CN113729734B - 一种基于脑电信号的视敏锐度评估系统及其方法 - Google Patents
一种基于脑电信号的视敏锐度评估系统及其方法 Download PDFInfo
- Publication number
- CN113729734B CN113729734B CN202111083830.1A CN202111083830A CN113729734B CN 113729734 B CN113729734 B CN 113729734B CN 202111083830 A CN202111083830 A CN 202111083830A CN 113729734 B CN113729734 B CN 113729734B
- Authority
- CN
- China
- Prior art keywords
- signal
- visual acuity
- electroencephalogram
- signals
- visual
- 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
- A61B5/24—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
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
- A61B3/028—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing visual acuity; for determination of refraction, e.g. phoropters
- A61B3/032—Devices for presenting test symbols or characters, e.g. test chart projectors
-
- 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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/378—Visual stimuli
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Ophthalmology & Optometry (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于脑电信号的视敏锐度评估系统及其方法,系统利用脑电信号评估视敏锐度,评估结果更客观准确,利用VR眼镜可以有效减少外界环境光线的影响,根据有效信号时长自动切换视标不仅在视标切换上实现自动化,还实现了视标和信号的同步。单电极脑电信号采集设备操作更简单成本更低。信号处理模块对背景信号进行处理,减少个体差异和环境变换对评估结果的影响,使得系统可以应用于日常视敏锐度的检查中。数据分析模块在第一次评估得到视敏锐度结果后,通过计算相对标准偏差剔除异常结果,进行了二次评估,使得评估结果更加准确。数据分析模块将每次分析结果回收至数据库,完善脑电信号对视力判断的方法,提高下一次测试的判断准确率。
Description
技术领域
本发明涉及视敏锐度评估的技术领域,尤其涉及到一种基于脑电信号的视敏锐度评估系统及其方法。
背景技术
随着长时间近距离用眼和大量终端屏的电子产品的频繁使用,儿童青少年的视力受到较大影响,2020年,我国儿童青少年总体近视率为52.7%,其中高中生的近视率达到80.5%。面对不断升高的青少年近视率,近视防控变得很重要,而视力(视敏锐度)检查作为近视防控的必要部分更加需要智能化和普及化,提高视力筛查效率。传统的视力检查方法为视力表检查法,该检查为主观检查,需要检查者和被检查者充分理解和配合,而对于相当比例的不能理解配合检查的人员,如4岁以下的幼儿、昏迷或卧床病人,以及故意不配合检查的伪盲者等,传统的视力表检查无法获得准确客观的信息。而脑电信号——一种可以客观反映人体生理的生理信号,正在被广泛应用于医学疾病检测等领域中,其中就包括对人体视觉功能的检查。
在目前已有的研究中,文献[1]M Bach,J P Maurer,M E Wolf.Visual evokedpotential-based acuity assessment in normal vision,artificially degradedvision,and in patients.The British Journal of Ophthalmology,2008,92[3]:396-403.通过分析VEP(视觉诱发电位)客观评估视敏锐度,设计逐步启发算法利用视觉刺激频率下产生的VEP脑电信号幅值估计可识别的空间频率,再将空间频率转换为视敏锐度。文献[2]Xiaowei Zheng,Guanghua Xu,Chenghang Du.Real-time,precise,rapid andobjective visual acuity assessment by self-adaptive step SSVEPs.2021J.NeuralEng.18046047提到利用SSVEP(稳态视觉诱发电位)进行实时的、快速的视敏锐度判断,利用PEST算法估计可识别的空间频率,减少了测试时间。然而利用VEP和SSVEP脑电信号进行视力筛查存在许多缺陷:(1)VEP和SSVEP的信号采集设备成本高、操作复杂。(2)文献[2]中通过液晶显示屏显示视觉刺激范式,但仍然存在外界环境光线对实验对象的影响。(3)文献[1]、[2]中利用脑电信号进行视敏锐度分析时,采用的是严格的实验环境下所产生的数据,缺乏对不同环境下以及不同人群所产生的脑电信号个体差异性的处理,难以在日常视敏锐度检查中使用。(4)文献[1]、[2]中缺少数据库模块,新数据应被纳入数据库,对视敏锐度检查方法进行修正。
发明内容
本发明的目的在于克服现有技术的不足,提供一种低成本、操作简单、能减少外界环境光线影响以及因脑电信号个体差异性和环境变换对视敏锐度检查的影响、准确度高的基于脑电信号的视敏锐度评估系统。
为实现上述目的,本发明所提供的技术方案为:
一种基于脑电信号的视敏锐度评估系统及其方法,包括顺序连接的信号采集模块、信号处理模块、数据分析模块;
所述信号采集模块(1)包括虚拟现实头戴式显示设备和单电极脑电采集设备;
其中,所述虚拟现实头戴式显示设备用于显示并根据有效信号时长自动切换视标;
所述单电极脑电采集设备实时采集刺激下的脑电信号和背景信号并传输至信号处理模块;
所述信号处理模块包括三个功能,一为对采集信号进行信号预处理以去除无用信号并进行信号频域分析提取特征值,二为处理背景信号以弱化因个体差异和环境变换所导致的对评估结果的影响,三为构建特征值向量用于数据分析模块的分析;
所述数据分析模块包括两个功能,一为根据特征值向量评估视敏锐度并剔除异常结果进行二次评估,二为通过数据库回收评估结果与数据以优化脑电信号特征值—视敏锐度关系曲线。
进一步地,所述虚拟现实头戴式显示设备为VR眼镜。
进一步地,所述单电极脑电采集设备采用TGAM芯片对脑电信号进行采集。
为实现上述目的,本发明另外提供一种基于脑电信号的视敏锐度评估方法,包括以下步骤:
S1、利用虚拟现实头戴式显示设备显示并根据有效信号时长自动切换视标,以及利用单电极脑电采集设备实时采集刺激下的脑电信号和背景信号并传输至信号处理模块;
S2、信号处理模块对采集信号进行信号预处理以去除无用信号并进行信号频域分析提取特征值,处理背景信号以弱化因个体差异和环境变换所导致的对评估结果的影响,以及构建特征值向量;
S3、根据特征值向量评估视敏锐度并剔除异常结果进行二次评估,通过数据库回收评估结果与数据以优化脑电信号特征值—视敏锐度关系曲线。
进一步地,所述步骤S1具体包括:
S1-1、启动单电极脑电采集设备;
S1-2、虚拟现实头戴式显示设备显示视标,测试者观看视标;
S1-3、通过单电极脑电采集设备采集测试者观看视标时1秒的有效脑电信号;
S1-4、虚拟现实头戴式显示设备自动切换下一个视标;
S1-5、判断是否所有视标均切换完毕,若是,则进入下一步,否则,返回步骤S1-2;
S1-6、测试者闭上眼;
S1-7、通过单电极脑电采集设备采集测试者闭眼时4秒的有效脑电信号作为背景信号;
S1-8、将采集得到的视标刺激下的脑电信号、背景信号以及视标显示顺序发送给信号处理模块。
进一步地,所述步骤S2具体包括:
S2-1、信号处理模块分别对视标刺激下的脑电信号和背景信号进行信号预处理,分别得到特征向量f_S和f_B;
S2-2、信号处理模块计算f_B的平均值D,再令F=f_S/D,得到处理后的特征向量F,去除个体差异和环境变换对结果的影响;
S2-3、信号处理模块以视标显示顺序的标号为元素,构建视标向量T,其中,T(i)=Ti,Ti为第i秒显示的视标编号;
S2-4、信号处理模块计算视标向量T的长度num;
S2-5、信号处理模块将特征向量F、视标向量T和长度num送入数据分析模块。
进一步地,所述步骤S3具体包括:
S3-1、输入特征向量F、视标向量T和长度num,设i=1;
S3-2、从数据库中找到视标Ti对应的特征值-视敏锐度曲线Gi,该特征值-视敏锐度曲线Gi通过采集的实验数据拟合生成;
S3-3、利用特征值-视敏锐度曲线Gi和特征值Fi,得到视敏锐度Vi,i=i+1;
S3-4、判断i是否小于或等于num,若是,则返回步骤S3-2,否则进入下一步;
S3-5、对得到的所有视敏锐度Vi求平均,计算出平均视敏锐度V,再将i设为1;
S3-6、计算视敏锐度Vi与平均视敏锐度V的相对标准偏差;
S3-7、判断相对标准偏差是否超过5%,若是,i=i+1,并进入下一步,否则去除视敏锐度Vi及对应的特征值Fi;
S3-8、判断i是否小于或等于num,若是,则返回步骤S3-6,否则对剩余的所有视敏锐度Vi再次求平均,计算并输出平均视敏锐度V,并将剩余的视标Ti、特征值Fi和视敏锐度Vi送入数据库,数据库利用新数据修正完善视标Ti对应的特征值-视敏锐度曲线Gi。
进一步地,所述步骤S2-1中,信号预处理具体包括:
A)对输入的信号进行低通滤波处理;
B)自动筛除眼动信号;
C)以1秒为单位分割信号;
D)对单位信号作频域分析,得到第i秒信号的特征值fi;
E)以每秒单位信号对应的特征值为元素,构建得到特征向量。
进一步地,所述步骤B)具体包括:
B-1)将信号按区间划分;
B-2)逐步计算每个区间内信号的方差;
B-3)对所得的方差进行比较,找到方差最大的10个区间;
B-4)将10个区间内的信号筛除。
进一步地,所述步骤S1-7中,通过单电极脑电采集设备采集测试者闭眼时4秒的有效脑电信号的具体过程包括:
S1-7-1、令t=1;
S1-7-2、获取脑电信号数据包,
S1-7-3、对每个数据包进行处理,提取数据包中的原始信号;
S1-7-4、判断原始信号幅值是否超过设定的阈值,若为是,则该数据包携带的原始信号为噪声信号,放弃不采用,若为否,则该数据包携带的原始信号为脑电信号,将信号送入缓冲区;
S1-7-5、判断缓冲区中的脑电信号是否达到1秒,若为是,则保存1秒有效信号,且t=t+1,并进入下一步,若为否,则返回步骤S1-7-2;
S1-7-6、判断t是否大于4,若为是,则结束,若为否,则返回步骤S1-7-2。
与现有技术相比,本方案原理及优点如下:
1)本方案利用VR眼镜显示视标并根据有效信号时长自动切换视标,利用VR眼镜可以有效减少外界环境光线的影响,根据有效信号时长自动切换视标不仅在视标切换上实现自动化,还实现了视标和信号的同步,使得数据分析模块可以自动配对不同视标与不同视标刺激下生成的脑电信号。
2)本方案利用单电极脑电信号采集设备采集额部脑电信号,与采集VEP信号的多电极信号采集设备相比,单电极脑电信号采集设备操作更简单成本更低。同时,信号采集模块还通过算法判断采集的信号是否满足去噪要求,以此对信号进行筛选,克服了单电极脑电信号采集设备带来的采集信号质量低的问题,在低成本采集设备的基础上依然保证信号质量。
3)本方案中,信号处理模块对背景信号进行处理,减少个体差异和环境变换对评估结果的影响,使得系统可以应用于日常视敏锐度的检查中。
4)本方案中,数据分析模块在第一次评估得到视敏锐度结果后,通过计算相对标准偏差剔除异常结果,进行了二次评估,使得评估结果更加准确。
5)数据分析模块将每次分析结果回收至数据库,完善脑电信号对视力判断的方法,提高下一次测试的判断准确率。
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服务作简单地介绍,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为本发明一种基于脑电信号的视敏锐度评估系统的结构示意图;
图2为本发明一种基于脑电信号的视敏锐度评估方法中虚拟现实头戴式显示设备和单电极脑电采集设备配合采集信号的原理流程图;
图3为本发明一种基于脑电信号的视敏锐度评估方法中信号处理模块的工作流程图;
图4为本发明一种基于脑电信号的视敏锐度评估方法中信号预处理的原理流程图;
图5为本发明一种基于脑电信号的视敏锐度评估方法中数据分析模块的工作流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
如图1所示,本实施例所述的一种基于脑电信号的视敏锐度评估系统,包括顺序连接的信号采集模块1、信号处理模块2、数据分析模块3;
信号采集模块1包括虚拟现实头戴式显示设备和单电极脑电采集设备;虚拟现实头戴式显示设备用于显示并根据有效信号时长自动切换视标;单电极脑电采集设备实时采集刺激下的脑电信号和背景信号并传输至信号处理模块2;
信号处理模块2包括三个功能,一为对采集信号进行信号预处理以去除无用信号并进行信号频域分析提取特征值,二为处理背景信号以弱化因个体差异和环境变换所导致的对评估结果的影响,三为构建特征值向量用于数据分析模块3的分析;
数据分析模块3包括两个功能,一为根据特征值向量评估视敏锐度并剔除异常结果进行二次评估,二为通过数据库回收评估结果与数据以优化脑电信号特征值—视敏锐度关系曲线。
具体地,本实施例中,虚拟现实头戴式显示设备为VR眼镜。
具体地,本实施例中,单电极脑电采集设备采用TGAM芯片对脑电信号进行采集。
本实施例具体的工作原理如下:
S1、利用虚拟现实头戴式显示设备显示并根据有效信号时长自动切换视标,以及利用单电极脑电采集设备实时采集刺激下的脑电信号和背景信号并传输至信号处理模块;
如图2所示,本步骤具体包括:
S1-1、启动单电极脑电采集设备;
S1-2、虚拟现实头戴式显示设备显示视标,测试者观看视标;
S1-3、通过单电极脑电采集设备采集测试者观看视标时1秒的有效脑电信号;
S1-4、虚拟现实头戴式显示设备自动切换下一个视标;
S1-5、判断是否所有视标均切换完毕,若是,则进入下一步,否则,返回步骤S1-2;
S1-6、测试者闭上眼;
S1-7、通过单电极脑电采集设备采集测试者闭眼时4秒的有效脑电信号作为背景信号,具体过程如下:
S1-7-1、令t=1;
S1-7-2、获取脑电信号数据包,
S1-7-3、对每个数据包进行处理,提取数据包中的原始信号;
S1-7-4、判断原始信号幅值是否超过设定的阈值,若为是,则该数据包携带的原始信号为噪声信号,放弃不采用,若为否,则该数据包携带的原始信号为脑电信号,将信号送入缓冲区;
S1-7-5、判断缓冲区中的脑电信号是否达到1秒,若为是,则保存1秒有效信号,且t=t+1,并进入下一步,若为否,则返回步骤S1-7-2;
S1-7-6、判断t是否大于4,若为是,则结束,若为否,则返回步骤S1-7-2。
S1-8、将采集得到的视标刺激下的脑电信号、背景信号以及视标显示顺序发送给信号处理模块2。
S2、信号处理模块2对采集信号进行信号预处理以去除无用信号并进行信号频域分析提取特征值,处理背景信号以弱化因个体差异和环境变换所导致的对评估结果的影响,以及构建特征值向量;
如图3所示,本步骤具体包括:
S2-1、信号处理模块分别对视标刺激下的脑电信号和背景信号进行信号预处理,分别得到特征向量f_S和f_B;
如图4所示,本子步骤中,无论是对脑电信号还是背景信号,信号的预处理过程均为:
A)对输入的信号进行低通滤波处理;
B)自动筛除眼动信号,具体包括:
B-1)将信号按区间划分;
B-2)逐步计算每个区间内信号的方差;
B-3)对所得的方差进行比较,找到方差最大的10个区间;
B-4)将10个区间内的信号筛除。
C)以1秒为单位分割信号;
D)对单位信号作频域分析,得到第i秒信号的特征值fi;
E)以每秒单位信号对应的特征值为元素,构建得到特征向量。
S2-2、信号处理模块计算f_B的平均值D,再令F=f_S/D,得到处理后的特征向量F,去除个体差异和环境变换对结果的影响;
S2-3、信号处理模块2以视标显示顺序的标号为元素,构建视标向量T,其中,T(i)=Ti,Ti为第i秒显示的视标编号;
S2-4、信号处理模块2计算视标向量T的长度num;
S2-5、信号处理模块2将特征向量F、视标向量T和长度num送入数据分析模块3。
S3、根据特征值向量评估视敏锐度并剔除异常结果进行二次评估,通过数据库回收评估结果与数据以优化脑电信号特征值—视敏锐度关系曲线。
如图5所示,本步骤具体包括:
S3-1、输入特征向量F、视标向量T和长度num,设i=1;
S3-2、从数据库中找到视标Ti对应的特征值-视敏锐度曲线Gi,该特征值-视敏锐度曲线Gi通过采集的实验数据拟合生成;
S3-3、利用特征值-视敏锐度曲线Gi和特征值Fi,得到视敏锐度Vi,i=i+1;
S3-4、判断i是否小于或等于num,若是,则返回步骤S3-2,否则进入下一步;
S3-5、对得到的所有视敏锐度Vi求平均,计算出平均视敏锐度V,再将i设为1;
S3-6、计算视敏锐度Vi与平均视敏锐度V的相对标准偏差;
S3-7、判断相对标准偏差是否超过5%,若是,i=i+1,并进入下一步,否则去除视敏锐度Vi及对应的特征值Fi;
S3-8、判断i是否小于或等于num,若是,则返回步骤S3-6,否则对剩余的所有视敏锐度Vi再次求平均,计算并输出平均视敏锐度V,并将剩余的视标Ti、特征值Fi和视敏锐度Vi送入数据库,数据库利用新数据修正完善视标Ti对应的特征值-视敏锐度曲线Gi。
本实施例具有成本低、操作简单、能减少外界环境光线影响以及因脑电信号个体差异性和环境变换对视敏锐度检查的影响、准确度高等优点。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (3)
1.一种基于脑电信号的视敏锐度评估系统,其特征在于,包括顺序连接的信号采集模块(1)、信号处理模块(2)、数据分析模块(3);
所述信号采集模块(1)包括虚拟现实头戴式显示设备和单电极脑电采集设备;
其中,所述虚拟现实头戴式显示设备用于显示并根据有效信号时长自动切换视标;
所述单电极脑电采集设备实时采集刺激下的脑电信号和背景信号并传输至信号处理模块(2);
所述信号处理模块(2)包括三个功能,一为对采集信号进行信号预处理以去除无用信号并进行信号频域分析提取特征值,二为处理背景信号以弱化因个体差异和环境变换所导致的对评估结果的影响,三为构建特征值向量用于数据分析模块的分析;
所述数据分析模块(3)包括两个功能,一为根据特征值向量评估视敏锐度并剔除异常结果进行二次评估,二为通过数据库回收评估结果与数据以优化脑电信号特征值—视敏锐度关系曲线;
系统工作包括以下步骤:
S1、利用虚拟现实头戴式显示设备显示并根据有效信号时长自动切换视标,以及利用单电极脑电采集设备实时采集刺激下的脑电信号和背景信号并传输至信号处理模块;
S2、信号处理模块对采集信号进行信号预处理以去除无用信号并进行信号频域分析提取特征值,处理背景信号以弱化因个体差异和环境变换所导致的对评估结果的影响,以及构建特征值向量;
S3、根据特征值向量评估视敏锐度并剔除异常结果进行二次评估,通过数据库回收评估结果与数据以优化脑电信号特征值—视敏锐度关系曲线;
所述步骤S1具体包括:
S1-1、启动单电极脑电采集设备;
S1-2、虚拟现实头戴式显示设备显示视标,测试者观看视标;
S1-3、通过单电极脑电采集设备采集测试者观看视标时1秒的有效脑电信号;
S1-4、虚拟现实头戴式显示设备自动切换下一个视标;
S1-5、判断是否所有视标均切换完毕,若是,则进入下一步,否则,返回步骤S1-2;
S1-6、测试者闭上眼;
S1-7、通过单电极脑电采集设备采集测试者闭眼时4秒的有效脑电信号作为背景信号;
S1-8、将采集得到的视标刺激下的脑电信号、背景信号以及视标显示顺序发送给信号处理模块;
所述步骤S2具体包括:
S2-1、信号处理模块分别对视标刺激下的脑电信号和背景信号进行信号预处理,分别得到特征向量f_S和f_B;
S2-2、信号处理模块计算f_B的平均值D,再令F=f_S/D,得到处理后的特征向量F,去除个体差异和环境变换对结果的影响;
S2-3、信号处理模块以视标显示顺序的标号为元素,构建视标向量T,其中,T(i)=Ti,Ti为第i秒显示的视标编号;
S2-4、信号处理模块计算视标向量T的长度num;
S2-5、信号处理模块将特征向量F、视标向量T和长度num送入数据分析模块;
所述步骤S3具体包括:
S3-1、输入特征向量F、视标向量T和长度num,设i=1;
S3-2、从数据库中找到视标Ti对应的特征值-视敏锐度曲线Gi,该特征值-视敏锐度曲线Gi通过采集的实验数据拟合生成;
S3-3、利用特征值-视敏锐度曲线Gi和特征值Fi,得到视敏锐度Vi,i=i+1;
S3-4、判断i是否小于或等于num,若是,则返回步骤S3-2,否则进入下一步;
S3-5、对得到的所有视敏锐度Vi求平均,计算出平均视敏锐度V,再将i设为1;
S3-6、计算视敏锐度Vi与平均视敏锐度V的相对标准偏差;
S3-7、判断相对标准偏差是否超过5%,若是,i=i+1,并进入下一步,否则去除视敏锐度Vi及对应的特征值Fi;
S3-8、判断i是否小于或等于num,若是,则返回步骤S3-6,否则对剩余的所有视敏锐度Vi再次求平均,计算并输出平均视敏锐度V,并将剩余的视标Ti、特征值Fi和视敏锐度Vi送入数据库,数据库利用新数据修正完善视标Ti对应的特征值-视敏锐度曲线Gi;
所述步骤S2-1中,信号预处理具体包括:
对输入的信号进行低通滤波处理;
自动筛除眼动信号;
以1秒为单位分割信号;
对单位信号作频域分析,得到第i秒信号的特征值fi;
以每秒单位信号对应的特征值为元素,构建得到特征向量;
所述步骤B)具体包括:
B-1)将信号按区间划分;
B-2)逐步计算每个区间内信号的方差;
B-3)对所得的方差进行比较,找到方差最大的10个区间;
B-4)将10个区间内的信号筛除;
所述步骤S1-7中,通过单电极脑电采集设备采集测试者闭眼时4秒的有效脑电信号的具体过程包括:
S1-7-1、令t=1;
S1-7-2、获取脑电信号数据包,
S1-7-3、对每个数据包进行处理,提取数据包中的原始信号;
S1-7-4、判断原始信号幅值是否超过设定的阈值,若为是,则该数据包携带的原始信号为噪声信号,放弃不采用,若为否,则该数据包携带的原始信号为脑电信号,将信号送入缓冲区;
S1-7-5、判断缓冲区中的脑电信号是否达到1秒,若为是,则保存1秒有效信号,且t=t+1,并进入下一步,若为否,则返回步骤S1-7-2;
S1-7-6、判断t是否大于4,若为是,则结束,若为否,则返回步骤S1-7-2。
2.根据权利要求1所述的一种基于脑电信号的视敏锐度评估系统,其特征在于,所述虚拟现实头戴式显示设备为VR眼镜。
3.根据权利要求1所述的一种基于脑电信号的视敏锐度评估系统,其特征在于,所述单电极脑电采集设备采用TGAM芯片对脑电信号进行采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111083830.1A CN113729734B (zh) | 2021-09-14 | 2021-09-14 | 一种基于脑电信号的视敏锐度评估系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111083830.1A CN113729734B (zh) | 2021-09-14 | 2021-09-14 | 一种基于脑电信号的视敏锐度评估系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113729734A CN113729734A (zh) | 2021-12-03 |
CN113729734B true CN113729734B (zh) | 2023-03-31 |
Family
ID=78739218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111083830.1A Active CN113729734B (zh) | 2021-09-14 | 2021-09-14 | 一种基于脑电信号的视敏锐度评估系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113729734B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4716907A (en) * | 1985-08-23 | 1988-01-05 | Hiroshi Shibasaki | Apparatus for detecting electroencephalogram and evoked response with monopolar derivation method |
US11701046B2 (en) * | 2016-11-02 | 2023-07-18 | Northeastern University | Portable brain and vision diagnostic and therapeutic system |
US11109795B2 (en) * | 2018-07-27 | 2021-09-07 | Ronald Siwoff | Device and method for measuring and displaying bioelectrical function of the eyes and brain |
CN110251064A (zh) * | 2019-07-17 | 2019-09-20 | 西安交通大学 | 基于运动视觉诱发电位的视敏度检测方法 |
CN113080840B (zh) * | 2021-03-23 | 2021-12-28 | 西安交通大学 | 基于稳态视觉诱发电位的视敏度客观快速精准检查系统 |
-
2021
- 2021-09-14 CN CN202111083830.1A patent/CN113729734B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113729734A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110801237B (zh) | 一种基于眼动和脑电特征的认知能力评估系统 | |
CN109646022B (zh) | 儿童注意力评估系统及其方法 | |
Chen et al. | Eye‐tracking‐aided digital system for strabismus diagnosis | |
CN111012367A (zh) | 一种精神疾病的智能识别系统 | |
CN110495895B (zh) | 一种基于眼动跟踪的疲劳检测方法与系统 | |
CN109222888B (zh) | 一种基于眼动技术判断心理测试可靠性的方法 | |
US6475162B1 (en) | System and method for vision examination using interrupt signals for synchronizing visual evoked potential sampling rate with visual stimulus | |
CN109875583B (zh) | 一种基于ar技术的疲劳驾驶检测系统及方法 | |
CN107480716B (zh) | 一种结合eog和视频的扫视信号识别方法及系统 | |
CN115607153B (zh) | 一种基于眼动追踪的心理量表回答质量评估系统及方法 | |
CN113647950A (zh) | 心理情绪检测方法及系统 | |
Lu et al. | A dual model approach to EOG-based human activity recognition | |
CN108958489A (zh) | 一种基于脑电和眼动仪的图像感兴趣区域快速检出方法 | |
CN113974589B (zh) | 多模态行为范式评估优化系统及认知能力评价方法 | |
CN114424941A (zh) | 疲劳检测模型构建方法、疲劳检测方法、装置及设备 | |
CN114190879A (zh) | 基于虚拟现实技术的弱视儿童视功能检测系统 | |
CN113729734B (zh) | 一种基于脑电信号的视敏锐度评估系统及其方法 | |
CN111724896B (zh) | 一种基于多刺激图片或视频erp的毒瘾评估系统 | |
CN109308118A (zh) | 基于eog的中文眼写信号识别系统及其识别方法 | |
CN113907757B (zh) | 一种基于注意系统理论的警觉度测试方法 | |
CN109102505A (zh) | 基于图像的非接触式手掌疱疹检测系统及其检测方法 | |
CN106344008B (zh) | 睡眠状态分析中清醒状态检测方法和系统 | |
CN115022617A (zh) | 基于脑电信号和时空多尺度联合网络的视频质量评价方法 | |
CN108451496B (zh) | 检测脑心连通性的信息的方法及其系统 | |
TW201604842A (zh) | 結合眼球影像與腦波之疲勞偵測方法 |
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 |