CN116098634A - 一种基于刺激事件的脑功能检测评估方法、装置及系统 - Google Patents
一种基于刺激事件的脑功能检测评估方法、装置及系统 Download PDFInfo
- Publication number
- CN116098634A CN116098634A CN202310048337.9A CN202310048337A CN116098634A CN 116098634 A CN116098634 A CN 116098634A CN 202310048337 A CN202310048337 A CN 202310048337A CN 116098634 A CN116098634 A CN 116098634A
- Authority
- CN
- China
- Prior art keywords
- brain
- connection strength
- event
- evaluation score
- value
- 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
- 230000000638 stimulation Effects 0.000 title claims abstract description 72
- 230000003925 brain function Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 210000004556 brain Anatomy 0.000 claims abstract description 234
- 238000011156 evaluation Methods 0.000 claims abstract description 112
- 230000006870 function Effects 0.000 claims abstract description 55
- 238000001228 spectrum Methods 0.000 claims abstract description 50
- 230000010365 information processing Effects 0.000 claims abstract description 39
- 238000010586 diagram Methods 0.000 claims abstract description 23
- 238000012935 Averaging Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims description 38
- 238000004422 calculation algorithm Methods 0.000 claims description 35
- 230000001364 causal effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims 3
- 208000020431 spinal cord injury Diseases 0.000 abstract description 12
- 230000005611 electricity Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000004438 eyesight Effects 0.000 abstract description 4
- 230000033001 locomotion Effects 0.000 description 22
- 230000005856 abnormality Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000000513 principal component analysis Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 8
- 210000003414 extremity Anatomy 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000004382 visual function Effects 0.000 description 6
- 230000001771 impaired effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 208000014674 injury Diseases 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000004936 stimulating effect Effects 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 208000028389 Nerve injury Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008764 nerve damage Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009295 sperm incapacitation Effects 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 230000008733 trauma Effects 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
- A61B5/24—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
-
- 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
- A61B5/24—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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/378—Visual stimuli
-
- 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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/38—Acoustic or auditory stimuli
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Psychology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Acoustics & Sound (AREA)
- Power Engineering (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (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刺激事件的脑功能检测评估方法，包括采集使用者在相应的刺激事件下的脑电信号；将采集得到的脑电信号进行预处理和叠加平均，形成相应的事件刺激引起的全脑脑电波形图；根据脑电波形图进行计算，得到大脑各区域间连接强度的图谱；根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分。本发明还公开了一种基于刺激事件的脑功能检测评估装置和系统。本发明利用脑电采集技术，记录使用者在视觉、听觉、运动指令等事件刺激下产生的脑电波形，并使用脑网络方法进行分析，以达成评估脊髓损伤使用者大脑功能的目的。
Description
技术领域
本发明涉及脑电采集与信号处理技术，具体是一种基于刺激事件的脑功能检测评估方法、装置及系统。
背景技术
完全性脊髓损伤一般由外伤或病变导致脊髓物理结构上产生离断引起，完全性脊髓损伤使用者丧失了损伤平面以下的自主肌肉控制功能，同时伴有损伤平面以下感觉信息的绝大部分或完全缺失，这对使用者的生理、心理、社会关系等多个方面均造成了严重影响。目前中国存在370万脊髓损伤SCI(spinal cord injury)使用者，同时每年新增使用者超过9万，对脊髓损伤的治疗和评估是目前康复医学领域的重要研究方向之一。
由于神经损伤的恢复机制目前仍存在许多盲区，对脊髓损伤使用者的康复过程缺少了解是目前康复的主要问题之一。比如说在脊髓损伤使用者的康复过程中，多数康复医生仅能对使用者的肢体状态进行评估，例如测量肢体肌肉强度或是否存在抽搐现象，但无法判断神经信号的传递过程是否存在问题，比如大脑是否正确下达了运动指令。根据目前的研究，长期无法运动引起的运动经验的遗忘可能导致大脑下达运动指令的过程产生错误或偏差，例如长期昏迷或偏瘫的使用者，即使通过康复手段保持了肌肉的活性，但仍需要进行实际运动的康复以重新获取运动经验、恢复运动功能。
综上所述，为了保证脊髓损伤使用者的康复效果，对其大脑下达运动指令的过程进行监测和评估是很有必要的，也是完善目前康复体系的缺少的重要一环。
发明内容
为解决现有技术中存在的问题，本发明的提出一种基于刺激事件的脑功能检测评估方法，包括：
采集使用者在相应的刺激事件下的脑电信号；
将采集得到的脑电信号进行预处理和叠加平均，形成相应的事件刺激引起的全脑脑电波形图；
根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱；
根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分。
其中，所述刺激事件包括：视觉刺激事件、听觉刺激事件和/或运动指令刺激事件。
其中，所述锁相值(PLV)算法的具体公式为：
其中，
为待检测的两个信号x(t)、y(t)之间的相位差，E为计算期望值。
其中，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱具体为：
根据脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱；
所述脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
其中，当刺激事件为视觉刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据视觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第一评估评分。
其中，当第一评估评分大于等于标准值的第一阈值时，则输出第一结果；
当第一评估评分处于标准值的第二阈值和第一阈值之间时，则输出第二结果；
当第一评估评分小于等于标准值的第二阈值时，则输出第三结果。
其中，当刺激事件为听觉刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据听觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第二评估评分。
其中，当第二评估评分大于等于标准值的第一阈值时，则输出第四结果；
当第二评估评分处于标准值的第二阈值与第一阈值之间时，则输出第五结果；
当第二评估评分小于等于标准值的第二阈值时，则输出第六结果。
其中，当刺激事件为运动刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据运动刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第三评估评分。
其中，当第三评估评分大于等于标准值的第一阈值时，则输出第七结果；
当第三评估评分处于标准值的第二阈值与第一阈值之间时，则输出第八结果；
当第三评估评分小于等于标准值的第二阈值时，则输出第九结果。
本发明还提出一种基于刺激事件的脑功能检测评估装置，包括：
采集单元，用于采集使用者在相应的刺激事件下的脑电信号；
预处理和叠加平均单元，用于将采集得到的脑电信号进行预处理和叠加平均，形成相应的事件刺激引起的全脑脑电波形图；
第一计算单元，用于根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱；
第二计算单元，用于根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分。
其中，所述刺激事件包括：视觉刺激事件、听觉刺激事件和/或运动指令刺激事件。
其中，所述锁相值(PLV)算法的具体公式为：
其中，
为待检测的两个信号x(t)、y(t)之间的相位差，E为计算期望值。
其中，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱具体为：
根据脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱；
所述脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
其中，当刺激事件为视觉刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据视觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第一评估评分。
其中，当第一评估评分大于等于标准值的第一阈值时，则输出第一结果；
当第一评估评分处于标准值的第二阈值和第一阈值之间时，则输出第二结果；
当第一评估评分小于等于标准值的第二阈值时，则输出第三结果。
其中，当刺激事件为听觉刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据听觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第二评估评分。
其中，当第二评估评分大于等于标准值的第一阈值时，则输出第四结果；
当第二评估评分处于标准值的第二阈值与第一阈值之间时，则输出第五结果；
当第二评估评分小于等于标准值的第二阈值时，则输出第六结果。
其中，当刺激事件为运动刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据运动刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第三评估评分。
其中，当第三评估评分大于等于标准值的第一阈值时，则输出第七结果；
当第三评估评分处于标准值的第二阈值与第一阈值之间时，则输出第八结果；
当第三评估评分小于等于标准值的第二阈值时，则输出第九结果。
本发明还提出一种基于刺激事件的脑功能检测评估系统，所述系统包括处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行前述的一种基于刺激事件的脑功能检测评估方法。
本发明利用脑电采集技术，记录使用者在视觉、听觉、运动指令等事件刺激下产生的脑电波形，并使用脑网络方法进行分析，以达成评估脊髓损伤使用者大脑功能的目的。
附图说明
图1为本发明的一种基于刺激事件的脑功能检测评估方法的流程示意图；
图2为本发明的对使用者的脑电信号具体采集位置的示意图；
图3为本发明的根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱示意图；
图4为本发明的一种基于刺激事件的脑功能检测评估装置的结构示意图；
图5为本发明的一种基于刺激事件的脑功能检测评估系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为解决现有技术中存在的问题，针对脊髓损伤使用者，本发明提出一种基于刺激事件的脑功能检测评估方法。本发明的一种基于刺激事件的脑功能检测评估方法的流程示意图，如图1所示，包括以下步骤：
步骤1：采集使用者在相应的刺激事件下的脑电信号。
刺激事件包括：视觉刺激事件、听觉刺激事件和/或运动指令刺激事件。
在本发明中，向使用者发出视觉刺激事件、听觉刺激事件和/或运动指令刺激事件，使用者根据获取的视觉刺激事件、听觉刺激事件中的信息和/或运动指令刺激事件中的运动指令执行相应的操作。
具体地，向使用者播放视觉刺激事件、听觉刺激事件和/或运动指令刺激事件，要求使用者认真获取视觉刺激事件、听觉刺激事件中的信息，以及对运动指令做出相应的操作，在此过程中记录使用者实验数据，得到使用者脑电信号。
在本发明中，利用脑电信号采集设备采集使用者的脑电信号。对使用者的脑电信号具体采集位置按照图2所示国际10-20系统电极位置布置，使用64导联进行采集。
步骤2：将采集得到的脑电信号进行预处理和叠加平均，形成相应的事件刺激引起的全脑脑电波形图。
所述预处理包括：
1、降采样：降低采样频率，加快运算速度；
2、重参考：重新选择某份数据作为其他数据的参考、或者基线，本发明中选择各数据的平均作为参考；
3、滤波：去除数据中高频杂波和50Hz的工频干扰(220V电路的频率；
4、主成分分析(PCA)：通过PCA算法提取出数据中异常成分，如眨眼和心跳等动作引起的数据，并加以去除。
在本发明的一个实施例中，预处理的具体操作为：
1、降采样，对原始数据进行重新采样，将原始采样率降为1024Hz；
2、重参考，选择将全脑电极数据进行平均作为参考数据；
3、滤波，对数据进行低通滤波和陷波滤波，去除90Hz以上的高频杂波和50Hz左右的工频干扰；
4、主成分分析，通过PCA算法提取出数据中异常成分，选择生成16个主成分，并选择眨眼和心跳等干扰成分进行去除。
由于本发明中的刺激事件是多次重复的，为得到稳定、显著的结果，需要将相同事件的脑电结果进行叠加平均，具体叠加平均为：以刺激事件呈现的时间作为标志，选择标志前后固定的一段时间，该时间段需要包括标志前的一段时间和标志后事件呈现过程的时间，将该时间段的数据从整体数据中切离出来，并将呈现相同刺激事件的多个时间段的数据进行叠加平均，产生的对应刺激事件的数据即为最终结果的脑电波形图。标志前的一段时间作为基线，在本发明的一个实施例中，标志前的一段时间200毫秒。
步骤3：根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱。
PLV是常用的基于相位的功能连接计算方法，其测量了两个通道之间的相位差，体现了两个实信号之间的相位差的一致性，当PLV值越大时，我们可以认为两信号之间的相位同步程度越强。具体公式如下：
其中待检测的两个信号分别为x(t)、y(t)，二者之间相位差为
本领域技术人员根据上述方法进行计算，可以得到大脑两区域间的连接强度。经过多次计算得到多个大脑区域的连接强度，最终形成大脑各区域间连接强度的图谱，如图3所示。
步骤4：根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分。
将得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比，通过对比得到的相应的差值，再根据差值计算得到使用者的大脑信息处理功能的评估评分。
正常人的大脑各区域间连接强度的图谱可以是预先设置的。
下面，我们根据不同的刺激事件对本发明作进一步说明。
A1：当刺激事件为视觉刺激事件时，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱，具体为：
当刺激事件为视觉刺激事件时，根据视觉刺激事件下得到的脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱。
脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
在本发明中，根据视觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第一评估评分。
当第一评估评分大于等于标准值的第一阈值时，则输出第一结果；例如，当使用者的评估评分达到正常人群标准的70％时，则输出使用者视觉功能无异常。
当第一评估评分处于标准值的第二阈值和第一阈值之间时，则输出第二结果；例如，当使用者的评估评分达到正常人群标准的40％与70％之间时，则输出使用者运动功能受损导致视觉功能产生了一定程度的异常，需要在康复过程中强调视觉运动结合，如向指定方向行走、目视下肢运动等。
当第一评估评分小于等于标准值的第二阈值时，则输出第三结果；例如，当使用者的评估评分在正常人群标准的40％以下时，则输出使用者视觉功能产生了较严重的异常，需要通过更高强度的视觉运动结合训练，如转向训练、障碍绕行训练等，恢复正常人群视觉和运动相关脑区的联系模式。
标准值是正常人群标准的分值。
第一阈值和第二阈值都是百分制，介于0％-100％之间，第二阈值小于第一阈值。
A2：当刺激事件为听觉刺激事件时，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱，具体为：
当刺激事件为听觉刺激事件时，根据听觉刺激事件下得到的脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱。
脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
在本发明中，根据听觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第二评估评分。当第二评估评分大于等于标准值的第一阈值时，则输出第四结果；例如，当使用者评分达到正常人群标准的70％，则输出使用者听觉功能无异常。
当第二评估评分处于标准值的第二阈值与第一阈值之间时，则输出第五结果；例如，当使用者评分在正常人群标准的40％与70％之间时，则输出使用者运动功能受损导致听觉功能产生了一定程度的异常，需要通过判断声音来源方向等方式加强听觉功能的锻炼。
当第二评估评分小于等于标准值的第二阈值时，则输出第六结果；例如，评分在40％以下时，则输出使用者听觉功能产生了较严重的异常，需要通过跟随声音方向前进、跟随声音指令前进等方式恢复听觉和运动相关脑区的联系模式。
第一阈值和第二阈值都是百分制，介于0％-100％之间，第二阈值小于第一阈值。
A3：当刺激事件为运动刺激事件时，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱，具体为：
当刺激事件为运动刺激事件时，根据运动刺激事件下得到的脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱。
脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
在本发明中，根据运动刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第三评估评分。当第三评估评分大于等于标准值的第一阈值时，则输出第七结果；例如，当使用者评分达到正常人群标准的70％，则输出使用者运动指令下达的功能无异常。
当第三评估评分处于标准值的第二阈值与第一阈值之间时，则输出第八结果；例如，评分在40％与70％之间时，则输出使用者运动指令下达过程中在方向、强度或下达速度等方面存在一定的异常，可以通过有目的的运动单侧肢体进行锻炼。
当第三评估评分小于等于标准值的第二阈值时，则输出第九结果；例如，评分在40％以下时，则输出使用者运动指令下达功能产生了较严重的异常，需要通过将检测到的大脑下达的运动指令方向展示给使用者的方式帮助使用者进行实时的调整。
上述步骤中提及的具体刺激事件涵盖了视觉、听觉和运动指令三个方面，具体事件描述如下：
视觉刺激事件为包括面孔识别和物体识别两类。面孔识别中首先展示一张被马赛克遮挡的面孔，间隔较短时间后，再展示一张未被遮挡的面孔，被试需要仔细观察并分辨两张图片展示的面孔是否一致，并做出相应的操作，当一致时按左侧按钮、不一致时按右侧按钮。物体识别过程基本与面孔识别一致，区别在于面孔图片被替换为交通工具、动物、建筑物等常见形象，且不需要马赛克遮挡。
听觉刺激事件为特异声音分辨和声调辨别两类。特异声音分辨中将播放一段音频，音频中包含两类单调纯音，按相同间隔播放，但二者占比不同，其中一种占多数即出现次数多被称为常见音，而另一种出现次数少被称为特异音，被试需要集中注意分辨特异音，并在其出现时按下按钮。音调辨别则是将纯音的种类数量提升到五种，要求使用者仔细分辨各声音间区别，并在刺激结束后告知实验人员听到的声音种类数量。
运动指令刺激事件为运动想象范式，具体流程为在屏幕中展示指向左方向或右方向的箭头，要求使用者注意观察并根据箭头的指向想象左侧肢体或右侧肢体的运动，箭头出现之间有一定间隔，一次实验中两类箭头出现次序是随机的，但各自出现的数量相同。
本发明为便于临床应用可以选择帽式采集设备，使用16至64个覆盖全脑的导联采集脑电信号；使用的信号处理技术主要是功能连接指标的计算，比如PLV、PLI、DTF等方法，计算各脑电导联的相关性，并依此判断各脑区之间的连接，着重分析在下达运动指令过程中运动相关脑区的信号。
本发明还提出一种基于刺激事件的脑功能检测评估装置的结构示意图，如图4所示，包括：
采集单元，用于采集使用者在相应的刺激事件下的脑电信号。
刺激事件包括：视觉刺激事件、听觉刺激事件和/或运动指令刺激事件。
在本发明中，向使用者发出视觉刺激事件、听觉刺激事件和/或运动指令刺激事件，使用者根据获取的视觉刺激事件、听觉刺激事件中的信息和/或运动指令刺激事件中的运动指令执行相应的操作。
具体地，向使用者播放视觉刺激事件、听觉刺激事件和/或运动指令刺激事件，要求使用者认真获取视觉刺激事件、听觉刺激事件中的信息，以及对运动指令做出相应的操作，在此过程中记录使用者实验数据，得到使用者脑电信号。
在本发明中，利用脑电信号采集设备采集使用者的脑电信号。对使用者的脑电信号具体采集位置按照国际10-20系统电极位置布置，使用64导联进行采集。
预处理和叠加平均单元，用于将采集得到的脑电信号进行预处理和叠加平均，形成相应的事件刺激引起的全脑脑电波形图。
所述预处理包括：
1、降采样：降低采样频率，加快运算速度；
2、重参考：重新选择某份数据作为其他数据的参考、或者基线，本发明中选择各数据的平均作为参考；
3、滤波：去除数据中高频杂波和50Hz的工频干扰(220V电路的频率；
4、主成分分析(PCA)：通过PCA算法提取出数据中异常成分，如眨眼和心跳等动作引起的数据，并加以去除。
在本发明的一个实施例中，预处理的具体操作为：
1、降采样，对原始数据进行重新采样，将原始采样率降为1024Hz；
2、重参考，选择将全脑电极数据进行平均作为参考数据；
3、滤波，对数据进行低通滤波和陷波滤波，去除90Hz以上的高频杂波和50Hz左右的工频干扰；
4、主成分分析，通过PCA算法提取出数据中异常成分，选择生成16个主成分，并选择眨眼和心跳等干扰成分进行去除。
由于本发明中的刺激事件是多次重复的，为得到稳定、显著的结果，需要将相同事件的脑电结果进行叠加平均，具体叠加平均为：以刺激事件呈现的时间作为标志，选择标志前后固定的一段时间，该时间段需要包括标志前的一段时间和标志后事件呈现过程的时间，将该时间段的数据从整体数据中切离出来，并将呈现相同刺激事件的多个时间段的数据进行叠加平均，产生的对应刺激事件的数据即为最终结果的脑电波形图。标志前的一段时间作为基线，在本发明的一个实施例中，标志前的一段时间200毫秒。
第一计算单元，用于根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱。
PLV是常用的基于相位的功能连接计算方法，其测量了两个通道之间的相位差，体现了两个实信号之间的相位差的一致性，当PLV值越大时，我们可以认为两信号之间的相位同步程度越强。具体公式如下：
其中待检测的两个信号分别为x(t)、y(t)，二者之间相位差为
本领域技术人员根据上述方法进行计算，可以得到大脑两区域间的连接强度。经过多次计算得到多个大脑区域的连接强度，最终形成大脑各区域间连接强度的图谱。
第二计算单元，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分。
将得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比，通过对比得到的相应的差值，再根据差值计算得到使用者的大脑信息处理功能的评估评分。
正常人的大脑各区域间连接强度的图谱可以是预先设置的。
下面，我们根据不同的刺激事件对本发明作进一步说明。
A1：当刺激事件为视觉刺激事件时，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱，具体为：
当刺激事件为视觉刺激事件时，根据视觉刺激事件下得到的脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱。
脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
在本发明中，根据视觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第一评估评分。
当第一评估评分大于等于标准值的第一阈值时，则输出第一结果；例如，当使用者的评估评分达到正常人群标准的70％时，则输出使用者视觉功能无异常。
当第一评估评分处于标准值的第二阈值和第一阈值之间时，则输出第二结果；例如，当使用者的评估评分达到正常人群标准的40％与70％之间时，则输出使用者运动功能受损导致视觉功能产生了一定程度的异常，需要在康复过程中强调视觉运动结合，如向指定方向行走、目视下肢运动等。
当第一评估评分小于等于标准值的第二阈值时，则输出第三结果；例如，当使用者的评估评分在正常人群标准的40％以下时，则输出使用者视觉功能产生了较严重的异常，需要通过更高强度的视觉运动结合训练，如转向训练、障碍绕行训练等，恢复正常人群视觉和运动相关脑区的联系模式。
标准值是正常人群标准的分值。
第一阈值和第二阈值都是百分制，介于0％-100％之间，第二阈值小于第一阈值。
A2：当刺激事件为听觉刺激事件时，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱，具体为：
当刺激事件为听觉刺激事件时，根据听觉刺激事件下得到的脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱。
脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
在本发明中，根据听觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第一评估评分。当第二评估评分大于等于标准值的第一阈值时，则输出第四结果；例如，当使用者评分达到正常人群标准的70％，则输出使用者听觉功能无异常。
当第二评估评分处于标准值的第二阈值与第一阈值之间时，则输出第五结果；例如，当使用者评分在正常人群标准的40％与70％之间时，则输出使用者运动功能受损导致听觉功能产生了一定程度的异常，需要通过判断声音来源方向等方式加强听觉功能的锻炼。
当第二评估评分小于等于标准值的第二阈值时，则输出第六结果；例如，评分在40％以下时，则输出使用者听觉功能产生了较严重的异常，需要通过跟随声音方向前进、跟随声音指令前进等方式恢复听觉和运动相关脑区的联系模式。
第一阈值和第二阈值都是百分制，介于0％-100％之间，第二阈值小于第一阈值。
A3：当刺激事件为运动刺激事件时，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱，具体为：
当刺激事件为运动刺激事件时，根据运动刺激事件下得到的脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱。
脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
在本发明中，根据运动刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第一评估评分。当第三评估评分大于等于标准值的第一阈值时，则输出第七结果；例如，当使用者评分达到正常人群标准的70％，则输出使用者运动指令下达的功能无异常。
当第三评估评分处于标准值的第二阈值与第一阈值之间时，则输出第八结果；例如，评分在40％与70％之间时，则输出使用者运动指令下达过程中在方向、强度或下达速度等方面存在一定的异常，可以通过有目的的运动单侧肢体进行锻炼。
当第三评估评分小于等于标准值的第二阈值时，则输出第九结果；例如，评分在40％以下时，则输出使用者运动指令下达功能产生了较严重的异常，需要通过将检测到的大脑下达的运动指令方向展示给使用者的方式帮助使用者进行实时的调整。
本发明还提出一种基于刺激事件的脑功能检测评估系统的结构示意图，如图5所示，所述系统包括处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行前述的基于刺激事件的脑功能检测评估方法。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。
Claims (21)
1.一种基于刺激事件的脑功能检测评估方法，其特征在于，包括：
采集使用者在相应的刺激事件下的脑电信号；
将采集得到的脑电信号进行预处理和叠加平均，形成相应的事件刺激引起的全脑脑电波形图；
根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱；
根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分。
2.根据权利要求1所述的基于刺激事件的脑功能检测评估方法，其特征在于，所述刺激事件包括：视觉刺激事件、听觉刺激事件和/或运动指令刺激事件。
3.根据权利要求1所述的基于刺激事件的脑功能检测评估方法，其特征在于，所述锁相值(PLV)算法的具体公式为：
其中，
为待检测的两个信号x(t)、y(t)之间的相位差，E为计算期望值。
4.根据权利要求1所述的基于刺激事件的脑功能检测评估方法，其特征在于，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱具体为：
根据脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱；
所述脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
5.根据权利要求2所述的基于刺激事件的脑功能检测评估方法，其特征在于，当刺激事件为视觉刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据视觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第一评估评分。
6.根据权利要求5所述的基于刺激事件的脑功能检测评估方法，其特征在于，
当第一评估评分大于等于标准值的第一阈值时，则输出第一结果；
当第一评估评分处于标准值的第二阈值和第一阈值之间时，则输出第二结果；
当第一评估评分小于等于标准值的第二阈值时，则输出第三结果。
7.根据权利要求2所述的基于刺激事件的脑功能检测评估方法，其特征在于，当刺激事件为听觉刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据听觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第二评估评分。
8.根据权利要求7所述的基于刺激事件的脑功能检测评估方法，其特征在于，
当第二评估评分大于等于标准值的第一阈值时，则输出第四结果；
当第二评估评分处于标准值的第二阈值与第一阈值之间时，则输出第五结果；
当第二评估评分小于等于标准值的第二阈值时，则输出第六结果。
9.根据权利要求2所述的基于刺激事件的脑功能检测评估方法，其特征在于，当刺激事件为运动刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据运动刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第三评估评分。
10.根据权利要求9所述的基于刺激事件的脑功能检测评估方法，其特征在于，
当第三评估评分大于等于标准值的第一阈值时，则输出第七结果；
当第三评估评分处于标准值的第二阈值与第一阈值之间时，则输出第八结果；
当第三评估评分小于等于标准值的第二阈值时，则输出第九结果。
11.一种基于刺激事件的脑功能检测评估装置，其特征在于，包括：
采集单元，用于采集使用者在相应的刺激事件下的脑电信号；
预处理和叠加平均单元，用于将采集得到的脑电信号进行预处理和叠加平均，形成相应的事件刺激引起的全脑脑电波形图；
第一计算单元，用于根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱；
第二计算单元，用于根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分。
12.根据权利要求11所述的基于刺激事件的脑功能检测评估装置，其特征在于，所述刺激事件包括：视觉刺激事件、听觉刺激事件和/或运动指令刺激事件。
13.根据权利要求11所述的基于刺激事件的脑功能检测评估装置，其特征在于，所述锁相值(PLV)算法的具体公式为：
其中，
为待检测的两个信号x(t)、y(t)之间的相位差，E为计算期望值。
14.根据权利要求11所述的基于刺激事件的脑功能检测评估装置，其特征在于，根据脑电波形图使用基于格兰杰因果模型的锁相值(PLV)算法进行计算，得到大脑各区域间连接强度的图谱具体为：
根据脑电波形图的参数使用基于格兰杰因果模型的锁相值算法进行计算，得到大脑各区域间连接强度的图谱；
所述脑电波形图的参数包括至少以下之一：θ波段强度、α波段强度、各脑区连接强度、脑网络关键脑区节点中心度、集群系数。
15.根据权利要求12所述的基于刺激事件的脑功能检测评估装置，其特征在于，当刺激事件为视觉刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据视觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第一评估评分。
16.根据权利要求15所述的基于刺激事件的脑功能检测评估装置，其特征在于，
当第一评估评分大于等于标准值的第一阈值时，则输出第一结果；
当第一评估评分处于标准值的第二阈值和第一阈值之间时，则输出第二结果；
当第一评估评分小于等于标准值的第二阈值时，则输出第三结果。
17.根据权利要求12所述的基于刺激事件的脑功能检测评估装置，其特征在于，当刺激事件为听觉刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据听觉刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第二评估评分。
18.根据权利要求17所述的基于刺激事件的脑功能检测评估装置，其特征在于，
当第二评估评分大于等于标准值的第一阈值时，则输出第四结果；
当第二评估评分处于标准值的第二阈值与第一阈值之间时，则输出第五结果；
当第二评估评分小于等于标准值的第二阈值时，则输出第六结果。
19.根据权利要求12所述的基于刺激事件的脑功能检测评估装置，其特征在于，当刺激事件为运动刺激事件时，根据得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的评估评分具体为：
根据运动刺激事件下得到的大脑各区域间连接强度的图谱与正常人的大脑各区域间连接强度的图谱之间进行对比所得到的差值，计算得到使用者的大脑信息处理功能的第三评估评分。
20.根据权利要求19所述的基于刺激事件的脑功能检测评估装置，其特征在于，
当第三评估评分大于等于标准值的第一阈值时，则输出第七结果；
当第三评估评分处于标准值的第二阈值与第一阈值之间时，则输出第八结果；
当第三评估评分小于等于标准值的第二阈值时，则输出第九结果。
21.一种基于刺激事件的脑功能检测评估系统，其特征在于，所述系统包括处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如权利要求1-10任一所述的脑功能检测评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310048337.9A CN116098634A (zh) | 2023-01-31 | 2023-01-31 | 一种基于刺激事件的脑功能检测评估方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310048337.9A CN116098634A (zh) | 2023-01-31 | 2023-01-31 | 一种基于刺激事件的脑功能检测评估方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116098634A true CN116098634A (zh) | 2023-05-12 |
Family
ID=86261077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310048337.9A Pending CN116098634A (zh) | 2023-01-31 | 2023-01-31 | 一种基于刺激事件的脑功能检测评估方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116098634A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116919424A (zh) * | 2023-08-24 | 2023-10-24 | 之江实验室 | 脑机接口康复方法、装置、电子设备和存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101500471A (zh) * | 2005-08-02 | 2009-08-05 | 脑仪公司 | 用于评估脑功能的方法和便携式自动脑功能评估设备 |
| CN102496159A (zh) * | 2011-12-01 | 2012-06-13 | 中国科学院自动化研究所 | 一种联合fmri和meg的脑区因果连接检测方法 |
| US20170043167A1 (en) * | 2014-04-25 | 2017-02-16 | The General Hospital Corporation | Hybrid system for treating mental and emotional disorders with responsive brain stimulation |
| KR101718293B1 (ko) * | 2016-09-27 | 2017-03-20 | 인제대학교 산학협력단 | 뇌 네트워크 분석을 통한 외상후스트레스 장애 진단시스템 |
| CN109770923A (zh) * | 2019-01-15 | 2019-05-21 | 五邑大学 | 一种基于相位锁定值构建脑功能网络的驾驶疲劳检测方法 |
| WO2019103187A1 (ko) * | 2017-11-23 | 2019-05-31 | 주식회사 아이메디신 | 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 |
| CN111227829A (zh) * | 2020-02-14 | 2020-06-05 | 广东司法警官职业学院 | 一种基于复杂网络特征指标的脑电图信号分析方法 |
| CN113425312A (zh) * | 2021-07-30 | 2021-09-24 | 清华大学 | 脑电数据处理方法及装置 |
| CN113558639A (zh) * | 2021-07-05 | 2021-10-29 | 杭州电子科技大学 | 基于格兰杰因果关系和图论的运动意图脑肌网络分析方法 |
| CN114081512A (zh) * | 2021-12-20 | 2022-02-25 | 天津大学 | 评估经颅直流电刺激对大脑听觉加工能力影响程度的方法 |
| CN115414050A (zh) * | 2021-05-12 | 2022-12-02 | 西安邮电大学 | 一种实现情绪识别的eeg脑网络最大团检测方法及系统 |
-
2023
- 2023-01-31 CN CN202310048337.9A patent/CN116098634A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101500471A (zh) * | 2005-08-02 | 2009-08-05 | 脑仪公司 | 用于评估脑功能的方法和便携式自动脑功能评估设备 |
| CN102496159A (zh) * | 2011-12-01 | 2012-06-13 | 中国科学院自动化研究所 | 一种联合fmri和meg的脑区因果连接检测方法 |
| US20170043167A1 (en) * | 2014-04-25 | 2017-02-16 | The General Hospital Corporation | Hybrid system for treating mental and emotional disorders with responsive brain stimulation |
| KR101718293B1 (ko) * | 2016-09-27 | 2017-03-20 | 인제대학교 산학협력단 | 뇌 네트워크 분석을 통한 외상후스트레스 장애 진단시스템 |
| WO2019103187A1 (ko) * | 2017-11-23 | 2019-05-31 | 주식회사 아이메디신 | 뇌파를 통한 뇌 인지기능 평가 플랫폼 및 방법 |
| CN109770923A (zh) * | 2019-01-15 | 2019-05-21 | 五邑大学 | 一种基于相位锁定值构建脑功能网络的驾驶疲劳检测方法 |
| CN111227829A (zh) * | 2020-02-14 | 2020-06-05 | 广东司法警官职业学院 | 一种基于复杂网络特征指标的脑电图信号分析方法 |
| CN115414050A (zh) * | 2021-05-12 | 2022-12-02 | 西安邮电大学 | 一种实现情绪识别的eeg脑网络最大团检测方法及系统 |
| CN113558639A (zh) * | 2021-07-05 | 2021-10-29 | 杭州电子科技大学 | 基于格兰杰因果关系和图论的运动意图脑肌网络分析方法 |
| CN113425312A (zh) * | 2021-07-30 | 2021-09-24 | 清华大学 | 脑电数据处理方法及装置 |
| CN114081512A (zh) * | 2021-12-20 | 2022-02-25 | 天津大学 | 评估经颅直流电刺激对大脑听觉加工能力影响程度的方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116919424A (zh) * | 2023-08-24 | 2023-10-24 | 之江实验室 | 脑机接口康复方法、装置、电子设备和存储介质 |
| CN116919424B (zh) * | 2023-08-24 | 2024-05-03 | 之江实验室 | 脑机接口康复装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11452475B2 (en) | Systems and methods for assessing and improving sustained attention | |
| CN110765920B (zh) | 基于卷积神经网络的运动想象分类方法 | |
| Pfurtscheller et al. | 15 years of BCI research at Graz University of Technology: current projects | |
| Piccione et al. | P300-based brain computer interface: reliability and performance in healthy and paralysed participants | |
| Townsend et al. | Continuous EEG classification during motor imagery-simulation of an asynchronous BCI | |
| CN1739451A (zh) | 监测心理、职业测试真实度的方法及装置 | |
| CN106407733A (zh) | 基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法 | |
| Hercegfi | Heart rate variability monitoring during Human-Computer Interaction | |
| JPH07500983A (ja) | 脳のバイオポテンシャル分析システム及び装置 | |
| JP6291024B2 (ja) | Ｅｅｇデータ並びにユーザインタフェースを表示するための方法及びシステム | |
| CN110772249A (zh) | 注意力特征识别方法及应用 | |
| CN113576496B (zh) | 视觉追踪的脑机接口检测系统 | |
| Lehtonen | EEG-based brain computer interfaces | |
| WO2023116263A1 (zh) | 一种基于脑电图的眨眼咬牙判断方法及系统 | |
| Ramírez et al. | Assessment of emotional states through physiological signals and its application in music therapy for disabled people | |
| CN116098634A (zh) | 一种基于刺激事件的脑功能检测评估方法、装置及系统 | |
| CN108451494B (zh) | 使用瞳孔反应来检测时域心脏参数的方法及系统 | |
| Perakakis et al. | Affective evaluation of a mobile multimodal dialogue system using brain signals | |
| CN116088686B (zh) | 一种脑电溯源的运动想象脑机接口训练方法与系统 | |
| Alawieh et al. | A real-time ECG feature extraction algorithm for detecting meditation levels within a general measurement setup | |
| WO2020139108A1 (ru) | Способ проведения когнитивных исследований с использованием системы нейровизуализации и механизма обратной связи | |
| CN112022155A (zh) | 能对意识障碍患者进行听觉行为评估的脑机接口系统 | |
| CN110192879A (zh) | 基于多导脑电信号脉冲因子的测谎方法 | |
| Silabdi et al. | Brain behavior analysis of mental stress before and after listening to Quranic recitation based on EEG signals | |
| Dyson et al. | Mental task classification against the idle state: A preliminary investigation |
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 |