CN116458850B - 一种vr脑电采集装置及脑电监测系统 - Google Patents
一种vr脑电采集装置及脑电监测系统 Download PDFInfo
- Publication number
- CN116458850B CN116458850B CN202310500417.3A CN202310500417A CN116458850B CN 116458850 B CN116458850 B CN 116458850B CN 202310500417 A CN202310500417 A CN 202310500417A CN 116458850 B CN116458850 B CN 116458850B
- Authority
- CN
- China
- Prior art keywords
- acquired
- data
- interpolation
- electroencephalogram
- person
- 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
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 177
- 238000012544 monitoring process Methods 0.000 title claims abstract description 66
- 230000005611 electricity Effects 0.000 title claims abstract description 32
- 210000005252 bulbus oculi Anatomy 0.000 claims abstract description 62
- 230000008921 facial expression Effects 0.000 claims abstract description 39
- 230000001815 facial effect Effects 0.000 claims abstract description 24
- 210000003128 head Anatomy 0.000 claims description 84
- 230000014509 gene expression Effects 0.000 claims description 32
- 230000000694 effects Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 21
- 210000001508 eye Anatomy 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012880 independent component analysis Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 210000001061 forehead Anatomy 0.000 description 4
- 230000004397 blinking Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000002864 sequence alignment Methods 0.000 description 1
Classifications
-
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for 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]
-
- 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
Abstract
本发明提供了一种VR脑电采集装置及脑电监测系统，其采集装置包括：脑电采集模块，用于在被采集者成功佩戴头戴VR设备时获取被采集者的采集脑电数据；眼球采集模块，用于在被采集者成功佩戴头戴VR设备时，则采集被采集者的眼球采集数据；面部采集模块，用于在被采集者成功佩戴头戴VR设备时，则采集被采集者的面部表情数据；脑电去噪模块，用于基于眼球采集数据和面部表情数据以及头戴VR设备中的播放视频，对采集脑电数据进行去噪，获得去噪脑电数据；用以基于被采集者在观看VR播放视频时的眼球采集数据和面部采集数据对实时采集的脑电数据进行去噪，实现了对采集的脑电数据的有效去噪，提高了脑电采集和监测的精确度。
Description
技术领域
本发明涉及脑电监测技术领域，特别涉及一种VR脑电采集装置及脑电监测系统。
背景技术
目前，脑电采集通过将基于电极直接采集的脑电数据导入至eeglab进行滤波、分段和基线校正、插值坏导和剔除坏导、剔除坏段，实现对脑电采集数据的去噪过程。
但是，现存的脑电采集装置对环境的复杂程度的包容性有限，当需要采集监测被采集者在剧烈运动或者置身于嘈杂环境时(例如被采集者在使用VR设备观看视频或者游戏时)的脑电数据时，直接基于当前脑电采集设备进行采集时获得的脑电波数据中的噪音较大，导致采集的脑电波数据的精确度有待提高。
因此，本发明提出了一种VR脑电采集装置及脑电监测系统。
发明内容
本发明提供一种VR脑电采集装置及脑电监测系统，用以将脑电采集与VR结合，基于被采集者在观看VR播放视频时的眼球采集数据和面部采集数据对实时采集的脑电数据进行去噪，实现了对采集的脑电数据的有效去噪，提高了脑电采集和监测的精确度。
本发明提供一种VR脑电采集装置，包括：
脑电采集模块，用于在被采集者成功佩戴头戴VR设备时，则基于贴在被采集者头部对应位置上的电极，获取被采集者的采集脑电数据；
眼球采集模块，用于在被采集者成功佩戴头戴VR设备时，则采集被采集者的眼球采集数据；
面部采集模块，用于在被采集者成功佩戴头戴VR设备时，则采集被采集者的面部表情数据；
脑电去噪模块，用于基于眼球采集数据和面部表情数据以及头戴VR设备中的播放视频，对采集脑电数据进行去噪，获得去噪脑电数据。
优选的，脑电采集模块，包括：
采集子模块，用于在被采集者成功佩戴头戴VR设备时，则基于贴在被采集者头部对应位置上的电极，获取对应的电流信号；
放大子模块，用于将所有电极采集到的电流信号放大，并对放大后的电流信号进行高通滤波，获得每个电极的采集脑电波；
输出子模块，用于将所有电极的采集脑电波当作被采集者的采集脑电数据。
优选的，眼球采集模块，包括：
第一获取子模块，用于获取被采集者在成功佩戴头戴VR设备时的眼部监控视频；
第一分析子模块，用于基于眼球监控视频，分析出被采集者的眨眼时段和聚焦方向以及对应的聚焦停留时长当作被采集者的眼球采集数据。
优选的，面部采集模块，包括：
第二获取子模块，用于获取被采集者在成功佩戴头戴VR设备时的面部监控视频；
第二分析子模块，用于基于面部监控视频，分析出被采集者的面部表情和表情持续时段当作被采集者的面部表情数据。
优选的，脑电去噪模块，包括：
插值子模块，用于基于电极点位分布图和被采集者的预设三维头部模型，对采集脑电数据进行插值处理，获得完整脑电数据；
去噪子模块，用于基于眼球采集数据和面部表情数据以及头戴VR设备中的播放视频，对完整脑电数据进行去噪，获得去噪脑电数据。
优选的，插值子模块，包括：
位置标记单元，用于基于电极点位分布图，在被采集者的预设三维头部模型中标记出所有电极的分布位置；
区域确定单元，用于将以电极的所在位置为中心、以插值密度对应的最小电极间距为半径的圆区域当作电极的非插值邻域，将预设三维头部模型的表面中除所有电极的非插值邻域以外剩余的区域当作待插值区域；
标准确定单元，用于将待插值区域中所有单连通区域当作待插值子区域，基于预设的头部区域划分标准，确定出待插值子区域覆盖的标准头部区域种类，并将待插值子区域中覆盖的部分标准头部区域当作目标插值子区域；
参考确定单元，用于确定出目标插值子区域覆盖的标准头部区域种类对应的最大插值电极间距，将预设三维头部模型的表面中与目标插值子区域的中心位置的间距不超过对应的最大插值电极间距的电极，当作目标插值子区域的参考电极；
插值处理单元，用于基于目标插值子区域的所有参考电极的采集脑电波，对目标插值子区域进行插值处理，获得完整脑电数据。
优选的，插值处理单元，包括：
位置确定子单元，用于将目标插值子区域的所有参考电极的坐标的平均值，当作目标插值子区域的插值位置；
插值拟合子单元，用于基于目标插值子区域覆盖的标准头部区域种类对应的距离影响因子、参考电极的采集脑电波以及每个参考电极和目标插值子区域的中心位置的间距，拟合出插值位置的插值脑电波；
邻域确定子单元，用于将以插值位置的所在位置为中心、以插值密度对应的最小电极间距为半径的圆区域当作插值位置的非插值邻域；
继续插值子单元，用于当预设三维头部模型的表面中存在除所有电极和所有插值位置的非插值邻域以外剩余的新的待插值区域时，则基于所有电极和所有插值位置的分布位置和被采集者的预设三维头部模型，继续进行插值处理，直至预设三维头部模型的表面中不存在除所有电极和所有当前确定出的插值位置的非插值邻域以外剩余的新的待插值区域时，则将当前确定出的所有插值位置的插值脑电波和采集脑电数据中的所有电极的采集脑电波，当作完整脑电数据；
数据汇总子单元，用于当预设三维头部模型的表面中不存在除所有电极和所有插值位置的非插值邻域以外剩余的新的待插值区域时，则将所有插值位置的插值脑电波和采集脑电数据中的所有电极的采集脑电波，当作完整脑电数据。
优选的，去噪子模块，包括：
干扰时段确定单元，用于在面部表情数据中的所有面部表情中筛选出干扰表情，将眼球采集数据中的眨眼时段和干扰表情在面部表情数据中的表情持续时段当作干扰时段；
干扰时段删除单元，用于将完整脑电数据中的所有插值脑电波和所有采集脑电波中的干扰时段对应的部分脑电波进行同步删除，获得多个第一去噪脑电波；
独立组分标记单元，用于对所有第一去噪脑电波数据进行独立成分分析，获得多个独立组分数据，将独立组分数据标记在电极点位分布图，获得每个组分的脑电动态拓扑图；
脑电波去噪单元，用于基于眼球采集数据中的聚焦方向、对应的聚焦停留时长、头戴VR设备中的播放视频以及所有独立组分数据的脑电动态拓扑图，在所有独立组分数据中筛选出噪音组分数据，将所有第一去噪脑电波数据中的噪音组分数据删除，获得去噪脑电数据。
优选的，脑电波去噪单元，包括：
第一活跃确定子单元，用于基于头戴VR设备中的播放视频确定出第一标准脑电活跃时段和每个第一脑电活跃时段对应的第一标准脑电活跃区域；
第二活跃确定子单元，用于基于被采集者的聚焦方向和对应的聚焦停留时长，确定出第二标准脑电活跃时段和每个第二脑电活跃时段对应的第二标准脑电活跃区域；
偏差度计算子单元，用于计算出每个脑电动态拓扑图在所有标准脑电活跃时段对应的实际脑电活跃区域与对应的标准脑电活动区域之间的偏差度，其中，标准脑电活跃时段包括第一标准脑电活跃时段和第二标准脑电活跃时段，标准脑电活跃区域包括第一标准脑电活跃区域和第二标准脑电活跃区域；
脑电波去噪子单元，用于将偏差度超出偏差度阈值的脑电动态拓扑图对应的独立组分数据当作噪音组分数据，将所有第一去噪脑电波数据中的噪音组分数据删除，获得去噪脑电数据。
本发明提供一种脑电监测系统，包括：
数据获取模块，用于获取实施例1至9获得的被采集者的去噪脑电数据；
显示控制模块，用于将实施例1至9获取的被采集者的去噪脑电数据输出至显示屏或者监测终端。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中的一种VR脑电采集装置示意图；
图2为本发明实施例中的脑电采集模块示意图；
图3为本发明实施例中的面部采集模块示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明提供了一种VR脑电采集装置，参考图1，包括：
脑电采集模块，用于在被采集者成功佩戴头戴VR设备时，则基于贴在被采集者头部对应位置上的电极，获取被采集者的采集脑电数据；
眼球采集模块，用于在被采集者成功佩戴头戴VR设备时，则采集被采集者的眼球采集数据；
面部采集模块，用于在被采集者成功佩戴头戴VR设备时，则采集被采集者的面部表情数据；
脑电去噪模块，用于基于眼球采集数据和面部表情数据以及头戴VR设备中的播放视频，对采集脑电数据进行去噪，获得去噪脑电数据。
该实施例中，被采集者即为被基于本实施例提供的VR脑电采集装置采集脑电数据的使用者。
该实施例中，头戴VR设备即为设置有对准佩戴者头部对应位置的电极(用于采集脑电数据)的VR设备，设置有VR眼镜和电极帽的头戴设备。
该实施例中，电极即为用于采集脑电数据的圆形电极，例如：干电极、湿电极、特殊电极。
该实施例中，采集脑电数据即为基于贴在被采集者头部对应位置上的电极采集获取的被采集者的脑电数据，以波形表示。
该实施例中，眼球采集数据即为基于眼部监控视频分析出的被采集者在观看头戴VR设备中的播放视频时的眼球数据，例如：眨眼时段、聚焦方向、聚焦停留时长等。
该实施例中，面部表情数据即为基于面部监控视频分析出的被采集者在观看头戴VR设备中的播放视频时的面部数据，例如：面部表情种类和每种面部表情种类的表情持续时段。
该实施例中，播放视频即为在头戴VR设备中播放的以供被采集者观看的视频。
该实施例中，去噪脑电数据即为对采集脑电数据进行去噪后获得的脑电户数。
以上技术的有益效果为：将脑电采集与VR设备结合，基于被采集者在观看VR播放视频时的眼球采集数据和面部采集数据，对实时采集的被采集者的脑电数据进行去噪，实现了对采集的脑电数据的有效去噪，提高了脑电采集和监测的精确度。
实施例2：
在实施例1的基础上，脑电采集模块，参考图2，包括：
采集子模块，用于在被采集者成功佩戴头戴VR设备时，则基于贴在被采集者头部对应位置上的电极，获取对应的电流信号；
放大子模块，用于将所有电极采集到的电流信号放大，并对放大后的电流信号进行高通滤波，获得每个电极的采集脑电波；
输出子模块，用于将所有电极的采集脑电波当作被采集者的采集脑电数据。
该实施例中，电流信号即为由贴在被采集者头部对应位置上的电极采集获得的电流信号，用波形表示，该电流信号是又被采集者的脑内神经元的活动引起的。
该实施例中，对放大后的电流信号进行高通滤波即为设置一个下限，滤除这个下限以下的噪声，比如将0.1Hz以下的噪声滤除。
该实施例中，采集脑电波即为对放大后的电流信号进行高通滤波后获得的用于表征脑电数据的波形。
以上技术的有益效果为：通过对被采集者者成功佩戴头戴VR设备后开始获取的电路信号进行放大、高通滤波，实现对被采集者的直接获取的电流信号的初步去噪，即获得被初步去噪后的脑电数据。
实施例3：
在实施例1的基础上，眼球采集模块，参考图3，包括：
第一获取子模块，用于获取被采集者在成功佩戴头戴VR设备时的眼部监控视频；
第一分析子模块，用于基于眼球监控视频，分析出被采集者的眨眼时段和聚焦方向以及对应的聚焦停留时长当作被采集者的眼球采集数据。
该实施例中，眼部监控视频即为监控被采集者成功佩戴头戴VR设备后的眼球实时状态的视频。
该实施例中，基于眼球监控视频，分析出被采集者的眨眼时段和聚焦方向以及对应的聚焦停留时长当作被采集者的眼球采集数据，即为：
将眼球监控视频中的所有眼球监控视频帧输入至眨眼视频帧视频模型(即为预先经利用大量眨眼时的眼部图像和不眨眼时的眼部图像训练好的、可识别出眼球监控视频帧中的眨眼视频帧的模型)，进而在眼球监控视频中的所有眼球监控视频帧中筛选出发生眨眼的视频帧，将连续的发生眨眼的视频帧的覆盖时间当作一个眨眼时段；
将眼球监控视频中的所有眼球监控视频帧输入至眼球偏移确定模型(即预先利用大量被确定出眼球偏移量和偏移方向的图片训练好的、可识别出眼球监控视频帧中的眼球偏移量和偏移方向的模型)，进而确定出所有眼球监控视频帧的眼球偏移量和眼球偏移方向；
基于眼球监控视频中连续在同一眼球偏移方向的眼球监控视频帧中的最大眼球偏移量和对应的眼球偏移方向，确定出本次偏移过程的聚焦方向，即；类右上45的方向；
并将连续在该眼球偏移方向的眼球监控视频帧的覆盖时间当作对应的聚焦停留时间。
该实施例中，眨眼时段即为基于在眼部监控视频中确定出的被采集者在成功佩戴头戴VR设备后发生眨眼的时间段。
该实施例中，聚焦方向即为基于眼球监控视频分析出的被采集者在观看VR视频时眼睛聚焦的方向。
该实施例中，聚焦停留时长即为被采集者在单个聚焦方向的停留时长。
以上技术的有益效果为：通过获取被采集者在成功佩戴头戴VR设备时的眼部监控视频，并基于眼球监控视频分析出被采集者的展演时段和聚焦方向以及每个聚焦方向的聚焦停留时长，精准获得被采集者的眼球采集数据。
实施例4：
在实施例1的基础上，面部采集模块，包括：
第二获取子模块，用于获取被采集者在成功佩戴头戴VR设备时的面部监控视频；
第二分析子模块，用于基于面部监控视频，分析出被采集者的面部表情和表情持续时段当作被采集者的面部表情数据。
该实施例中，面部监控视频即为监控被采集者成功佩戴头戴VR设备后的实时面部表情的视频。
该实施例中，面部表情即为基于预设的表情识别模型(即为预先利用大量被标记好表情种类的面部图像训练好的、可以识别出面部监控视频的面部监控视频帧中的面部表情的模型)在面部监控视频中识别出的被采集者的表情，有：惊恐、开心、伤心等。
该实施例中，表情持续时段即为基于面部监控视频分析出的被采集者持续某种表情的连续时长。
该实施例中，基于面部监控视频，分析出被采集者的面部表情和表情持续时段，即为：
将面部监控视频中的所有面部监控视频帧输入至预设的表情识别模型(即为预先利用大量被标记好表情种类的面部图像训练好的、可以识别出面部监控视频的面部监控视频帧中的面部表情的模型)，进而确定出所有面部监控视频帧的表情种类，并将连续为同一表情种类的面部监控视频帧的覆盖时段当作对应表情种类的表情持续时段。
以上技术的有益效果为：通过获取被采集者在成功佩戴头戴VR设备后获取的面部监控视频，并基于面部监控视频分析出被采集者的面部表情和表情持续时段，进而准确获取被采集者在观看VR设备中的播放视频时的面部表情数据。
实施例5：
在实施例1的基础上，脑电去噪模块，包括：
插值子模块，用于基于电极点位分布图和被采集者的预设三维头部模型，对采集脑电数据进行插值处理，获得完整脑电数据；
去噪子模块，用于基于眼球采集数据和面部表情数据以及头戴VR设备中的播放视频，对完整脑电数据进行去噪，获得去噪脑电数据。
该实施例中，电极点位分布图即为表征电极在被采集者的头部表面上的具体分布位置的分布图。
该实施例中，预设三维头部模型即为即为预先准备表征人体头部的三维形状的三维模型。
该实施例中，插值处理即为基于现有的电极获取的采集脑电数据，确定出在被采集者头部表面除现有电极所在位置以外的其他位置的脑电数据。
该实施例中，完整脑电数据即为对采集脑电数据进行插值处理后获得的更加完整丰富的脑电户数(包含现有电极获取的脑电数据，也包含插值处理后获得的脑电数据)。
以上技术的有益效果为：基于电极点位分布图和被采集者的预设三维头部模型对采集脑电数据进行插值处理，丰富了现有电极采集的脑电数据，使得脑电数据的获取位置在被采集者的头部覆盖率更高，并基于眼球采集数据和面部表情数据对插值处理后获得的完整脑电数据进行去噪，既保证了插值处理后获得的脑电数据的数据量，也保证了插值结果的准确度，也实现了对脑电数据的二次去噪。
实施例6：
在实施例5的基础上，插值子模块，包括：
位置标记单元，用于基于电极点位分布图，在被采集者的预设三维头部模型中标记出所有电极的分布位置；
区域确定单元，用于将以电极的所在位置为中心、以插值密度对应的最小电极间距为半径的圆区域当作电极的非插值邻域，将预设三维头部模型的表面中除所有电极的非插值邻域以外剩余的区域当作待插值区域；
标准确定单元，用于将待插值区域中所有单连通区域当作待插值子区域，基于预设的头部区域划分标准，确定出待插值子区域覆盖的标准头部区域种类，并将待插值子区域中覆盖的部分标准头部区域当作目标插值子区域；
参考确定单元，用于确定出目标插值子区域覆盖的标准头部区域种类对应的最大插值电极间距，将预设三维头部模型的表面中与目标插值子区域的中心位置的间距不超过对应的最大插值电极间距的电极，当作目标插值子区域的参考电极；
插值处理单元，用于基于目标插值子区域的所有参考电极的采集脑电波，对目标插值子区域进行插值处理，获得完整脑电数据。
该实施例中，插值密度即为确定插值位置时参考的预设的插值位置与现有电极之间的最小间距，限制插值密度可以保证完整脑电数据的数据来源的覆盖均匀程度。
该实施例中，最小电极间距即为插值密度对应的预设的插值位置与现有电极之间的最小间距。
该实施例中，非插值邻域即为以电极的所在位置为中心、以插值密度对应的最小电极间距为半径的圆区域。
该实施例中，待插值区域即为预设三维头部模型的表面中除所有电极的非插值邻域以外剩余的区域。
该实施例中，待插值子区域即为待插值区域中的单连通区域。
该实施例中，预设的头部区域划分标准即为预设的对人体头部表面进行区域划分的标准，例如：将人体头部表面的额头区域当作前额区域。
该实施例中，标准头部区域种类即为基于预设的头部区域划分标准对人体头部进行区域划分后获得的多种局部区域种类，例如：包含前额区域，前卤门区域、后卤门区域、左耳侧区域、右耳侧区域等。
该实施例中，目标插值子区域即为待插值子区域中覆盖的部分标准头部区域。
该实施例中，最大插值电极间距即为对某种标准头部区域种类的标准头部区域中的覆盖区域进行插值时可被选为插值位置的参考电极与插值位置允许的预设的最大间距。
该实施例中，参考电极即为预设三维头部模型的表面中与目标插值子区域的中心位置的间距不超过对应的最大插值电极间距的电极。
该实施例中，目标插值子区域的中心位置即为目标插值子区域中所有点的坐标的平均值。
以上技术的有益效果为：将预设三维头部模型的表面中除基于插值密度确定出的电极的非插值邻域以外的区域当作待插值区域，实现插值区域的初步确定，基于头部区域划分标准确定出目标子区域，实现待插值区域的标准划分，并基于划分后获得的目标差值子区域符合的标准头部区域种类对应的最大插值电极间距，筛选出目标插值子区域的参考电极，进而实现对头部表面的分区域插值位置确定(因为头部不同区域的皮质导电性质不同，导致头部不同区域允许的插值密度和参考电极的选取范围不一样，因为插值密度过大和参考电极过大都会导致插值结果的精准性下降)，保证了插值位置的合理性。
实施例7：
在实施例6的基础上，插值处理单元，包括：
位置确定子单元，用于将目标插值子区域的所有参考电极的坐标的平均值，当作目标插值子区域的插值位置；
插值拟合子单元，用于基于目标插值子区域覆盖的标准头部区域种类对应的距离影响因子、参考电极的采集脑电波以及每个参考电极和目标插值子区域的中心位置的间距，拟合出插值位置的插值脑电波；
邻域确定子单元，用于将以插值位置的所在位置为中心、以插值密度对应的最小电极间距为半径的圆区域当作插值位置的非插值邻域；
继续插值子单元，用于当预设三维头部模型的表面中存在除所有电极和所有插值位置的非插值邻域以外剩余的新的待插值区域时，则基于所有电极和所有插值位置的分布位置和被采集者的预设三维头部模型，继续进行插值处理，直至预设三维头部模型的表面中不存在除所有电极和所有当前确定出的插值位置的非插值邻域以外剩余的新的待插值区域时，则将当前确定出的所有插值位置的插值脑电波和采集脑电数据中的所有电极的采集脑电波，当作完整脑电数据；
数据汇总子单元，用于当预设三维头部模型的表面中不存在除所有电极和所有插值位置的非插值邻域以外剩余的新的待插值区域时，则将所有插值位置的插值脑电波和采集脑电数据中的所有电极的采集脑电波，当作完整脑电数据。
该实施例中，插值位置即为目标插值子区域的所有参考电极的坐标的平均值对应的位置。
该实施例中，距离影响因子即为标准头部区域种类对应的距离对脑电波数据的影响程度的数值。
该实施例中，基于目标插值子区域覆盖的标准头部区域种类对应的距离影响因子、参考电极的采集脑电波以及每个参考电极和目标插值子区域的中心位置的间距，拟合出插值位置的插值脑电波，包括：
基于目标插值子区域覆盖的标准头部区域种类对应的距离影响因子、参考电极的采集脑电波上每个时刻的数值以及每个参考电极和目标插值子区域的中心位置的间距，计算出插值脑电波上对应时刻的数值，包括：
式中，y为插值脑电波上在当前计算时刻的数值，n为目标插值子区域的所有参考电极的总数，li为目标插值子区域的第i个参考电极和目标插值子区域的中心位置的间距，lmax为最大插值电极间距，α为目标插值子区域覆盖的标准头部区域种类对应的距离影响因子，exp为以自然常数e为底的指数函数，yi为目标插值子区域的第i个参考电极的采集脑电波上在当前计算时刻的数值；
基于上述公式可以基于目标插值子区域覆盖的标准头部区域种类对应的距离影响因子、参考电极的采集脑电波上每个时刻的数值以及每个参考电极和目标插值子区域的中心位置的间距，准确计算出插值脑电波上对应时刻的数值。
按照时序将插值脑电波上所有时刻的数值进行拟合，获得插值脑电波。
该实施例中，插值脑电波即为基于目标插值子区域覆盖的标准头部区域种类对应的距离影响因子、参考电极的采集脑电波以及每个参考电极和目标插值子区域的中心位置的间距拟合出的被采集者头部的插值位置的脑电波。
该实施例中，将所有插值位置的插值脑电波和采集脑电数据中的所有电极的采集脑电波，当作完整脑电数据，即为：
将所有插值位置的插值脑电波和采集脑电数据中的所有电极的采集脑电波进行时序对齐后获得完整脑电数据。
以上技术的有益效果为：将目标插值子区域的所有参考电极的坐标的平均值当作目标插值子区域的插值位置，并结合目标插值子区域覆盖的标准头部区域种类对应的距离影响因子和参考电极的采集脑电波，拟合出插值位置的脑电波，并进一步判断预设三维头部模型的表面是否存在新的待插值区域，并基于判断结果判断是否继续进行插值，进而实现一个连续插值的过程，在保证插值密度的情况下，也保证了完整脑电数据的数据量足够大。
实施例8：
在实施例5的基础上，去噪子模块，包括：
干扰时段确定单元，用于在面部表情数据中的所有面部表情中筛选出干扰表情，将眼球采集数据中的眨眼时段和干扰表情在面部表情数据中的表情持续时段当作干扰时段；
干扰时段删除单元，用于将完整脑电数据中的所有插值脑电波和所有采集脑电波中的干扰时段对应的部分脑电波进行同步删除，获得多个第一去噪脑电波；
独立组分标记单元，用于对所有第一去噪脑电波数据进行独立成分分析，获得多个独立组分数据，将独立组分数据标记在电极点位分布图，获得每个组分的脑电动态拓扑图；
脑电波去噪单元，用于基于眼球采集数据中的聚焦方向、对应的聚焦停留时长、头戴VR设备中的播放视频以及所有独立组分数据的脑电动态拓扑图，在所有独立组分数据中筛选出噪音组分数据，将所有第一去噪脑电波数据中的噪音组分数据删除，获得去噪脑电数据。
该实施例中，干扰表情即为预设的被判定为在对应时刻或者对应时段不应该出现的表情。
该实施例中，干扰时段即为眼球采集数据中的眨眼时段和干扰表情在面部表情数据中的表情持续时段。
该实施例中，第一去噪脑电波将完整脑电数据中的所有插值脑电波和所有采集脑电波中的干扰时段对应部分脑电波进行同步删除后获得的脑电波。
该实施例中，独立成分分析即为ICA，既可以在Continuous EEG上做，也可以在Epoched数据上做。
该实施例中，独立组分数据即为对所有第一去噪脑电波数据进行独立成分分析后获得的独立组分(ICs)。
该实施例中，脑电动态拓扑图即为将独立组分数据按照时序标记在电极点位分布图后获得的表征脑电波数值在电极点位分布图中对应位置的数值变化情况的拓扑图。
该实施例中，噪音组分数据即为在所有独立组分数据中筛选出的为噪音部分对应的独立组分数据。
以上技术的有益效果为：基于眼球采集数据中的眨眼时段和干扰表情在面部表情数据中的表情持续时段确定出干扰时段，并基于干扰时段对所有采集脑电波进行同步去噪，再基于将对所有第一去噪脑电波数据进行独立成分分析后获得的独立组分数据标记在电极点位分布图中获得的脑电动态拓扑图，结合眼球采集数据中的聚焦方向、对应的聚焦停留时长、头戴VR设备中的播放视频，实现对第一去噪脑电波数据的进一步去噪，进而实现对完整脑电数据的有效去噪。
实施例9：
在实施例8的基础上，脑电波去噪单元，包括：
第一活跃确定子单元，用于基于头戴VR设备中的播放视频确定出第一标准脑电活跃时段和每个第一脑电活跃时段对应的第一标准脑电活跃区域；
第二活跃确定子单元，用于基于被采集者的聚焦方向和对应的聚焦停留时长，确定出第二标准脑电活跃时段和每个第二脑电活跃时段对应的第二标准脑电活跃区域；
偏差度计算子单元，用于计算出每个脑电动态拓扑图在所有标准脑电活跃时段对应的实际脑电活跃区域与对应的标准脑电活动区域之间的偏差度，其中，标准脑电活跃时段包括第一标准脑电活跃时段和第二标准脑电活跃时段，标准脑电活跃区域包括第一标准脑电活跃区域和第二标准脑电活跃区域；
脑电波去噪子单元，用于将偏差度超出偏差度阈值的脑电动态拓扑图对应的独立组分数据当作噪音组分数据，将所有第一去噪脑电波数据中的噪音组分数据删除，获得去噪脑电数据。
该实施例中，第一标准脑电活跃时段即为基于头戴VR设备中的播放视频确定出的脑电活跃时段，该第一标准脑电活跃时段都是预先确定好的。
该实施例中，第一标准脑电活跃区域即为基于头戴VR设备中的播放视频确定出的第一标准脑电活跃时段对应的标准脑电活跃区域，例如：前额区域。
该实施例中，第二标准脑电活跃时段即为被采集者的每个聚焦方向对应的聚焦停留时长对应的脑电活跃时段。
该实施例中，第二标准脑电活跃区域即为基于被采集者的聚焦方向和对应的聚焦停留时长确定出的第二标准脑电活跃时段对应的标准脑电活跃区域，例如：当聚焦方向为右上45度时，则检索对应的聚焦方向-标准脑电活跃区域的关系列表，确定出对应的标准脑电活跃区域。
该实施例中，计算出每个脑电动态拓扑图在所有标准脑电活跃时段对应的实际脑电活跃区域与对应的标准脑电活动区域之间的偏差度，包括：
式中，Δε为当前计算的脑电动态拓扑图在当前计算的标准脑电活跃时段对应的实际脑电活跃区域，m为当前计算的脑电动态拓扑图的标准脑电活跃时段的总数，bj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的实际脑电活跃区域中的边缘点总数，dj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的标准脑电活跃区域中的边缘点总数，xaj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的实际脑电活跃区域中的第a非边缘点的横坐标，xcj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的标准脑电活跃区域中的第c个边缘点的纵坐标，yaj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的实际脑电活跃区域中的第a非边缘点的横坐标，ycj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的标准脑电活跃区域中的第c个边缘点的纵坐标，xbj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的标准脑电活跃区域中的第b非边缘点的纵坐标，zaj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的实际脑电活跃区域中的第a非边缘点的竖坐标，zcj为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的标准脑电活跃区域中的第c个边缘点的竖坐标，Lj·max为当前计算的脑电动态拓扑图在第j个标准脑电活跃时段对应的实际脑电活跃区域的边缘点与标准脑电活跃区域的边缘点之间的距离中的最大值；
基于上述公式可以准确计算出每个脑电动态拓扑图在所有标准脑电活跃时段对应的实际脑电活跃区域与对应的标准脑电活动区域之间的偏差度。
该实施例中，偏差度阈值即为用于判断独立组分数据是否为噪音组分数据的偏差度的预设判断阈值。
该实施例中，实际脑电活跃区域即为脑电动态拓扑图在标准脑电活跃时段的脑电活跃区域，脑电活跃区域根据脑电波在对应时刻的数值确定，即脑电波在对应时刻的数值超过预设阈值的电极和插值位置所覆盖的范围即为脑电活跃区域。
以上技术的有益效果为：基于头戴VR设备中的播放视频和被采集者的聚焦方向和对应的聚焦停留时长确定出标准脑电活跃时段和对应的标准脑电活跃区域，并基于每个脑电动态拓扑图在所有标准脑电活跃时段对应的实际脑电活跃区域与对应的标准脑电活动区域之间的偏差度与偏差度阈值的比较，识别出噪音组分数据，并通过删除噪音组分数据，实现对完整脑电数据的有效去噪。
实施例10：
本发明提供了一种脑电监测系统，包括：
数据获取模块，用于获取实施例1至9获得的被采集者的去噪脑电数据；
显示控制模块，用于将实施例1至9获取的被采集者的去噪脑电数据输出至显示屏或者监测终端。
该实施例中，显示屏或者监测终端即为用于显示实施例1至9获得的被采集者的去噪脑电数据的显示设备。
以上技术的有益效果为：基于显示屏或者监测终端将获取实施例1至9获得的被采集者准确的去噪脑电数据显示给监测者，使得脑电数据可视化。
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 (7)
1.一种VR脑电采集装置，其特征在于，包括：
脑电采集模块，用于在被采集者成功佩戴头戴VR设备时，则基于贴在被采集者头部对应位置上的电极，获取被采集者的采集脑电数据；
眼球采集模块，用于在被采集者成功佩戴头戴VR设备时，则采集被采集者的眼球采集数据；
面部采集模块，用于在被采集者成功佩戴头戴VR设备时，则采集被采集者的面部表情数据；
脑电去噪模块，用于基于眼球采集数据和面部表情数据以及头戴VR设备中的播放视频，对采集脑电数据进行去噪，获得去噪脑电数据；
其中，脑电去噪模块，包括：
插值子模块，用于基于电极点位分布图和被采集者的预设三维头部模型，对采集脑电数据进行插值处理，获得完整脑电数据；
去噪子模块，用于基于眼球采集数据和面部表情数据以及头戴VR设备中的播放视频，对完整脑电数据进行去噪，获得去噪脑电数据；
其中，去噪子模块，包括：
干扰时段确定单元，用于在面部表情数据中的所有面部表情中筛选出干扰表情，将眼球采集数据中的眨眼时段和干扰表情在面部表情数据中的表情持续时段当作干扰时段；
干扰时段删除单元，用于将完整脑电数据中的所有插值脑电波和所有采集脑电波中的干扰时段对应的部分脑电波进行同步删除，获得多个第一去噪脑电波；
独立组分标记单元，用于对所有第一去噪脑电波数据进行独立成分分析，获得多个独立组分数据，将独立组分数据标记在电极点位分布图，获得每个组分的脑电动态拓扑图；
脑电波去噪单元，用于基于眼球采集数据中的聚焦方向、对应的聚焦停留时长、头戴VR设备中的播放视频以及所有独立组分数据的脑电动态拓扑图，在所有独立组分数据中筛选出噪音组分数据，将所有第一去噪脑电波数据中的噪音组分数据删除，获得去噪脑电数据；
其中，脑电波去噪单元，包括：
第一活跃确定子单元，用于基于头戴VR设备中的播放视频确定出第一标准脑电活跃时段和每个第一脑电活跃时段对应的第一标准脑电活跃区域；
第二活跃确定子单元，用于基于被采集者的聚焦方向和对应的聚焦停留时长，确定出第二标准脑电活跃时段和每个第二脑电活跃时段对应的第二标准脑电活跃区域；
偏差度计算子单元，用于计算出每个脑电动态拓扑图在所有标准脑电活跃时段对应的实际脑电活跃区域与对应的标准脑电活动区域之间的偏差度，其中，标准脑电活跃时段包括第一标准脑电活跃时段和第二标准脑电活跃时段，标准脑电活跃区域包括第一标准脑电活跃区域和第二标准脑电活跃区域；
脑电波去噪子单元，用于将偏差度超出偏差度阈值的脑电动态拓扑图对应的独立组分数据当作噪音组分数据，将所有第一去噪脑电波数据中的噪音组分数据删除，获得去噪脑电数据。
2.根据权利要求1所述的一种VR脑电采集装置，其特征在于，脑电采集模块，包括：
采集子模块，用于在被采集者成功佩戴头戴VR设备时，则基于贴在被采集者头部对应位置上的电极，获取对应的电流信号；
放大子模块，用于将所有电极采集到的电流信号放大，并对放大后的电流信号进行高通滤波，获得每个电极的采集脑电波；
输出子模块，用于将所有电极的采集脑电波当作被采集者的采集脑电数据。
3.根据权利要求1所述的一种VR脑电采集装置，其特征在于，眼球采集模块，包括：
第一获取子模块，用于获取被采集者在成功佩戴头戴VR设备时的眼部监控视频；
第一分析子模块，用于基于眼球监控视频，分析出被采集者的眨眼时段和聚焦方向以及对应的聚焦停留时长当作被采集者的眼球采集数据。
4.根据权利要求1所述的一种VR脑电采集装置，其特征在于，面部采集模块，包括：
第二获取子模块，用于获取被采集者在成功佩戴头戴VR设备时的面部监控视频；
第二分析子模块，用于基于面部监控视频，分析出被采集者的面部表情和表情持续时段当作被采集者的面部表情数据。
5.根据权利要求1所述的一种VR脑电采集装置，其特征在于，插值子模块，包括：
位置标记单元，用于基于电极点位分布图，在被采集者的预设三维头部模型中标记出所有电极的分布位置；
区域确定单元，用于将以电极的所在位置为中心、以插值密度对应的最小电极间距为半径的圆区域当作电极的非插值邻域，将预设三维头部模型的表面中除所有电极的非插值邻域以外剩余的区域当作待插值区域；
标准确定单元，用于将待插值区域中所有单连通区域当作待插值子区域，基于预设的头部区域划分标准，确定出待插值子区域覆盖的标准头部区域种类，并将待插值子区域中覆盖的部分标准头部区域当作目标插值子区域；
参考确定单元，用于确定出目标插值子区域覆盖的标准头部区域种类对应的最大插值电极间距，将预设三维头部模型的表面中与目标插值子区域的中心位置的间距不超过对应的最大插值电极间距的电极，当作目标插值子区域的参考电极；
插值处理单元，用于基于目标插值子区域的所有参考电极的采集脑电波，对目标插值子区域进行插值处理，获得完整脑电数据。
6.根据权利要求5所述的一种VR脑电采集装置，其特征在于，插值处理单元，包括：
位置确定子单元，用于将目标插值子区域的所有参考电极的坐标的平均值，当作目标插值子区域的插值位置；
插值拟合子单元，用于基于目标插值子区域覆盖的标准头部区域种类对应的距离影响因子、参考电极的采集脑电波以及每个参考电极和目标插值子区域的中心位置的间距，拟合出插值位置的插值脑电波；
邻域确定子单元，用于将以插值位置的所在位置为中心、以插值密度对应的最小电极间距为半径的圆区域当作插值位置的非插值邻域；
继续插值子单元，用于当预设三维头部模型的表面中存在除所有电极和所有插值位置的非插值邻域以外剩余的新的待插值区域时，则基于所有电极和所有插值位置的分布位置和被采集者的预设三维头部模型，继续进行插值处理，直至预设三维头部模型的表面中不存在除所有电极和所有当前确定出的插值位置的非插值邻域以外剩余的新的待插值区域时，则将当前确定出的所有插值位置的插值脑电波和采集脑电数据中的所有电极的采集脑电波，当作完整脑电数据；
数据汇总子单元，用于当预设三维头部模型的表面中不存在除所有电极和所有插值位置的非插值邻域以外剩余的新的待插值区域时，则将所有插值位置的插值脑电波和采集脑电数据中的所有电极的采集脑电波，当作完整脑电数据。
7.一种脑电监测系统，其特征在于，包括：
数据获取模块，用于获取1至6中任一权利要求获得的被采集者的去噪脑电数据；
显示控制模块，用于将1至6中任一权利要求获取的被采集者的去噪脑电数据输出至显示屏或者监测终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310500417.3A CN116458850B (zh) | 2023-05-06 | 2023-05-06 | 一种vr脑电采集装置及脑电监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310500417.3A CN116458850B (zh) | 2023-05-06 | 2023-05-06 | 一种vr脑电采集装置及脑电监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116458850A CN116458850A (zh) | 2023-07-21 |
| CN116458850B true CN116458850B (zh) | 2023-11-03 |
Family
ID=87184293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310500417.3A Active CN116458850B (zh) | 2023-05-06 | 2023-05-06 | 一种vr脑电采集装置及脑电监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116458850B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106859645A (zh) * | 2017-03-06 | 2017-06-20 | 广东工业大学 | 基于vr技术和ssvep的可穿戴设备及脑电采集系统 |
| CN107463249A (zh) * | 2017-06-29 | 2017-12-12 | 南京航空航天大学 | 基于vr头显视觉诱发电位的脑机接口系统及控制方法 |
| CN113079411A (zh) * | 2021-04-20 | 2021-07-06 | 西北工业大学 | 一种多模态数据同步可视化系统 |
| CN113269122A (zh) * | 2021-06-09 | 2021-08-17 | 兰州大学 | 一种可穿戴眼动和面部表情同步采集设备、系统及算法 |
| CN113951897A (zh) * | 2021-10-09 | 2022-01-21 | 中国科学院自动化研究所 | 一种多模态静息脑电数据干扰消除和标记方法及装置 |
| JP2023047657A (ja) * | 2021-09-27 | 2023-04-06 | Kddi株式会社 | ノイズ除去装置及びプログラム |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010004698A1 (ja) * | 2008-07-11 | 2010-01-14 | パナソニック株式会社 | 脳波を用いた機器の制御方法および脳波インタフェースシステム |
-
2023
- 2023-05-06 CN CN202310500417.3A patent/CN116458850B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106859645A (zh) * | 2017-03-06 | 2017-06-20 | 广东工业大学 | 基于vr技术和ssvep的可穿戴设备及脑电采集系统 |
| CN107463249A (zh) * | 2017-06-29 | 2017-12-12 | 南京航空航天大学 | 基于vr头显视觉诱发电位的脑机接口系统及控制方法 |
| CN113079411A (zh) * | 2021-04-20 | 2021-07-06 | 西北工业大学 | 一种多模态数据同步可视化系统 |
| CN113269122A (zh) * | 2021-06-09 | 2021-08-17 | 兰州大学 | 一种可穿戴眼动和面部表情同步采集设备、系统及算法 |
| JP2023047657A (ja) * | 2021-09-27 | 2023-04-06 | Kddi株式会社 | ノイズ除去装置及びプログラム |
| CN113951897A (zh) * | 2021-10-09 | 2022-01-21 | 中国科学院自动化研究所 | 一种多模态静息脑电数据干扰消除和标记方法及装置 |
Non-Patent Citations (6)
| Title |
|---|
| Caldas, ASL ; Pereira, ET ; Leite, NMN.Towards Automatic EEG Signal Denoising by Quality Metric Optimization.IEEE International Joint Conference on Neural Networks (IJCNN).2020,全文. * |
| Design and implementation of hybrid techniques and da-based reconfigurable fir filter design for noise removal in EEG Signals on FPGA;Murthy, C.S. ， Sridevi, K.;WSEAS Transactions on Systems and Control;全文 * |
| VR motion sickness recognition by using EEG rhythm energy ratio based on wavelet packet transform;Xiaolu Li, Changrong Zhu, Cangsu Xu;Computer Methods and Programs in Biomedicine;第188卷;全文 * |
| 基于CT图像的颅内血肿检测与分割;刘元峰, 刘立波, 刘云;中国医学物理学杂志;第38卷(第9期);全文 * |
| 基于脑电样本熵功率谱的VR诱发晕动症分析;柴立宁, 化成城, 周占峰;电子测量技术;第45卷(第20期);全文 * |
| 虚拟现实放松场景设计及基于前额脑电的放松状态评估模型研究;朱凌擎;中国优秀硕士学位论文全文数据库 (基础科学辑)(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116458850A (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109350051B (zh) | 用于精神状态评估与调节的头部可穿戴设备及其工作方法 | |
| Jacques et al. | Early electrophysiological responses to multiple face orientations correlate with individual discrimination performance in humans | |
| US20070179396A1 (en) | Method and System for Detecting and Classifying Facial Muscle Movements | |
| CN111326253A (zh) | 自闭症谱系障碍患者的多模态情感认知能力的评估方法 | |
| CN107480716B (zh) | 一种结合eog和视频的扫视信号识别方法及系统 | |
| CN104142583A (zh) | 一种具有眨眼检测功能的智能眼镜及实现方法 | |
| CN109976525B (zh) | 一种用户界面交互方法、装置及计算机设备 | |
| CN109875583B (zh) | 一种基于ar技术的疲劳驾驶检测系统及方法 | |
| CN106484106A (zh) | 视敏度自动识别的非注意事件相关电位脑‑机接口方法 | |
| CN109255309A (zh) | 面向遥感图像目标检测的脑电与眼动融合方法及装置 | |
| CN106713787A (zh) | 基于eeg对不同速度滚动字幕引起观看舒适度的评价方法 | |
| CN109276243A (zh) | 脑电心理测试方法及终端设备 | |
| CN111012345A (zh) | 眼部疲劳度检测系统及方法 | |
| CN107480635A (zh) | 一种基于双模态分类模型融合的扫视信号识别方法及系统 | |
| CN116458850B (zh) | 一种vr脑电采集装置及脑电监测系统 | |
| CN113990449A (zh) | 自闭症干预训练方法、装置、终端设备及可读存储介质 | |
| CN113546395A (zh) | 一种智能化运动训练系统及训练方法 | |
| CN106419832A (zh) | 智能眼疾检测眼镜 | |
| CN112957049A (zh) | 基于脑机接口设备技术的注意力状态监测装置及方法 | |
| CN116088686B (zh) | 一种脑电溯源的运动想象脑机接口训练方法与系统 | |
| CN112932509B (zh) | 一种眼电信号捡拾与优化分析方法及装置 | |
| CN110705656A (zh) | 一种基于eeg传感器的面部动作识别方法 | |
| CN112220482B (zh) | 基于神经网络的脑磁图眼动伪迹检测、清除方法及电子装置 | |
| CN113255786B (zh) | 基于脑电信号和目标显著特性的视频质量评价方法 | |
| CN106445140B (zh) | 静视野自动识别的非注意事件相关电位脑-机接口方法 |
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 |