CN115408891A - 包含多个脑电认知指标的用户体验百分制度量的建模方法 - Google Patents
包含多个脑电认知指标的用户体验百分制度量的建模方法 Download PDFInfo
- Publication number
- CN115408891A CN115408891A CN202211360866.4A CN202211360866A CN115408891A CN 115408891 A CN115408891 A CN 115408891A CN 202211360866 A CN202211360866 A CN 202211360866A CN 115408891 A CN115408891 A CN 115408891A
- Authority
- CN
- China
- Prior art keywords
- wave
- function
- electroencephalogram
- probability density
- data set
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- 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
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Developmental Disabilities (AREA)
- Psychology (AREA)
- Neurology (AREA)
- Artificial Intelligence (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Theoretical Computer Science (AREA)
- Social Psychology (AREA)
- Physiology (AREA)
- Educational Technology (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Neurosurgery (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
技术领域
本发明涉及计算机应用技术领域,更具体地说,涉及一种包含多个脑电认知指标的用户体验百分制度量的建模方法。
背景技术
随着企业愈发重视产品用户体验,如何更真实地捕捉用户内心的想法,如何更客观地度量用户的情感体验与认知体验,成为了用户体验研究员需要关心的问题。近年来,用户体验测试的方法更加多样化,研究员可以运用电生理设备捕捉用户在测试过程中皮肤电、心电、脑电的变化,获得更多关于情感体验和认知体验的客观数据。在众多电生理设备中,脑电仪经常用于测量认知负荷、驾驶疲劳等认知数据。
在脑电测量认知体验的现有研究中,往往是基于单一的脑电指标评判产品体验的优劣。然而,运用多个评价指标代替单一评价指标是用户体验度量的要求。
现有脑电相关技术方案对于如何合理地把具有不同度量单位的脑电指标转换至相同的度量单位,如何运用多个脑电指标综合分析用户体验,缺少探究与实践。
传统的归一化方法由于忽略了变量的概率分布,受极端数值的影响较大,存在一定的局限性。
发明内容
本发明要解决的技术问题在于,针对上述技术方案存在的不足,提供包含多个脑电认知指标的用户体验百分制度量的建模方法能够提从多方面综合评估产品认知体验。
本发明提供一种包含多个脑电认知指标的用户体验百分制度量的建模方法,所述方法包括以下步骤:
在本发明所述的包含多个脑电认知指标的用户体验百分制度量的建模方法中,在
所述步骤S5中,基于点集,将点和其周围若干相邻点组成的点集定义为处的窗
口集合,运用最小二乘法拟合内所有点的回归趋势线,将作为概率密度函数在点处导数的预
测值,基于获得的 ()构建点集,拟合概率
密度函数的估计函数,其中,所述窗口集合的计算方式如
下:
在本发明所述的包含多个脑电认知指标的用户体验百分制度量的建模方法中,在
所述步骤S2中,计算电生理指标的样本集合通过将生物测量脑电数据集以1s为长
度进行分段并提取所有通道在各个频段的功率谱密度特征后计算每个分段中、、、、的比率指标。
在本发明所述的包含多个脑电认知指标的用户体验百分制度量的建模方法中,所述步骤S4包括以下子步骤:
在本发明所述的包含多个脑电认知指标的用户体验百分制度量的建模方法中,所述步骤S6包括以下子步骤,
在本发明所述的包含多个脑电认知指标的用户体验百分制度量的建模方法中,所述步骤S8包括以下子步骤:
附图说明
图1是本发明一种包含多个脑电认知指标的用户体验百分制度量的建模方法实施例的流程示意图;
图2为本发明的一种包含多个脑电认知指标的用户体验百分制度量的建模方法的电生理指标框架;
图3为本发明的一种包含多个脑电认知指标的用户体验百分制度量的建模方法的电生理指标频率分布直方图;
图4为本发明的一种包含多个脑电认知指标的用户体验百分制度量的建模方法的电生理指标综合评价雷达图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1-2所示,本发明提供一种包含多个脑电认知指标的用户体验百分制度量的建模方法,包括以下步骤:
在步骤S2中,根据加工得到的生物测量脑电数据集计算电生理指标的原
始样本集合;且)
的样本集合,其中所述原始样本集合为、、、、;具体的,
( ),其中表示认知负荷的样本集合,表示投入度的样本集合,表示专
注度的样本集合,表示放松度的样本集合,表示执行负荷的样本集合。
具体的,步骤S1中的脑电数据集是使用采样率为256Hz(即
每秒256个采样点)的脑电设备进行采集的,由于中存在采样点的缺失的秒段,因此需要
剔除这部分秒段:沿时间戳以秒为时间单位,对逐个进行遍历操作,
删除采样点数小于256的秒段,保留包含完整256个采样点的秒段。通过使用专门用于脑电
预处理的工具库对逐个进行预处理,进行导入、定位通道
位置、设置通道类型、滤波、去伪迹。通过剔除采样缺失片段和预处理后,将逐个拼接获得。
在一实施例中,在步骤S5中,基于点集,将点和其周围若干相邻点组成的点集定义为 处的
窗口集合,运用最小二乘法拟合内所有点的回归趋势线,将作为概率密度函数 在点处导数的
预测值,基于获得的()构建点集,拟合概
率密度函数的估计函数,其中,窗口集合的计算方式如
下:
,
其中用科学记数法表示为,其中为正整数,用科学记数法表
示为,其中为正整数,若 ,对样本集合的每一个样本值先取倒数,再取对
数,得新的样本集合;若,对样本集合的每一个样本值直接取对数,取对数后的样
本集合记为
在一实施例中,步骤S4包括以下子步骤:
在一实施例中,步骤S6包括以下子步骤,
在一实施例中,步骤S8包括以下子步骤,
其中表1为本发明参考的脑电波各个频段的划分标准。
在步骤S84中,计算分段下5个电生理指标的具体数值,
并将代入中,其中,为电生理指标在分段下的百
分制度量分数,重复执行步骤S7直至获得所有分段的百分制度量分数后
计算的均值并绘制电生理指标综合评价雷达图。其中图4可以反映用户在本
次测试过程中认知体验的综合表现。
其中,当样本容量无限增大时,频率直方图的阶梯形折线将逼近于概率密度曲
线。也就是说,当n充分大时,频率直方图近似地反映了概率密度曲线的大致形状。如图3,观
察直方图可知,靠近两端的不少区间的频率为0,这是由于样本量n实际上是有
限的,变量的取值越接近直方图两端,频率值为0(局部欠抽样)的区间越多,频率值的振荡
越明显,单个区间的频率值估计误差也越大,然而相较于单个区间,其周围若干相邻区间之
间频率值的整体变动趋势受局部欠抽样的影响较小。因此,由于局部欠抽样的存在,直接使
用区间的频率值拟合概率密度曲线会倾向于低估变
量落在两端区间的概率,而使用区间周围若干相邻区间之间频率值的平均变
动率 拟合概率密度函数的导函数 能减少局部欠抽样带来的影响。
进一步地,步骤S5中选择最小二乘回归的原因如下:在回归模型中,回归系数是表
征自变量对因变量影响大小的参数,将回归方程式表示为,其中斜率即为回
归系数,回归系数可以解释为每变动一单位,平均而言将变动b单位。因此,频率值的平均
变动率 可以使用回归系数计算。
本发明实施例提供的一种包含多个脑电认知指标的用户体验百分制度量的建模方法的有益效果至少在于:
1、 本发明系统性地构建了认知体验度量的电生理指标框架,基于波、
波、波、波、波、波的功率谱密度,计算5个比率指标:认知负
荷指标、投入度指标、专注度指标、放松度指标和执行负荷指标,相较于使用单一的电生理
指标,本发明的认知体验度量的电生理指标框架能从多方面综合评估产品认知体验,而且
各个指标能够相互验证,使得评估结果更具说服力。
2、本发明提供了一套运用大量统计学理论知识的电生理指标的百分制度量建模
方法,基于生物测量脑电数据集对认知负荷指标、投入度指标、专注度指标、放松度指标和
执行负荷指标的概率密度函数进行估计,利用分位数与概率密度函数的关系式,将各个比率指标从不同的度量单位转换为相同的百分制度量单位,既能
使具体的电生理指标数值变成更加直观的百分数,也能使不同的电生理指标之间的比较与
合并分析成为可能,便于用户体验研究员使用雷达图直观地、全面地呈现认知体验的评估
结果。
3、本发明的用户体验百分制度量建模方法,适用于对含有人机交互的产品进行体验评估,包括移动端软件、PC端软件、车载中控、智能硬件等,在人因工程、用户体验领域具有广阔的应用前景。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如 ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
因此,以上所述,仅为本发明较佳的具体实施方式,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种包含多个脑电认知指标的用户体验百分制度量的建模方法,其特征在于,所述方法包括以下步骤:
8.根据权利要求1所述的包含多个脑电认知指标的用户体验百分制度量的建模方法,其特征在于,所述步骤S6包括以下子步骤,
10.根据权利要求1所述的包含多个脑电认知指标的用户体验百分制度量的建模方法,其特征在于,所述步骤S8包括以下子步骤:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211360866.4A CN115408891B (zh) | 2022-11-02 | 2022-11-02 | 包含多个脑电认知指标的用户体验百分制度量的建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211360866.4A CN115408891B (zh) | 2022-11-02 | 2022-11-02 | 包含多个脑电认知指标的用户体验百分制度量的建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115408891A true CN115408891A (zh) | 2022-11-29 |
CN115408891B CN115408891B (zh) | 2023-02-07 |
Family
ID=84169353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211360866.4A Active CN115408891B (zh) | 2022-11-02 | 2022-11-02 | 包含多个脑电认知指标的用户体验百分制度量的建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115408891B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104523268A (zh) * | 2015-01-15 | 2015-04-22 | 江南大学 | 一种具备迁移学习能力的脑电信号识别模糊系统方法 |
US20200401222A1 (en) * | 2019-06-19 | 2020-12-24 | MaddCog Limited | Gaming Cognitive Performance |
EP3925520A1 (en) * | 2020-06-16 | 2021-12-22 | Institut Mines Telecom | Method for selecting features from electroencephalogram signals |
CN114041793A (zh) * | 2021-06-01 | 2022-02-15 | 上海大学 | 一种融合多模态疲劳监测与调控的rsvp目标识别系统及方法 |
CN114224359A (zh) * | 2021-12-18 | 2022-03-25 | 西南交通大学 | 一种针对高铁调度员的脑电疲劳指标判定方法 |
CN114983414A (zh) * | 2022-05-12 | 2022-09-02 | 华南理工大学 | 基于面部视频生理指标提取的大脑认知负荷量化方法 |
-
2022
- 2022-11-02 CN CN202211360866.4A patent/CN115408891B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104523268A (zh) * | 2015-01-15 | 2015-04-22 | 江南大学 | 一种具备迁移学习能力的脑电信号识别模糊系统方法 |
US20200401222A1 (en) * | 2019-06-19 | 2020-12-24 | MaddCog Limited | Gaming Cognitive Performance |
EP3925520A1 (en) * | 2020-06-16 | 2021-12-22 | Institut Mines Telecom | Method for selecting features from electroencephalogram signals |
CN114041793A (zh) * | 2021-06-01 | 2022-02-15 | 上海大学 | 一种融合多模态疲劳监测与调控的rsvp目标识别系统及方法 |
CN114224359A (zh) * | 2021-12-18 | 2022-03-25 | 西南交通大学 | 一种针对高铁调度员的脑电疲劳指标判定方法 |
CN114983414A (zh) * | 2022-05-12 | 2022-09-02 | 华南理工大学 | 基于面部视频生理指标提取的大脑认知负荷量化方法 |
Non-Patent Citations (1)
Title |
---|
吴一兵: "脑电波中疼痛、焦虑、抑郁等定量指数组的提取", 《中国医学工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115408891B (zh) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chakraborty et al. | Epilepsy seizure detection using kurtosis based VMD’s parameters selection and bandwidth features | |
Ivanov et al. | Multifractality in human heartbeat dynamics | |
CN110960233B (zh) | 一种基于脑电波的抑郁状态检测方法及系统 | |
CN105595990A (zh) | 一种用于心电信号质量评估判别的智能终端设备 | |
CN101259015A (zh) | 一种脑电信号分析监测方法及其装置 | |
CN112932505B (zh) | 一种基于时频能量的符号传递熵及脑网络特征计算方法 | |
CN109431497A (zh) | 一种脑电信号处理方法及癫痫检测系统 | |
CN113274011A (zh) | 融合脑电与功能近红外光谱技术的脑功能监测管理方法 | |
CN103876736A (zh) | 一种基于功率谱划分的复杂度谱脑电预测和诊断方法 | |
CN116189866A (zh) | 一种基于数据分析的远程医用护理分析系统 | |
Arif et al. | Design of EEG data acquisition system based on Raspberry Pi 3 for acute ischemic stroke identification | |
Stepančič et al. | Fault detection of fuel cell systems based on statistical assessment of impedance data | |
CN115281685A (zh) | 基于异常检测的睡眠分期识别方法、装置以及计算机可读存储介质 | |
CN115408891B (zh) | 包含多个脑电认知指标的用户体验百分制度量的建模方法 | |
CN111553550A (zh) | 一种针对用户行为分析的电力大数据数据质量的评估方法 | |
CN116392087A (zh) | 基于模态分解的睡眠趋稳性量化及调节方法、系统和装置 | |
CN113125037B (zh) | 一种基于分布式光纤在线测温系统的电缆导体温度估算方法 | |
Gahlan et al. | Three dimensional emotion state classification based on EEG via empirical mode decomposition | |
CN115067878A (zh) | 基于EEGNet的静息态脑电意识障碍分类方法及系统 | |
CN113974650A (zh) | 一种脑电网络功能分析方法、装置,电子设备及存储介质 | |
CN110263069B (zh) | 新能源使用行为的时序特征隐含因素抽取和刻画方法及系统 | |
Firpi et al. | On prediction of epileptic seizures by means of genetic programming artificial features | |
CN117992931B (zh) | 一种直流信号特征库与参比信号模型建立系统及方法 | |
CN115778389B (zh) | 基于心电和皮肤电联合分析的分娩恐惧检测方法和系统 | |
CN117257303B (zh) | 一种焦虑检测方法、装置、电子设备及存储介质 |
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 |