1的具体表达式为:
x1=(某一受试者的平均瞳孔直径-所有受试者的平均瞳孔直径最小值)/(所有受试者的平均瞳孔直径最大值-所有受试者的平均瞳孔直径最小值),
归一化后平均注视时长x2的具体表达式为:
x2=(某一受试者的平均注视时长-所有受试者的平均注视时长最小值)/(所有受试者的平均注视时长最大值-所有受试者的平均注视时长最小值)。
本发明提供的一种基于眼动技术的谎言评判方法,还可以具有这样的技术特征,其中,眼动数据评价指标包括归一化后平均瞳孔直径x1、归一化后平均注视时长x2、归一化后平均眼跳速度和眨眼次数。
本发明提供的一种基于眼动技术的谎言评判方法,还可以具有这样的技术特征,其中,预处理包括去噪、处理缺失值。
发明作用与效果
根据本发明的一种基于眼动技术的谎言评判方法,首先,本发明通过眼动数据评价指标的Pearson相关性分析,通过平均瞳孔直径和平均注视时长这两个相关性大的评价指标,构建多元回归方程模型,再将待测者的眼动数据输入到多元回归方程模型中,得到待测谎言评价值。相比于使用专业测谎设备等多道评判技术,测量效度要高于多道评判技术,且操作简单。
其次,本发明通过眼动技术对每一个受试者进行眼动数据的采集并建立眼动样本数据库,有利于对眼动数据的循环开发和利用,且相比于对个体讲述时的情态、语气进行说谎分析,眼动技术客观性大,比较可靠。
附图说明
图1是本发明实施例中的一种基于眼动技术的谎言评判方法流程图;
图2是本发明实施例中的预处理结果示意图;
图3是本发明实施例中的建立多元回归模型流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下结合实施例及附图对本发明的一种基于眼动技术的谎言评判方法作具体阐述。
<实施例>
图1是本发明实施例中的一种基于眼动技术的谎言评判方法流程图。
如图1所示,本实施例中的一种基于眼动技术的谎言评判方法包括以下步骤:
步骤S1,利用实时眼动仪获取眼动数据,采集受试者一段时间内的眼动数据。
首先,招募符合要求的受试者。招募到受试者后,告知实验注意事项,并进行实验前的准备,如检查眼部是否有遮挡物、佩戴眼动设备并校准。
校准完成后,可进行受试者眼动数据的采集。受试者可坐在一张舒适的椅子上,在干净明亮的环境下,直视距离一米左右处的白墙,向受试者以对话方式呈现指导语,指导语例如可以是“接下来我们将向您提出二十道问题,请您如实回答,您还有什么问题吗?”。
如果受试者没有疑问并且准备好,受试者就可以进入问答环节,共进行两次问答,分别采集受试者在全部实话、全部谎话情境下的数据。利用眼动设备记录全过程。
步骤S2,对眼动数据进行预处理,得到预处理后的数据。
图2为本发明实施例中的预处理结果示意图。
如图2所示,对获取的平均注视时长、瞳孔直径、眼跳速度和眨眼次数等的眼动数据进行预处理,包括处理缺失值、数据均值化等处理后,不存在游离值。同时初步证明实话与谎话情境中眼动数据评价指标存在差异。
在数据分析之前,通常需要将数据归一化,利用归一化后得数据进行数据分析。不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要进行数据归一化处理,以解决数据指标之间的可比性。原始数据经过数据归一化处理后,各指标处于同一数量级,适合进行综合对比评价。
归一化后平均瞳孔直径x1的具体表达式为:
x1=(某一受试者的平均瞳孔直径-所有受试者的平均瞳孔直径最小值)/(所有受试者的平均瞳孔直径最大值-所有受试者的平均瞳孔直径最小值),
归一化后平均注视时长x2的具体表达式为:
x2=(某一受试者的平均注视时长-所有受试者的平均注视时长最小值)/(所有受试者的平均注视时长最大值-所有受试者的平均注视时长最小值)
步骤S5,将眼动数据评价指标进行Pearson相关性分析,筛选出相关性最大的归一化后平均瞳孔直径x1和归一化后平均注视时长x2作为影响指标。
眼动数据评价指标包括归一化后平均瞳孔直径x1、归一化后平均注视时长x2、归一化后平均眼跳速度和眨眼次数。
对眼动数据评价指标进行Pearson相关性分析,得到表1。如表1所示,相关性最大的两个指标分别为归一化后平均瞳孔直径x1和归一化后平均注视时长x2,将这两个指标作为影响指标。
表1眼动数据评价指标的Pearson相关性分析
步骤S6,根据x1、x2和测试谎言评价值构建多元回归模型。
图3为本发明实施例中的建立多元回归模型流程图。
如图3所示,步骤S6包括以下几步骤:
步骤S6-1,建立样本数据库,如表2所示。由表2示出,样本数据库包括每一个受试者的归一化后平均瞳孔直径x1、归一化后平均注视时长x2和测试谎言评价值(0为实话,1为谎话)等数据。
表2样本数据库
步骤S6-2,构建多元回归方程模型,公式如下:
式中,b0为随机误差,b1、b2、b3、b4、b5为待估计参数。
步骤S6-3,利用上述样本数据库的前18条数据,建立利用MATLAB建立多元回归模型,y的具体表达式为:
其中,b0=-0.0782,b1=-0.6442,b2=0.5885,b3=-1.267,b4=2.216,b5=-0.828。
回归检验,将剩余后2条数据作为模型验证数据,导入上述模型进行有效性检验,可得到这名验证者的谎言评判分数分别为:
y1=-0.0782-0.6442×0.66572+0.5885×0.07002-1.267×0.6657×0.0700+2.216×0.6657-0.828×0.0700=0.0725
y2=-0.0782-0.6442×0.55772+0.5885×0.04612-1.267×0.5577×0.0461+2.216×0.5577-0.828×0.0461=0.8878
这个分数与这名测试者数据库中的谎言评判分数十分接近,故视为该多元线性回归模型有效。同时判定实话时的y值分值区间为[0,0.35],谎话的y值分值区间为[0.65,1],无法判断是否说谎的y值分值区间为[0.35,0.65]。
步骤S7,当需要测试某一个新的待测者是否说谎时,令其佩戴眼动仪并采集待测者的眼动数据,计算出待测者的归一化后平均瞳孔直径x1和归一化后平均注视时长x2,得到x1=0.5671,x2=0.1748,则带入上述确定的模型方程后,得到:
y=-0.0782-0.6442×0.56712+0.5885×0.17482-1.267×0.5671×0.1748+2.216×0.5671-0.828×0.1748=0.7190。
步骤S8,根据y值在谎话区间[0.65,1]内,输出待测谎言评价值为1(说谎)。
实施例作用与效果
根据本实施例提供的一种基于眼动技术的谎言评判方法。首先,本实施例通过眼动数据评价指标的Pearson相关性分析,通过归一化后平均瞳孔直径x1、归一化后平均注视时长x2这两个相关性大的评价指标,构建多元回归方程模型,再将待测者的眼动数据输入到多元回归方程模型中,得到待测谎言评价值。相比于使用专业测谎设备等多道评判技术,测量效度要高于多道评判技术,且操作简单。
其次,本发明通过眼动技术对每一个受试者进行眼动数据的采集并建立眼动样本数据库,有利于对眼动数据的循环开发和利用,且相比于对个体讲述时的情态、语气进行说谎分析,眼动技术客观性大,比较可靠。
最后,本实施例通过使用眼动仪采集眼动数据,相比于眼电图描记法,装备调整和操作使用比较简单,同时数据分析较为直观,不易受到受试者生理差异影响。
上述实施例仅用于举例说明本发明的具体实施方式,而本发明不限于上述实施例的描述范围。
Claims (6)
1.一种基于眼动技术的谎言评判方法,其特征在于,包括以下步骤:
步骤S1,采集受试者的一定时间内的眼动数据;
步骤S2,对所述眼动数据进行预处理,得到预处理后的数据;
步骤S5,将眼动数据评价指标进行Pearson相关性分析,筛选出相关性最大的所述归一化后平均瞳孔直径x1和所述归一化后平均注视时长x2作为影响指标;
步骤S6,根据所述x1、所述x2和测试谎言评价值建立多元回归模型;
步骤S7,采集待测者的眼动数据,计算出待测者的归一化后平均瞳孔直径x1和归一化后平均注视时长x2并输入到所述多元回归模型,得到数值y;
步骤S8,根据所述数值y的大小,输出待测谎言评价值。
2.根据权利要求1所述的一种基于眼动技术的谎言评判方法,其特征在于:
其中,步骤S6包括以下步骤:
步骤S6-1,建立样本数据库,所述样本数据库包括每一个受试者的所述归一化后平均瞳孔直径x1、所述归一化后平均注视时长x2和所述测试谎言评价值;
步骤S6-2,构建多元回归方程模型,公式如下:
式中,b0为随机误差,b1、b2、b3、b4、b5为待估计参数;
步骤S6-3,将样本数据库的数据代入到多元回归方程模型,确定参数b0、b1、b2、b3、b4、b5;
步骤S6-4,根据已经确定的回归模型参数b0、b1、b2、b3、b4、b5,确定归一化后平均瞳孔直径x1和归一化后平均注视时长x2对谎言评判的影响程度,并确定y值分值区间。
3.根据权利要求2所述的一种基于眼动技术的谎言评判方法,其特征在于:
其中,所述y值分值区间按大小分为实话区间、无法判断区间和谎话区间;
所述实话区间为从0到0.35,
所述无法判断区间从0.35到0.65,
所述谎话区间为从0.65到1。
4.根据权利要求1所述的一种基于眼动技术的谎言评判方法,其特征在于:
其中,所述归一化后平均瞳孔直径x1的具体表达式为:
x1=(某一受试者的平均瞳孔直径-所有受试者的平均瞳孔直径最小值)/(所有受试者的平均瞳孔直径最大值-所有受试者的平均瞳孔直径最小值),
所述归一化后平均注视时长x2的具体表达式为:
x2=(某一受试者的平均注视时长-所有受试者的平均注视时长最小值)/(所有受试者的平均注视时长最大值-所有受试者的平均注视时长最小值)。
5.根据权利要求1所述的一种基于眼动技术的谎言评判方法,其特征在于:
其中,所述眼动数据评价指标包括所述归一化后平均瞳孔直径x1、所述归一化后平均注视时长x2、归一化后平均眼跳速度和眨眼次数。
6.根据权利要求1所述的一种基于眼动技术的谎言评判方法,其特征在于:
其中,所述预处理包括去噪、处理缺失值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111063267.1A CN113729708B (zh) | 2021-09-10 | 2021-09-10 | 一种基于眼动技术的谎言评判方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111063267.1A CN113729708B (zh) | 2021-09-10 | 2021-09-10 | 一种基于眼动技术的谎言评判方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113729708A true CN113729708A (zh) | 2021-12-03 |
CN113729708B CN113729708B (zh) | 2023-06-20 |
Family
ID=78738081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111063267.1A Active CN113729708B (zh) | 2021-09-10 | 2021-09-10 | 一种基于眼动技术的谎言评判方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113729708B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116013523A (zh) * | 2023-01-04 | 2023-04-25 | 北京火神永创科技有限公司 | 基于脉搏波的心理测试自动评分方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5204703A (en) * | 1991-06-11 | 1993-04-20 | The Center For Innovative Technology | Eye movement and pupil diameter apparatus and method |
KR20080044982A (ko) * | 2006-11-17 | 2008-05-22 | 대한민국(관리부서:행정자치부 국립과학수사연구소장) | 거짓말 탐지 장치 및 거짓말 탐지 방법 |
US20090216092A1 (en) * | 2008-02-26 | 2009-08-27 | Acunetx, Inc. | System for analyzing eye responses to accurately detect deception |
US20100324454A1 (en) * | 2009-06-22 | 2010-12-23 | Kircher John C | Deception detection using oculomotor movements |
CN202060785U (zh) * | 2011-03-31 | 2011-12-07 | 上海天岸电子科技有限公司 | 人眼瞳孔测谎仪 |
CN104537292A (zh) * | 2012-08-10 | 2015-04-22 | 眼验有限责任公司 | 用于生物特征验证的电子欺骗检测的方法和系统 |
CN106667506A (zh) * | 2016-12-21 | 2017-05-17 | 上海与德信息技术有限公司 | 一种基于皮肤电反应和瞳孔变化的测谎方法及装置 |
CN108498106A (zh) * | 2018-02-08 | 2018-09-07 | 陕西师范大学 | 基于多重分形消除趋势波动分析的cnv脑电测谎方法 |
CN109199412A (zh) * | 2018-09-28 | 2019-01-15 | 南京工程学院 | 基于眼动数据分析的异常情绪识别方法 |
CN109222888A (zh) * | 2018-11-05 | 2019-01-18 | 温州职业技术学院 | 一种基于眼动技术判断心理测试可靠性的方法 |
CN109255309A (zh) * | 2018-08-28 | 2019-01-22 | 中国人民解放军战略支援部队信息工程大学 | 面向遥感图像目标检测的脑电与眼动融合方法及装置 |
CN110659674A (zh) * | 2019-09-05 | 2020-01-07 | 东南大学 | 一种基于视线跟踪的测谎方法 |
CN110693509A (zh) * | 2019-10-17 | 2020-01-17 | 中国人民公安大学 | 一种案件相关性确定方法、装置、计算机设备和存储介质 |
CN111222374A (zh) * | 2018-11-26 | 2020-06-02 | 广州慧睿思通信息科技有限公司 | 测谎数据处理方法、装置、计算机设备和存储介质 |
CN111743553A (zh) * | 2020-07-06 | 2020-10-09 | 山东中科先进技术研究院有限公司 | 一种基于眼动数据的情感特征提取方法及系统 |
CN112472089A (zh) * | 2020-11-17 | 2021-03-12 | 衡阳师范学院 | 一种基于眼动技术判断心理测试可靠性的系统及方法 |
-
2021
- 2021-09-10 CN CN202111063267.1A patent/CN113729708B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5204703A (en) * | 1991-06-11 | 1993-04-20 | The Center For Innovative Technology | Eye movement and pupil diameter apparatus and method |
KR20080044982A (ko) * | 2006-11-17 | 2008-05-22 | 대한민국(관리부서:행정자치부 국립과학수사연구소장) | 거짓말 탐지 장치 및 거짓말 탐지 방법 |
US20090216092A1 (en) * | 2008-02-26 | 2009-08-27 | Acunetx, Inc. | System for analyzing eye responses to accurately detect deception |
US20100324454A1 (en) * | 2009-06-22 | 2010-12-23 | Kircher John C | Deception detection using oculomotor movements |
CN202060785U (zh) * | 2011-03-31 | 2011-12-07 | 上海天岸电子科技有限公司 | 人眼瞳孔测谎仪 |
CN104537292A (zh) * | 2012-08-10 | 2015-04-22 | 眼验有限责任公司 | 用于生物特征验证的电子欺骗检测的方法和系统 |
CN106667506A (zh) * | 2016-12-21 | 2017-05-17 | 上海与德信息技术有限公司 | 一种基于皮肤电反应和瞳孔变化的测谎方法及装置 |
CN108498106A (zh) * | 2018-02-08 | 2018-09-07 | 陕西师范大学 | 基于多重分形消除趋势波动分析的cnv脑电测谎方法 |
CN109255309A (zh) * | 2018-08-28 | 2019-01-22 | 中国人民解放军战略支援部队信息工程大学 | 面向遥感图像目标检测的脑电与眼动融合方法及装置 |
CN109199412A (zh) * | 2018-09-28 | 2019-01-15 | 南京工程学院 | 基于眼动数据分析的异常情绪识别方法 |
CN109222888A (zh) * | 2018-11-05 | 2019-01-18 | 温州职业技术学院 | 一种基于眼动技术判断心理测试可靠性的方法 |
CN111222374A (zh) * | 2018-11-26 | 2020-06-02 | 广州慧睿思通信息科技有限公司 | 测谎数据处理方法、装置、计算机设备和存储介质 |
CN110659674A (zh) * | 2019-09-05 | 2020-01-07 | 东南大学 | 一种基于视线跟踪的测谎方法 |
CN110693509A (zh) * | 2019-10-17 | 2020-01-17 | 中国人民公安大学 | 一种案件相关性确定方法、装置、计算机设备和存储介质 |
CN111743553A (zh) * | 2020-07-06 | 2020-10-09 | 山东中科先进技术研究院有限公司 | 一种基于眼动数据的情感特征提取方法及系统 |
CN112472089A (zh) * | 2020-11-17 | 2021-03-12 | 衡阳师范学院 | 一种基于眼动技术判断心理测试可靠性的系统及方法 |
Non-Patent Citations (1)
Title |
---|
葛汾汾;杨晓青;陈宇星;黄浩澜;谌霞灿;李焱;胡峻梅;: "眼动追踪仪在测谎中的应用", 法医学杂志, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116013523A (zh) * | 2023-01-04 | 2023-04-25 | 北京火神永创科技有限公司 | 基于脉搏波的心理测试自动评分方法 |
CN116013523B (zh) * | 2023-01-04 | 2023-09-08 | 北京火神永创科技有限公司 | 基于脉搏波的心理测试自动评分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113729708B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133736A (zh) | 一种自适应性认知功能评估方法及系统 | |
Yu et al. | Cognitive impairment prediction in the elderly based on vocal biomarkers | |
CN106073706A (zh) | 一种面向简易精神状态量表的个性化信息和音频数据分析方法及系统 | |
TW201424683A (zh) | 脈波與體質健康風險評估系統與方法 | |
CN107811609B (zh) | 一种脑老化评估系统 | |
CN113729708B (zh) | 一种基于眼动技术的谎言评判方法 | |
CN108962397B (zh) | 一种基于笔和语音的协同任务神经系统疾病辅助诊断系统 | |
Raghu et al. | Automated biomedical signal quality assessment of electromyograms: Current challenges and future prospects | |
CN110693510A (zh) | 一种注意力缺陷多动障碍辅助诊断装置及其使用方法 | |
CN116453656B (zh) | 一种心理健康评估预警系统及方法 | |
CN110477932B (zh) | 一种基于互联网与云计算的学生心理压力评估方法及系统 | |
CN111081374B (zh) | 基于共同注意力范式的孤独症辅助诊断装置 | |
CN116484290A (zh) | 一种基于Stacking集成的抑郁症识别模型构建方法 | |
CN115497621A (zh) | 一种老年人认知状况测评系统 | |
Antunes et al. | A morphology-based feature set for automated Amyotrophic Lateral Sclerosis diagnosis on surface electromyography | |
CN116090879A (zh) | 一种基于眼动数据的飞行训练品质评估方法 | |
CN114869272A (zh) | 姿势震颤检测模型、姿势震颤检测算法、以及姿势震颤检测设备 | |
CN113539486A (zh) | 一种基于中医面舌象动态变化的健康状态辨识系统 | |
TWI734222B (zh) | 結合腦波與人工智慧進行閱讀障礙診斷之系統 | |
CN114983434A (zh) | 一种基于多模态脑功能信号识别的系统及方法 | |
CN113425298A (zh) | 一种通过穿戴设备采集数据分析抑郁程度的方法 | |
Kalimuthukumar et al. | Early-detection of Parkinson’s disease by patient voice modulation analysis through MFCC Feature extraction technique | |
CN112603337A (zh) | 一种脑电信号识别方法 | |
CN111248907A (zh) | 基于精神病临床高危人群脑电信号特征的风险预测方法 | |
JP3721980B2 (ja) | 脳機能検査装置 |
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 |