CN115063188A - 一种基于脑电信号的智能消费者喜好度指数评估方法 - Google Patents
一种基于脑电信号的智能消费者喜好度指数评估方法 Download PDFInfo
- Publication number
- CN115063188A CN115063188A CN202210991480.7A CN202210991480A CN115063188A CN 115063188 A CN115063188 A CN 115063188A CN 202210991480 A CN202210991480 A CN 202210991480A CN 115063188 A CN115063188 A CN 115063188A
- Authority
- CN
- China
- Prior art keywords
- consumer
- comprehensive
- evaluating
- evaluation
- emotion
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Abstract
本发明公开了一种基于脑电信号的智能消费者喜好度指数评估方法，包括：获取被试者头戴脑电头盔采集在品评消费品过程中的脑电数据；监听被试者在品评消费品过程中不同品评阶段时的按键事件；获得不同品评阶段的情绪和八种波段指数组成的特征向量空间；代入综合情绪体验指数模型，得综合情绪体验指数：将每个品评阶段的综合情绪体验指数的平均值作为特征值，根据赋权法进行赋值，生成综合情绪体验得分，对消费者喜好度进行评估。该方法可减少仅依赖传统市场调研方法如访谈、问卷调查等来评估消费者的偏好所带来的有意或无意的偏见，可以实现更科学、更客观可量化的描述消费者对消费品的喜好程度。
Description
技术领域
本发明涉及脑电信号技术领域，特别涉及一种基于脑电信号的智能消费者喜好度指数评估方法。
背景技术
近年来，脑机接口技术、认知科学、神经科学、心理学、感官科学、计算机科学、人工智能等学科快速发展，相关科学技术手段发展已相对成熟，但是利用多学科交叉手段来研究消费者对产品认知的神经营销方法仍相对较少，发展较为缓慢。当前，市场对消费者产品喜好度、需求、购买意向等方面的调查和测评仍然多偏向于传统形式的调查问卷、访谈等手段。由于人们经常对产品的偏好和意图并不是很明确，传统的问卷调查、口头表达等方法经常会产生有意甚至是有意的偏见，导致无法评估消费者的动机，无法准确表达消费者对产品的真正感受或感觉，从而使评估受限甚至得出错误结论。而随着神经科学、脑机接口技术等科技手段的不断成熟，相关技术手段已经可以帮助商家或体验店营销人员理解消费者的大脑对不同品牌产品的真实体验感受。
当前新兴的能够量化识别消费者对产品喜好度方法主要有核磁共振影像、临床脑电图、诱发电位检测、面部微表情情绪识别、眼动追踪、皮肤电反应等技术。但是每种模式记录的神经测量不同，应用场景不同。核磁共振影像、临床脑电图、诱发电位检测等设备过于昂贵且笨重，而皮肤电设备使用时佩戴繁琐，均不利于面向消费者市场进行推广，且当前没有核磁共振技术、皮肤电反应技术等在酒类测评方面的应用。眼动追踪技术局限于眼睛观察，对评测酒类给人带来的情绪体验方面作用有限。面部微表情情绪识别技术已经较为成熟，且当前已有在此方面的应用，但是相对于脑电这种可以直接测量的生物电信号在消费者翻译的真实性方面仍略逊一筹。
因此，如何更科学、更客观可量化的描述消费者对消费品的喜好程度，避免传统形式的调查问卷、访谈所带来的不准确的反馈问题，亟需解决。
发明内容
本发明的目的在于提供一种基于脑电信号的智能消费者喜好度指数评估方法，可解决传统形式的调查问卷、访谈所带来的不准确的反馈问题，实现更科学、更客观可量化的描述消费者对消费品的喜好程度。
为实现上述目的，本发明采取的技术方案为：
本发明提供一种基于脑电信号的智能消费者喜好度指数评估方法，包括以下步骤：
获取被试者头戴脑电头盔采集在品评消费品过程中的脑电数据；
监听被试者在品评消费品过程中不同品评阶段时的按键事件；
根据品评消费品过程中的脑电数据、及品评消费品过程中不同品评阶段时的按键事件，获得不同品评阶段的情绪和八种波段指数组成的特征向量空间；
根据所述不同品评阶段的情绪和八种波段功率数据组成的特征向量空间，代入综合情绪体验指数模型，得综合情绪体验指数：
将每个品评阶段的综合情绪体验指数的平均值作为特征值，根据赋权法进行赋值，生成综合情绪体验得分；
根据所述综合情绪体验得分，对消费者喜好度进行评估。
进一步地，所述脑电头盔基于TGAM模块开发，采集前置脑电信号并完成相关信号放大、滤波、A/D转换以及编码预处理功能。
进一步地，所述脑电头盔采集前置脑电信号的采样频率为512Hz，每秒钟输出相应的情绪数据和八种波段功率数据；所述情绪数据包括：专注度和放松度，数据范围0到100。
进一步地，所述综合情绪体验指数模型如下：
（1）
式中，f(x)表示综合情绪体验指数IAA；
，为系数矩阵，ω∈[-1,1]，d表示特征维度；x表示情绪维度和八种波段功率数据组成的特征向量空间；b表示残差。
进一步地，将每个品评阶段的综合情绪体验指数的平均值作为特征值，根据赋权法进行赋值，生成综合情绪体验得分；包括：
将每个品评阶段的IAA的平均值作为特征值
，R表示每个品评阶段的IAA，m表示品评阶段的数量；
按照赋权法对其赋值：
（2）
式中，g(x)表示最终综合情绪体验得分；
为系数矩阵，A∈[0,1]，σ表示残差
与现有技术相比，本发明具有如下有益效果：
1.量化评估消费者体验不同消费品（比如酒类产品）时产品对消费者大脑带来的真实生理情绪变化，反映消费者的潜意识反应。
2.帮助了解消费者体验不同产品时发生在其大脑中无意识的变化，帮助其明确自己真实的偏好和意图，即解决消费者体验不同消费品（比如酒类产品）时，说不清、说不准的问题。
3.减少仅依赖传统市场调研方法如访谈、问卷调查等来评估消费者的偏好所带来的有意或无意的偏见，让评估更加客观、科学。
4. 脑电头盔基于TGAM模块开发，设备轻巧便携、简单易佩戴、结果快速，体验感强。
附图说明
图1为基于脑电信号的智能消费者喜好度指数评估方法流程图；
图2为以酒品为例的实验流程图；
图3为闻香阶段IAA指数曲线示意图；
图4为品尝阶段IAA指数曲线示意图。
具体实施方式
为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，下面结合具体实施方式，进一步阐述本发明。
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
参照图1所示，本发明提供的一种基于脑电信号的智能消费者喜好度指数评估方法，包括：
S10、获取被试者头戴脑电头盔采集在品评消费品过程中的脑电数据；
S20、监听被试者在品评消费品过程中不同品评阶段时的按键事件；
S30、品评结束后推送给被试者在线调查问卷，并获取被试者调查问卷的填写数据；
S40、根据品评消费品过程中的脑电数据、及品评消费品过程中不同品评阶段时的按键事件，获得不同品评阶段的情绪和八种波段指数组成的特征向量空间；
S50、根据所述不同品评阶段的情绪和八种波段功率数据组成的特征向量空间，代入综合情绪体验指数模型，得综合情绪体验指数：
S60、将每个品评阶段的综合情绪体验指数的平均值作为特征值，根据赋权法进行赋值，生成综合情绪体验得分；
S70、根据所述综合情绪体验得分，对消费者喜好度进行评估。
上述S30步骤中，问卷调查主要是问被试对每个样品的喜好度，问卷设计的问题比较多，包括对每一个样品的色泽、香味、口感、后味以及整体喜好度等方面都有调查，但是主要是分析问卷的整体喜好度。调查问卷会给出评分，根据统计的每个样品的调查问卷综合评价里的每个样品的平均值，得出样品的质量差的相对情况，以此作为准确度参考，调整脑电模型中的权重，最终使喜欢度高的样品脑电模型最终得出评分高，喜好度低的样品脑电模型评分相对较低。
下面以消费品为酒类产品为例进行清楚的说明本发明提供的技术方案：
步骤1： 实验过程：实验在专业品评实验室内进行。每位被试者头戴脑电头盔，用于采集品评过程中的脑电数据；采用MATLAB软件中PSYCHTOOLBOX函数库进行标准测试程序编程对计算机底层硬件进行精准控制，提示实验环节、步骤以及对实验环节进行精确计时。如图2所示，每位被试配备一台电脑根据屏幕提示进行按键操作并展开相应实验。键盘按下事件同采集的脑电数据一起记录至原始数据中以标记数据中不同实验环节。每个样品品评结束后采用在线问卷形式，每位被试者采用扫描二维码方式进入问卷环节回答问卷，以作为最后与建模准确度的对比。
其中，参与者按照观察酒体、闻香、品尝及回味3个步骤，逐个品评n个酒样，每个步骤开始时被试者按下相应数字按键，比如“观察酒体”对应按键“1”，“闻香”对应按键“2”，“品尝”对应按键“3”。每个样品品评之间有20秒钟休息时间，参与者被要求喝水或漱口并且填写调查问卷。
步骤2：数据分析：
脑电头盔基于神念科技公司（neurosky）的TGAM模块开发，采集前置脑电信号并完成相关信号放大、滤波、A/D转换以及编码等预处理功能。原始脑电信号采样频率为512Hz，并且每秒钟输出相应的专注度（attention）、放松度（meditation）（数据范围0到100）以及Low Alpha、High Alpha、Low Beta、High Beta、Low Gama、Middle Gama、Delta、Theta等预处理后的波段功率数据。该脑电头盔基于TGAM模块开发，设备轻巧便携、简单易佩戴、结果快速，体验感强。
（1）以不同品评阶段的情绪和八种波段以及为特征，建立综合情绪体验指数模型，研究能够显著区分不同样品、不同品评阶段的情绪；
模型如下：
（1）
式中，f(x)表示综合情绪体验指数IAA；
，为系数矩阵，ω∈[-1,1]，d表示特征维度，即第d个特征向量，每个情绪维度都是一种特征，即一共d个情绪维度；x表示情绪维度和八种波段功率数据组成的特征向量空间；b表示残差。
以闻香和品尝阶段为例，最终得出闻香和品尝阶段的综合情绪体验指数曲线分别如图3和图4所示。
(2)各阶段综合喜好度指数
取每个样品每个品评阶段的IAA指数的平均值作为特征
，按照赋权法对其赋值：
（2）
式中，g(x)表示最终综合情绪体验得分；
为系数矩阵，A∈[0,1]，σ表示残差。
本实施例中，设计品评实验标准流程，招募被试者进行实验。对品评过程中被试脑电信号进行采集，采集的信号经放大、滤波、信号调理后进行A/D转换，再由微处理器进行组包，之后经串口蓝牙模块发送至上位机进行接收、显示、保存及分析。对采集的脑电波信号进行预处理，提取每个品评阶段的脑电信号时域以及频域特征建立特征矩阵，之后采用赋权法建立综合情绪指数模型（IAA），最后利用所建立的模型分析每个品评阶段被试对样品的喜好度，最后根据多种酒品各自对应的综合情绪体验得分，对消费者喜好度进行评估，即：得分越高的酒品，那么该消费者的喜好度越高。
该评估方法量化评估消费者体验不同酒类产品时产品对消费者大脑带来的真实生理情绪变化，反映消费者的潜意识反应，帮助了解消费者体验不同产品时发生在其大脑中无意识的变化，帮助其明确自己真实的偏好和意图，即解决消费者体验不同酒类产品时，说不清、说不准的问题。且减少仅依赖传统市场调研方法如访谈、问卷调查等来评估消费者的偏好所带来的有意或无意的偏见，让评估更加客观、科学。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种基于脑电信号的智能消费者喜好度指数评估方法，其特征在于，包括以下步骤：
获取被试者头戴脑电头盔采集在品评消费品过程中的脑电数据；
监听被试者在品评消费品过程中不同品评阶段时的按键事件；
根据品评消费品过程中的脑电数据、及品评消费品过程中不同品评阶段时的按键事件，获得不同品评阶段的情绪和八种波段指数组成的特征向量空间；
根据所述不同品评阶段的情绪和八种波段功率数据组成的特征向量空间，代入综合情绪体验指数模型，得综合情绪体验指数：
将每个品评阶段的综合情绪体验指数的平均值作为特征值，根据赋权法进行赋值，生成综合情绪体验得分；
根据所述综合情绪体验得分，对消费者喜好度进行评估。
2.根据权利要求1所述的一种基于脑电信号的智能消费者喜好度指数评估方法，其特征在于，所述脑电头盔基于TGAM模块开发，采集前置脑电信号并完成相关信号放大、滤波、A/D转换以及编码预处理功能。
3.根据权利要求2所述的一种基于脑电信号的智能消费者喜好度指数评估方法，其特征在于，所述脑电头盔采集前置脑电信号的采样频率为512Hz，每秒钟输出相应的情绪数据和八种波段功率数据；所述情绪数据包括：专注度和放松度，数据范围0到100。
4.根据权利要求3所述的一种基于脑电信号的智能消费者喜好度指数评估方法，其特征在于，所述综合情绪体验指数模型如下：
（1）
式中，f(x)表示综合情绪体验指数IAA；
，为系数矩阵，ω∈[-1,1]，d表示特征维度；x表示情绪维度和八种波段功率数据组成的特征向量空间；b表示残差。
5.根据权利要求4所述的一种基于脑电信号的智能消费者喜好度指数评估方法，其特征在于，将每个品评阶段的综合情绪体验指数的平均值作为特征值，根据赋权法进行赋值，生成综合情绪体验得分；包括：
将每个品评阶段的IAA的平均值作为特征值
，R表示每个品评阶段的IAA，m表示品评阶段的数量；
按照赋权法对其赋值：
（2）
式中， g(x)表示最终综合情绪体验得分；
为系数矩阵，A∈[0,1]，σ表示残差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210991480.7A CN115063188B (zh) | 2022-08-18 | 2022-08-18 | 一种基于脑电信号的智能消费者喜好度指数评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210991480.7A CN115063188B (zh) | 2022-08-18 | 2022-08-18 | 一种基于脑电信号的智能消费者喜好度指数评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115063188A true CN115063188A (zh) | 2022-09-16 |
| CN115063188B CN115063188B (zh) | 2022-12-13 |
Family
ID=83207768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210991480.7A Active CN115063188B (zh) | 2022-08-18 | 2022-08-18 | 一种基于脑电信号的智能消费者喜好度指数评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115063188B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090182620A1 (en) * | 2008-01-16 | 2009-07-16 | The Procter &Gamble Company | Modeling system and method to predict consumer response |
| CN104361356A (zh) * | 2014-12-08 | 2015-02-18 | 清华大学 | 一种基于人机交互的电影受众体验评价方法 |
| CN110070105A (zh) * | 2019-03-25 | 2019-07-30 | 中国科学院自动化研究所 | 基于元学习实例快速筛选的脑电情绪识别方法、系统 |
| CN112493998A (zh) * | 2020-12-09 | 2021-03-16 | 北京意图科技有限公司 | 嗅觉感官评估方法和系统 |
| CN112541667A (zh) * | 2020-12-09 | 2021-03-23 | 北京意图科技有限公司 | 电商页面评估方法及装置 |
| CN112587136A (zh) * | 2020-12-09 | 2021-04-02 | 北京意图科技有限公司 | 味觉感官评估方法和系统 |
| CN112999490A (zh) * | 2021-02-09 | 2021-06-22 | 吉林市不凡时空科技有限公司 | 一种基于脑电波情绪识别的音乐疗愈系统及其处理方法 |
| CN113570211A (zh) * | 2021-07-13 | 2021-10-29 | 中国食品发酵工业研究院有限公司 | 一种应用面部表情情绪识别及脑电分析量化评价食品消费者接受度的方法 |
| CN113662545A (zh) * | 2021-08-09 | 2021-11-19 | 南京航空航天大学 | 一种基于情绪脑电信号和多任务学习的人格评估方法 |
| US20220044254A1 (en) * | 2020-08-06 | 2022-02-10 | International Business Machines Corporation | Dynamic categorization of it service tickets using natural language description |
-
2022
- 2022-08-18 CN CN202210991480.7A patent/CN115063188B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090182620A1 (en) * | 2008-01-16 | 2009-07-16 | The Procter &Gamble Company | Modeling system and method to predict consumer response |
| CN104361356A (zh) * | 2014-12-08 | 2015-02-18 | 清华大学 | 一种基于人机交互的电影受众体验评价方法 |
| CN110070105A (zh) * | 2019-03-25 | 2019-07-30 | 中国科学院自动化研究所 | 基于元学习实例快速筛选的脑电情绪识别方法、系统 |
| US20220044254A1 (en) * | 2020-08-06 | 2022-02-10 | International Business Machines Corporation | Dynamic categorization of it service tickets using natural language description |
| CN112493998A (zh) * | 2020-12-09 | 2021-03-16 | 北京意图科技有限公司 | 嗅觉感官评估方法和系统 |
| CN112541667A (zh) * | 2020-12-09 | 2021-03-23 | 北京意图科技有限公司 | 电商页面评估方法及装置 |
| CN112587136A (zh) * | 2020-12-09 | 2021-04-02 | 北京意图科技有限公司 | 味觉感官评估方法和系统 |
| CN112999490A (zh) * | 2021-02-09 | 2021-06-22 | 吉林市不凡时空科技有限公司 | 一种基于脑电波情绪识别的音乐疗愈系统及其处理方法 |
| CN113570211A (zh) * | 2021-07-13 | 2021-10-29 | 中国食品发酵工业研究院有限公司 | 一种应用面部表情情绪识别及脑电分析量化评价食品消费者接受度的方法 |
| CN113662545A (zh) * | 2021-08-09 | 2021-11-19 | 南京航空航天大学 | 一种基于情绪脑电信号和多任务学习的人格评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115063188B (zh) | 2022-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bulagang et al. | A review of recent approaches for emotion classification using electrocardiography and electrodermography signals | |
| US10806390B1 (en) | System and method for detecting physiological state | |
| Buettner et al. | High-performance diagnosis of sleep disorders: a novel, accurate and fast machine learning approach using electroencephalographic data | |
| Sawangjai et al. | EEGANet: Removal of ocular artifacts from the EEG signal using generative adversarial networks | |
| CN110013250B (zh) | 一种抑郁症自杀行为的多模式特征信息融合预测方法 | |
| CN111568446A (zh) | 结合人口学注意力机制的便携式脑电抑郁检测系统 | |
| WO2014150684A1 (en) | Artifact as a feature in neuro diagnostics | |
| KR101854812B1 (ko) | 시청각 콘텐츠와 생체신호 분석을 활용한 정신증상 평가 시스템 | |
| CN114869299A (zh) | 基于脑电波数据的心理健康测试装置及测试方法 | |
| Baumgartl et al. | Measuring Social Desirability Using a Novel Machine Learning Approach Based on EEG Data. | |
| CN113143208A (zh) | 基于多维度测量的疼痛敏感性评估系统和方法 | |
| CN115517681A (zh) | Md患者情绪波动监测和情感障碍状态评估的方法和系统 | |
| KR102420359B1 (ko) | 감정맞춤형 cbt용 ai제어모듈을 통한 메타버스공간에서의 1:1 감정맞춤형 인지적행동치료 생성장치 및 방법 | |
| CN115299947A (zh) | 基于多模态生理数据的心理量表置信度评估方法及系统 | |
| Parmar et al. | A novel and efficient Wavelet Scattering Transform approach for primitive-stage dyslexia-detection using electroencephalogram signals | |
| CN115063188B (zh) | 一种基于脑电信号的智能消费者喜好度指数评估方法 | |
| Hu et al. | The relationship between design outcomes and mental states during ideation | |
| CN109431499B (zh) | 植物人家庭看护辅助系统和辅助方法 | |
| CN115736920A (zh) | 基于双模态融合的抑郁状态识别方法及系统 | |
| CN112587136B (zh) | 味觉感官评估方法和系统 | |
| Ma et al. | Deep Learning Based Walking Tasks Classification in Older Adults using fNIRS | |
| CN110916688A (zh) | 基于人工智能技术对于情绪监测的方法 | |
| KR200304913Y1 (ko) | 실시간 종합 감성 평가 장치 | |
| Rao et al. | A medical AI agent as a tool for neuropsychiatric diagnoses | |
| JP7485059B2 (ja) | 感性計測方法および感性計測システム |
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 |