CN114533066B - 基于复合表情加工脑网络的社交焦虑评估方法和系统 - Google Patents

基于复合表情加工脑网络的社交焦虑评估方法和系统 Download PDF

Info

Publication number
CN114533066B
CN114533066B CN202210454743.0A CN202210454743A CN114533066B CN 114533066 B CN114533066 B CN 114533066B CN 202210454743 A CN202210454743 A CN 202210454743A CN 114533066 B CN114533066 B CN 114533066B
Authority
CN
China
Prior art keywords
brain network
social anxiety
compound expression
degree
channels
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
CN202210454743.0A
Other languages
English (en)
Other versions
CN114533066A (zh
Inventor
李太豪
裴冠雄
徐若豪
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.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
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 Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202210454743.0A priority Critical patent/CN114533066B/zh
Publication of CN114533066A publication Critical patent/CN114533066A/zh
Application granted granted Critical
Publication of CN114533066B publication Critical patent/CN114533066B/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
    • A61B5/24—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
    • A61B5/16—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
    • A61B5/24—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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • 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

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Signal Processing (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Mathematical Physics (AREA)
  • Power Engineering (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复合表情加工脑网络的社交焦虑评估方法和系统，该方法包括：步骤S1：为被试者佩戴多通道脑电测量设备；步骤S2：为被试者开展复合表情刺激测试，并同步采集脑电数据；步骤S3：脑电数据进行预处理，并经过短时傅里叶变换提取α频段内各个频率点的功率值；步骤S4：根据功率同步程度量化各通道之间的关系；步骤S5：根据权重最小原则构建复合表情加工脑网络；步骤S6：提取脑网络神经指标，以此评估出社交焦虑程度。本发明可以客观地评估个体社交焦虑程度，有效避免了传统测量手段事后采样、主观性强、社会期许偏差等问题，有广泛的市场推广价值和应用前景。

Description

基于复合表情加工脑网络的社交焦虑评估方法和系统
技术领域
本发明属于心理学技术领域，涉及一种基于复合表情加工脑网络的社交焦虑评估方法和系统。
背景技术
社交焦虑是指个体与他人在社会日常交往过程中所表现出的一种明显而持久的焦虑状态。该类人群在与人交往、在人前行事以及被观察或被评估时，会表现出显著、持续的紧张或恐惧，害怕受到来自他人的关注。同时伴有明显的植物神经功能紊乱，包括心跳加速、出汗、脸红、口吃、眼神涣散、肌肉紧张等。生理性症候会导致社交焦虑者对自我更为负性的评价，进一步导致更高的焦虑，形成恶性循环导致其在学业、工作、社交等多方面受挫，同时会造成社会关系的紧张，甚至会衍生出社会孤立、抑郁、药物或酒精成瘾、自杀等严重社会问题。
在科学研究中，一般根据社交焦虑的程度差异进行人群的划分，从社交无畏到社交回避，再到社交恐惧，程度逐渐加深。以往对社交焦虑程度的划分更多基于问卷评估，由于社交焦虑者的主观隐瞒、认知偏差、理解能力不足、前后测问项重复等原因，以及需要依托有经验的心理咨询师辅助判断，导致现有评估技术不可避免地具有更多的主观性，应该考虑纳入反映神经可塑性改变的生物标记物作为初筛和监测的客观指标。
脑电信号(Electroencephalograph，EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，其包含了大量与表情加工相关的生理和心理信息，且具有直接客观、难以伪装、容易量化、特征多元等特点，并且提取方便，时间分辨率高，是目前心理学技术领域具有显著效果的认知生理指标。社交焦虑者的社交困难在很大程度上源于无法有效利用面部表情这种重要的社会化信息，并表现出与正常人群在面部表情处理机制方面的显著差异。在提取脑电信号的基础上，利用不同程度社交焦虑者的脑功能网络差异，可以用于社交焦虑程度的评估。
发明内容
为了解决现有技术中存在的上述技术问题，本发明提出了一种基于复合表情加工脑网络的社交焦虑评估方法和系统，为被试者佩戴多通道脑电测量设备；为被试者开展负性复合表情刺激测试，并同步采集脑电数据；经过短时傅里叶变换提取8-10Hz频段内各个频率点的功率值；根据功率同步程度量化各通道之间的关系；根据权重最小原则构建复合表情加工脑网络；提取脑网络神经指标，评估出社交焦虑程度。其具体技术方案如下：
基于复合表情加工脑网络的社交焦虑评估方法，包括以下步骤：
步骤S1：为被试者佩戴多通道脑电测量设备；
步骤S2：为被试者开展复合表情刺激测试，并同步采集多通道脑电数据；
步骤S3：对采集的脑电数据进行预处理，并经过短时傅里叶变换提取α频段内各个频率点的功率值；
步骤S4：根据功率同步程度，量化各通道之间的关系；
步骤S5：根据权重最小原则构建复合表情加工脑网络；
步骤S6：基于复合表情加工脑网络，提取脑网络神经指标，评估出社交焦虑程度。
进一步的，所述多通道脑电测量设备的电极帽通道数大于32，通道配置采用国际统一标准的10-20系统。
进一步的，所述复合表情刺激测试具体包括：为被试者呈现负性复合表情图片，每次测试每位被试者均需观看40张以上的图片，每张负性复合表情图片的呈现时间为1000毫秒，图片呈现之间用提示注意的“+”号屏和空屏进行间隔，呈现时间为400-600毫秒。
进一步的，所述预处理具体包括：去除眼电；带宽滤波：保留0.5 Hz ~100Hz频段；凹陷滤波：去除50Hz市电干扰；分析段截取：截取图片出现前200毫秒到图片呈现后800毫秒的脑电数据；基线校正：以图片出现之前的200毫秒到图片呈现时刻的脑电数据作为基线；参考电极转换，伪迹去除。
进一步的，所述功率同步程度是指两两通道之间的平均功率同步程度L，L的计算公式如下：
Figure 329249DEST_PATH_IMAGE001
Figure 872357DEST_PATH_IMAGE002
Figure 603553DEST_PATH_IMAGE003
Figure 409966DEST_PATH_IMAGE004
Figure 226612DEST_PATH_IMAGE005
为M行N列的实数矩阵，M代表频率点的总数，N代表截取的脑电数据中的分析段 的总数，
Figure 573411DEST_PATH_IMAGE006
代表两通道的功率差，sign代表符号函数，i代表频率点，j代表分析段编号。
进一步的，所述步骤S5具体为：以通道作为网络节点，将两通道之间的平均功率同步程度L作为脑网络中边的权重，并进行升序排列，依次添加权重最小的边，若添加的边构成循环，则丢弃该边，直到所有节点都包含在脑网络内时，则复合表情加工脑网络构建完成。
进一步的，所述步骤S6具体为：使用叶子节点比率E作为复合表情加工脑网络神经指标，叶子节点比率E表示度为1的节点占所有节点数的比例，E∈[0，1]，E值越大表明个体的社交焦虑程度越高。
基于复合表情加工脑网络的社交焦虑评估系统，包括：
复合表情刺激测试装置，包括表情刺激呈现装置和存储装置，用于呈现复合表情刺激测试程序的内容，为被试者开展复合表情刺激测试，并存储复合表情刺激的材料；
脑电测量设备，用于采集被试者的脑电数据，并将其传输给评估计算单元；
评估计算单元，包括脑电信号预处理模块、数据计算模块和焦虑评估模块；
所述的脑电信号预处理模块用于对采集的脑电数据进行放大、去除眼电、滤波、分析段截取、基线校正、参考电极转换、伪迹去除的预处理；
数据计算模块用于提取α频段内各个频率点的功率值，并量化各通道之间的关系，根据权重最小原则构建复合表情加工脑网络；
焦虑评估模块用于提取脑网络神经指标，评估社交焦虑程度。
基于复合表情加工脑网络的社交焦虑评估装置，包括一个或多个处理器，用于实现所述的基于复合表情加工脑网络的社交焦虑评估方法。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现所述的基于复合表情加工脑网络的社交焦虑评估方法。
本发明的有益效果如下：
1.本发明的系统借助于EEG信号，可以客观地评估个体社交焦虑程度，有效避免了传统测量手段事后采样、主观性强、社会期许偏差等问题。
2.可以通过调整训练的步骤、时长、疗程等变量，基于组间效果对照，设计更优社交焦虑调节训练方案。
3.本发明方法和系统具有非侵入性、安全高效、成本较低的特点，可以用于心理保健、公安侦查、人岗匹配和人才选拔，具有广泛的市场价值和应用前景。
附图说明
图1为本发明的基于复合表情加工脑网络的社交焦虑评估系统框图；
图2为本发明的基于复合表情加工脑网络的社交焦虑评估方法的流程图；
图3为本发明的基于复合表情加工脑网络的社交焦虑评估装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和技术效果更加清楚明白，以下结合说明书附图和实施例，对本发明作进一步详细说明。
如图1所示，本发明的一种基于复合表情加工脑网络的社交焦虑评估系统，包括：
复合表情刺激测试装置，包括表情刺激呈现装置和存储装置，用于呈现复合表情刺激测试程序的内容，为被试者开展复合表情刺激测试，并存储复合表情刺激的材料。可以按照日常的浏览习惯，以屏幕作为视觉刺激源。
脑电测量设备，用于采集被试者的脑电数据，并将其传输给评估计算单元。作为一可选实施例，可以使用NeuroScan脑电采集系统（包括64导电极帽、接线盒、放大器、电脑主机等，测量过程中，电压误差不超过±10%，输入噪声≤0.5uV RMS，共模抑制比大于110dB ,要求灵敏度高且抗干扰能力强，不发生时间延迟，采样数据在放大器中进行模数转化后，将数据进行存储备份）。复合表情刺激测试装置通过主机并基于TCP/IP协议，传递时间戳到脑电数据，从而使得刺激和脑电数据得以同步，可以用于后续脑电数据的导出和离线分析。系统所用主机的配置：CPU：Intel Core i7-9700同等或更高配置；GPU：NVIDIA GeForceGTX2080 Ti同等或更高配置；内存：64GB RAM或以上；1TB可用磁盘空间）。
评估计算单元，包括脑电信号预处理模块、数据计算模块和焦虑评估模块。
所述的脑电信号预处理模块用于对采集的脑电信号进行放大、去除眼电、滤波、分析段截取、基线校正、参考电极转换、伪迹去除；
数据计算模块用于提取α频段的功率值，并量化各通道之间的关系，根据权重最小原则构建复合表情加工脑网络；
焦虑评估模块用于提取神经指标，评估社交焦虑程度。
如图2所示，本发明的一种基于复合表情加工脑网络的社交焦虑评估方法，基于上述的评估系统来实现，具体包括如下步骤：
步骤S1：为被试者佩戴多通道脑电测量设备。
所述多通道脑电测量设备的电极帽通道数应大于32，从而覆盖全脑并为脑网络建立提供足够的节点。可使用盐水或凝胶电极，使各个通道的阻抗低于5kΩ，通道配置采用国际统一标准的10-20系统。被试者被详细告知测试的目的、流程、操作方法和脑电信号采集的无害性，并签署知情同意书。
步骤S2：为被试者开展复合表情刺激测试，并同步采集多通道脑电数据。
应使被试者尽量减少头动或是其他肢体动作，减少无关视觉刺激或听觉刺激源的干扰。
所述复合表情刺激测试指为被试者呈现负性复合表情图片，每次测试每位被试者均需观看40张以上的图片，每张负性复合表情图片的呈现时间为1000毫秒，图片呈现之间用提示注意的“+”号屏和空屏进行间隔，呈现时间为400-600毫秒。作为一可选实施例，可以使用E-prime软件控制刺激素材的呈现，从而实现毫秒级的操控。
步骤S3：脑电数据进行预处理，并经过短时傅里叶变换提取α频段内各个频率点的功率值。
对上述测试过程中采集的脑电数据进行预处理，包括去除眼电、带宽滤波（保留0.5 Hz ~100Hz频段）和凹陷滤波（去除50Hz市电干扰）、分析段截取（截取图片出现前200毫秒到图片呈现后800毫秒的脑电数据）、基线校正（以图片出现之前的200毫秒到图片呈现时刻的脑电数据作为基线）、参考电极转换、伪迹去除，并经过短时傅里叶变换提取α频段（8Hz ~10Hz）内各个频率点的功率值。
步骤S4：根据功率同步程度量化各通道之间的关系。
所述功率同步程度是指两两通道之间的平均功率同步程度L，L的计算公式如下：
Figure 909845DEST_PATH_IMAGE001
Figure 136427DEST_PATH_IMAGE007
Figure 987840DEST_PATH_IMAGE008
Figure 325280DEST_PATH_IMAGE004
Figure 312959DEST_PATH_IMAGE005
为M行N列的实数矩阵，M代表频率点的总数，N代表分析段的总数，
Figure 195595DEST_PATH_IMAGE006
代表两 通道的功率差，sign代表符号函数，i代表频率点，j代表分析段编号。
步骤S5：根据权重最小原则构建复合表情加工脑网络。
具体的，以通道作为节点，将两通道之间的平均功率同步程度L作为脑网络中边的权重，并进行升序排列，依次添加权重最小的边，如果添加的边构成了循环，则丢弃这个边，直到所有节点都包含在脑网络内时，复合表情加工脑网络构建完成。
步骤S6：提取脑网络神经指标，以此评估出社交焦虑程度。
具体的，使用叶子节点比率E作为复合表情加工脑网络神经指标，叶子节点比率E表示度为1的节点占所有节点数的比例，E∈[0，1]，E值越大表明个体的社交焦虑程度越高。
与前述基于多突触可塑性脉冲神经网络快速记忆编码方法的实施例相对应，本发明还提供了基于多突触可塑性脉冲神经网络快速记忆编码装置的实施例。
参见图3，本发明实施例提供的一种基于复合表情加工脑网络的社交焦虑评估装置，包括一个或多个处理器，用于实现上述实施例中的基于复合表情加工脑网络的社交焦虑评估方法。
本发明基于复合表情加工脑网络的社交焦虑评估码装置的实施例可以应用在任意具备数据处理能力的设备上，该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本发明基于复合表情加工脑网络的社交焦虑评估码装置所在任意具备数据处理能力的设备的一种硬件结构图，除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述实施例中的基于复合表情加工脑网络的社交焦虑评估方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。所述计算机可读存储介质也可以是风力发电机的外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡（Smart Media Card，SMC）、SD卡、闪存卡（Flash Card）等。进一步的，所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述，仅为本发明的优选实施案例，并非对本发明做任何形式上的限制。虽然前文对本发明的实施过程进行了详细说明，对于熟悉本领域的人员来说，其依然可以对前述各实例记载的技术方案进行修改，或者对其中部分技术特征进行同等替换。凡在本发明精神和原则之内所做修改、同等替换等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于复合表情加工脑网络的社交焦虑评估方法，其特征在于，包括以下步骤：
步骤S1：为被试者佩戴多通道脑电测量设备；
步骤S2：为被试者开展复合表情刺激测试，并同步采集多通道脑电数据；所述复合表情刺激测试具体包括：为被试者呈现负性复合表情图片，每次测试每位被试者均需观看40张以上的图片，每张负性复合表情图片的呈现时间为1000毫秒，图片呈现之间用提示注意的“+”号屏和空屏进行间隔，呈现时间为400-600毫秒；
步骤S3：对采集的脑电数据进行预处理，并经过短时傅里叶变换提取α频段内各个频率点的功率值；
步骤S4：根据功率同步程度，量化各通道之间的关系；所述功率同步程度是指两两通道之间的平均功率同步程度L，L的计算公式如下：
Figure 301600DEST_PATH_IMAGE001
Figure 218609DEST_PATH_IMAGE002
Figure 356330DEST_PATH_IMAGE003
Figure 818535DEST_PATH_IMAGE004
Figure 41706DEST_PATH_IMAGE005
为M行N列的实数矩阵，M代表频率点的总数，N代表截取的脑电数据中的分析段的总 数，
Figure 989503DEST_PATH_IMAGE006
代表两通道的功率差，sign代表符号函数，i代表频率点，j代表分析段编号；
步骤S5：根据权重最小原则构建复合表情加工脑网络，具体为：以通道作为网络节点，将两通道之间的平均功率同步程度L作为脑网络中边的权重，并进行升序排列，依次添加权重最小的边，若添加的边构成循环，则丢弃该边，直到所有节点都包含在脑网络内时，则复合表情加工脑网络构建完成；
步骤S6：基于复合表情加工脑网络，提取脑网络神经指标，评估出社交焦虑程度，具体为：使用叶子节点比率E作为复合表情加工脑网络神经指标，叶子节点比率E表示度为1的节点占所有节点数的比例，E∈[0，1]，E值越大表明个体的社交焦虑程度越高。
2.如权利要求1所述的基于复合表情加工脑网络的社交焦虑评估方法，其特征在于，所述多通道脑电测量设备的电极帽通道数大于32，通道配置采用国际统一标准的10-20系统。
3.如权利要求1所述的基于复合表情加工脑网络的社交焦虑评估方法，其特征在于，所述预处理具体包括：去除眼电；带宽滤波：保留0.5 Hz ~100Hz频段；凹陷滤波：去除50Hz市电干扰；分析段截取：截取图片出现前200毫秒到图片呈现后800毫秒的脑电数据；基线校正：以图片出现之前的200毫秒到图片呈现时刻的脑电数据作为基线；参考电极转换，伪迹去除。
4.一种基于复合表情加工脑网络的社交焦虑评估装置，其特征在于，包括一个或多个处理器，用于实现权利要求1-3中任一项所述的基于复合表情加工脑网络的社交焦虑评估方法。
5.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-3中任一项所述的基于复合表情加工脑网络的社交焦虑评估方法。
CN202210454743.0A 2022-04-28 2022-04-28 基于复合表情加工脑网络的社交焦虑评估方法和系统 Active CN114533066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210454743.0A CN114533066B (zh) 2022-04-28 2022-04-28 基于复合表情加工脑网络的社交焦虑评估方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210454743.0A CN114533066B (zh) 2022-04-28 2022-04-28 基于复合表情加工脑网络的社交焦虑评估方法和系统

Publications (2)

Publication Number Publication Date
CN114533066A CN114533066A (zh) 2022-05-27
CN114533066B true CN114533066B (zh) 2022-08-19

Family

ID=81667480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210454743.0A Active CN114533066B (zh) 2022-04-28 2022-04-28 基于复合表情加工脑网络的社交焦虑评估方法和系统

Country Status (1)

Country Link
CN (1) CN114533066B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116058851B (zh) * 2023-02-20 2023-07-04 之江实验室 脑电数据处理方法、装置、分析系统、电子装置和介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006102370A2 (en) * 2005-03-22 2006-09-28 University Of Massachusetts Functional brain mri mapping as a marker in cns diseases and disorders
CN105769221A (zh) * 2016-04-05 2016-07-20 陕西师范大学 基于Lyapunov指数和关联维数的脑电测谎方法
CN106725454A (zh) * 2016-12-22 2017-05-31 蓝色传感（北京）科技有限公司 应用脑电信号评估焦虑程度的评估系统及方法
CN110969626A (zh) * 2019-11-27 2020-04-07 西南交通大学 基于3d神经网络的人脑核磁共振影像的海马体提取方法
CN112120694A (zh) * 2020-08-19 2020-12-25 中国地质大学（武汉） 一种基于神经网络的运动想象脑电信号分类方法
CN112641449A (zh) * 2020-12-18 2021-04-13 浙江大学 一种基于eeg信号的脑神经功能状态检测的快速评估方法
CN113180661A (zh) * 2021-04-07 2021-07-30 北京脑陆科技有限公司 一种基于eeg信号的焦虑状态调控方法、系统
CN113180662A (zh) * 2021-04-07 2021-07-30 北京脑陆科技有限公司 一种基于eeg信号的焦虑状态干预方法、系统
CN113208617A (zh) * 2021-04-06 2021-08-06 北京脑陆科技有限公司 一种基于eeg信号的焦虑状态神经调控方法及系统
CN113317803A (zh) * 2021-06-04 2021-08-31 重庆邮电大学 一种基于图论和机器学习的神经症特征提取方法
CN113419902A (zh) * 2021-06-29 2021-09-21 上海大学 基于长短时记忆网络的多通道脑电信号相关性分析与数据恢复方法
CN113576482A (zh) * 2021-09-28 2021-11-02 之江实验室 一种基于复合表情加工的注意偏向训练评估系统和方法
WO2022034048A1 (en) * 2020-08-10 2022-02-17 Oncomfort Sa A method and system for measuring a level of anxiety
CN114224342A (zh) * 2021-12-06 2022-03-25 南京航空航天大学 一种基于时空融合特征网络的多通道脑电信号情绪识别方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110028827A1 (en) * 2009-07-28 2011-02-03 Ranganatha Sitaram Spatiotemporal pattern classification of brain states
CN107468211A (zh) * 2010-01-18 2017-12-15 艾欧敏达有限公司 用于分析神经生理学数据的方法和系统以及评估系统
BR112013022900A2 (pt) * 2011-03-11 2017-11-14 Koninklijke Philips Nv aparelho, método e programa de computador de monitoramento para monitorar sinais fisiológicos
US10342472B2 (en) * 2013-07-01 2019-07-09 Think-Now Inc. Systems and methods for assessing and improving sustained attention
US10786182B2 (en) * 2015-09-09 2020-09-29 The Joan and Irwin Jacobs Technion-Cornell Institute System and method for passive remote monitoring of patients' fine motor behavior
CN105615879B (zh) * 2016-04-05 2018-07-17 陕西师范大学 基于多重分形消除趋势波动分析的脑电测谎方法
WO2021186416A1 (en) * 2020-03-19 2021-09-23 Neurovalens, Ltd Systems, devices and methods for anxiety treatment using vestibular nerve stimulation
CN111938671A (zh) * 2020-08-14 2020-11-17 上海市精神卫生中心（上海市心理咨询培训中心） 一种基于多维度内感知特征的焦虑特质量化方法
CN112784886B (zh) * 2021-01-11 2024-04-02 南京航空航天大学 一种基于多层最大生成树图核的脑图像分类方法
CN113100766A (zh) * 2021-04-02 2021-07-13 湘潭大学 基于多模态交互测量多色种模拟航天环境下个体情绪与作业能力评价方法
CN113576491A (zh) * 2021-07-26 2021-11-02 深圳市人民医院 基于静息态eeg频域特征及脑网络自动分析方法和系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006102370A2 (en) * 2005-03-22 2006-09-28 University Of Massachusetts Functional brain mri mapping as a marker in cns diseases and disorders
CN105769221A (zh) * 2016-04-05 2016-07-20 陕西师范大学 基于Lyapunov指数和关联维数的脑电测谎方法
CN106725454A (zh) * 2016-12-22 2017-05-31 蓝色传感（北京）科技有限公司 应用脑电信号评估焦虑程度的评估系统及方法
CN110969626A (zh) * 2019-11-27 2020-04-07 西南交通大学 基于3d神经网络的人脑核磁共振影像的海马体提取方法
WO2022034048A1 (en) * 2020-08-10 2022-02-17 Oncomfort Sa A method and system for measuring a level of anxiety
CN112120694A (zh) * 2020-08-19 2020-12-25 中国地质大学（武汉） 一种基于神经网络的运动想象脑电信号分类方法
CN112641449A (zh) * 2020-12-18 2021-04-13 浙江大学 一种基于eeg信号的脑神经功能状态检测的快速评估方法
CN113208617A (zh) * 2021-04-06 2021-08-06 北京脑陆科技有限公司 一种基于eeg信号的焦虑状态神经调控方法及系统
CN113180661A (zh) * 2021-04-07 2021-07-30 北京脑陆科技有限公司 一种基于eeg信号的焦虑状态调控方法、系统
CN113180662A (zh) * 2021-04-07 2021-07-30 北京脑陆科技有限公司 一种基于eeg信号的焦虑状态干预方法、系统
CN113317803A (zh) * 2021-06-04 2021-08-31 重庆邮电大学 一种基于图论和机器学习的神经症特征提取方法
CN113419902A (zh) * 2021-06-29 2021-09-21 上海大学 基于长短时记忆网络的多通道脑电信号相关性分析与数据恢复方法
CN113576482A (zh) * 2021-09-28 2021-11-02 之江实验室 一种基于复合表情加工的注意偏向训练评估系统和方法
CN114224342A (zh) * 2021-12-06 2022-03-25 南京航空航天大学 一种基于时空融合特征网络的多通道脑电信号情绪识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
大学生焦虑人群情绪冲突反应的脑功能网络研究;季淑梅等;《中国生物医学工程学报》;20200420(第02期);19-25 *

Also Published As

Publication number Publication date
CN114533066A (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
Klug et al. Identifying key factors for improving ICA‐based decomposition of EEG data in mobile and stationary experiments
Grummett et al. Measurement of neural signals from inexpensive, wireless and dry EEG systems
US7570991B2 (en) Method for real time attitude assessment
CN101711388B (zh) 营销和娱乐的效果分析
CN111651060B (zh) 一种vr沉浸效果的实时评估方法和评估系统
CN113576482B (zh) 一种基于复合表情加工的注意偏向训练评估系统和方法
CN112545519B (zh) 一种群体情感同质性的实时评估方法和评估系统
US20160113545A1 (en) System and method for analyzing electroencephalogram in response to image stimulus of media facade
CN100427031C (zh) 视觉检查的系统和方法
Estepp et al. Validation of a dry electrode system for EEG
Anwar et al. Use of portable EEG sensors to detect meditation
CN114533066B (zh) 基于复合表情加工脑网络的社交焦虑评估方法和系统
Hu et al. The modulation of salience and central executive networks by acute stress in healthy males: an EEG microstates study
CN110569968B (zh) 基于电生理信号的创业失败恢复力评估方法及评估系统
CN113349795B (zh) 基于稀疏低秩张量分解的抑郁症脑电分析方法
Gabriel et al. Identification of ADHD cognitive pattern disturbances using EEG and wavelets analysis
Varcin et al. A role for affectivity in rapid facial mimicry: An electromyographic study
CN116058851B (zh) 脑电数据处理方法、装置、分析系统、电子装置和介质
Shi et al. Unconscious emotion recognition based on multi-scale sample entropy
CN112957050B (zh) 基于脑机接口设备技术的视觉记忆能力评测装置及方法
Shelton et al. Seasonal photoperiod, gender, and P300
Zeba et al. Assessment of mental fatigue during examination period with P300 oddball paradigm
Paluš et al. EEG connectivity in treatment of major depressive disorder: Tackling the conductivity effects
Dzulkarnain et al. Intra-subject variability in the auditory brainstem response using a vertical montage recording
Ab Rahman et al. Classification of EEG signal for body earthing application

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