CN116098632A - 一种基于大五人格的脑电特征信息分析方法以及装置 - Google Patents
一种基于大五人格的脑电特征信息分析方法以及装置 Download PDFInfo
- Publication number
- CN116098632A CN116098632A CN202211046422.3A CN202211046422A CN116098632A CN 116098632 A CN116098632 A CN 116098632A CN 202211046422 A CN202211046422 A CN 202211046422A CN 116098632 A CN116098632 A CN 116098632A
- Authority
- CN
- China
- Prior art keywords
- pressure state
- time
- tested
- electroencephalogram
- result
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 65
- 210000004556 brain Anatomy 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012360 testing method Methods 0.000 claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 238000003860 storage Methods 0.000 claims abstract description 20
- 238000002372 labelling Methods 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 13
- 239000003086 colorant Substances 0.000 claims description 7
- 210000004761 scalp Anatomy 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 12
- 230000006399 behavior Effects 0.000 abstract description 9
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000638 stimulation Effects 0.000 description 5
- 102000010410 Nogo Proteins Human genes 0.000 description 4
- 108010077641 Nogo Proteins Proteins 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 210000001595 mastoid Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 208000019914 Mental Fatigue Diseases 0.000 description 1
- 229910021607 Silver chloride Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000013173 literature analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007230 neural mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- A61B5/72—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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Psychology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开是关于一种基于大五人格的脑电特征信息分析方法、装置、电子设备以及存储介质。其中,该方法包括:对待测试人员进行大五人格测试,生成大五人格测试结果;基于预设脑电特征检测任务,分别采集时间或后果压力等四种状态下的脑电特征及按键反馈信息;基于所述错误按键反馈信息完成的脑电特征中的错误分段标注;生成四种状态下的脑电特征指标;建立所述待测试人员的大五人格与在四种状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。本公开通过对时间与后果压力下不同人格的错误行为脑电特征差异研究,筛选敏感指标,实现基于大五人格的压力下错误行为脑电特征信息分析,为人员筛选、管理及能力调节提供参考。
Description
背景技术
人作为生产生活的主体,同时也作为人机系统的主要指挥者和操作者,对于目标的实现起关键性作用,但由于人在生理及心理等方面的特点,具有一定的不可控性,在面对紧急情况时,其生理心理都会发生较大变化,易出现错误进而导致事故发生。无论是航空、航海或核电等特殊领域,还是军事领域,甚至包括日常的生产生活,重大事故发生往往发生在紧急情况下。紧急情况具有两个鲜明特点——时间紧迫和后果严重,这两个特点使面临紧急情况的操作人员处于由于时间限制引起的时间压力和对任务失败导致的严重后果的恐惧引发的后果压力下。另一方面,由于人格特质的调制作用,每个人均存一定的个体差异。
通过文献分析发现,人因失误的相关研究较多见于核工业领域,其次是航空交通管制、铁路交通运输和医疗救助实施等领域。在航天领域,有关人因失误分析和人的可靠性研究主要集中于美国NASA的一些航天人因学研究项目。这些研究基本上是将其他领域的研究分析方法,结合航天任务的特点,应用于航天飞行,这些宏观的分析方法虽然具有较强的实用性,但大多从人的操作行为出发,而缺乏从人的认知角度和神经机制认识人因失误,因而无法从根本和源头上发现和解决问题。
很多研究人员使用事件相关电位(Event-Related Potential,ERP)技术进行压力下错误加工的潜在神经认知基础研究。但这些研究中获得的研究结果并不十分一致。Ganushchak等人发现在严重的时间压力下,会出现一个振幅明显下降的ERN,与无时间压力相比,在时间压力下参与者在语音检测上犯的错误更多。Kim等人则在一项研究中发现,高时间压力导致注视时间缩短,参与者在获得剩余时间反馈后更专注于任务,促进了信息获取,并且增加了学习的正确率。对于人格特质的研究还主要关注行为绩效方面。从认知角度看,目前大多数压力下人因失误研究主要采用单一压力诱发,关注压力下的行为学指标以及通过测量脑电信号提取的ERP成分(ERN、Pe等)为主,对于双压力诱发任务下的人因失误研究较少。另外,未见有比较不同人格特征间压力下人因失误研究,主要以工作压力为主。
因此,需要一种或多种方法解决上述问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种基于大五人格的脑电特征信息分析方法、装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面,提供一种基于大五人格的脑电特征信息分析方法,包括:
对待测试人员进行大五人格测试,生成与所述待测试人员对应的大五人格测试结果;
基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征及按键反馈信息;
将所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的按键反馈信息与所述预设脑电特征检测任务的标准信息对比筛选错误按键反馈信息,基于所述错误按键反馈信息完成所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征中的错误分段标注;
将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标;
基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
在本公开的一种示例性实施例中,所述方法中预设脑电特征检测任务包括:
向所述待测试人员按照预设频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息。
在本公开的一种示例性实施例中,所述方法中预设脑电特征检测任务还包括:
在正常任务状态下,向所述待测试人员按照每1000ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,所述待测试人员按键操作后,更换展示彩色词语;
在时间压力状态下,向所述待测试人员按照每500ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,所述待测试人员按键操作后,更换展示彩色词语;
在后果压力状态下,向所述待测试人员按照每1000ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,若所述待测试人员按键操作正确时,更换展示彩色词语,若所述待测试人员按键操作错误时,播放预设惩罚提示音并更换展示彩色词语;
在时间与后果双压力状态下,向所述待测试人员按照每500ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,若所述待测试人员按键操作正确时,更换展示彩色词语,若所述待测试人员按键操作错误时,播放预设惩罚提示音并更换展示彩色词语。
在本公开的一种示例性实施例中,所述方法还包括:
基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电信号;
对所述脑电信号进行基于恢复原始参考电极、重参考、滤波、分段、基线校正、剔除坏段、眼电伪迹去除的预处理,生成脑电特征。
在本公开的一种示例性实施例中,所述方法还包括:
基于预设导联,进行叠加平均提取响应锁时的ERP成分,将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的ERP波形脑电特征指标;
基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的ERP波形脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
在本公开的一种示例性实施例中,所述方法还包括:
以响应为零点,选择-400~600ms作为时频分析中计算的时域范围对数据进行分段,频域为1~35Hz,步长为1Hz,200ms的窗口函数,将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的时频感兴趣区脑电特征指标;
基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的时频感兴趣区脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
在本公开的一种示例性实施例中,所述方法还包括:
通过计算比较预设电极点的在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征时频图差异,确定模糊时频感兴趣区;
计算所述模糊时频感兴趣区内在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值,画出预设电极点对应的头皮分布图和在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值的两两之间差异图,确定空间感兴趣区域;
根据所述空间感兴趣区计算在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值的ERSP差异,通过方差分析得到p值图,生成时频感兴趣区脑电特征指标。
在本公开的一个方面,提供一种基于大五人格的脑电特征信息分析装置,包括:
大五人格测试模块,用于对待测试人员进行大五人格测试,生成与所述待测试人员对应的大五人格测试结果;
脑电特征检测模块,用于基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征及按键反馈信息;
错误分段标注模块,用于将所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的按键反馈信息与所述预设脑电特征检测任务的标准信息对比筛选错误按键反馈信息,基于所述错误按键反馈信息完成所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征中的错误分段标注;
脑电特征指标生成模块,用于将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标;
脑电特征信息分析模块,用于基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
在本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。
本公开的示例性实施例中的一种基于大五人格的脑电特征信息分析方法,该方法包括:对待测试人员进行大五人格测试,生成大五人格测试结果;基于预设脑电特征检测任务,分别采集时间或后果压力等四种状态下的脑电特征及按键反馈信息;基于所述错误按键反馈信息完成的脑电特征中的错误分段标注;生成四种状态下的脑电特征指标;建立所述待测试人员的大五人格与在四种状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。本公开通过对时间与后果压力下不同人格的错误行为脑电特征差异研究,筛选敏感指标,实现基于大五人格的压力下错误行为脑电特征信息分析,为人员筛选、管理及能力调节提供参考。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例,本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的一种基于大五人格的脑电特征信息分析方法的流程图;
图2示出了根据本公开一示例性实施例的一种基于大五人格的脑电特征信息分析方法的Fz,FCz,CPz,Pz四个导联在四种实验条件下的平均ERP波形图;
图3示出了根据本公开一示例性实施例的一种基于大五人格的脑电特征信息分析方法的ERN和Pe脑区分布示意图;
图4示出了根据本公开一示例性实施例的一种基于大五人格的脑电特征信息分析装置的示意框图;
图5示意性示出了根据本公开一示例性实施例的电子设备的框图;以及
图6示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中,首先提供了一种基于大五人格的脑电特征信息分析方法;参考图1中所示,该一种基于大五人格的脑电特征信息分析方法可以包括以下步骤:
步骤S110,对待测试人员进行大五人格测试,生成与所述待测试人员对应的大五人格测试结果;
步骤S120,基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征及按键反馈信息;
步骤S130,将所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的按键反馈信息与所述预设脑电特征检测任务的标准信息对比筛选错误按键反馈信息,基于所述错误按键反馈信息完成所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征中的错误分段标注;
步骤S140,将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标;
步骤S150,基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
本公开的示例性实施例中的一种基于大五人格的脑电特征信息分析方法,该方法包括:对待测试人员进行大五人格测试,生成大五人格测试结果;基于预设脑电特征检测任务,分别采集时间或后果压力等四种状态下的脑电特征及按键反馈信息;基于所述错误按键反馈信息完成的脑电特征中的错误分段标注;生成四种状态下的脑电特征指标;建立所述待测试人员的大五人格与在四种状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。本公开通过对时间与后果压力下不同人格的错误行为脑电特征差异研究,筛选敏感指标,实现基于大五人格的压力下错误行为脑电特征信息分析,为人员筛选、管理及能力调节提供参考。
下面,将对本示例实施例中的一种基于大五人格的脑电特征信息分析方法进行进一步的说明。
实施例一:
在步骤S110中,可以对待测试人员进行大五人格测试,生成与所述待测试人员对应的大五人格测试结果。
在步骤S120中,可以基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征及按键反馈信息。
在本示例的实施例中,所述方法中预设脑电特征检测任务包括:
向所述待测试人员按照预设频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息。
在本示例的实施例中,所述方法中预设脑电特征检测任务还包括:
在正常任务状态下,向所述待测试人员按照每1000ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,所述待测试人员按键操作后,更换展示彩色词语;
在时间压力状态下,向所述待测试人员按照每500ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,所述待测试人员按键操作后,更换展示彩色词语;
在后果压力状态下,向所述待测试人员按照每1000ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,若所述待测试人员按键操作正确时,更换展示彩色词语,若所述待测试人员按键操作错误时,播放预设惩罚提示音并更换展示彩色词语;
在时间与后果双压力状态下,向所述待测试人员按照每500ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,若所述待测试人员按键操作正确时,更换展示彩色词语,若所述待测试人员按键操作错误时,播放预设惩罚提示音并更换展示彩色词语。
在本示例的实施例中,所述方法还包括:
基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电信号;
对所述脑电信号进行基于恢复原始参考电极、重参考、滤波、分段、基线校正、剔除坏段、眼电伪迹去除的预处理,生成脑电特征。
在步骤S130中,可以将所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的按键反馈信息与所述预设脑电特征检测任务的标准信息对比筛选错误按键反馈信息,基于所述错误按键反馈信息完成所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征中的错误分段标注。
在本示例的实施例中,所述方法还包括:
基于预设导联,进行叠加平均提取响应锁时的ERP成分,将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的ERP波形脑电特征指标;
基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的ERP波形脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
在步骤S140中,可以将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标。
在步骤S150中,可以基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
在本示例的实施例中,所述方法还包括:
以响应为零点,选择-400~600ms作为时频分析中计算的时域范围对数据进行分段,频域为1~35Hz,步长为1Hz,200ms的窗口函数,将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的时频感兴趣区脑电特征指标;
基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的时频感兴趣区脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
在本示例的实施例中,所述方法还包括:
通过计算比较预设电极点的在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征时频图差异,确定模糊时频感兴趣区;
计算所述模糊时频感兴趣区内在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值,画出预设电极点对应的头皮分布图和在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值的两两之间差异图,确定空间感兴趣区域;
根据所述空间感兴趣区计算在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值的ERSP差异,通过方差分析得到p值图,生成时频感兴趣区脑电特征指标。
实施例二:
在本示例的实施例中,任务设计部分为:
任务中参与者会看到一系列彩色词语,词义与颜色存在匹配和不匹配两种情况。当出现词义与颜色不匹配时,被试需尽快按下空格键;当出现(1)连续两个试次出现重复词语(重复NoGo);(2)词义与颜色匹配(一致NoGo)两种情况时,被试不需要做任何反应,实验一共包括6个block,每个block包含180个试次,共1080个试次。每个实验开始时,屏幕上首先呈现500ms的白色十字注视点“+”,之后呈现彩色汉字刺激,根据实验条件不同汉字呈现时间不同,其中无时间压力条件下汉字呈现1000ms,有时间压力条件下汉字呈现500ms。当Go试次出现后,参与者需要尽快按下空格键作出反应,当NoGo试次出现时,参与者不需要做任何反应。在无后果压力条件下,被试按键后汉字刺激呈现界面立即消失,随后进入下一试次。在有后果压力的实验条件下,当被试出现错误时(Go试次未按键,NoGo试次按键),被试将听到持续500ms的8000Hz,50分贝的短纯音作为惩罚,此时屏幕呈现500ms的黑屏,之后进入下一试次。
在本示例的实施例中,实验流程部分为:
每名志愿者需完成四次实验:无时间压力无后果压力(无压力);有时间压力无后果压力(时间压力);无时间压力有后果压力(后果压力);有时间压力有后果压力(双压力)。为降低脑力疲劳对实验数据的影响,实验分两天进行,一半志愿者在第一天进行无压力和时间压力,第二天进行后果压力和双压力,另一半志愿者第一天进行无压力和后果压力,第二天进行时间压力和双压力。第一天实验开始前,参与者需完成大五人格问卷填写。每个实验正式开始前,志愿者需进行20试次的练习,以便志愿者熟悉实验任务和实验压力施加情况。第一次练习开始前,主试需向志愿者阐明实验流程、实验任务、实验目的、脑电信号采集操作等,并要求志愿者填写知情同意书。正式实验中,每个实验时长约30-45min,前期准备包括练习、打脑电膏、实验讲解约30min,因此志愿者每天总实验时长约120min。另外,无压力和后果压力的任务中每个试次呈现时间为1000ms,时间压力和双压力的任务中每个试次呈现时间为500ms。后果压力诱发方法为当志愿者做出错误反应后,会听到持续500ms的8000Hz,50分贝的短纯音。在每个实验条件任务进行中采集脑电信号,在每个实验完成后,志愿者需填写时间压力量表和压力自评量表。
在本示例的实施例中,实验设备部分为:
实验系统硬件部分主要包括脑电采集设备一套(Brain Products GmbH,德国),刺激电脑一台,脑电记录电脑一台。其中脑电采集设备包括电极帽、脑电放大器、电源适配器和并口转换适配器;刺激电脑内含实验软件,根据不同实验向实验对象呈现不同的刺激,而且实验对象直接在刺激电脑上进行操作,同时记录按键操作等行为学数据;脑电记录电脑内含脑电记录软件Recorder,用于记录脑电EEG数据。
脑电信号采集
刺激电脑采用15英寸笔记本,实验对象与显示器屏幕视距80cm;操作系统为Microsoft Windows 2017。脑电(EEG)数据采集使用德国Brain Products公司(BrainProducts GmbH)Brain Vision Recorder(Ver.1.03)软件、BrainAmps放大器和64导Ag/AgCl电极帽EasyCap记录原始信号,采样频率为500Hz。电极位置采用标准的国际10-20导联扩展系统布局。接地电极(GND)放置在前额AFz导联位置,参考电极(REF)放置在头顶FCz导联位置。为使被试头皮与电极充分接触,在电极孔打入导电膏,使头皮与电极之间的阻抗维持在10kΩ以下。
在本示例的实施例中,脑电信号预处理部分为:
实验中采集到的脑电原始信号是非周期非平稳信号,会受到眼电、肌电、心电、出汗以及其他外界环境干扰,因此原始信号包含大量噪声。为提高脑电信号的信噪比,获取较为干净的信号,需要在脑电信号分析前先进行数据预处理,主要步骤包括恢复原始参考电极、重参考、滤波、分段、基线校正、剔除坏段、眼电伪迹去除。使用MATLAB 2016b(TheMathWorks Natick,MA,USA)和EEGLAB v14.1.1b进行脑电数据预处理及ERP分析。
电极定位:读取电极头皮分布定位文件。
恢复参考电极:在脑电信号采集过程中,参考电极(REF)放置在头顶FCz导联位置,而本研究需要观察FCz点处的信号信息,因此需要使用双侧乳突(TP9,TP10)作为参考电极,将FCz导联处的信号恢复。
重参考:再次选择双侧乳突(TP9,TP10)作为参考电极进行重参考。
滤波:使用FIR滤波器来进行0.1~35Hz(12dB/oct)带通滤波,从而去除高频的肌电、缓慢电压漂移等带来的伪迹。
分段:对于响应锁时的ERP成分(ERN和Pe),以操作响应时刻为零点,从响应前-400ms至响应后600ms进行分段。
基线校正:以响应前-400ms到-200ms的平均电位作为基础零,进行基线校准,剔除脑电信号超过±50μV的试次。
独立成分分析:由于眼电、心电、肌电伪迹等对脑电信号真实值的影响较大,需使用独立成分分析(ICA)的方法剔除相应的伪迹成分,最后得到干净的脑电信号。
在本示例的实施例中,脑电信号事件相关电位分析部分为:
提取包含所有错误反应的分段,如图2所示,针对Fz,FCz,CPz,Pz四个导联,进行叠加平均提取响应锁时的ERP成分(ERN和Pe),其中ERN的分析时程为0~150ms,Pe的分析时程为200~400ms,根据不同成分的不同分析时程,对叠加平均后得到的ERP波形进行峰值检测,如图3所示,即可得到ERN和Pe的峰值和潜伏期。
之后对ERP结果进行统计分析,主要包括四种实验条件下所有参与者的ERP平均波形对比,不同人格参与者在四种实验条件下的平均ERP波形对比,以及将每种人格按得分分为高低两种水平,分别比较每种人格高低水平的ERP。之后提取主要ERP成分的幅值作为特征指标,进行统计分析,并与大五人格评分进行相关性分析,以此探讨时间和后果压力下不同人格人因失误的ERP差异,进一步提取相关脑电特征差异指标。
在本示例的实施例中,脑电信号时频分析部分为:
以响应为零点,选择-400~600ms作为时频分析中计算的时域范围对数据进行分段,频域为1~35Hz,步长为1Hz,窗口函数选择200ms的Hanning窗。为避免边缘伪迹对时频效应的影响,我们选择响应前-300~-100ms作为基线进行基线校正,基线校正的具体方法是通过每个频率减去基线的平均值后得到的,其公式为:
Ps(t,f)=P(t,f)-R(f)
其中,R(f)是在反应前基线期内信号的平均功率谱密度,P(t,f)是每个时频点上的功率谱密度。
提取包含所有错误反应的分段,获得ERSP后,需要确定时频感兴趣区。首先通过计算比较所有电极点四种实验条件下的时频图差异,确定大致时频感兴趣区;之后计算该区域内四种实验条件的时频平均值,画出相应的头皮分布图和四种实验条件两两之间差异图,确定空间感兴趣区域(额中央区:Fz,F1,F2,FC1,FCz,FC2;顶枕区:P1,P2,PO3,PO4);最后根据确定的空间感兴趣区计算四种实验条件间的ERSP差异,通过方差分析得到p值图,确定时频感兴趣区。最终确定两个时频感兴趣区:ROI1(t:0.02~0.12,f:14~20,beta频段)和ROI2(t:0.15~0.25,f:8~13,alpha频段)。
之后对所得时频分析结果进行描述和分析,提取敏感指标,进一步探讨时间和后果压力不同人格人因失误在时频上的脑电特征差异情况。
在本示例的实施例中,针对由于人格特质的调制作用导致的个体差异以及不同人员在紧急情况下面临时间压力和后果压力而产生人因失误等问题,构建一种基于大五人格的压力下错误行为脑电特征检测方法。从认知层面探讨探讨出现失误时的脑电特征,获得压力状态下错误相关的大脑活动模式,实现对不同人格压力下错误行为脑电特征的状态检测,进而提供针对紧急任务的人员选拔与训练及任务规划方法,这对于从根源上降低压力下人因失误发生概率、提高人机系统的安全可靠性具有十分重要意义。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本示例实施例中,还提供了一种基于大五人格的脑电特征信息分析装置。参照图4所示,该一种基于大五人格的脑电特征信息分析装置400可以包括:大五人格测试模块410、脑电特征检测模块420、错误分段标注模块430、脑电特征指标生成模块440以及脑电特征信息分析模块450。其中:
大五人格测试模块410,用于对待测试人员进行大五人格测试,生成与所述待测试人员对应的大五人格测试结果;
脑电特征检测模块420,用于基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征及按键反馈信息;
错误分段标注模块430,用于将所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的按键反馈信息与所述预设脑电特征检测任务的标准信息对比筛选错误按键反馈信息,基于所述错误按键反馈信息完成所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征中的错误分段标注;
脑电特征指标生成模块440,用于将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标;
脑电特征信息分析模块450,用于基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
上述中各一种基于大五人格的脑电特征信息分析装置模块的具体细节已经在对应的一种基于大五人格的脑电特征信息分析方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了一种基于大五人格的脑电特征信息分析装置400的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施例的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如,所述处理单元510可以执行如图1中所示的步骤S110至步骤S150。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5203的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线550可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备570(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线550与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图6所示,描述了根据本发明的实施例的用于实现上述方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (10)
1.一种基于大五人格的脑电特征信息分析方法,其特征在于,所述方法包括:
对待测试人员进行大五人格测试,生成与所述待测试人员对应的大五人格测试结果;
基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征及按键反馈信息;
将所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的按键反馈信息与所述预设脑电特征检测任务的标准信息对比筛选错误按键反馈信息,基于所述错误按键反馈信息完成所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征中的错误分段标注;
将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标;
基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
2.如权利要求1所述的方法,其特征在于,所述方法中预设脑电特征检测任务包括:
向所述待测试人员按照预设频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息。
3.如权利要求2所述的方法,其特征在于,所述方法中预设脑电特征检测任务还包括:
在正常任务状态下,向所述待测试人员按照每1000ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,所述待测试人员按键操作后,更换展示彩色词语;
在时间压力状态下,向所述待测试人员按照每500ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,所述待测试人员按键操作后,更换展示彩色词语;
在后果压力状态下,向所述待测试人员按照每1000ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,若所述待测试人员按键操作正确时,更换展示彩色词语,若所述待测试人员按键操作错误时,播放预设惩罚提示音并更换展示彩色词语;
在时间与后果双压力状态下,向所述待测试人员按照每500ms更换频率展示彩色词语,若所述彩色词语的词义与彩色色彩不匹配时,所述待测试人员按键操作以生成按键反馈信息,若所述待测试人员按键操作正确时,更换展示彩色词语,若所述待测试人员按键操作错误时,播放预设惩罚提示音并更换展示彩色词语。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电信号;
对所述脑电信号进行基于恢复原始参考电极、重参考、滤波、分段、基线校正、剔除坏段、眼电伪迹去除的预处理,生成脑电特征。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于预设导联,进行叠加平均提取响应锁时的ERP成分,将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的ERP波形脑电特征指标;
基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的ERP波形脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
以响应为零点,选择-400~600ms作为时频分析中计算的时域范围对数据进行分段,频域为1~35Hz,步长为1Hz,200ms的窗口函数,将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的时频感兴趣区脑电特征指标;
基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的时频感兴趣区脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
通过计算比较预设电极点的在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征时频图差异,确定模糊时频感兴趣区;
计算所述模糊时频感兴趣区内在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值,画出预设电极点对应的头皮分布图和在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值的两两之间差异图,确定空间感兴趣区域;
根据所述空间感兴趣区计算在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的时频平均值的ERSP差异,通过方差分析得到p值图,生成时频感兴趣区脑电特征指标。
8.一种基于大五人格的脑电特征信息分析装置,其特征在于,所述装置包括:
大五人格测试模块,用于对待测试人员进行大五人格测试,生成与所述待测试人员对应的大五人格测试结果;
脑电特征检测模块,用于基于预设脑电特征检测任务,分别采集所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征及按键反馈信息;
错误分段标注模块,用于将所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的按键反馈信息与所述预设脑电特征检测任务的标准信息对比筛选错误按键反馈信息,基于所述错误按键反馈信息完成所述待测试人员在正常任务状态下、时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征中的错误分段标注;
脑电特征指标生成模块,用于将所述待测试人员在正常任务状态下的脑电特征的错误分段分别与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征的错误分段对比,生成所述待测试人员在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标;
脑电特征信息分析模块,用于基于所述待测试人员的大五人格测试结果,建立所述待测试人员的大五人格与在时间压力状态下、后果压力状态下、时间与后果双压力状态下的脑电特征指标的对应关系,完成基于大五人格的脑电特征信息分析。
9.一种电子设备,其特征在于,包括
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据权利要求1至7中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211046422.3A CN116098632A (zh) | 2022-08-30 | 2022-08-30 | 一种基于大五人格的脑电特征信息分析方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211046422.3A CN116098632A (zh) | 2022-08-30 | 2022-08-30 | 一种基于大五人格的脑电特征信息分析方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116098632A true CN116098632A (zh) | 2023-05-12 |
Family
ID=86266232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211046422.3A Pending CN116098632A (zh) | 2022-08-30 | 2022-08-30 | 一种基于大五人格的脑电特征信息分析方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116098632A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994005201A1 (en) * | 1992-09-03 | 1994-03-17 | Tansey Michael A | Electroencephalic neurofeedback apparatus and methods |
WO2006073384A1 (en) * | 2004-12-30 | 2006-07-13 | Sam Technology, Inc. | Neurocognitive function eeg measurement method and system |
CN103616500A (zh) * | 2013-11-26 | 2014-03-05 | 北京服装学院 | 基于事件相关电位技术的服装压力评价方法 |
US20170270411A1 (en) * | 2016-03-18 | 2017-09-21 | Robert Kocher | Brain Matching |
WO2018053886A1 (zh) * | 2016-09-26 | 2018-03-29 | 苏州大学 | 色觉自动识别的非注意事件相关电位脑-机接口的方法 |
CN109549644A (zh) * | 2019-01-14 | 2019-04-02 | 陕西师范大学 | 一种基于脑电采集的人格特征匹配系统 |
CN112784397A (zh) * | 2019-10-22 | 2021-05-11 | 现代自动车株式会社 | 利用错误监控生成驾驶员熟练用的驾驶模型的装置和方法 |
US20210169415A1 (en) * | 2018-08-19 | 2021-06-10 | Sensority Ltd. | Machine classification of significant psychophysiological response |
CN113229818A (zh) * | 2021-01-26 | 2021-08-10 | 南京航空航天大学 | 一种基于脑电信号和迁移学习的跨被试人格预测系统 |
CN113303797A (zh) * | 2021-05-26 | 2021-08-27 | 心仪脑(上海)信息技术有限公司 | 一种基于erp快速筛查抑郁症特征的辅助诊断方法 |
US11311220B1 (en) * | 2021-10-11 | 2022-04-26 | King Abdulaziz University | Deep learning model-based identification of stress resilience using electroencephalograph (EEG) |
-
2022
- 2022-08-30 CN CN202211046422.3A patent/CN116098632A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994005201A1 (en) * | 1992-09-03 | 1994-03-17 | Tansey Michael A | Electroencephalic neurofeedback apparatus and methods |
WO2006073384A1 (en) * | 2004-12-30 | 2006-07-13 | Sam Technology, Inc. | Neurocognitive function eeg measurement method and system |
CN103616500A (zh) * | 2013-11-26 | 2014-03-05 | 北京服装学院 | 基于事件相关电位技术的服装压力评价方法 |
US20170270411A1 (en) * | 2016-03-18 | 2017-09-21 | Robert Kocher | Brain Matching |
WO2018053886A1 (zh) * | 2016-09-26 | 2018-03-29 | 苏州大学 | 色觉自动识别的非注意事件相关电位脑-机接口的方法 |
US20210169415A1 (en) * | 2018-08-19 | 2021-06-10 | Sensority Ltd. | Machine classification of significant psychophysiological response |
CN109549644A (zh) * | 2019-01-14 | 2019-04-02 | 陕西师范大学 | 一种基于脑电采集的人格特征匹配系统 |
CN112784397A (zh) * | 2019-10-22 | 2021-05-11 | 现代自动车株式会社 | 利用错误监控生成驾驶员熟练用的驾驶模型的装置和方法 |
CN113229818A (zh) * | 2021-01-26 | 2021-08-10 | 南京航空航天大学 | 一种基于脑电信号和迁移学习的跨被试人格预测系统 |
CN113303797A (zh) * | 2021-05-26 | 2021-08-27 | 心仪脑(上海)信息技术有限公司 | 一种基于erp快速筛查抑郁症特征的辅助诊断方法 |
US11311220B1 (en) * | 2021-10-11 | 2022-04-26 | King Abdulaziz University | Deep learning model-based identification of stress resilience using electroencephalograph (EEG) |
Non-Patent Citations (1)
Title |
---|
张劲松: "儿童的自我调控能力-评估、影响因素、及事件相关电位的研究", 中国优秀博硕士学位论文全文数据库,哲学与人文科学辑, vol. 102, no. 11, 15 November 2006 (2006-11-15), pages 82 - 108 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Duñabeitia et al. | Electrophysiological correlates of the masked translation priming effect with highly proficient simultaneous bilinguals | |
Xue et al. | The linguistic context effects on the processing of body–object interaction words: An ERP study on second language learners | |
US20180279938A1 (en) | Method of diagnosing dementia and apparatus for performing the same | |
Davis et al. | Compounding matters: Event-related potential evidence for early semantic access to compound words | |
KR102169529B1 (ko) | 뇌파 분석과 관련된 관심 구간을 뇌파 신호에서 레이블링하는 방법 및 이를 수행하는 뇌파 분석 시스템 | |
CN113017627B (zh) | 一种基于双通道相位同步特征融合的抑郁症和双相障碍脑网络分析方法 | |
Zhang et al. | Demystifying signal processing techniques to extract task-related EEG responses for psychologists | |
Zinchenko et al. | Affective modulation of executive control in early childhood: Evidence from ERPs and a Go/Nogo task | |
Hartmann et al. | Another's pain in my brain: No evidence that placebo analgesia affects the sensory-discriminative component in empathy for pain | |
Wu et al. | Neural mechanisms behind semantic congruity of construction safety signs: An EEG investigation on construction workers | |
US20220167908A1 (en) | System and method for automatic evoked potential measurement | |
Lu et al. | A dual model approach to EOG-based human activity recognition | |
Laforge et al. | Individualized assessment of residual cognition in patients with disorders of consciousness | |
Zhu et al. | Altered eeg oscillatory brain networks during music-listening in major depression | |
Yu et al. | Visual event-related potentials reveal the early lexical processing of Chinese characters | |
Sun et al. | Abnormal Brain Topological Structure of Mild Depression During Visual Search Processing Based on EEG Signals | |
CN116098632A (zh) | 一种基于大五人格的脑电特征信息分析方法以及装置 | |
Zhang et al. | The multiple phonological activation in Chinese spoken word production: An ERP study in a word translation task | |
Matsumoto et al. | Dissociation of conscious and unconscious repetition priming effect on event-related potentials | |
Winsler et al. | On letter-specific crowding and reading: Evidence from ERPs | |
CN111281382A (zh) | 一种基于脑电信号的特征提取与分类方法 | |
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 | |
CN114947848A (zh) | 基于脑电与眼动数据的飞行员注意稳定状态实时监测系统 | |
Zhang et al. | Electrophysiological correlates of character transposition in two-character Chinese word identification | |
Liang et al. | Number representation is influenced by numerical processing level: An ERP study |
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 |