CN114020148A - 提升注意力的训练方法、装置以及电子设备 - Google Patents

提升注意力的训练方法、装置以及电子设备 Download PDF

Info

Publication number
CN114020148A
CN114020148A CN202111186203.0A CN202111186203A CN114020148A CN 114020148 A CN114020148 A CN 114020148A CN 202111186203 A CN202111186203 A CN 202111186203A CN 114020148 A CN114020148 A CN 114020148A
Authority
CN
China
Prior art keywords
electroencephalogram signal
training
eye
task
test
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
Application number
CN202111186203.0A
Other languages
English (en)
Other versions
CN114020148B (zh
Inventor
李小俚
陈贺
张昊
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.)
Beijing Normal University
Original Assignee
Beijing Normal University
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 Beijing Normal University filed Critical Beijing Normal University
Priority to CN202111186203.0A priority Critical patent/CN114020148B/zh
Publication of CN114020148A publication Critical patent/CN114020148A/zh
Application granted granted Critical
Publication of CN114020148B publication Critical patent/CN114020148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Dermatology (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Human Computer Interaction (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本申请提供了一种提升注意力的训练方法、装置以及电子设备，其中，提升注意力的训练方法，包括：获取训练对象在训练阶段的第一训练任务脑电信号；第一训练任务脑电信号是在第一设定时长内获取的、训练对象执行训练任务时的脑电信号；采用alpha节律滤波器对第一训练任务脑电信号进行滤波，得到第二训练任务脑电信号；alpha节律滤波器的带宽基于训练对象的个体化alpha峰值频率确定；采用空间滤波器对第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号；空间滤波器用于增强第二训练任务脑电信号中的alpha节律；基于获取的第三训练任务脑电信号的alpha节律相对能量以及训练对象的alpha节律相对能量的基线值，对训练对象进行奖励反馈。

Description

提升注意力的训练方法、装置以及电子设备
技术领域
本申请实施例涉及神经调控技术领域，更具体地，涉及一种提升注意力的训练方法、装置以及电子设备。
背景技术
注意力是心里活动指向一个符合当前活动需要的特定刺激，同时忽略或者抑制无关刺激的能力。注意力是记忆的基础，也是一切意识活动的基础。缺乏持续注意力一段时间后会导致行为表现下降。例如，具有注意缺陷多动障碍的儿童，在生活中多表现出注意力缺乏、多动或者冲动的症状，进而导致患有ADHD的儿童学业成就低、人际交往困难、甚至具有较高的犯罪风险。
研究表明，通过特定的神经反馈训练可以提升注意力。神经反馈是指通过反复试验，教导训练对象通过大脑激活的实时音频或者视觉反馈自动调节特定的脑区，来达到提升训练对象注意力的目的。在现有的神经反馈训练过程中，通常基于固定频段提取训练对象的alpha节律，并基于固定频段提取的alpha节律对训练对象的注意力进行训练。但是，研究表明，不同的训练对象具有不同的alpha节律水平，因此，基于固定频段提取的训练对象的alpha节律水平并不能准确表征训练对象的alpha节律水平，进而导致神经反馈训练的训练效果较差。
发明内容
本申请实施例的目的是提供一种提升注意力的训练方法、装置以及电子设备，能够解决神经反馈训练的训练效果差的问题。
为了解决上述技术问题，本申请是这样实现的：
第一方面，本申请实施例提供了一种提升注意力的训练方法，包括：
获取训练对象在训练阶段的第一训练任务脑电信号；所述第一训练任务脑电信号是在第一设定时长内获取的、所述训练对象执行训练任务时的脑电信号；
采用预先构建的alpha节律滤波器对所述第一训练任务脑电信号进行滤波，得到第二训练任务脑电信号；所述alpha节律滤波器的带宽基于所述训练对象的个体化alpha峰值频率确定；
采用预先构建的空间滤波器对所述第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号；所述空间滤波器用于增强所述第二训练任务脑电信号中的alpha节律；
基于获取的所述第三训练任务脑电信号的alpha节律相对能量以及所述训练对象的alpha节律相对能量的基线值，对所述训练对象进行奖励反馈。
可选地，构建所述alpha节律滤波器，包括：
获取所述训练对象在测试阶段的第一闭眼测试脑电信号；所述第一闭眼测试脑电信号是在第二设定时长内获取的、所述训练对象保持闭眼状态时的脑电信号；
基于所述第一闭眼测试脑电信号，计算所述训练对象的个体化alpha峰值频率；
基于所述个体化alpha峰值频率，构建所述alpha节律滤波器。
可选地，第一闭眼测试脑电信号包括多个通道的脑电信号；
所述基于所述第一闭眼测试脑电信号，计算所述训练对象的个体化alpha峰值频率，包括：
对所述第一闭眼测试脑电信号进行预处理，得到第二闭眼测试脑电信号；
基于所述第二闭眼测试脑电信号，计算所述训练对象的个体化alpha峰值频率；
所述对所述第一闭眼测试脑电信号进行预处理，得到第二闭眼测试脑电信号，包括：
按照预设的第一分段规则对所述多个通道的脑电信号进行分段，得到各通道对应的多个脑电信号片段；
在各通道对应的所述多个脑电信号片段中筛选肌电占比最低的、设定数量的脑电信号片段进行拼接，得到各通道对应的有效脑电信号；
基于所述各通道对应的有效脑电信号，得到第二闭眼测试脑电信号。
可选地，多个通道包括O1通道和O2通道；
所述基于所述第二闭眼测试脑电信号，计算所述训练对象的个体化alpha峰值频率，包括：
获取所述第二闭眼测试脑电信号中所述O1通道的脑电信号；
获取所述O1通道的脑电信号对应的alpha峰值频率，作为第一alpha峰值频率；
获取所述第二闭眼测试脑电信号中所述O2通道的脑电信号；
获取所述O2通道的脑电信号对应的alpha峰值频率，作为第二alpha峰值频率；
基于所述第一alpha峰值频率和所述第二alpha峰值频率，计算所述训练对象的个体化alpha峰值频率。
可选地，空间滤波器包括第一空间滤波器和第二空间滤波器；
所述采用预先构建的空间滤波器对所述第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号，包括：
采用所述第一空间滤波器对所述第二训练任务脑电信号进行滤波，得到第四训练任务脑电信号；所述第一空间滤波器用于增强所述第二训练任务脑电信号中与睁眼相关的alpha节律；
采用所述第二空间滤波器对所述第四训练任务脑电信号进行滤波，得到所述第三训练任务脑电信号；所述第二空间滤波器用于增强所述第四训练任务脑电信号中与所述训练任务相关的alpha节律。
可选地，构建所述第一空间滤波器的步骤包括：
获取所述训练对象在所述测试阶段的第一睁眼测试脑电信号；所述第一睁眼测试脑电信号是在所述第二设定时长内获取的、所述训练对象保持睁眼状态时的脑电信号；
对所述第一睁眼测试脑电信号进行预处理，得到第二睁眼测试脑电信号；
采用所述alpha节律滤波器对所述第二睁眼测试脑电信号进行滤波，得到第三睁眼测试脑电信号；
采用所述alpha节律滤波器对所述第二闭眼测试脑电信号进行滤波，得到第三闭眼测试脑电信号；
基于所述第三闭眼测试脑电信号和所述第三睁眼测试脑电信号，采用公共空间模式算法，计算第一投影矩阵；
基于所述第一投影矩阵中的元素构建所述第一空间滤波器。
可选地，构建所述第二空间滤波器的步骤包括：
获取所述训练对象在所述测试阶段的第一任务测试脑电信号；所述第一任务测试脑电信号是在所述第二设定时长内获取的、所述训练对象执行所述训练任务时的脑电信号；
对所述第一任务测试脑电信号进行预处理，得到第二任务测试脑电信号；
采用所述alpha节律滤波器对所述第二任务测试脑电信号进行滤波，得到第三任务测试脑电信号；
采用所述第一空间滤波器对所述第三任务测试脑电信号进行滤波，得到第四任务测试脑电信号；
采用所述第一空间滤波器对所述第三睁眼测试脑电信号进行滤波，得到第四睁眼测试脑电信号；
基于所述第四睁眼测试脑电信号和所述第四任务测试脑电信号，采用所述公共空间模式算法，计算第二投影矩阵；
基于所述第二投影矩阵中的元素构建所述第二空间滤波器。
可选地，获取所述训练对象alpha节律相对能量的基线值，包括：
获取训练对象在训练阶段的第一睁眼任务脑电信号；所述第一睁眼任务脑电信号是在所述第三设定时长内获取的、所述训练对象执行睁眼任务时的脑电信号；
对所述第一睁眼任务脑电信号进行预处理，得到多个第一有效脑电号片段；
将所述多个第一有效脑电信号片段一次通过所述第一alpha节律滤波器、所述第一空间滤波器以及所述第二空间滤波器，得到多个第二有效脑电信号片段；
获取多个第二有效脑电信号片段的alpha节律的相对能量进行平均，得到所述训练对象alpha节律相对能量的基线值。
第二方面，本申请实施例提供了一种提升注意力的训练装置，包括：
脑电信号获取模块，用于获取训练对象在训练阶段的第一训练任务脑电信号；所述第一训练任务脑电信号是在第一设定时长内获取的、所述训练对象执行训练任务时的脑电信号；
第一滤波模块，用于采用预先构建的alpha节律滤波器对所述第一训练任务脑电信号进行滤波，得到第二训练任务脑电信号；所述alpha节律滤波器的带宽基于所述训练对象的个体化alpha峰值频率确定；
第二滤波模块，用于采用预先构建的空间滤波器对所述第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号；所述空间滤波器用于增强所述第二训练任务脑电信号中的alpha节律；
反馈模块，用于基于获取的所述第三训练任务脑电信号的alpha节律相对能量以及所述训练对象的alpha节律相对能量的基线值，对所述训练对象进行奖励反馈。
第三方面，本申请实施例提供了一种电子设备，包括第二方面所述的训练装置；或者，所述电子设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于在所述计算机程序的控制下，控制所述电子设备执行根据第一方面中任一项所述的方法。
根据本申请实施例的提升注意力的训练方法，基于训练对象的个体化alpha峰值频率确定alpha节律滤波器的频段，因此，通过该alpha节律滤波器提取出的alpha节律可以准确地表征训练对象的alpha节律水平，从而提升神经反馈训练效果。
通过以下参照附图对本说明书的示例性实施例的详细描述，本说明书的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本说明书的实施例，并且连同其说明一起用于解释本说明书的原理。
图1是可用于实现本申请实施例提升注意力的训练方法的训练系统的结构示意图；
图2是根据一个实施例的脑电放大器的结构示意图；
图3是根据一个实施例的提升注意力的训练方法的流程示意图；
图4是根据一个实施例的构建第一空间滤波器的步骤示意图；
图5是根据一个实施例的构建第二空间滤波器的步骤示意图；
图6是根据一个实施例的提升注意力的训练方法的示例的流程示意图；
图7是根据一个实施例的提升注意力的训练装置的结构示意图；
图8是根据一个实施例的电子设备的结构示意图；
图9是根据另一个实施例的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是可用于实现本申请实施例提升注意力的训练方法的训练系统的结构示意图。
如图1所示，该训练系统包多通道脑电采集帽1000、电极选择插孔板板2000、脑电放大器3000以及测试终端4000。
该多通道脑电采集帽1000与电极选择插孔板2000进行电连接。电极选择插孔板2000与脑电放大器3000电连接。脑电放大器3000与测试终端4000进行通信连接。其中，脑电放大器3000与测试终端4000可以进行有线通信连接也可以进行无线通信连接，例如，脑电放大器3000可以通过USB接口与测试终端4000进行有线通信连接，也可以通过WIFI与测试终端4000进行无线通信连接，在此不作具体限定。
该多通道脑电采集帽1000包括多个采集位置。
在一个实施例中，该多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2，该采集位置为国际10/20系统中标定的位置。其中，A1和A2位置处的电极作为参考电极，Cz、F3、F4、P3、P4、O1、O2位置处的电极作为记录电极。其中，Cz位置处的记录电极对应Cz通道，F3位置处的记录电极对应F3通道，F4位置处的记录电极对应F4通道，P3位置处的记录电极对应P3通道，P4位置处的记录电极对应P4通道，O1位置处的记录电极对应O1通道，O2位置处的记录电极对应O2通道。Cz通道、F3通道、F4通道、P3通道、P4通道、O1通道以及O2通道为记录脑电信号的记录通道。该多通道脑电采集帽1000还可以包括其他的采集位置，在此不作具体限定。
该实施例中，选择双耳平均电位作为记录脑电信号参考电位。记录脑电信号的采样率可以设置为1KHz，即在记录脑电信号的过程中每1s采样1000次，也可以预先根据具体需求进行设置，在此不作具体限定。
该电极选择插孔板2000可以包括多个电极插孔。多个电极插孔用于与脑电帽1000的多个通道的输出电极以及接地电极进行电连接。
在多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，该电极选择插孔板2000包括10个电极插孔，其中一个与接地电极连接的插孔，以及9个与多通道脑电采集帽1000的A1通道、A2通道、Cz通道、F3通道、F4通道、P3通道、P4通道、O1通道以及O2通道的输出电极连接的插孔。
在一个实施例中，该脑电放大器3000的结构示意图可以如图2所示，具体包括：模拟电路模块、数字电路模块、电器隔离模块。该模拟电路模块包括：放大与滤波模块、模数转器ADC、阻抗检测模块和电源管理模块。该数字电路模块包括：微控制器MCU、WIFI接口、USB接口和UART接口。
模拟脑电信号通过电极选择插孔板2000的输出端输入至脑电放大器3000。经过放大与滤波模块对模拟脑电信号进行滤波和放大；放大后的模拟脑电信号通过模数转器ADC转换成数字脑电信号；微控制器MCU对采集到的数字脑电信号进行编码，通过USB接口或者WIFI接口将编码后的脑电数据打包发送至测试终端4000。同时，微控制器MCU可以控制电源管理模块向阻抗检测模块提供激励，以通过该阻抗检测模块进行阻抗检测。测试终端4000可以通过串口(例如，UART接口)发送同步指令至脑电放大器3000，脑电放大器3000的微控制器MCU对同步指令进行记录并整合至待发送的数字脑电信号中。电器隔离模块用于进行有效电气隔离，以保证整套系统的电气安全。
该测试终端4000可以是平板电脑、台式电脑等，在此不作具体限制。
该用户终端4000可以如图1所示，包括但不限于处理器4100、存储器4200、接口装置4300、通信装置4400、显示装置4500、输入装置4600、扬声器4700、麦克风4800等等。其中，处理器4100可以是中央处理器CPU、图形处理器GPU、微处理器MCU等，用于执行计算机程序，该计算机程序可以采用比如x86、Arm、RISC、MIPS、SSE等架构的指令集编写。存储器4200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置4300例如包括USB接口、串行接口、并行接口等。通信装置4400例如能够利用光纤或电缆进行有线通信，或者进行无线通信，具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置4500例如是液晶显示屏、触摸显示屏等。输入装置4600例如可以包括触摸屏、键盘、体感输入等。扬声器4170用于输出音频信号。麦克风4180用于拾取音频信号。
应用于本申请实施例中，测试终端4000的存储器4200用于存储计算机程序，该计算机程序用于控制处理器4100进行操作以实现本申请实施例的方法，该计算机程序如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。该测试终端4000可以安装有智能操作系统(例如Windows、Linux、安卓、IOS等系统)和应用软件。
本领域技术人员应当理解，尽管在图1中示出了测试终端4000的多个装置，但是，本申请实施例的测试终端4000可以仅涉及其中的部分装置，例如，只涉及处理器1100、存储器1200等。
应当理解的是，尽管图1仅示出一个多通道脑电采集帽1000、电极选择插孔板板2000、脑电放大器3000以及测试终端4000，但不意味着限制各自的数量，本系统中可以包含多个多通道脑电采集帽1000、电极选择插孔板板2000、脑电放大器3000以及测试终端4000。
下面，参照附图描述根据本发明的各个实施例和例子。
<方法实施例>
图3是根据一个实施例的提升注意力的训练方法的流程示意图。
如图3所示，本实施例的提升注意力的训练方法可以包括步骤S310-S340。
S310，获取训练对象在训练阶段的第一训练任务脑电信号；第一训练任务脑电信号是在第一设定时长内获取的、训练对象执行训练任务时的脑电信号。
本实施例中，该训练对象为具有注意力缺陷的人群，例如，可以是具有注意力缺陷多动障碍(attention-deficit/hyperactivity disorder,ADHD)的儿童。该训练对象在注意过程中表现出较低的alpha节律水平。
本实施例中，该训练阶段是指对训练对象进行神经反馈训练的阶段。
本实施例中，在该训练阶段，训练对象先按照指示执行睁眼(eye open,EO)任务设定时长，执行该睁眼任务的设定时长可以是120s，在该设定时长内，即可保证训练对象具有较高的注意力，同时，还可以获取到一定长度的脑电信号以进行数据处理和分析。在执行睁眼的过程中训练对象要始终保持睁眼状态，同时，保持放松、减少头部和身体活动、减少眨眼和吞咽动作。随后，训练对象需要按照指示执行预设的训练任务设定时长。预设的训练任务可以是视觉搜索(visualsearch)任务(以下简称VS任务)，还可以是其它可以用于进行神经反馈训练的任务，在此不作具体限定。该训练任务可以包括一个训练小节，也可以包括多个训练小节，在此不作具体限定。例如，预设的训练任务为VS任务，该VS任务中包括6个时长为3分钟的训练小节，每个训练小节之间休息0.5分钟，执行该训练任务的设定时长即为23分钟。
本实施例中，在训练对象执行训练任务时，采用图1中的多通道脑电采集帽1000采集训练对象执行训练任务时的脑电信号，并将第一设定时长内获取的脑电信号，作为第一训练任务脑电信号。该第一设定时长可以预先根据具体需求进行设定，例如，设定该第一设定时长可以为2s。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，采集的脑电信号中至少包括Cz通道对应的脑电信号、F3通道对应的脑电信号、F4通道对应的脑电信号、P3通道对应的脑电信号、P4通道对应的脑电信号、O1通道对应的脑电信号和O2通道对应的脑电信号。
S320，采用预先构建的alpha节律滤波器对第一训练任务脑电信号进行滤波，得到第二训练任务脑电信号；alpha节律滤波器的带宽基于训练对象的个体化alpha峰值频率确定。
本实施例中，该alpha节律滤波器用于提取脑电信号中的alpha节律。
在一个实施例中，构建alpha节律滤波器的步骤包括S321-S323。
S321，获取训练对象在测试阶段的第一闭眼测试脑电信号；第一闭眼测试脑电信号是在第二设定时长内获取的、训练对象保持闭眼状态时的脑电信号。
该实施例中，在该测试阶段的目的是根据训练对象脑电信号中的alpha节律特征，构建针对训练对象的alpha节律滤波器和空间滤波器。
该实施例中，在该测试阶段，训练对象先按照指示执行闭眼(eye close,EC)任务设定时长，执行该闭眼任务的设定时长可以是120s。再执行睁眼(eye open,EO)任务设定时长，执行该睁眼任务的设定时长可以是120s。在执行闭眼任务和执行睁眼任务的过程中训练对象要保持放松、减少头部和身体活动、减少眨眼和吞咽动作。随后，再执行预设的训练任务设定时长。测试阶段预设的训练任务可以与训练阶段相同，例如，训练任务均为VS任务。测试阶段的训练任务包括的训练小节数量可以与训练阶段不同，例如，VS任务中仅包括一个时长为6分钟的训练小节。
该实施例中，在训练对象执行闭眼任务时，采用图1中的多通道脑电采集帽1000采集训练对象执行闭眼任务时的脑电信号，并将第二设定时长内获取的脑电信号，作为第一闭眼测试脑电信号。该第二设定时长可以预先根据具体需求进行设定，例如，设定该第二设定时长可以是120s。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，第一闭眼测试脑电信号中包括Cz通道对应的脑电信号、F3通道对应的脑电信号、F4通道对应的脑电信号、P3通道对应的脑电信号、P4通道对应的脑电信号、O1通道对应的脑电信号和O2通道对应的脑电信号。
S322，基于第一闭眼测试脑电信号，计算训练对象的个体化alpha峰值频率。步骤S322的具体步骤包括S322-1至S322-2。
S322-1对第一闭眼测试脑电信号进行预处理，得到第二闭眼测试脑电信号。步骤S322-1的具体步骤包括S322-1-1至S322-1-3。
S322-1-1，按照预设的第一分段规则对多个通道的脑电信号进行分段，得到各通道对应的多个脑电信号片段。
该实施例中，预设的第一分段规则可以如下：以2s重叠的方式将脑电信号划分成长度为4s的脑电信号片段。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，以对Cz通道对应的脑电信号进行分段为例，对第一分段规则进行说明：在Cz通道对应的闭眼脑电信号中，提取第0s-4s的闭眼电脑信号作为第一时间段的脑电信号片段；提取第2s-6s的闭眼脑电信号作为第二时间段的脑电信号片段，提取第4s-8s的闭眼脑电信号作为第三时间段的脑电信号片段，以此类推，得到Cz通道对应的多个脑电信号片段。参照Cz通道对应的脑电信号分段方法，对其它通道的脑电信号进行分段，得到各通道对应的多个脑电信号片段。
该预设的第一分段规则还可以根据具体需求进行设置，在此不作具体限定。
S322-1-2，在各通道对应的多个脑电信号片段中筛选肌电占比最低的、设定数量的脑电信号片段进行拼接，得到各通道对应的有效脑电信号。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，得到Cz通道对应的有效脑电信号的步骤包括：将Cz通道对应的多个脑电信号片段进行归一化处理，并计算归一化处理后的各脑电信号片段的功率谱。基于各脑电信号片段的功率谱，计算40-100Hz能量占1-100Hz能量的占比，作为各脑电信号片段的肌电占比。按照各脑电信号片段的肌电占比大小进行排序。筛选出肌电占比最低的、设定数量的脑电信号片段进行拼接，得到Cz通道对应的有效脑电信号。
该实施例中，设定数量可以预先根据具体需求进行设定，例如，该设定数量可以是40，即筛选肌电占比最低的、40个脑电信号片段进行拼接，得到Cz通道对应有效脑电信号。
参照Cz通道的处理方法，得到各通道对应的有效脑电信号。
该实施例中，由于各通道对应的有效脑电信号都是由40个长度为4s的脑电信号片段拼接成的，所以，各通道对应的有效脑电信号长度均为160s。
S322-1-3，基于各通道对应的有效脑电信号，得到第二闭眼测试脑电信号。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，将各通道对应的有效脑电信号进行组合，得到第二闭眼测试脑电信号，即，第二闭眼测试脑电信号中包括Cz通道对应的有效脑电信号、F3通道对应的有效脑电信号、F4通道对应的有效脑电信号、P3通道对应的有效脑电信号、P4通道对应的有效脑电信号、O1通道对应的有效脑电信号和O2通道对应的有效脑电信号。
该实施例中，第二闭眼测试脑电信号的长度为160s。
S322-2基于第二闭眼测试脑电信号，计算训练对象的个体化alpha峰值频率。
Alpha节律在枕区(即O1和O2位置)最为明显。因此，可以根据O1和O2位置采集的脑电信号准确地计算个体化alpha峰值频率。
在一个实施例中，步骤S322-2具体包括：获取第二闭眼测试脑电信号中O1通道对应的有效脑电信号。获取O1通道对应的有效脑电信号对应的alpha峰值频率，作为第一alpha峰值频率。获取第二闭眼测试脑电信号中O2通道对应的有效脑电信号。获取O2通道对应的有效脑电信号对应的alpha峰值频率，作为第二alpha峰值频率。以及，基于第一alpha峰值频率和第二alpha峰值频率，计算训练对象的个体化alpha峰值频率。
该实施例中，可以将第一alpha峰值频率和第二alpha峰值频率的平均值，作为训练对象的个体化alpha峰值频率，也可以将第一alpha峰值频率和第二alpha峰值频率的加权平均值作为训练对象的个体化alpha峰值频率，在此不作具体限定。
S323基于个体化alpha峰值频率，构建alpha节律滤波器。
该实施例中，将0.8×个体化alpha峰值频率-1.2×个体化alpha峰值频率作为alpha节律滤波器的滤波频段，构建alpha节律滤波器。
该实施例中，alpha节律滤波器的滤波频段是根据训练对象的个体化alpha峰值频率计算得到的，因此，通过该alpha节律滤波器在训练对象的脑电信号中提取出的alpha节律可以准确地表征训练对象的alpha节律水平。
S330，采用预先构建的空间滤波器对第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号；空间滤波器用于增强第二训练任务脑电信号中的alpha节律。
本实施例中，该空间滤波器可以增强脑电信号中的alpha节律，进而提升脑电信号中的信噪比。
在一个实施例中，该空间滤波器包括第一空间滤波器和第二空间滤波器。
该实施例中，采用预先构建的空间滤波器对第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号，包括步骤S331至S332。
S331，采用第一空间滤波器对第二训练任务脑电信号进行滤波，得到第四训练任务脑电信号；第一空间滤波器用于增强第二训练任务脑电信号中与睁眼相关的alpha节律。
在训练阶段，训练对象在睁眼的状态下执行训练任务，因此，在训练对象执行训练任务时，采集的脑电信号中包括与睁眼相关的alpha节律。
在一个实施例中，构建第一空间滤波器的步骤如图4所示，具体地步骤包括S331-1至S331-6。
S331-1，获取训练对象在测试阶段的第一睁眼测试脑电信号；第一睁眼测试脑电信号是在第二设定时长内获取的、训练对象保持睁眼状态时的脑电信号。
该实施例中，测试阶段与步骤S321中的测试阶段相同，在此不再赘述。
该实施例中，测试阶段，在训练对象执行睁眼任务时，采用图1中的多通道脑电采集帽1000采集训练对象执行睁眼任务时的脑电信号，并将第二设定时长内获取的脑电信号，作为第一睁眼测试脑电信号。该第二设定时长即步骤S321中第二设定时长，在此不再赘述。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，第一睁眼测试脑电信号中包括Cz通道对应的脑电信号、F3通道对应的脑电信号、F4通道对应的脑电信号、P3通道对应的脑电信号、P4通道对应的脑电信号、O1通道对应的脑电信号和O2通道对应的脑电信号。
S331-2，对第一睁眼测试脑电信号进行预处理，得到第二睁眼测试脑电信号。具体步骤参照步骤S322-1-1至S322-1-3，在此不再赘述。
S331-3，采用alpha节律滤波器对第二睁眼测试脑电信号进行滤波，得到第三睁眼测试脑电信号。该alpha节律滤波器即步骤S320中的alpha节律滤波器，在此不再赘述。
S331-4，采用alpha节律滤波器对第二闭眼测试脑电信号进行滤波，得到第三闭眼测试脑电信号。该实施例中，第二闭眼测试脑电信号即步骤S322-1中的第二闭眼测试脑电信号。
S331-5，基于第三闭眼测试脑电信号和第三睁眼测试脑电信号，采用公共空间模式算法，计算第一投影矩阵。
该实施例中，公共空间模式算法是本领域的公知常识，在此不再赘述。
在多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，第三闭眼测试脑电信号EC3∈RN×T1,第三睁眼测试脑电信号EO3∈RN×T1。其中，N为脑电帽的记录通道数，N＝7；T1为脑电信号中的采样次数，T1＝160*1000＝160000。即，EC3∈R7×160000,第三睁眼测试脑电信号EO3∈R7×160000。
该实施例中，基于第三闭眼测试脑电信号EC3∈R7×160000和第三睁眼测试脑电信号EC3∈R7×160000,采用共空间模式算法，计算得到的第一投影矩阵M∈R7×7。
S331-6，基于第一投影矩阵中的元素构建第一空间滤波器。
在多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，在第一投影矩阵M∈R7×7中，提取第一行元素至第四行的元素构建第一空间滤波器。即，第一空间滤波器的滤波矩阵M1∈R4×7。
S332，采用第二空间滤波器对第四训练任务脑电信号进行滤波，得到第三训练任务脑电信号；第二空间滤波器用于增强第四训练任务脑电信号中与训练任务相关的alpha节律。
在训练阶段，训练对象在睁眼的状态下执行训练任务，因此，在训练对象执行训练任务时，采集的脑电信号中包括与训练任务相关的alpha节律。
在一个实施例中，构建第二空间滤波器的步骤如图5所示，具体步骤包括S332-1至S332-7。
S332-1，获取训练对象在测试阶段的第一任务测试脑电信号；第一任务测试脑电信号是在第二设定时长内获取的、训练对象执行训练任务时的脑电信号。
该实施例中，测试阶段与步骤S321中的测试阶段相同，在此不再赘述。
该实施例中，测试阶段，在训练对象执行训练任务时，采用图1中的多通道脑电采集帽1000采集训练对象执行训练任务时的脑电信号，并将第二设定时长内获取的脑电信号，作为第一任务测试脑电信号。该第二设定时长即步骤S321中第二设定时长，在此不再赘述。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，第一任务测试脑电信号中包括Cz通道对应的脑电信号、F3通道对应的脑电信号、F4通道对应的脑电信号、P3通道对应的脑电信号、P4通道对应的脑电信号、O1通道对应的脑电信号和O2通道对应的脑电信号。
S332-2，对第一任务测试脑电信号进行预处理，得到第二任务测试脑电信号。具体步骤参照步骤S322-1-1至S322-1-3，在此不再赘述。
S332-3，采用alpha节律滤波器对第二任务测试脑电信号进行滤波，得到第三任务测试脑电信号。该alpha节律滤波器即步骤S320中的alpha节律滤波器，在此不再赘述。
在多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，第三任务测试脑电信号VS3∈RN×T1,其中，N为脑电帽的记录通道数，N＝7。T1为脑电信号中的采样次数,在第三闭眼测试脑电信号和第三睁眼测试脑电信号长度为160s时，第三任务测试脑电信号长度也为160s，此时，脑电信号中的采样次数T1＝160*1000＝160000。即第三任务测试脑电信号VS3∈R7×160000。
S332-4，采用第一空间滤波器对第三任务测试脑电信号进行滤波，得到第四任务测试脑电信号。该第一空间滤波器即步骤S331中的第一空间滤波器，在此不再赘述。
在多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，第四任务测试脑电信号VS4＝M1×VS3，其中，M1∈R4×7，VS3∈R7×160000，VS4∈R4 ×160000。
S332-5，采用第一空间滤波器对第三睁眼测试脑电信号进行滤波，得到第四睁眼测试脑电信号。该第一空间滤波器即步骤S331中的第一空间滤波器，在此不再赘述。该第三睁眼测试脑电信号即步骤S331-5中的第三睁眼测试脑电信号，在此不再赘述。
在多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，第四睁眼测试脑电信号EO4＝M1×EO3，其中，M1∈R4×7，EO3∈R7×160000，EO4∈R4 ×160000。
S332-6，基于第四睁眼测试脑电信号和第四任务测试脑电信号，采用公共空间模式算法，计算第二投影矩阵。
该实施例中，公共空间模式算法是本领域的公知常识，在此不再赘述。
在多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，基于第四睁眼测试脑电信号EO4∈R4×160000和第四任务测试脑电信号VS4∈R4 ×160000，采用共空间模式算法，计算得到的第二投影矩阵M2∈R4×4。
S332-7，基于第二投影矩阵中的元素构建第二空间滤波器。
在多通道脑电采集帽1000的采集位置可以包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，在第二投影矩阵M2∈R4×4中，提取第四行的元素构建第二空间滤波器。即，第二空间滤波器的滤波矩阵M3∈R1×4。
S340，基于获取的第三训练任务脑电信号的alpha节律相对能量以及训练对象的alpha节律相对能量的基线值，对训练对象进行奖励反馈。
在一个实施例中，获取训练对象alpha节律相对能量的基线值，包括步骤S341-S344。
S341，获取训练对象在训练阶段的第一睁眼任务脑电信号；第一睁眼任务脑电信号是在第三设定时长内获取的、训练对象执行睁眼任务时的脑电信号。该第三设定时长可以等于第二设定时长等于120s。
该实施例中，训练阶段即步骤S310中的训练阶段。
该实施例中，训练阶段，在训练对象执行训练任务时，采用图1中的多通道脑电采集帽1000采集训练对象执行睁眼任务时的脑电信号，并将第三设定时长内获取的脑电信号，作为第一睁眼任务脑电信号。该第三设定时长可以是120s，在此不再赘述。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，采集的第一睁眼任务脑电信号中包括Cz通道对应的脑电信号、F3通道对应的脑电信号、F4通道对应的脑电信号、P3通道对应的脑电信号、P4通道对应的脑电信号、O1通道对应的脑电信号和O2通道对应的脑电信号。
S342，对第一睁眼任务脑电信号进行预处理，得到多个第一有效脑电号片段。步骤S342的具体步骤包括S342-1至S342-7。
S342-1，提取第一睁眼任务脑电信号中Cz通道对应的脑电信号。
S342-2，按照预设的第二分段规则对Cz通道对应的脑电信号进行分段，得到Cz通道对应的多个脑电信号片段。
在一个实施例中，预设的第二分段规则可以如下：以1s重叠的方式将脑电信号划分长度为2s的脑电信号片段。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，以对Cz通道对应的脑电信号进行分段为例，对第二分段规则进行说明：在Cz通道对应的脑电信号片段中，提取第0s-2s的脑电信号作为第一时间段的脑电信号片段；提取第1s-3s的脑电信号作为第二时间段的脑电信号片段；提取第2s-4s的脑电信号作为第三时间段的脑电信号片段，以此类推，得到Cz通道对应的多个脑电信号片段。
该预设的第二分段规则还可以根据具体需求进行设置，在此不作具体限定。
S342-3，判断Cz通道对应的各时间段的脑电信号片段是否有效。
该实施例中，判断各时间段的脑电信号片段是否有效的步骤包括：对各时间段的脑电信号片段进行归一化处理。计算归一化处理后的各时间段的脑电信号片段的功率谱。基于各时间段的脑电信号片段的功率谱，计算各时间段的脑电信号片段的肌电占比。将各时间段的脑电信号片段的肌电占比进行z变换，若任一时间段的脑电信号片段对应的z分数小于等于2，则该时间段的脑电信号片段有效。
在一个实施例中，脑电信号片段的肌电占比的计算公式如下式所示。
Figure BDA0003299316290000181
其中，PowerEMG为脑电信号片段的肌电占比，S(f)为脑电信号片段的功率谱。
S342-4，参考步骤S342-1至S342-3判断其他记录通道对应的各时间段的脑电信号片段是否有效。
S342-5，对任一时间段，若所有记录通道对应于该时间段的基线脑电信号片段均有效，则该时间段为有效时间段。
在多通道脑电采集帽1000的采集位置包括：A1、A2、Cz、F3、F4、P3、P4、O1、O2的实施例中，若Cz通道、F3通道、F4通道、P3通道、P4通道、O1通道以及O2通道，对应于第一时间段的脑电信号片段均有效，则该第一时间段为有效时间段。
S342-6，基于任一有效时间段对应的所有记录通道的脑电信号片段，构成任一有效时间段对应的第一有效脑电信号片段。
S342-7，参照步骤S342-6得到所有效时间段对应的第一有效脑电信号片段。
S343，将多个第一有效脑电信号片段一次通过第一alpha节律滤波器、第一空间滤波器以及第二空间滤波器，得到多个第二有效脑电信号片段。
S344，获取多个第二有效脑电信号片段的alpha节律的相对能量进行平均，得到训练对象alpha节律相对能量的基线值。
本实施例中，该奖励反馈可以包括正反馈和负反馈。其中，正反馈即训练对象获得奖励的反馈，负反馈即训练对象获得惩罚的反馈。其中正反馈和负反馈可以以视觉的形式进行反馈。例如，正反馈可以是增大用于输出训练任务的显示窗口，负反馈可以是减小用于输出训练任务的显示窗口。
本实施例中，可以在第三训练任务脑电信号的alpha节律相对能量大于等于基线值的第一设定比例时，向训练对象呈现正反馈。例如，第一设定比例可以是20％，即当第三训练任务脑电信号的alpha节律相对能量大于等于基线值的20％时，向训练对象呈现正反馈。在第三训练任务脑电信号的alpha节律相对能量小于等于基线值的第二设定比例时，向训练对象呈现负反馈。例如，第二设定比例可以是80％，即当第三训练任务脑电信号的alpha节律相对能量小于等于基线值的80％时，向训练对象呈现正反馈。
本实施例中，训练对象为了获得正反馈或者避免负反馈，会主动提升alpha节律，alpha节律提升会进一步提高训练对象的注意力，从而实现提升训练对象注意例的目的。
<示例>
图6是根据一个实施例的提升注意力的训练方法的示例的流程示意图。
如图6所示，该方法可以包括步骤S601-步骤S613。
S601，获取训练对象在测试阶段的第一闭眼测试脑电信号、第一睁眼测试脑电信号、第一任务测试脑电信号。其中，第一闭眼测试脑电信号是在第二设定时长内获取的、训练对象保持闭眼状态时的脑电信号。第一睁眼测试脑电信号是在第二设定时长内获取的、训练对象保持睁眼状态时的脑电信号。第一任务测试脑电信号是在第二设定时长内获取的、训练对象执行训练任务时的脑电信号。
S602，分别对第一闭眼测试脑电信号、第一睁眼测试脑电信号、第一任务测试脑电信号进行预处理，得到第二闭眼测试脑电信号、第二睁眼测试脑电信号、第二任务测试脑电信号。
预处理的步骤参考步骤S322-1-1至S322-1-3。
S603，基于第二闭眼测试脑电信号，构建alpha节律滤波器。具体步骤包括：基于第二闭眼测试脑电信号，计算训练对象的个体化alpha峰值频率。将0.8×个体化alpha峰值频率-1.2×个体化alpha峰值频率作为alpha节律滤波器的滤波频段，构建alpha节律滤波器。
S604，采用alpha节律滤波器，对第二闭眼测试脑电信号、第二睁眼测试脑电信号以及第二任务测试脑电信号进行滤波，得到第三闭眼测试脑电信号、第三睁眼测试脑电信号以及第三任务测试脑电信号。
S605，基于第三闭眼测试脑电信号和第三睁眼测试脑电信号，构建第一空间滤波器。具体步骤包括：基于第三闭眼测试脑电信号和第三睁眼测试脑电信号，采用共空间模式算法，计算第一投影矩阵。基于在第一投影矩阵中提取的第一行元素至第四行的元素构建第一空间滤波器。
S606，采用第一空间滤波器，对第三睁眼测试脑电信号和第三任务测试脑电信号进行滤波，得到第四睁眼测试脑电信号和第四任务测试脑电信号。
S607，基于第四睁眼测试脑电信号和第四任务测试脑电信号，构建第二空间滤波器。具体步骤包括：基于第四睁眼测试脑电信号和第四任务测试脑电信号，采用共空间模式算法，计算第二投影矩阵。基于在第二投影矩阵中提取的第四行元素构建第二空间滤波器。
S608，获取训练对象在训练阶段的第一睁眼任务脑电信号。第一睁眼任务脑电信号是在第三设定时长内获取的、训练对象执行睁眼任务时的脑电信号。该第三设定时长可以等于120s。
S609，对第一睁眼任务脑电信号进行预处理，得到多个第一有效脑电号片段。具体步骤参照步骤S342-1至S342-7。
S610，基于多个第一有效脑电号片段，计算训练对象alpha节律相对能量的基线值。具体步骤包括：将多个第一有效脑电信号片段一次通过第一alpha节律滤波器、第一空间滤波器以及第二空间滤波器，得到多个第二有效脑电信号片段。获取多个第二有效脑电信号片段的alpha节律的相对能量进行平均，得到训练对象alpha节律相对能量的基线值。
S611，获取训练对象在训练阶段的第一训练任务脑电信号。第一训练任务脑电信号是在第一设定时长内获取的、训练对象执行训练任务时的脑电信号。设定该第一设定时长可以为2s。
S612，将第一训练任务脑电信号依次通过alpha节律滤波器、第一空间滤波器，第二空间滤波器进行滤波，得到第三训练任务脑电信号。
S613，基于第三训练任务脑电信号的alpha节律相对能量以及训练对象的alpha节律相对能量的基线值，对训练对象进行奖励反馈。
根据本申请实施例的提升注意力的训练方法，基于训练对象的个体化alpha峰值频率确定alpha节律滤波器的频段，因此，通过该alpha节律滤波器提取出的alpha节律可以准确地表征训练对象的alpha节律水平，从而提升神经反馈训练效果。
<装置实施例>
图7是根据一个实施例的装置的原理框图。如图7所示，该提升注意力的训练装置7000可以包括：
脑电信号获取模块7100，用于获取训练对象在训练阶段的第一训练任务脑电信号；第一训练任务脑电信号是在第一设定时长内获取的、训练对象执行训练任务时的脑电信号。
第一滤波模块7200，用于采用预先构建的alpha节律滤波器对第一训练任务脑电信号进行滤波，得到第二训练任务脑电信号；alpha节律滤波器的带宽基于训练对象的个体化alpha峰值频率确定。
第二滤波模块7300，用于采用预先构建的空间滤波器对第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号；空间滤波器用于增强第二训练任务脑电信号中的alpha节律。
反馈模块7400，用于基于获取的第三训练任务脑电信号的alpha节律相对能量以及训练对象的alpha节律相对能量的基线值，对训练对象进行奖励反馈。
在一个实施例中，该装置还包括alpha节律滤波器构建模块，该alpha节律滤波器构建模块具体用于，获取训练对象在测试阶段的第一闭眼测试脑电信号；第一闭眼测试脑电信号是在第二设定时长内获取的、训练对象保持闭眼状态时的脑电信号；基于第一闭眼测试脑电信号，计算训练对象的个体化alpha峰值频率；以及，基于个体化alpha峰值频率，构建alpha节律滤波器。
在一个实施例中，第一闭眼测试脑电信号包括多个通道的脑电信号；该alpha节律滤波器构建模块，还具体用于对第一闭眼测试脑电信号进行预处理，得到第二闭眼测试脑电信号；基于第二闭眼测试脑电信号，计算训练对象的个体化alpha峰值频率；对第一闭眼测试脑电信号进行预处理，得到第二闭眼测试脑电信号，包括：按照预设的第一分段规则对多个通道的脑电信号进行分段，得到各通道对应的多个脑电信号片段；在各通道对应的多个脑电信号片段中筛选肌电占比最低的、设定数量的脑电信号片段进行拼接，得到各通道对应的有效脑电信号；基于各通道对应的有效脑电信号，得到第二闭眼测试脑电信号。
在一个实施例中，多个通道包括O1通道和O2通道；该alpha节律滤波器构建模块，还具体用于获取第二闭眼测试脑电信号中O1通道的脑电信号；获取O1通道的脑电信号对应的alpha峰值频率，作为第一alpha峰值频率；获取第二闭眼测试脑电信号中O2通道的脑电信号；获取O2通道的脑电信号对应的alpha峰值频率，作为第二alpha峰值频率；基于第一alpha峰值频率和第二alpha峰值频率，计算训练对象的个体化alpha峰值频率。
在一个实施例中，空间滤波器包括第一空间滤波器和第二空间滤波器；第二滤波模块，还具体用于采用第一空间滤波器对第二训练任务脑电信号进行滤波，得到第四训练任务脑电信号；第一空间滤波器用于增强第二训练任务脑电信号中与睁眼相关的alpha节律；采用第二空间滤波器对第四训练任务脑电信号进行滤波，得到第三训练任务脑电信号；第二空间滤波器用于增强第四训练任务脑电信号中与训练任务相关的alpha节律。
在一个实施例中，该装置还包括第一空间滤波器构建模块，该第一空间滤波器构建模块，用于获取训练对象在测试阶段的第一睁眼测试脑电信号；第一睁眼测试脑电信号是在第二设定时长内获取的、训练对象保持睁眼状态时的脑电信号；对第一睁眼测试脑电信号进行预处理，得到第二睁眼测试脑电信号；采用alpha节律滤波器对第二睁眼测试脑电信号进行滤波，得到第三睁眼测试脑电信号；采用alpha节律滤波器对第二闭眼测试脑电信号进行滤波，得到第三闭眼测试脑电信号；基于第三闭眼测试脑电信号和第三睁眼测试脑电信号，采用公共空间模式算法，计算第一投影矩阵；基于第一投影矩阵中的元素构建第一空间滤波器。
在一个实施例中，该装置还包括第二空间滤波器构建模块，该第二空间滤波器构建模块，用于获取训练对象在测试阶段的第一任务测试脑电信号；第一任务测试脑电信号是在第二设定时长内获取的、训练对象执行训练任务时的脑电信号；对第一任务测试脑电信号进行预处理，得到第二任务测试脑电信号；采用alpha节律滤波器对第二任务测试脑电信号进行滤波，得到第三任务测试脑电信号；采用第一空间滤波器对第三任务测试脑电信号进行滤波，得到第四任务测试脑电信号；采用第一空间滤波器对第三睁眼测试脑电信号进行滤波，得到第四睁眼测试脑电信号；基于第四睁眼测试脑电信号和第四任务测试脑电信号，采用公共空间模式算法，计算第二投影矩阵；基于第二投影矩阵中的元素构建第二空间滤波器。
在一个实施例中，该装置还包括基线值获取模块，该基线值获取模块，用于获取训练对象在训练阶段的第一睁眼任务脑电信号；第一睁眼任务脑电信号是在第三设定时长内获取的、训练对象执行睁眼任务时的脑电信号；对第一睁眼任务脑电信号进行预处理，得到多个第一有效脑电号片段；将多个第一有效脑电信号片段一次通过第一alpha节律滤波器、第一空间滤波器以及第二空间滤波器，得到多个第二有效脑电信号片段；获取多个第二有效脑电信号片段的alpha节律的相对能量进行平均，得到训练对象alpha节律相对能量的基线值。
根据本申请实施例的提升注意力的训练方法，基于训练对象的个体化alpha峰值频率确定alpha节律滤波器的频段，因此，通过该alpha节律滤波器提取出的alpha节律可以准确地表征训练对象的alpha节律水平，从而提升神经反馈训练效果。
<电子设备实施例>
图8是根据一个实施例的电子设备的结构示意图。
如图8所示，该电子设备8000，包括存储器8200和处理器8100，存储器8200用于存储计算机程序，处理器8100用于在计算机程序的控制下，控制电子设备8000执行本说明书任意方法实施例中描述的方法。
以电子设备8000的各模块可以由本实施例中的处理器8100执行存储器8200存储的计算机程序实现，也可以通过其他电路结构实现，在此不做限定。
图9是根据另一个实施例的电子设备的结构示意图。
如图9所示，该电子设备9000包括以上提升注意力的训练装置7000。
<计算机可读存储介质实施例>
本实施例提供了一种计算机可读存储介质，该存储介质中存储有可执行命令，该可执行命令被处理器执行时，执行本说明书任意方法实施例中描述的方法。
本说明书的一个实施例或者多个实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本说明书的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本说明书实施例操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本说明书的各个方面。
这里参照根据本说明书实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本说明书的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本说明书的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人物来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本说明书的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人物来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人物能理解本文披露的各实施例。本申请的范围由所附权利要求来限定。

Claims (10)

1.一种提升注意力的训练方法，其特征在于，包括：
获取训练对象在训练阶段的第一训练任务脑电信号；所述第一训练任务脑电信号是在第一设定时长内获取的、所述训练对象执行训练任务时的脑电信号；
采用预先构建的alpha节律滤波器对所述第一训练任务脑电信号进行滤波，得到第二训练任务脑电信号；所述alpha节律滤波器的带宽基于所述训练对象的个体化alpha峰值频率确定；
采用预先构建的空间滤波器对所述第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号；所述空间滤波器用于增强所述第二训练任务脑电信号中的alpha节律；
基于获取的所述第三训练任务脑电信号的alpha节律相对能量以及所述训练对象的alpha节律相对能量的基线值，对所述训练对象进行奖励反馈。
2.根据权利要求1所述的方法，其特征在于，构建所述alpha节律滤波器，包括：
获取所述训练对象在测试阶段的第一闭眼测试脑电信号；所述第一闭眼测试脑电信号是在第二设定时长内获取的、所述训练对象保持闭眼状态时的脑电信号；
基于所述第一闭眼测试脑电信号，计算所述训练对象的个体化alpha峰值频率；
基于所述个体化alpha峰值频率，构建所述alpha节律滤波器。
3.根据权利要求2所述的方法，其特征在于，所述第一闭眼测试脑电信号包括多个通道的脑电信号；
所述基于所述第一闭眼测试脑电信号，计算所述训练对象的个体化alpha峰值频率，包括：
对所述第一闭眼测试脑电信号进行预处理，得到第二闭眼测试脑电信号；
基于所述第二闭眼测试脑电信号，计算所述训练对象的个体化alpha峰值频率；
所述对所述第一闭眼测试脑电信号进行预处理，得到第二闭眼测试脑电信号，包括：
按照预设的第一分段规则对所述多个通道的脑电信号进行分段，得到各通道对应的多个脑电信号片段；
在各通道对应的所述多个脑电信号片段中筛选肌电占比最低的、设定数量的脑电信号片段进行拼接，得到各通道对应的有效脑电信号；
基于所述各通道对应的有效脑电信号，得到第二闭眼测试脑电信号。
4.根据权利要求3所述的方法，其特征在于，所述多个通道包括O1通道和O2通道；
所述基于所述第二闭眼测试脑电信号，计算所述训练对象的个体化alpha峰值频率，包括：
获取所述第二闭眼测试脑电信号中所述O1通道的脑电信号；
获取所述O1通道的脑电信号对应的alpha峰值频率，作为第一alpha峰值频率；
获取所述第二闭眼测试脑电信号中所述O2通道的脑电信号；
获取所述O2通道的脑电信号对应的alpha峰值频率，作为第二alpha峰值频率；
基于所述第一alpha峰值频率和所述第二alpha峰值频率，计算所述训练对象的个体化alpha峰值频率。
5.根据权利要求3所述的方法，其特征在于，所述空间滤波器包括第一空间滤波器和第二空间滤波器；
所述采用预先构建的空间滤波器对所述第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号，包括：
采用所述第一空间滤波器对所述第二训练任务脑电信号进行滤波，得到第四训练任务脑电信号；所述第一空间滤波器用于增强所述第二训练任务脑电信号中与睁眼相关的alpha节律；
采用所述第二空间滤波器对所述第四训练任务脑电信号进行滤波，得到所述第三训练任务脑电信号；所述第二空间滤波器用于增强所述第四训练任务脑电信号中与所述训练任务相关的alpha节律。
6.根据权利要求5所述的方法，其特征在于，构建所述第一空间滤波器的步骤包括：
获取所述训练对象在所述测试阶段的第一睁眼测试脑电信号；所述第一睁眼测试脑电信号是在所述第二设定时长内获取的、所述训练对象保持睁眼状态时的脑电信号；
对所述第一睁眼测试脑电信号进行预处理，得到第二睁眼测试脑电信号；
采用所述alpha节律滤波器对所述第二睁眼测试脑电信号进行滤波，得到第三睁眼测试脑电信号；
采用所述alpha节律滤波器对所述第二闭眼测试脑电信号进行滤波，得到第三闭眼测试脑电信号；
基于所述第三闭眼测试脑电信号和所述第三睁眼测试脑电信号，采用公共空间模式算法，计算第一投影矩阵；
基于所述第一投影矩阵中的元素构建所述第一空间滤波器。
7.根据权利要求6所述的方法，其特征在于，构建所述第二空间滤波器的步骤包括：
获取所述训练对象在所述测试阶段的第一任务测试脑电信号；所述第一任务测试脑电信号是在所述第二设定时长内获取的、所述训练对象执行所述训练任务时的脑电信号；
对所述第一任务测试脑电信号进行预处理，得到第二任务测试脑电信号；
采用所述alpha节律滤波器对所述第二任务测试脑电信号进行滤波，得到第三任务测试脑电信号；
采用所述第一空间滤波器对所述第三任务测试脑电信号进行滤波，得到第四任务测试脑电信号；
采用所述第一空间滤波器对所述第三睁眼测试脑电信号进行滤波，得到第四睁眼测试脑电信号；
基于所述第四睁眼测试脑电信号和所述第四任务测试脑电信号，采用所述公共空间模式算法，计算第二投影矩阵；
基于所述第二投影矩阵中的元素构建所述第二空间滤波器。
8.根据权利要求5所述的方法，其特征在于，获取所述训练对象alpha节律相对能量的基线值，包括：
获取训练对象在训练阶段的第一睁眼任务脑电信号；所述第一睁眼任务脑电信号是在所述第三设定时长内获取的、所述训练对象执行睁眼任务时的脑电信号；
对所述第一睁眼任务脑电信号进行预处理，得到多个第一有效脑电号片段；
将所述多个第一有效脑电信号片段一次通过所述第一alpha节律滤波器、所述第一空间滤波器以及所述第二空间滤波器，得到多个第二有效脑电信号片段；
获取多个第二有效脑电信号片段的alpha节律的相对能量进行平均，得到所述训练对象alpha节律相对能量的基线值。
9.一种提升注意力的训练装置，其特征在于，包括：
脑电信号获取模块，用于获取训练对象在训练阶段的第一训练任务脑电信号；所述第一训练任务脑电信号是在第一设定时长内获取的、所述训练对象执行训练任务时的脑电信号；
第一滤波模块，用于采用预先构建的alpha节律滤波器对所述第一训练任务脑电信号进行滤波，得到第二训练任务脑电信号；所述alpha节律滤波器的带宽基于所述训练对象的个体化alpha峰值频率确定；
第二滤波模块，用于采用预先构建的空间滤波器对所述第二训练任务脑电信号进行滤波，得到第三训练任务脑电信号；所述空间滤波器用于增强所述第二训练任务脑电信号中的alpha节律；
反馈模块，用于基于获取的所述第三训练任务脑电信号的alpha节律相对能量以及所述训练对象的alpha节律相对能量的基线值，对所述训练对象进行奖励反馈。
10.一种电子设备，包括权利要求9所述的训练装置；或者，
所述电子设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于在所述计算机程序的控制下，控制所述电子设备执行根据权利要求1至8中任一项所述的方法。
CN202111186203.0A 2021-10-12 2021-10-12 提升注意力的训练方法、装置以及电子设备 Active CN114020148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111186203.0A CN114020148B (zh) 2021-10-12 2021-10-12 提升注意力的训练方法、装置以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111186203.0A CN114020148B (zh) 2021-10-12 2021-10-12 提升注意力的训练方法、装置以及电子设备

Publications (2)

Publication Number Publication Date
CN114020148A true CN114020148A (zh) 2022-02-08
CN114020148B CN114020148B (zh) 2023-06-16

Family

ID=80055998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111186203.0A Active CN114020148B (zh) 2021-10-12 2021-10-12 提升注意力的训练方法、装置以及电子设备

Country Status (1)

Country Link
CN (1) CN114020148B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004082158A1 (en) * 2003-03-14 2004-09-23 Healthpia Co., Ltd. Self training system for improving one's remembrance
CN102319067A (zh) * 2011-05-10 2012-01-18 北京师范大学 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪
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
CN108836319A (zh) * 2018-03-08 2018-11-20 义乌市杰联电子科技有限公司 一种融合个体化脑节律比和前额肌电能量的神经反馈系统
CN109271887A (zh) * 2018-08-29 2019-01-25 天津大学 一种用于脑电模式识别的复合空间滤波与模板匹配方法
EP3563896A1 (en) * 2018-11-07 2019-11-06 Thaler, Stephen L. Devices and methods for attracting enhanced attention
WO2019214445A1 (zh) * 2018-05-11 2019-11-14 深圳市心流科技有限公司 提高注意力的教学方法、装置及计算机可读存储介质
CN112331304A (zh) * 2019-08-05 2021-02-05 王东承 一种基于eeg技术的儿童注意力训练系统
CN112971809A (zh) * 2021-02-09 2021-06-18 北京师范大学 脑节律信息检测方法、装置及电子设备
CN113425297A (zh) * 2021-07-19 2021-09-24 山东女子学院 基于脑电信号的儿童注意力专注度训练方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004082158A1 (en) * 2003-03-14 2004-09-23 Healthpia Co., Ltd. Self training system for improving one's remembrance
CN102319067A (zh) * 2011-05-10 2012-01-18 北京师范大学 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪
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
CN108836319A (zh) * 2018-03-08 2018-11-20 义乌市杰联电子科技有限公司 一种融合个体化脑节律比和前额肌电能量的神经反馈系统
WO2019214445A1 (zh) * 2018-05-11 2019-11-14 深圳市心流科技有限公司 提高注意力的教学方法、装置及计算机可读存储介质
CN109271887A (zh) * 2018-08-29 2019-01-25 天津大学 一种用于脑电模式识别的复合空间滤波与模板匹配方法
EP3563896A1 (en) * 2018-11-07 2019-11-06 Thaler, Stephen L. Devices and methods for attracting enhanced attention
CN112331304A (zh) * 2019-08-05 2021-02-05 王东承 一种基于eeg技术的儿童注意力训练系统
CN112971809A (zh) * 2021-02-09 2021-06-18 北京师范大学 脑节律信息检测方法、装置及电子设备
CN113425297A (zh) * 2021-07-19 2021-09-24 山东女子学院 基于脑电信号的儿童注意力专注度训练方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
喻晓;: "基于脑电alpha波的实时脑-机接口系统" *
郑国正等: "共同空间模型及其在EEG分类中的应用" *

Also Published As

Publication number Publication date
CN114020148B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CA3006968C (en) Apparatus, systems and methods for predicting, screening and monitoring of encephalopathy/delirium
Kaliukhovich et al. Stimulus repetition probability does not affect repetition suppression in macaque inferior temporal cortex
Kuchinke et al. A familiar font drives early emotional effects in word recognition
CN115376695A (zh) 基于扩展现实的神经心理评估及干预的方法、系统和装置
Kroupi et al. Predicting subjective sensation of reality during multimedia consumption based on EEG and peripheral physiological signals
Mahmoodin et al. An analysis of EEG signal power spectrum density generated during writing in children with dyslexia
Zhang et al. Revealing the dynamic brain connectivity from perception of speech sound to semantic processing by EEG
Mikkelsen et al. EEGs vary less between lab and home locations than they do between people
Islam et al. Probability mapping based artifact detection and wavelet denoising based artifact removal from scalp EEG for BCI applications
Kim et al. Meaning based covert speech classification for brain-computer interface based on electroencephalography
CN114020148B (zh) 提升注意力的训练方法、装置以及电子设备
Cecotti et al. Evaluation of an SSVEP based brain-computer interface on the command and application levels
CN114169366B (zh) 神经反馈训练系统和方法
Fira et al. The analysis of the specific dictionaries for compressive sensing of eeg signals
Sanggarini et al. Hjorth descriptor as feature extraction for classification of familiarity in EEG signal
Daud et al. Denoising Semi-simulated EEG Signal Contaminated Ocular Noise using Various Wavelet Filters
Zink et al. Anodal transcranial direct current stimulation enhances the efficiency of functional brain network communication during auditory attentional control
Demanuele et al. Slow neuronal oscillations in the resting brain vs task execution: A BSS investigation of EEG recordings
Singh et al. Electroencephalogram Data Collection for Student Engagement Analysis with Audio-Visual Content
RU93658U1 (ru) Система измерения энергетической напряженности в подсистемах головного мозга
González Towards an Automated Portable Electroencephalography-based System for Alzheimer’s Disease Diagnosis
CN117648617A (zh) 脑卒中识别方法、装置、电子设备和存储介质
Jin State-of-the-art EEG artifact removal evaluation
Bonfim et al. Analysis of Electrical Neural Data Using MUSE and EEGLAB
Acosta et al. EEG sensor prototype for recording the attention under ANT 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