CN116594495A - 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口 - Google Patents

用于促进多项选择答案的直接选择和状态变化的识别的脑机接口 Download PDF

Info

Publication number
CN116594495A
CN116594495A CN202211453539.3A CN202211453539A CN116594495A CN 116594495 A CN116594495 A CN 116594495A CN 202211453539 A CN202211453539 A CN 202211453539A CN 116594495 A CN116594495 A CN 116594495A
Authority
CN
China
Prior art keywords
user
answer
test
bci
image
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
Application number
CN202211453539.3A
Other languages
English (en)
Inventor
简·E·哈金斯
塞思·瓦尔施奥斯基
拉姆瑟斯·爱德华多·阿尔凯德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Michigan
Original Assignee
University of Michigan
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Michigan filed Critical University of Michigan
Publication of CN116594495A publication Critical patent/CN116594495A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • A61B5/24—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
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • 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
    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7435—Displaying user selection data, e.g. icons in a graphical user interface
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/68—Operating or control means
    • A61F2/70—Operating or control means electrical
    • A61F2/72—Bioelectric control, e.g. myoelectric
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F4/00—Methods or devices enabling patients or disabled persons to operate an apparatus or a device not forming part of the body 
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

提供用于促进多项选择答案的直接选择和状态变化的识别的脑机接口。公开了利用脑机接口(BCI)的方法、系统、设备和非暂态计算机可读介质。公开了各个实施例以允许用户直接地选择多项选择答案，提供机动轮椅控制，并允许用户通过BCI玩游戏。在用于认知评估测试时，实施例包括施行未修改的标准化测试，产生与没有BCI时相同或相似格式的结果。公开了各个实施例以提高对于每个测试问题使用三步骤过程的BCI测试施行的准确性，这包括确定用户是否想选择答案，监视用户的脑活动以确定所选答案，以及验证所选答案。此外，所选答案可以通过根据保持‑释放过程监视用户的脑活动来验证，以确定用户是否想发起状态改变。

Description

用于促进多项选择答案的直接选择和状态变化的识别的脑机 接口
本申请是申请日为2015年5月22日、申请号为201580024738.4(PCT/US2015/032192)且名称为“用于促进多项选择答案的直接选择和状态变化的识别的脑机接口”的发明的分案申请。
相关申请交叉引用
本申请要求根据美国法典第35卷第119(e)条于2014年5月30日申请的美国临时专利申请号62/005,243的优先权权益，其公开内容通过引用被并入本文中。
政府利益声明
根据国家卫生研究院授予的TR000433、HD054913和HD054697以及教育部授予的H133G090005，在政府支持下做出本发明。政府对本发明有一定权利。
技术领域
本公开涉及用于脑机接口(BCI)的系统、方法和设备，更具体地，涉及执行多步骤过程以促进直接的标准化认知测试以及识别用户的期望选择和一个或多个选择、动作和/或状态的改变的BCI。
背景技术
对于许多患有精神病的患者，通过让医疗人员确定患者可能需要接收的干预和/或服务，认知评估可能影响患者的生活质量。但由于运动和/或语言障碍，患有精神病的患者可能不能参与这种评估。而且，实施BCI以对患有运动和/或语言障碍的患者施行认知评估测试的尝试出现了几个问题。
首先，通常用于认知测试的BCI常常执行间接方法。例如，BCI可以允许患者移动屏幕上的光标选择测试问题。间接方法不给患者提供快速选择答案必需的精度和控制，患者可能在测试过程中变得心烦意乱或沮丧，这可能歪曲测试结果。其次并且可能会加重这些不准确因素，间接BCI认知评估测试程序通常要求将原始标准化版本修改成认知测试以包括间接问题选择的适应元件。因此，提供能根据标准化认知测试格式产生准确结果的认知评估测试出现一些挑战。
附图说明
图1是根据本公开的示例性实施例的脑机接口(BCI)测试系统100的框图；
图2图解说明根据本公开的示例性实施例的BCI装置200；
图3A图解说明根据本公开的示例性实施例在用户做出答案选择之前的测试问题图像的示例；
图3B图解说明根据本公开的示例性实施例在BCI装置200确定用户的答案选择之后用来验证用户的答案的测试问题图像320的示例；
图4图解说明根据本公开的示例性实施例的示例性测试答案选择方法400；以及
图5图解说明根据本公开的示例性实施例的示例性保持-释放状态确定方法500。
具体实施方式
图1是根据本公开的示例性实施例的脑机接口(BCI)系统100的框图。BCI系统100可以包括用户102、脑活动监视系统103、BCI 104、显示器106和测试管理员110。
如图1所示，用户102可以参与由测试管理员110监管的认知评估测试。测试管理员可以通过例如访问来自BCI 104的测试文件、记录测试给予用户102时的观察结果、在完成测试时保存测试答案等来帮助测试进行程序。
在一些实施例中，BCI系统100可以实现为认知测试评估程序的一部分。例如，BCI系统100可以基于用户102的脑活动不利用用户102的运动和/或口头反馈来促进一个或多个认知测试的施行。当用户102由于特殊障碍被“关起来”不能以任何可行的物理方式容易地交流时，这种实施例可能是特别有用的。
用户的脑活动可以包括响应于用户暴露于一个或多个刺激而采集的活动，这些刺激诸如显示器106上显示的视觉刺激和/或其它类型的刺激，诸如听觉音调等。出于简洁目的，除了通过显示器106显示的那些刺激之外的刺激在图1中没有示出。在一个实施例中，测试问题可以通过如图1所示的显示器106显示，每个多项选择问题可以有与其关联的关联视觉刺激，这将在下文进一步讨论。基于在观看(或者注意，暴露于，关注、集中精力等)具体的多项选择答案时对用户102的脑活动的分析，BCI 104可以通过将用户102的脑活动与和该答案关联的具体的唯一视觉刺激相互关联，来确定用户102的选择。
在各个实施例中，脑活动监视系统103可以实现为一个或多个脑电图(EEG)测试装置，并且可以包括任何适当数目的电极和/或传感器。根据这些实施例，电极和/或传感器可以附连到用户头部的任何适当部分及其它。脑活动监视系统103的各个实施例可以包括侵入和/或非侵入电极传感器的任何组合。脑活动监视系统103可以被配置成通过任何适当数目的电极和/或传感器根据任何适当数目和/或类型的标准、协议等测量用户的脑活动。脑活动监视系统103可以被配置成根据任何适当数目和/或类型的通信格式、协议和/或标准，比方说例如通过链路105将用户的脑活动作为一个或多个数据信号转换和/或传输到BCI104。
提供另一示例，根据一个实施例，脑活动监视系统103可以被配置成测量用户的脑活动，作为EEG波段内的一个或多个事件，EEG波段诸如δ波段，θ波段，α波段，β波段，γ波段和/或μ波段。在一个实施例中，脑活动监视系统103可以被配置成监视响应于通过显示器106呈现给用户的一个或多个选项用户引起的一个或多个事件相关电位(ERP)分量。
BCI 104可以实现为任何适当装置，其被配置成从脑活动监视系统103接收数据信号，分析和/或处理这些信号，和/或将一个或多个数据信号传输给显示器106以向用户102提供反馈。例如，BCI 104可以实现为用户设备(UE)，诸如移动装置、计算机、便携计算机、平板电脑、桌面计算机、游戏系统的一个或多个部分、电动轮椅控制器系统的一个或多个部分、被配置成对缺乏运动和/或口述技能的用户提供帮助的任何适当装置的一个或多个部分或任何其它适当类型的计算装置。
尽管在图1中显示为单个链路105，但BCI 104和脑活动监视系统103之间的通信可以借助有线和/或无线通信网络、线路、总线、无线链路等的任何适当组合实现，以促进这些通信。例如，BCI 104和/或脑活动监视系统103可以利用有线和/或无线链路、局域网(LAN)等的任何组合。
处理和/或分析从脑活动监视系统103接收的数据信号的结果是，各个实施例包括BCI 104通过执行一个或多个功能，比方说例如确定用户102对显示器106上显示的多项选择问题提供答案的意图，确定用户102的答案选择和/或验证用户102的答案选择来促进认知评估测试的施行，这将在下文进一步讨论。
BCI 104可以被配置成基于这些功能向显示器106和/或另一外部刺激发生器(图1中没有显示)发送一个或多个数据信号，使得显示器106可以给用户显示与多项选择问题对应的刺激、用户的答案选择，和/或用户102在进行测试时给用户102显示图像。
BCI 104可以被配置成向显示器106传送一个或多个数据信号以引起显示器106显示一个或多个图像，从而修改图像，和/或响应于从脑活动监视系统103接收的用户脑活动的测量结果显示附加图像。例如，BCI 104可以通过例如在用户暴露于与用户102的答案选择对应的显示刺激时，从脑活动监视系统103接收的代表用户脑活动的数据信号确定用户102的答案选择。
显示器106可以被配置成响应于从BCI 104接收的一个或多个数据信号显示信息，这些数据信号可以通过任何适当数目和/或类型的通信链路(例如链路107)接收。尽管显示器106在图1中示为与BCI 104分离，但各个实施例包括显示器106被集成作为BCI 104的一部分，显示器106与BCI 104位于一处或显示器106邻近BCI 104等等。如相关领域的技术人员会认识到，BCI 104和显示器106之间的集成、耦连和/或交互功能可以取决于针对具体应用使用哪一种实现方式。
而且，BCI 104可以被配置成使显示器106显示一个或多个测试问题和/或声音提示，以通过分析和/或处理从脑活动监视系统103接收的信号确定用户对这些问题的响应。在各个实施例中，BCI 104可以被配置成根据任何适当的认知测试格式促进用户的认知评估，这可以包括标准化或非标准化的测试。根据BCI 104促进标准化认知测试的施行的实施例，BCI 104可以被配置成根据相应的标准化测试格式格式化用户的答案。以此方式，BCI104允许对用BCI系统100进行的标准化测试使用标准的评级方法。
在各个认知测试评估实施例中，BCI 104可以被配置成处理通过脑活动监视系统103接收的数据信号，作为三步骤过程的一部分，以确定用户102对显示器106上显示的多项选择问题的答案。关于对用户脑活动的分析，各个实施例可以包括BCI104执行一个或多个算法、指令、程序、应用、代码等以促进这些功能。例如，BCI104可以使用分类系统解释从脑活动监视系统103接收的信号从而确定用户选择显示的答案中的一个的可能性，分类系统诸如神经网络、逐步线性判别分析、支持向量机等。
作为此过程中的第一步，基于对通过脑活动监视系统103接收的数据信号的分析，可以对用户102想回答多项选择问题做出确定。即，BCI 104可以被配置成分析用户102的脑活动作为此第一步骤的一部分，以确保用户102正在集中进行测试，不被外部刺激分心和/或没有注意显示的图像。
换言之，在第一步骤中，BCI 104可以确定用户102想决定显示器106上显示的多项选择问题的答案。在各个实施例中，此第一步可以使用任何适当方法实现，以确定用户102的意图。例如，BCI 104可以执行一个或多个异步BCI处理方法以做出此确定。
提供另一示例，在第一步中，BCI 104可以在接受用户102的答案之前等待预定的时间段。此时间段可以由显示器106上显示的定时器指示，定时器并不会阻止或另外干扰显示的图像，此时间段可以指示分配的时间以允许用户102在定时器到期之前决定答案。根据实施例，利用定时器确定用户是否想决定答案。BCI 104可以在定时器已经开始时做出此确定。
在第二步中，BCI 104一旦已经决定用户102想提供答案时，可以从与显示器106上显示的多项选择问题关联的测试答案中确定用户102的答案。在各个实施例中，BCI 104可以被配置成执行任何适当的BCI过程或适当的BCI过程的组合，以确定用户102的答案。例如，BCI 104可以根据稳态视觉诱发电位过程通过显示器106生成图像，并根据此过程分析用户102的脑活动以确定用户102的选择。
提供其它示例，BCI 104可以根据P300响应使用通过显示器106显示图像刺激的许多配置中的任何一个分析用户102的脑活动，所述配置诸如网格格式，快速连续视觉呈现等。
在第三步中，BCI 104可以验证第二步的用户的答案。在各个实施例中，在用户选择的答案已经由BCI 104确定以验证用户的答案之后，BCI 104可以通过执行一个或多个算法、指令、程序、应用、代码等继续接收并分析用户的脑活动。例如，各个实施例包括BCI 104执行误差电位检测，这可能使BCI 104引起显示器106显示被解释为由用户选择的答案，然后确定用户的脑活动是否产生误差电位。
提供另一示例，BCI 104可以使显示器106显示一个或多个图像，允许用户102确认或取消在第二步中已经由BCI 104确定的所选答案，该答案通过显示器106显示给用户102。提供另一示例，BCI 104可能引起显示器106重复第二步，将两个选择的结果进行比较以验证匹配。
提供又一示例，BCI 104可以被配置成对两个不同的状态执行保持-释放算法。这两个状态中的第一个可以代表用户102保持初始答案选择，该选择在第二步后通过显示器106显示给用户102。这两个状态中的第二个可以代表用户102将其选择改变为通过显示器102显示的另一刺激，以取消第二步之后显示的选择。
即，实施例包括BCI 104被配置成使显示器106显示来自步骤2的选择答案和指示用户取消此答案选择的意图的图像。BCI 104可以被配置成执行保持-释放算法，将用户集中在与显示的答案关联的刺激的保持行为联想为保持状态，将用户转移集中在与取消图像关联的刺激联想为释放状态。保持-释放过程的细节将参照图5在下文进一步讨论。
以此方式，BCI系统100可以通过监视用户的脑活动而不需要用户的运动和/或口头反馈来促进标准化和非标准化测试的施行。此外，BCI系统100解决了通常困扰间接BCI测试过程的关于准确性和标准化的许多问题。传统的BCI测试方法通常使用间接方法(诸如在屏幕上移动光标)依赖于分析用户的脑活动来选择测试答案。间接测试方法还具有与准确性和曲解测试结果相关的问题，包括与用户在测试中变得沮丧相关的那些问题，这可能增加误差，导致不正确地评估用户的认知能力。
与这些间接方法相比，BCI系统100的实施例允许用户102以直接方式选择答案。与间接方法相比，这提供更加准确的结果，还提供不要求标准化测试被重新格式化的附加益处，而这对间接测试方法通常是需要的。换言之，用户102做出的直接选择更好地符合设计标准化测试的协议，即直接选择多项选择答案。通过以设计成给每个人(不只是缺乏运动和/或口述技能的用户)提供测试的类似方式呈现测试，BCI系统100帮助消除仅仅通过施行BCI测试的方式会引入的测试数据曲解。
在其它实施例中，BCI系统100可以实现为控制系统的一部分，控制系统被配置成给缺乏有效运动和/或口述技能的用户提供帮助。例如，BCI 104可以被配置成另外或替代性地使用通过脑活动监视系统103接收的信号，向机动轮椅111提供控制命令。根据这些实施例，BCI 104可以被配置成根据任何适当数目和/或类型的通信格式、协议和/或标准比方说例如通过链路112向机动轮椅111以一个或多个数据信号发送控制命令。显示器106和/或BCI 104可以集成到机动轮椅111作为其一部分、安装到机动轮椅111上或与机动轮椅111关联以便于促进这些功能。
在另外的其它实施例中，BCI系统100可以实现为由缺乏有效运动和/或口述技能的用户玩的游戏系统的一部分。例如，BCI 104可以被配置成另外或替代性地使用通过脑活动监视系统103接收的信号，修改通过显示器106显示给用户102的反馈作为游戏应用的一部分。根据这些实施例，BCI 104可以被配置成根据任何适当数目和/或类型的通信格式、协议和/或标准比方说例如通过链路107向显示器106发送一个或多个数据信号。
例如，出于此目的，BCI 104可以被配置成执行保持-释放算法，保持状态和释放状态与任何适当类型和/或数目的物理动作、命令等相关联，诸如用来控制机动轮椅111的那些物理动作、命令，用于游戏应用的那些物理动作、命令等。与之前讨论的确定用户102对测试问题的答案类似，BCI 104可以在用户集中于与各种控制对应的显示于显示器106上的不同刺激时，分析用户102的脑活动。基于用户102的选择功能，BCI 104可以确定用户102是否想保持所选命令或转换到代表另一命令的释放状态。这些实施例可能在用户想要使用两种不同类型的状态以引起可能以这种方式呈现的控制过程发生变化的情况下是特别有用的。
提供示意性示例，各个实施例包括显示器106显示具体刺激以便用户102对其集中精力(例如通过对光标的闪现计数)。当BCI 104确定用户102正集中精力时，BCI 104可以将用户集中于具体刺激解释为保持状态，比方说例如机动轮椅控制的激活。机动控制可以与诸如驱动机动轮椅111向前、向后，转动机动轮椅111等的动作关联。继续此示例，当BCI 104检测到用户102通过注意刺激做出的初始选择时，BCI 104可以使命令发送到机动轮椅111以向前驱动，然后只要用户102继续集中在与该命令关联的刺激就保持该动作为保持状态。
还继续此示例，当BCI 104检测到用户102已经将其注意力转换到另一刺激(例如对另一光标的闪现计数)，BCI 104可以将此解释为机动轮椅控制的去激活或取消，这代表释放状态。即，释放状态可以与保持状态关联的动作的停止关联。例如，如果保持状态与向前移动机动轮椅111关联，则检测到释放状态会使BCI 104发出停止机动轮椅111的命令。
在BCI 104执行保持-释放状态算法的各个实施例中，算法可以应用到任何适当类型和/或数目的控制状态。另外的实施例可包括通过将音量增大(或降低)与保持状态关联，将保持状态的停止与释放状态关联来控制音量。以此方式，BCI 104可以通过分析用户的脑活动给用户提供利用状态变化锻炼任何类型控制的能力。
图2图解说明根据本公开的示例性实施例的BCI装置200。BCI装置200包括中央处理单元202、图形处理单元(GPU)204、通信单元206和存储器208。BCI装置200可以实现为用于接收、监视、分析和/或处理代表用户的脑活动的数据信号的任何计算装置。在一个实施例中，BCI装置200是如图1所示的BCI 104的一种实现。
在一个实施例中，通信单元206可以被配置成能够从脑活动监视系统比方说例如从如图1所示的脑活动监视系统103接收数据。在各个实施例中，通信单元206可以被配置成促进将从脑活动监视系统接收的数据传输到CPU 202和/或存储器208。例如，通过通信单元206从脑活动监视系统接收的数据可以存储在存储器208的任何适当位置以便CPU 202后续处理。
替代性地或者另外，通信单元206的各个实施例包括通信单元206向一个或多个控制组件发送一个或多个命令、信号、数据等以促进状态变化。控制组件的示例可包括运动控制器、音量控制器或可以用来帮助运动和/或口述技能受损的用户的任何适当类型的控制器组件。出于简洁目的，这些控制组件在图2中没有示出。
相关领域的技术人员会认识到，通信单元206可以用适当硬件和/或软件的任何组合来实现，以实现这些功能。例如，通信单元206可以用任何数目的有线和/或无线收发器、网络接口、物理层(PHY)等的来实现。
在各个实施例中，CPU 202和/或GPU 204可以被配置成与存储器208通信，以将数据存储到存储器208或从其读数据。例如，CPU 202和/或GPU 204可以实现为任何适当数目和/或类型的处理器。在各个实施例中，CPU 202可以被配置成处理从脑活动监视系统接收的脑活动数据信号，而GPU 204可以被配置成向显示装置比方说例如图1所示的显示器106发送数据信号和/或命令，从而使显示器显示一个或多个图像。在一个实施例中，引起GPU204显示的图像用来施行认知评估测试，诸如之前关于图1讨论的那些。
根据各个实施例，存储器208是计算机可读非暂态存储装置，其可以包括易失性(例如随机存取存储器(RAM))或非易失性存储器(例如支持电池的RAM、FLASH等)的任何组合。在各个实施例中，存储器208可以被配置成存储可在CPU 208和/或GPU 204上执行的指令。这些指令可以包括机器可读指令，这些指令在由CPU202和/或GPU 204执行时，引起CPU202和/或GPU 204执行各种动作。
在各个实施例中，数据读/写模块210、保持-释放模块212和BCI处理和测试模块214是被配置成存储由CPU 202和/或GPU 204执行的指令的存储器208的部分。在各个实施例中，数据读/写模块210可以包括指令，这些指令在由CPU 202和/或GPU 204执行时引起CPU 202和/或GPU 204从存储器208读数据和/或向存储器208写数据。在各个实施例中，数据读/写模块210可以包括指令，这些指令在由CPU 202和/或GPU 204执行时引起CPU 202和/或GPU 204通过通信单元206从脑活动监视系统接收数据。在一个实施例中，数据读/写模块210可以使CPU 202和/或GPU 204访问、读和/或执行存储于保持-释放模块212和/或BCI处理和测试模块214中的一个或多个算法、指令、程序、应用、代码等。
在各个实施例中，BCI处理和测试模块214可以被配置成存储一个或多个算法、指令、程序、应用、代码等，他们由CPU 202和/或GPU 204执行作为整个框架过程的一部分。在一些实施例中，此框架过程包括根据BCI的具体类型的数据处理指令。例如，当测试以BCI格式给予用户时，该用户的脑活动数据信号可以根据一个或多个类型的BCI协议被处理和分析。在各个实施例中，BCI处理和测试模块214可以被配置成存储关于此格式化以及关于如何根据一个或多个格式处理从脑活动监视系统接收的信号的指令，以解释用户暴露于各种刺激时用户的意图、选择和/或决定。
例如，如之前关于图1讨论的，各个实施例包括BCI装置200对每个测试问题执行三步骤过程，以确保用户所选的答案是准确的。在这些步骤的每一个中，BCI装置200可以给用户通过GPU 204显示图像，通过通信单元206从脑活动监视系统接收响应于用户观看与这些图像关联的刺激的数据信号。
在一个实施例中，BCI处理和测试模块214可以被配置成存储指令，这些指令包括刺激类型和/或发送到显示器206的图像以及CPU 202如何响应于用户观看这些刺激和/或图像处理从脑活动监视系统接收的信号。例如，如果用户的意图在三步骤过程的步骤1中通过异步BCI过程确定，则BCI处理和测试模块214可以被配置成存储由CPU 202阅读的指令，以处理根据该异步BCI过程接收的脑活动信号。
提供另一示例，实施例包括测试过程的第二步，确定用户的答案选择。可以执行几种类型的脑活动过程以促进这种确定。例如，如果执行稳态视觉诱发电位(SSVEP)，则GPU204可以向显示器(例如显示器106)发送代表测试答案的图像。基于从指示用户的脑活动的数据信号接收的反馈，BCI处理和测试模块214可以包括关于如何根据SSVEP过程处理此反馈的指令，以识别用户想作为答案的显示图像和/或修改显示图像以指示用户所选的答案。
而且，在各个实施例中，BCI处理和测试模块214可以被配置成存储包括测试问题、答案、用户答案和/或代表测试问题本身的图像的指令。在各个实施例中，BCI处理和测试模块214可以存储任何适当数目的测试，这可以在由操作员选择时施行，比方说例如通过医疗人员施行测试。在各个实施例中，操作员(例如医疗人员)可以通过上传新测试和/或下载测试答案改变BCI处理和测试模块214的内容。
在一个实施例中，BCI处理和测试模块214可以被配置成存储使CPU 202存储用户对任何适当数目的测试问题的选择的答案作为测试答案资料的指令。在一个实施例中，在三步过程应用于每个测试问题之后，测试资料可以由CPU 202生成。例如，测试答案资料可以是与标准测试答案评级系统符合的答案资料，诸如每个测试问题的多项选择答案的列表。以此方式，一旦标准化测试通过BCI装置200施行，则该测试的答案可以根据标准测试答案评级，大大地降低在修改测试以与BCI测试程序兼容时可能会引入的评级误差。
在各个实施例中，保持-释放模块212可以被配置成存储一个或多个算法、指令、程序、应用、代码等，这些算法、指令、程序、应用、代码由CPU 202和/或GPU 204执行以促进保持-释放功能，这将在下文参照图3A-B进一步讨论。例如，保持-释放模块212可以包括任何适当语言和/或格式的可执行代码。在一些实施例中，保持-释放模块212可以被配置成包括与三步过程中的第三步结合执行的指令，三步过程在施行认知测试评估的一个或多个问题过程中施加，如之前参照图1讨论的。
在其它实施例中，保持-释放模块212可以被配置成包括与保持和释放控制状态变化结合执行的指令，并且可以替代性地或另外用于测试过程。而且，关于执行保持和释放过程以识别和/或控制状态变化的进一步细节将参照图3A-B在下文讨论。
尽管图2将通信单元206、CPU 202、GPU 204和存储器208图示为单独元件，但BCI装置200的各个实施例包括通信单元206、CPU 202、GPU 204和存储器208的任何部分被组合、集成和/或彼此分立。例如，通信单元206、CPU 202、GPU 204和存储器208中的任意几个可集成为单个装置、片上系统(SoC)、专用集成电路(ASIC)等。
而且，尽管数据读/写模块210、保持-释放模块212和BCI处理和测试模块214图示为存储器208的单独部分，但各个实施例包括这些存储器模块存储在存储器208的任何适当部分中，存储在实现为CPU 202和/或GPU 204的一部分的存储器中，和/或分散在超过一个存储器中。例如，数据读/写模块208可存储作为存储器208的一部分，而保持-释放模块212和BCI处理和测试模块214存储在被集成作为CPU202的一部分的存储器中。如相关领域的技术人员会认识到，不同的存储器模块可以被集成作为CPU 202的一部分以提高处理速度，降低由于数据处理瓶颈等造成的等待时间和/或延迟。出于简洁目的，在图2中只图示单个存储器208。
尽管在图2中图示为单个BCI装置，但在各个实施例中，BCI装置200可以包括任何数目或组群的一个或多个BCI装置。根据这些实施例，每个BCI装置可以包括一个或多个CPU，并且可以被配置成独立于其它BCI装置操作。作为组群操作的BCI装置可以处理分别地(例如基于其可用性)和/或同时地(例如并行处理)从脑活动监视系统接收的信号。
图3A图解说明根据本公开的示例性实施例在用户做出答案选择之前的测试问题图像300的示例。测试问题图像300包括四个多项选择答案选择302、304、306和308。四个多项选择答案选择302、304、306和308中的每一个还分别具有相关的标记310A-D。尽管图3A将标记310A-D分别图示为数字1-4，但任何适当类型的标识符都可以用作标记310A-D，比方说例如字母。
如图3A所示，每一个标记310A-D被相应的边界图案311A-D包围，其可以包括例如白色和黑色的棋盘状图案。根据各个实施例，构成每个边界图案的白色和黑色的棋盘状图案交替黑色和白色的图案，从而以相应频率“闪烁”。几个BCI方法通常用来确定用户在暴露于这些类型的视觉刺激时的决定。
例如，使用一种类型的BCI方法-SSVEP，每个边界图案311A-D可以以彼此不同的频率闪烁，这些频率可能很高，使得闪烁不会由查看图像的用户有意识地计数。不过，闪烁频率能够通过分析用户正在观看所选答案图像和其关联的边界图像和标记时在BCI(比方说例如BCI装置200)接收的用户的脑活动数据信号而被识别。
尽管图3A图解说明每个边界图案311A-D具有黑色和白色棋盘状图案，但任何适当图案类型均可用于边界图案311A-D。例如，边界图案311A-D可以实现为具有任何适当类型的颜色、图案、设计等，其可以用来提供适当的SSVEP刺激。例如，边界图案311A-D可以包括以特定频率闪烁的单个纯色。
在另一种类型的BCI方法P300或事件相关电位(ERP)BCI中，每个标记310A-D可以以可以由用户计数的较慢速率闪烁，分析在BCI(比方说例如BCI装置200)上接收的用户的脑活动数据信号可以指示在每次闪烁发生之后大约300毫秒用户的脑活动数据信号有正变化。识别此正变化允许识别用户想选择的与每个相应标记310A-D对应的答案选择，正变化的时序可以针对个别用户指定。另外或替代性地，各个实施例包括图像302、304、306和308的任何适当部分的闪烁，诸如图像本身。
尽管图3A图示了几个标记310A-D和其相应的边界图案，但实施例包括根据SSVEP频率闪烁或根据P300闪现图案闪现的图像302、304、306和308。根据这些实施例，标记310A-D(和边界图案311A-D)可以被忽略，用户102例如可以被指示每个测试答案位置与测试持续时答案A-D之一对应。
在各个实施例中，每个边界图案311A-D可以根据SSVEP频率闪烁，每个标记310A-D可以根据P300闪现图案闪现，每个图像302、304、306和308可以根据SSVEP频率闪烁或根据P300闪现图案闪现，或闪烁和/或闪现的任何组合可以出现在每个边界图案311A-D、标记310A-D中，和/或图像302、304、306和308可以同时出现。
例如，在一个实施例中，边界图案311A-D可以以SSVEP频率闪烁以允许BCI装置200处理用户的脑活动数据信号，从而评估期望答案选择的闪烁频率，而标记310A-D可以同时根据P300闪现图案闪现，另外记录用户对根据P300 BCI过程做出期望选择的识别响应。
可以实现BCI装置200的各个实施例以施行任何适当的测试。然而，图3A-B中所示的示例性图像300可以对应于一个或多个图像，比方说例如PEABODY PICTURE VOCABULARYTEST–4TH EDITION(PPTV-IV)中使用的图像。PPTV-IV测试包括单词的口头发音，允许用户选择最像该单词的图像。出于解释目的，假设“鸟”是由示例图像308代表的测试问题的正确答案。
当根据各个实施例施行测试时，用户会集中在与图像308关联的标记310D上和其相应边界图案311D上以选择此答案。在一个实施例中，三步骤过程可以被应用以确定用户的选择答案。
如之前讨论的，三步骤过程的第一步是弄清楚用户是否正注意显示的答案或想要回答测试问题。根据这个实施例，图3A是在此三步骤过程的第一和第二步中可以给用户显示的示例。例如，如果定时器用来验证用户准备决定答案，则定时器313可以显示，指示测试已经开始，用户选择答案的剩余时间。提供另一示例，语音或其它通知可以用来指示定时器已经开始，这在用户准备做出决定时对用户可以是可见的也可以是不可见的。
在一个实施例中，第二步可以在定时器313开始时开始(或在异步BCI过程之前，例如指示用户想回答，在定时器剩余阈值时间量之前及其它)。即，每个相应的答案选择的边界图案311和/或标记310可以在定时器313开始之前一直闪烁，但BCI装置200可以等待直到在处理用户的脑活动数据信号之前确定用户实际想回答问题。基于对用户的脑活动数据信号的监视，BCI装置200然后可以确定用户选择的答案，比方说例如与图像308关联的答案。一旦BCI装置200确定用户已经选择与图像308关联的答案，则图像被修改成图3B中显示的图像，这将在下文进一步讨论。通过等待一直到确定用户想以此方式选择答案，BCI装置200的实施例有助于确保在第二步中确定的答案是正确的。
图3B图解说明根据本公开的示例性实施例在BCI装置200确定用户的答案选择之后用来验证用户的答案的测试问题图像320的示例。在一个实施例中，图3B中显示的图像320根据三步答案选择过程中的第三步显示给用户。即，一旦BCI装置200确定用户已经选择图3A的答案图像308，则答案图像308保持，而剩余图像302、304和306在图3B中被不再着重显示。在各个实施例中，此不再着重显示可以通过任何适当的方法实现，诸如与没有选择的答案图像关联的褪色、消声、消除、降低、调节颜色等。
除了不再着重显示其它答案图像之外，实施例还包括呈现取消图像，其示例在图3B中显示为取消图像312。基于使用的具体BCI方法(例如P300、SSVEP或两者)，取消图像312还可以包括边界图案314。与标记310A-310D和边界图案311A-D类似，取消图像312和/或边界图案314可以以特定的SSVEP频率闪烁和/或根据P300闪现图案闪现(例如，作为刺激的序列，它是P300闪现序列的一部分以引起P300 ERP)。例如，取消图像312可以根据特定的P300闪现图案闪现，边界图案314可以以特定的SSVEP频率闪烁，或者两者同时进行。
与边界图案311A-D类似，各个实施例包括实现为任何适当类型的颜色、图案、设计等的边界图案314，其可以用来提供适当的SSVEP刺激。一旦给用户呈现图3B所示的图像，用户有两个选择。如果用户想保持与图像308对应的所选答案，则用户可以保持注意力在图像308上。但是如果用户意外地选择图像308，为错误选择(或者如果BCI装置200误解用户的选择)，则用户可以将他的注意力转换到图像312以取消此选择。根据各个实施例，BCI装置200可以被配置成检测用户是想保持所选答案图像308还是想通过集中在取消图像312上改变(即释放)保持状态。
在一个实施例中，BCI装置200可以被配置成如果检测到保持状态，即如果BCI装置200检测用户正保持对图像308的注意力，则呈现与下一测试问题对应的任何适当数目的图像(例如，在图3A-3B中为四个)。而且，根据此实施例，BCI装置200可以被配置成如果检测到释放状态，即如果BCI装置200检测到用户已经将其注意力从图像308转换到取消图像312，则用图3A所示的图像替换图3B。
在一个实施例中，针对每个测试问题，此过程可以被重复任何适当的次数，直到得到测试中的所有问题的答案。一旦采集到测试答案，BCI装置200可以为用户构建和/或格式化相应的答案资料，这些资料可以根据测试答案被评级。例如，由于每个答案图像具有相应的数字，所以测试答案可以通过按数字识别答案图像而被采集。对于前一示例，一旦验证用户选择答案图像308，则可以为该测试问题记录答案数字“4”。
在各个实施例中，保持-释放状态转换检测可以在许多个子步骤中实现作为三步骤答案选择过程的第三步骤的一部分。在一个实施例中，在进行测试之前(或实现BCI装置200的其它系统)，可以针对特定用户采集训练数据。例如，BCI装置200做出的关于用户的具体选择的确定是基于用户的脑活动数据信号的，但通常不是绝对确定；而是，决定通常是在数学分析的背景下实现的。
换言之，因为每个用户的脑活动是唯一的，难以测量，所以实施例包括BCI装置200通过权衡被认为与决定最相关的脑活动数据信号各部分的重要性来确定用户的选择。例如，脑活动数据信号的各个部分的权重可以基于响应于用户暴露于特定的已知刺激的集合采集的脑信号活动的分类而被确定。例如，这些用户通过训练过程可能暴露于已知的刺激。权重可以通过分类过程来计算，产生与SSVEP的每种类型的刺激、与诱发电位诸如P300 ERP的存在或不存在等对应的分类器值的范围。
例如，选择分类器训练过程可以在施行测试之前针对特定用户实现。选择分类器训练可以对应于用户观看和/或集中在以各个频率闪烁的几个不同的刺激(例如边界部分311A-D)。基于此训练数据，不同范围的分类器值可以通过BCI装置200基于用户在暴露于不同刺激时用户的脑活动来计算。
一旦选择分类器训练过程完成，BCI装置200可以在后续暴露于相同刺激时，基于用户的脑活动数据信号计算新(即训练后)的分类器值。这些新分类器值可以与在选择分类器训练过程中计算的不同范围的分类器值比较，相互比较和/或与一个或多个阈值比较，这将在下文进一步讨论，以识别用户暴露于哪个随后的刺激(例如用户正集中在哪个图像)。各个刺激可以对应于一个或多个答案选择、动作等。通过分析用户的脑活动数据和更新的分类器值，实施例包括BCI装置200确定用户的决定以保持所选答案或释放答案(即取消答案)。
在各个实施例中，任何适当数目的规则可以被构建以确保用户的决定被准确地确定。例如，在训练数据采集之后，BCI装置200可以在已经做出选择之后用户集中在特定刺激时继续监视用户的脑活动(即接收和处理用户的EEG数据信号)。这可包括例如用户继续集中在由答案图像308的标记311B和边界部分310B提供的刺激，或将其注意力转换到与取消图像312关联的边界部分314，如图3B所示。在一个实施例中，BCI装置200可以被配置成基于(1)在用户已经做出选择之后监视用户的脑活动过程中计算的分类器值和(2)在测试之前已经确定的保持-释放分类器值的范围(其在本公开中可以称作“训练分类器值”)之间的比较，生成另一后续的分类器，即保持-释放分类器。
提供示意性示例，BCI装置200可以首先计算将与用户观看目标刺激关联的训练分类器值和与用户观看不相关刺激关联的分类器值分开的两个阈值分类器值。继续此示例，在选择分类器训练过程中，用户可以被指示考虑一组图像(目的刺激)中的一个图像(例如308)作为正确答案。用户还可以被指示集中在取消图像314(取消刺激)。图像相应标记310B的闪现和/或其边界部分311B的闪烁则会认为是目标刺激，而取消图像312的闪现和/或边界314的闪烁会被认为是取消刺激。
在训练过程中，用户响应于目标刺激和取消刺激的脑活动可以用来根据任何适当的分类方法计算分类器的权重，比方说例如最小二乘回归分析。将这些权重应用到个人的脑活动数据信号会产分类器值。作为选择分类器训练过程的结果，一个范围的分类器值会被识别为与目标刺激关联，而另一范围的分类器值会与非相关刺激关联。
在一个实施例中，在这些范围边界上的阈值可以用作新分类器值(例如来自后续暴露于目标或取消刺激)是否应当被认为是用户暴露于目标刺激、取消刺激或保持未知的结果的指示。在各个实施例中，确定未知响应还可以借助附加规则分析，这将在下文进一步讨论，以确定新分类器值是否应当被认为是响应于用户暴露于目标刺激或取消刺激。
进一步详细叙述此示例性规则，BCI装置200可以基于后续计算的分类器值和目标分类器值的相应范围之间的比较，通过使用暴露于刺激的用户的脑活动数据信号计算的分类器值识别各种刺激。
而且，根据实施例，BCI装置200可以使用最大的分类器值来识别用户的目标刺激选择。但由于参照图3B的保持-释放决定只与两个可能的选择有关，所以只需要用于脑活动的分类器值范围响应于与图像308和取消图像312关联的答案刺激。即，如果选择分类器训练过程产生计算：对用户的目标刺激选择与表示为C1-C10的值对应的分类器值范围和对用户的取消刺激选择表示为C20-C30的分类器值范围，则规则可以设置一个或多个阈值分类器值以分隔范围(C1-C10)和(C20-C30)。
使用此规则，当用户的脑活动数据信号的分类产生等于或大于阈值分类器值的分类器值时(例如C15)，用户保持图3B的所选答案图像308的意图会被BCI装置200确定，使得在一个或多个阈值之上或之下的分类器值与用户或者继续集中在目标刺激或者转换到取消刺激关联。在各个实施例中，任何适当的阈值分类器值可以被使用，诸如在C1-C10下端的阈值分类器，在C20-C30上端的分类器阈值，零及其它。
另一规则示例可以包括将在第三步骤中从用户的脑活动数据信号计算的分类器值与预定的分类器值比较。例如，如果在第三步骤中与图像308关联的分类器值是负值(假设由训练过程分类器值确定0为基准，在基准之下，分类器值与取消刺激关联)，则BCI装置200可以确定用户已经决定选择取消图像312而不是答案图像308。换言之，在此规则示例中，负分类器值指示与用户保持所选答案图像308的意图负相关，因此，保持状态被切换到取消图像312。
在执行此规则时，BCI装置200可以确定例如如果满足一个或多个条件，则基于被满足的这些条件的任何适当组合识别用户的决定(即适当的保持状态)。例如，BCI装置200可以执行三部分规则。三部分规则的示例可包括BCI装置200首先确定两个分类器值中的哪个比另一个大。使用典型的分类器系统，较高的分类器值通常与相比另一状态(例如取消图像312)用户决定保持一种状态(例如所选图像308)的较高相关度关联。其次，BCI装置200然后可以确定第一和第二分类器值是否都是正的，这可能指示用户想选择状态中任一个的更好的相关性。第三，BCI装置200可以确定第一和第二分类器值是否都小于阈值，比方说例如之前关于第一规则讨论的阈值。如果在示例性第三规则中，所有三个规则条件都满足，则BCI装置200可以识别与较高分类器值关联的状态作为保持状态。
而且，尽管已经根据映射到各个控制状态的单个保持和单个释放状态描述了保持和释放过程，但各个实施例包括各个保持和/或释放状态的任何适当组合。例如，用户可能暴露于与相应的保持状态和单个释放状态关联的任何数目的刺激，所述单个释放状态会停止与当前选择的保持状态关联的活动。例如在希望给用户提供访问多个保持状态以可以用来提供形成单个受控装置的一部分的更加复杂类型的控制时，诸如转动、提高速度、降低速度等时，这些实施例可能是特别有用的。
尽管已经参照用户选择测试问题的答案解释了保持-释放思想的细节，但实施例包括BCI装置200执行作为利用状态变化的任何适当系统的一部分的保持-释放功能。即，可以用用户希望保持的任何状态识别为保持状态，而释放状态可以与由用户期望停止保持状态产生的任何状态关联。
提供另一示例，保持和释放状态可以施加到机动轮椅或任何其它适当类型的机动辅助装置的运动控制。在此实施例中，保持状态可以与前向运动或转动关联，而释放状态可以与运动或转动的停止关联。此外，实施例包括针对具体应用转换其关联的映射控制行为的保持和释放状态。如之前讨论的，在此实施例中，保持和释放状态的识别的检测和转换可能是特别有用的。即，用户可能想在向前移动、停止以及然后再次向前移动之间快速转换。在此示例中，实施例包括一开始被识别为运动状态的保持状态和一开始被识别为停止状态的释放状态。一旦用户决定停止运动，则保持状态会被识别为停止状态，释放状态识别为运动状态。在一个实施例中，这些状态会连续地转换，以允许用户希望的决定被快速和准确地解释。
在又一示例中，保持和释放状态可以施加到任何适当类型的拼写者，以用来提供或补充有障碍用户的语言。在此实施例中，任何适当数目的保持和释放状态可以与BCI拼写者的任何适当数目的位置、行、列等关联。通过将用户选择一个或多个位置的意图解释为保持状态，并提供取消图像以在错误选择情况下释放选择，将连续关注某位置解释为保持和确认，保持和释放系统可以在BCI拼写者的背景下实现。
图4图解说明根据本公开的示例性实施例的示例性测试答案选择方法400。在本实施例中，方法400可以通过任何适当的计算装置(例如分别如图1和图2所示的BCI装置104或BCI装置200)实现。在一方面，方法400可以由一个或多个算法、指令、程序、应用、代码等执行，比方说例如如图2所示，CPU 202的任何适当部分执行存储器208中存储的一个或多个模块中的指令。
方法400可以在一个或多个处理器显示与认知评估测试的多项选择答案对应的图像时开始(块402)。在一个实施例中，这可以包括例如根据标准化测试格式诸如用来测量用户的认知能力的标准化认知评估测试显示图像(块402)。在一个实施例中，图像例如可以通过BCI装置的一个或多个GPU，比方说例如图2所示的GPU 204生成。图像可以包括例如与图3A所示的图像对应的图像，这些图像通过CPU 202和/或GPU 204从存储器208的一个或多个部分检索，这可包括例如从BCI处理和测试模块214检索一个或多个保存的文件(块402)。
方法400可以包括在施行认知评估测试过程中一个或多个处理器接收基于用户的脑活动的EEG信号(块404)。EEG信号可以通过例如被配置成测量用户的脑活动的任何适当的脑活动监视系统，比方说例如图1所示的脑活动监视系统103来生成(块404)。
方法400可以包括一个或多个处理器确定用户是否想从多项选择答案中决定答案(块406)。在一个实施例中，此确定可以通过例如BCI装置的一个或多个CPU，比方说例如图2所示的CPU 202做出(块406)。例如，此确定可以在一个或多个处理器显示定时器以通知用户在时间用完之前决定答案时进行，定时器比方说例如图3A所示的定时器313(块406)。提供另一示例，此确定可以通过对进行测试时用户的EEG信号执行的异步BCI过程来做出(块406)。
如果一个或多个处理器确定用户准备好决定答案，则方法400前进到确定用户的答案(块408)。否则，方法400继续等待用户准备好决定显示的答案图像(块406)。在一个实施例中，用户是否准备好决定答案的确定对应于三步骤答案选择和验证过程中的第一步(块406)。
方法400可以包括一个或多个处理器从多项选择答案中确定用户的选择(块408)。在一个实施例中，用户选择的确定是三步骤答案选择和验证过程中的第二步的一部分(块408)。在各个实施例中，此确定可以包括例如响应于给用户呈现根据SSVEP BCI和/或P300BCI过程显示的图像(块402)，监视用户的脑活动数据信号(例如EEG信号)(块408)。
方法400可以包括一个或多个处理器确定用户的答案(块408)是否改变(块410)。这可以包括例如一个或多个处理器在确定用户所选答案(块408)之后继续从用户接收EEG信号以验证用户的脑活动是否指示与用户之前选择的答案匹配(块410)。在一个实施例中，用户答案的验证(块408)是三步骤答案选择和验证过程中第三步的一部分(块410)。
在本实施例中，方法400可以包括通过一个或多个处理器修改显示图像(块402)以在呈现如图3B所示的取消图像时不再着重显示其它答案选择(块410)来验证用户的答案(块408)。这还可以包括例如一个或多个处理器处理用户的脑活动以确定用户所选答案是否对应于当前的保持状态或通过识别与用户注意取消图像关联的释放状态，确定用户的脑活动是否指示用户取消所选答案的意图(块410)。如果用户所选答案被验证和/或没有检测到释放状态，则方法400继续记录用户所选答案(块410)。否则，方法400返回到显示在用户做出选择之前呈现给用户的初始图像(块402)。
方法400可以包括一个或多个处理器记录用户的答案(块412)。在一个实施例中，这可以包括例如一个或多个处理器比方说例如图2所示的CPU 202在存储器中比方说例如在存储器208中存储(块412)用户的验证所选答案(块410)。
方法400可以包括一个或多个处理器前进到下一测试问题(块414)。在一个实施例中，这可以包括例如一个或多个处理器比方说例如图2所示的CPU 202从例如存储器208的测试和处理模块214检索下一测试问题(块414)。如果最后一个测试问题被记录，则方法400可以包括一个或多个处理器格式化和/或在存储器比方说例如图2所示的存储器208中存储整个用户答案资料(块414)。一旦在块412提出下一测试问题，则方法400可以包括向用户显示下一测试问题(块402)。
图5图解说明根据本公开的示例性实施例的示例性保持-释放状态确定方法500。在本实施例中，方法500可以由任何适当的计算装置(例如分别如图1和图2所示的BCI装置104或BCI装置200)执行。在一方面，方法500可以由一个或多个算法、指令、程序、应用、代码等执行，诸如CPU 202的任何适当部分执行例如图2中所示的存储器208中存储的一个或多个模块中的指令。在一个实施例中，方法500是三步骤过程中第三个验证步骤的实现，例如之前关于图3B讨论的。
方法500可以在一个或多个处理器基于用户的EEG信号计算分类器值的第一和第二范围时开始(块502)。在一个实施例中，分类器值的第一和第二范围可以基于用户分别暴露于目标刺激和取消刺激来计算(块502)。
例如，分类器值的第一和第二范围可以计算为训练会话中的训练分类器值，在训练会话中，用户暴露于可能与BCI的各个应用关联的各种刺激，诸如认知测试的施行、拼写者、机动轮椅的控制等(块502)。例如，在一个实施例中，第一和第二刺激可包括用户暴露于与所选测试答案图像和取消图像关联的刺激，诸如如图3B分别所示的闪烁边界310A-D和/或边界314。
方法500可以包括一个或多个处理器计算第一和第二训练分类器阈值(块504)。在一个实施例中，第一和第二训练分类器阈值可以基于分类器值的第一和第二范围计算，使得第一和第二训练分类器阈值将分类器值的第一和第二范围相互分开(块504)。
方法500可以包括一个或多个处理器对用户随后暴露于目标或取消刺激时接收的EEG信号分类(块506)。此分类可以包括例如基于第一和第二训练分类器阈值将信号分类为在分类器值的第一或第二范围内(块506)。
方法500可以包括一个或多个处理器基于将随后接收的EEG信号分类为分类器值的第一或第二范围中的一个，确定用户是已经暴露于目标刺激还是已经暴露于取消刺激(块508)。这可以包括例如将分类的EEG信号进行比较，这对应于确定分类的EEG信号落入分类器值的第一或第二范围中的哪一个。
方法500可以包括一个或多个处理器基于在确定(块508)用户是已经随后暴露于目标刺激还是已经随后暴露于取消刺激之后接收的EEG信号，计算保持-释放分类器值(块510)。此计算可以包括例如使用如之前关于图3B讨论的任何适当的技术将用户的脑活动(例如EEG信号)分类以生成保持-释放分类器值(块510)。
方法500可以包括一个或多个处理器基于保持-释放分类器值和第一和第二训练分类器阈值之间的比较识别用户是已经决定保持与目标刺激关联的动作还是通过转换到取消刺激来释放动作(块512和514)。
即，方法500可以包括一个或多个处理器将计算的保持-释放分类器值(块510)与计算的第一和第二训练分类器阈值(块504)进行比较，以确定用户是否已经决定保持与目标刺激关联的动作(块512)。在各个实施例中，方法500可以包括使用例如之前关于图3B讨论的三个规则的任何适当组合识别保持和释放状态，以确立是否应当保持(继续)或释放(取消)所选的测试答案图像(或任何其它适当的刺激，其可以借助识别保持和释放状态实现)(块512)。
例如，当计算的保持-释放分类器值(块510)大于第一训练分类器阈值(块504)时，可以确定用户已经决定保持与原始目标刺激关联的动作(块512)。
提供另一示例，当计算的保持-释放分类器值(块510)小于第二训练分类器阈值(块504)时，可以确定用户已经决定不保持与目标刺激关联的动作(块512)。
如果确定用户已经决定保持与目标刺激关联的动作(块512)，则方法500返回到继续接收EEG信号并计算保持-释放分类器(块510)。如果确定用户已经决定不保持与目标刺激关联的动作(块512)，则方法500继续(块514)。
在各个实施例中，一旦做出用户已经决定保持与原始目标刺激关联的动作的确定，则方法500可以包括基于最近的脑活动监视生成附加的保持-释放分类器值(块510)，然后将新的保持-释放分类器值与之前生成的保持-释放分类器和/或与第一和/或第二分类器阈值比较(块512)。在各个实施例中，超过一个保持-释放分类器值的比较可以使用例如之前关于图3B讨论的任何适当数目的规则来实现。
各个实施例包括重复计算保持释放分类器值的动作(块510)并确定用户是否已经决定保持与目标刺激关联的动作(块512)。以此方式，方法500可以促进连续确定是维持保持状态还是转换到释放状态(块510和512)。
方法500可以包括一个或多个处理器识别从之前的目标刺激到释放刺激的转换以释放由保持状态代表的动作(块514)。这可以包括例如确定用户将她的精力从与保持呈现的测试答案图像(例如保持注意力在图像308上)关联的一个特定刺激(例如闪烁和/或闪现)变成与识别的保持状态的释放关联的另一刺激(例如将注意力转换到取消图像312)。
一旦从之前的目标刺激转换到释放刺激(块514)，则方法500可以返回到计算保持释放分类器值(块510)。但在进行此计算时，实施例包括保持状态转换到取消刺激的关联，反之亦然。
提供示意性示例，用户可能一开始暴露于目标刺激(例如给用户呈现测试答案图像)，此持续的暴露可能与保持状态关联。方法500可以确定(块512)用户想通过将其暴露于目标刺激转换到取消刺激(取消图像)来取消测试问题(块514)。一旦出现这种情况，返回到计算随后的保持-释放分类器值(块510)，产生将原始目标刺激(测试问题图像)转换到取消刺激(释放状态)的关联。此返回还产生使原始取消刺激(取消图像)转换到目标刺激(保持状态)的关联。
结果，释放状态随后被处理为新的保持状态，反之亦然。如果返回之后(块514到块510)，用户将其集中力转换回测试问题，则计算的保持-释放分类器值(块510)会被使用，做出用户还没有决定保持与取消图像关联的动作的确定(块512)。此过程可以重复，转换保持和释放状态任何适当次数，直到一个或多个条件满足(结束)，这在下文进一步讨论。
在一些实施例中，此返回过程重复的次数(块510、512和514)可以被限制。例如，此返回过程可以通过在预定的时间段、在阈值最大循环数等监视用户的脑活动来重复，在这种情况下，方法500可以结束。这些实施例可能在需要在相对短的时间段内(比方说例如在测试环境中)确定用户是否已经决定保持与原始目标刺激关联的动作时是特别有用的。以此方式，方法500允许脑活动被监视几次迭代，以确定是否维持保持状态，从而提供对用户决定的准确确定。
在其它实施例中，方法500可以连续地重复返回过程(块510、512和514)，没有必要结束。这些实施例可能在执行用于控制系统的BCI时是特别有用的。例如，如果BCI实现为机动轮椅的一部分，则它可能对将保持状态与向前移动轮椅关联是优选的，连续地监视用户的脑活动直到检测到释放状态(或安全停止)。
通过阅读本公开，本领域技术人员会认识到通过本文中公开的原理，为了使用BCI和/或其它适当的控制接口还有附加的替代性结构和功能设计。例如，尽管通过本公开提供了关于认知测试和轮椅控制实现的几个实施例，但各个实施例可以包括利用状态变化的任何适当类型的应用。提供特定示例，游戏应用可以利用如本文讨论的保持-释放算法实现。游戏应用可以呈现其它适当类型的刺激来代替与特定的游戏应用相关的测试问题和取消图像。如在本公开讨论的保持-释放过程则则可以被应用以确定用户是否准备好从各个呈现的刺激中选择，用户是否想保持选择，用户是否想取消选择将选择转换到另一刺激等。
因此，尽管已经图示和描述了具体的实施例和应用，但要理解公开的实施例不局限于本文中公开的精确构造和组件。在不偏离所附权利要求中限定的精神和范围下，可对本文中公开的方法和设备的布置、操作和细节做出各种修改、变化和变形，这对本领域技术人员是显然的。
以下附加考虑因素适用于前述讨论。在本说明书中，多个实例可以实现描述为单个实例的组件、操作或结构。尽管一个或多个方法的各个操作图示和描述为单独的操作，但个别操作中的一个或多个可以同时执行，不要求以图示的顺序执行这些操作。在示例性配置中作为单独的组件呈现的结构和功能可以实现为组合的结构或组件。类似地，呈现为单个组件的结构和功能可以实现为单独的组件。这些和其它变形、修改、增加和改进都落入本公开的主题的范围内。
另外，在本文中将某些实施例描述为包括逻辑或许多组件或模块。模块可以构成软件模块(例如存储于机器可读介质上的代码)或硬件模块。硬件模块是能够执行某些操作的有形单元，可以按某种方式被配置或布置。在示例性实施例中，一个或多个计算机系统(例如单机、客户端或服务器计算机系统)或计算机系统的一个或多个硬件模块(例如处理器或一组处理器)可以被软件(例如应用或应用部分)配置为操作以执行本文中描述的某些操作的硬件模块。
在一些情况下，硬件模块可以包括被永久性配置(例如作为专用处理器，诸如现场可编程门阵列(FPGA)或专用集成电路(ASIC))成执行某些操作的专用电路或逻辑。硬件模块还可以包括由软件暂时配置以执行某些操作的可编程逻辑或电路(例如包括于通用处理器或其它可编程处理器内)。应认识到决定在专用和永久性配置的电路中或在临时配置(例如由软件配置)的电路中实现硬件模块可以由成本和时间因素来决定。
相应地，术语“硬件”应当理解为包括有形实体，只要该实体是物理构造的，永久性配置的(例如硬连线)或暂时配置的(例如被编程为)以某种方式操作或执行本文中描述的某些操作。考虑硬件模块是临时配置(例如被编程)的实施例，每个硬件模块不需要及时地在任何一个实例中被配置或实例化。例如，当硬件模块包括使用软件配置的通用处理器时，通用处理器可以在不同时间配置为相应的不同硬件模块。软件相应地可以配置处理器，例如以在一个实例化时间构成特定的硬件模块，在不同的实例化时间构成不同的硬件模块。
硬件和软件模块可以向其它硬件和/或软件模块提供信息，以及从其它硬件和/或软件模块接收信息。因此，描述的硬件模块可以被认为是通信耦连的。在多个这种硬件或软件模块同时存在时，通信可以通过连接硬件或软件模块的信号传输(例如通过适当的电路和总线)来实现。在多个硬件模块或软件在不同时间被配置或实例化的实施例中，这些硬件或软件模块之间的通信例如可以通过存储和检索多个硬件或软件模块可以访问的存储器结构中的信息来实现。例如，一个硬件或软件模块可以执行操作，并在其通信连接的存储器装置中存储操作的输出。另外的硬件或软件模块可以在稍后时间访问存储器装置以检索和处理存储的输出。硬件和软件模块还可以发起与输入或输出装置的通信，并且可以对资源进行操作(例如信息的收集)。
本文中描述的示例性方法的各种操作可以至少部分地通过被暂时配置(例如通过软件)或被永久性配置以执行相关操作的一个或多个处理器执行。无论是暂时配置还是永久配置，这种处理器可以构成处理器实现的模块，其操作以执行一个或多个操作或功能。本文中提到的模块在一些示例性实施例中可以包括处理器实现的模块。
类似地，本文中描述的方法或例程可以至少部分地是处理器实现的。例如，方法的各个操作中的至少一些可以通过一个或多个处理器或处理器实现的硬件模块来实现。某些操作的执行可以分布在一个或多个处理器中，不只是驻存在单个机器内，而是分布在许多机器中。在一些示例性实施例中，一个或多个处理器可以位于单个位置(例如在家庭环境、办公室环境内或作为服务器群)，而在其它实施例中，处理器可以分布于许多位置。
一个或多个处理器还可以操作以支持“云计算”环境中的相关操作的执行或作为SaaS。例如，至少一些操作可以通过一组计算机(作为包括处理器的机器的示例)执行，这些操作可通过网络(例如互联网)以及通过一个或多个适当接口(例如应用程序接口(API))访问。
某些操作的执行可以分布在一个或多个处理器中，不只是驻存在单个机器内还可以部署在许多机器上。在一些示例性实施例中，一个或多个处理器或处理器实现的模块可以位于单个地理位置(例如在家庭环境、办公室环境或服务器群内)。在其它示例性实施例中，一个或多个处理器或处理器实现的模块可以分布于许多地理位置。
本说明书的一些部分是根据对以位或二进制数字信号存储于机器存储器(例如计算机存储器)内的数据的操作的算法或符号表示呈现的。这些算法或符号表示是由数据处理领域的技术人员使用的技术的示例，以向本领域技术人员传递其工作实质。本文中使用的“算法”或“例程”是产生期望结果的操作或类似处理的有条理的序列。在此背景下，算法、例程和操作涉及对物理量的物理操作。通常但不一定，这些量可以呈现电、磁或光信号的形式，能够被存储、访问、传输、组合、比较或另外由机器操作。有时，特别是出于常用的原因，使用诸如“数据”、“内容”“位”、“值”、“元件”、“符号”、“字符”、“术语”、“数目”、“数字”或其它的词语描述这些信号是方便的。不过，这些词语只是方便的标记，不与适当的物理量关联。
除非明确指示为相反，否则使用诸如“处理”、“估算”、“计算”、“确定”、“呈现”、“显示”等的词语的讨论可以指对一个或多个存储器(例如易失性存储器、非易失性存储器或其组合)，寄存器或接收、存储、传输或显示信息的其它机器组件内的表示为物理(例如电子、磁或光)量的数据的操作或转换的机器(例如计算机)的动作或处理。
如本文中使用的，在任何地方提到“一个实施例”或“实施例”表示与该实施例关联描述的具体元件、特点、结构或特征包括于至少一个实施例中。在说明书的各个地方出现词语“在一个实施例中”不一定全部指相同的实施例。
一些实施例可以使用表述“耦连”和“连接”以及其派生词描述。例如，一些实施例可以使用术语“耦连”描述，以指示两个或更多个元件为直接物理或电接触。不过，词语“耦连”还可以表示两个或更多个元件相互不直接接触，而是共同操作或相互交互。实施例不限于此背景。
本文中使用的术语“包括”、“包括…的”、“包含”、“包含…的”、“具有”、“具有…的”或其任何其它变形旨在覆盖非排他性的包括。例如，包括元素列表的过程、方法、物品或设备不一定局限于只有这些元素，而是可以包括未明确列出的或对这些过程、方法、物品或设备固有的其它元素。而且，除非明确指示为相反，否则“或”指包括性的或而不是排他性的或。例如，以下当中的任何一个满足条件A或B：A为真(或存在)，并且B为假(或不存在)；A为假(或不存在)以及B为真(或存在)；以及A和B均为真(或存在)。
此外，使用英语不定冠词“一个”用来描述本文中的实施例的元件和组件。这只是为了方便绘出描述的通常含义。此描述应当理解为包括一个或至少一个，单数还包括复数，除非显然含义为其它。
此详细描述应解读为只是示例，不描述每一个可能的实施例，原因是如果有可能的话，描述每个可能的实施例是不实际的。人们可以使用当前的技术或在此申请的申请日后开发的技术来实现各个替代性实施例。
任何特定实施例的具体特点、结构或特征可以以任何适当方式组合，与一个或多个其它实施例进行任何适当结合，包括使用所选特点而不相应使用其它特点。此外，对于本发明的基本范围和精神，可以进行许多修改以适应具体应用、情况或材料。要理解，根据本文中的教导对本文中描述和图示的本发明实施例的其它变形和修改是可能的，应认为这是本发明的精神和范围的一部分。通过示例而不是限制，本公开考虑了至少以下方面：
1、一种用于确定认知评估测试的答案的计算机实现的方法，包括：
通过一个或多个处理器显示与所述认知评估测试的多项选择答案对应的图像；
通过一个或多个处理器接收基于在施行所述认知评估测试过程中用户的脑活动的脑电图(EEG)信号；
通过一个或多个处理器基于所述EEG信号确定用户是否想从所述多项选择答案中决定答案；
通过一个或多个处理器在确定用户想决定答案之后基于所述EEG信号，从所述多项选择答案中确定用户的答案；以及
通过一个或多个处理器基于在用户的答案已经确定之后接收的EEG信号，验证用户的答案。
2、根据权利要求1所述的计算机实现的方法，其中，接收EEG信号，确定用户是否想决定答案，确定用户的答案以及验证用户的答案的这些动作是在没有用户提供的运动或口头反馈下执行的。
3、根据权利要求1或权利要求2所述的计算机实现的方法，其中，确定用户的答案的动作包括：
基于响应于用户注意与多项选择答案对应的若干图像中的图像而接收的EEG信号，确定用户的答案；以及
其中，验证用户的答案的动作包括：
在已经确定用户的答案之后，基于响应于用户继续注意所述图像接收的EEG信号，验证用户的答案。
4、根据权利要求1-3中任一项所述的计算机实现的方法，其中，确定用户是否想决定答案的动作包括：
当显示定时器，指示用户决定答案的时间段时，确定用户想决定答案。
5、根据权利要求1-4中任一项所述的计算机实现的方法，还包括：
一旦已经确定用户的答案，通过保持确定答案的图像同时不再着重显示与剩余答案对应的图像，修改与所述多项选择答案对应的图像；以及
生成取消图像，所述取消图像指示允许用户在用户注意所述取消图像时取消确定的答案的选项；以及
其中，验证用户的答案的动作包括：
通过基于接收的EEG信号确定用户是注意所选答案的图像还是取消图像，验证用户的答案。
6、根据权利要求1-5中任一项所述的计算机实现的方法，其中，所述认知评估测试是具有多个测试问题的标准化测试，所述多个测试问题的答案提供测试答案资料，并且所述方法还包括：
重复以下动作：显示图像，接收EEG信号，确定用户是否想决定答案，确定用户的答案，以及验证用户对多个测试问题中每个的答案以提供用户答案资料；以及
根据测试答案资料格式化用户答案资料，以促进标准化测试的评级。
7、一种存储机器可读指令以确定认知评估测试的答案的非暂态有形计算机可读介质，所述指令由处理器执行时，引起处理器：
显示与所述认知评估测试的多项选择答案对应的图像；
接收基于在施行所述认知评估测试过程中用户的脑活动的脑电图(EEG)信号；
基于所述EEG信号，确定用户是否想从所述多项选择答案中决定答案；
在确定用户想决定答案之后，基于所述EEG信号，从所述多项选择答案中确定用户的答案；以及
基于在用户的答案已经确定之后接收的EEG信号，验证用户的答案。
8、根据权利要求7所述的非暂态有形计算机可读介质，其中，接收EEG信号、确定用户是否想决定答案，确定用户的答案以及验证用户的答案的指令是由处理器在没有用户提供的运动或口头反馈下执行的。
9、根据权利要求7或权利要求8所述的非暂态有形计算机可读介质，其中，确定用户的答案的指令还包括这样的指令，这些指令在由处理器执行时引起处理器：
基于响应于用户注意与多项选择答案对应的若干图像中的图像而接收的EEG信号，确定用户的答案；以及
其中，验证用户的答案的指令包括以下指令：
基于在已经确定用户的答案之后，响应于用户继续注意所述图像接收的EEG信号，验证用户的答案。
10、根据权利要求7-9中任一项所述的非暂态有形计算机可读介质，其中，确定用户是否想决定答案的指令还包括这样的指令，这些指令在由处理器执行时，引起处理器：
当显示定时器，指示用户决定答案的时间段时，确定用户想决定答案。
11、根据权利要求7-10中任一项所述的非暂态有形计算机可读介质，还包括这样的指令，这些指令在由处理器执行时引起处理器：
一旦已经确定用户的答案，通过保持确定答案的图像同时不再着重显示与剩余答案对应的图像，修改与所述多项选择答案对应的图像；以及
生成取消图像，所述取消图像指示允许用户在用户注意所述取消图像时取消确定的答案的选项；以及
其中，验证用户的答案的指令包括以下指令：
通过基于接收的EEG信号确定用户是注意所选答案的图像还是取消图像，验证用户的答案。
12、根据权利要求7-11中任一项所述的非暂态有形计算机可读介质：其中，所述认知评估测试是具有多个测试问题的标准化测试，所述多个测试问题的答案提供测试答案资料，所述方法还包括这样的指令，这些指令在由处理器执行时引起处理器：
重复以下指令的执行：显示图像，接收EEG信号，确定用户是否想决定答案，确定用户的答案，以及验证用户对多个测试问题中每个的答案以提供用户答案资料；以及
根据测试答案资料格式化用户答案资料，以促进标准化测试的评级。
13、一种在脑机接口(BCI)计算机中实现的方法，包括：
通过一个或多个处理器基于用户在分别暴露于目标刺激和取消刺激时用户的脑电图(EEG)信号，计算分类器值的第一和第二范围；
通过一个或多个处理器计算第一和第二训练分类器阈值，以将所述分类器值的第一和第二范围相互分开；
通过一个或多个处理器基于所述第一和第二训练分类器阈值，将用户随后暴露于所述目标刺激或所述取消刺激时接收的EEG信号分类为在所述分类器值的第一或第二范围内；
通过一个或多个处理器基于将随后接收的EEG信号分类为分类器值的第一或第二范围中的一个，确定用户是已经暴露于所述目标刺激还是已经暴露于所述取消刺激；
通过一个或多个处理器基于在确定用户是已经随后暴露于所述目标刺激还是已经随后暴露于所述取消刺激之后接收的EEG信号，计算保持-释放分类器值；以及
通过一个或多个处理器基于所述保持-释放分类器值和所述第一和第二训练分类器阈值之间的比较，识别用户是已经决定保持与所述目标刺激关联的动作还是已经决定通过转换到所述取消刺激而释放动作。
14、根据权利要求13所述的方法，还包括：
通过一个或多个处理器在确定用户已经决定保持与所述目标刺激关联的动作时，执行一个或多个动作；以及
通过一个或多个处理器在确定用户已经决定通过转换到所述取消刺激而释放动作时，停止一个或多个动作的执行。
15、根据权利要求13-14中任一项所述的方法，其中，识别用户是否决定保持动作的动作包括：
当所述保持-释放分类器值大于所述第一训练分类器阈值时，识别用户决定保持与所述目标刺激关联的动作。
16、根据权利要求13-15中任一项所述的方法，其中，识别用户是否决定释放动作的动作包括：
当所述保持-释放分类器值小于所述第二训练分类器阈值时，识别用户决定释放与所述目标刺激关联的动作。
17、根据权利要求13-16中任一项所述的方法，还包括：
基于在确定用户已经决定保持与所述目标刺激关联的动作之后接收的EEG信号，生成附加的保持-释放分类器值；以及
在以下情况时，确定用户已经决定保持与所述目标刺激关联的动作：
所述保持-释放分类器值大于所述附加的保持-释放分类器值；
所述保持-释放分类器值和所述附加的保持-释放分类器值都是正的；以及
所述保持-释放分类器值和所述附加的保持-释放分类器值都小于所述第一训练分类器阈值。
18、一种存储机器可读指令以确定认知评估测试的答案的非暂态有形计算机可读介质，所述指令由处理器执行时，引起处理器：
基于在用户分别暴露于目标刺激和取消刺激时用户的脑电图(EEG)信号，计算分类器值的第一和第二范围；
计算第一和第二训练分类器阈值，以将所述分类器值的第一和第二范围相互分开；
基于所述第一和第二训练分类器阈值，将用户随后暴露于所述目标刺激或所述取消刺激时接收的EEG信号分类为在所述分类器值的第一或第二范围内；
基于将随后接收的EEG信号分类为所述分类器值的第一或第二范围中的一个，确定用户是已经暴露于所述目标刺激还是已经暴露于所述取消刺激；
基于在确定用户是已经随后暴露于所述目标刺激还是已经随后暴露于所述取消刺激之后接收的EEG信号，计算保持-释放分类器值；以及
基于所述保持-释放分类器值与所述第一和第二训练分类器阈值之间的比较，识别用户是已经决定保持与所述目标刺激关联的动作还是已经决定通过转换到所述取消刺激而释放动作。
19、根据权利要求18所述的非暂态有形计算机可读介质，还包括这样的指令，这些指令在由处理器执行时引起处理器：
当确定用户已经决定保持与所述目标刺激关联的动作时，执行一个或多个动作；以及
当确定用户已经决定通过转换到所述取消刺激而释放动作时，停止一个或多个动作的执行。
20、根据权利要求18-19中任一项所述的非暂态有形计算机可读介质，其中，识别用户是否决定保持所选动作的指令还包括这样的指令，这些指令在由处理器执行时引起处理器：
当所述保持-释放分类器值大于所述第一训练分类器阈值时，识别用户决定保持与所述目标刺激关联的动作。
21、根据权利要求18-20中任一项所述的非暂态有形计算机可读介质，其中，识别用户是否决定释放所选动作的指令还包括这样的指令，这些指令在由处理器执行时引起处理器：
当所述保持-释放分类器值小于所述第二训练分类器阈值时，识别用户决定释放与所述目标刺激关联的动作。
22、根据权利要求18-21中任一项所述的非暂态有形计算机可读介质，还包括这样的指令，这些指令在由处理器执行时引起处理器：
基于在确定用户已经决定保持与所述目标刺激关联的动作时接收的EEG信号，生成附加的保持-释放分类器值；以及
在以下情况下，确定用户已经决定保持与所述目标刺激关联的动作：
所述保持-释放分类器值大于所述附加的保持-释放分类器值；
所述保持-释放分类器值和所述附加的保持-释放分类器值都是正的；以及
所述保持-释放分类器值和所述附加的保持-释放分类器值都小于所述第一训练分类器阈值。

Claims (8)

1.一种用于确定认知评估测试的答案的计算机实现的方法，包括：
通过一个或多个处理器显示与所述认知评估测试的多项选择答案对应的图像；
通过一个或多个处理器接收基于在施行所述认知评估测试过程中用户的脑活动的脑电波EEG信号；
通过一个或多个处理器基于所述EEG信号确定用户是否想从所述多项选择答案中决定答案；
响应于确定用户想决定答案，在接受用户所想的答案之前等待直到预定的时间段到期；
通过一个或多个处理器，通过基于所述EEG信号确定用户在注意答案的图像来从所述多项选择答案中确定用户的答案；
在用户确定要注意答案的图像的同时，呈现取消图像，所述取消图像指示允许用户在用户注意所述取消图像时取消确定的答案的选项；以及
通过一个或多个处理器基于在用户的答案已经确定之后接收的EEG信号，验证用户的答案，其中，验证用户的答案的动作包括：基于所接收的EEG信号，确定用户是否在所述取消图像被呈现的同时继续注意所选答案的图像。
2.根据权利要求1所述的计算机实现的方法，其中，接收EEG信号，确定用户是否想决定答案，确定用户的答案以及验证用户的答案的这些动作是在没有用户提供的运动或口头反馈下执行的。
3.根据权利要求1或权利要求2所述的计算机实现的方法，其中，确定用户是否想决定答案的动作包括：
当显示定时器指示用户决定答案的时间段时，确定用户想决定答案。
4.根据权利要求1或权利要求2所述的计算机实现的方法，其中，所述认知评估测试是具有多个测试问题的标准化测试，所述多个测试问题的答案提供测试答案资料，并且所述方法还包括：
重复以下动作：显示图像，接收EEG信号，确定用户是否想决定答案，确定用户的答案，以及验证用户对多个测试问题中每个的答案以提供用户答案资料；以及
根据测试答案资料格式化用户答案资料，以促进标准化测试的评级。
5.一种存储机器可读指令以确定认知评估测试的答案的非暂态有形计算机可读介质，所述指令由处理器执行时，引起处理器：
显示与所述认知评估测试的多项选择答案对应的图像；
接收基于在施行所述认知评估测试过程中用户的脑活动的脑电波EEG信号；
基于所述EEG信号，确定用户是否想从所述多项选择答案中决定答案；
响应于确定用户想决定答案，在确定用户的答案之前等待直到预定的时间段到期；
通过基于所述EEG信号确定用户在注意答案的图像来从所述多项选择答案中确定用户的答案；以及
在用户确定要注意答案的图像的同时，呈现取消图像，所述取消图像指示允许用户在用户注意所述取消图像时取消确定的答案的选项；以及
基于在用户的答案已经确定之后接收的EEG信号，验证用户的答案，其中，验证用户的答案的指令包括基于所接收的EEG信号，确定用户是否在所述取消图像被呈现的同时继续注意所选答案的图像的指令。
6.根据权利要求5所述的非暂态有形计算机可读介质，其中，接收EEG信号、确定用户是否想决定答案，确定用户的答案以及验证用户的答案的指令是由处理器在没有用户提供的运动或口头反馈下执行的。
7.根据权利要求5或权利要求6所述的非暂态有形计算机可读介质，其中，确定用户是否想决定答案的指令还包括这样的指令，这些指令在由处理器执行时，引起处理器：
当显示定时器指示用户决定答案的时间段时，确定用户想决定答案。
8.根据权利要求5或权利要求6所述的非暂态有形计算机可读介质：其中，所述认知评估测试是具有多个测试问题的标准化测试，所述多个测试问题的答案提供测试答案资料，所述非暂态有形计算机可读介质还包括这样的指令，这些指令在由处理器执行时，引起处理器：
重复以下指令的执行：显示图像，接收EEG信号，确定用户是否想决定答案，确定用户的答案，以及验证用户对多个测试问题中每个的答案以提供用户答案资料；以及
根据测试答案资料格式化所述用户答案资料，以促进标准化测试的评级。
CN202211453539.3A 2014-05-30 2015-05-22 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口 Pending CN116594495A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201462005243P 2014-05-30 2014-05-30
US62/005,243 2014-05-30
CN201580024738.4A CN106462796A (zh) 2014-05-30 2015-05-22 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口
PCT/US2015/032192 WO2015183737A1 (en) 2014-05-30 2015-05-22 Brain-computer interface for facilitating direct selection of multiple-choice answers and the identification of state changes

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201580024738.4A Division CN106462796A (zh) 2014-05-30 2015-05-22 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口

Publications (1)

Publication Number Publication Date
CN116594495A true CN116594495A (zh) 2023-08-15

Family

ID=54699618

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201580024738.4A Pending CN106462796A (zh) 2014-05-30 2015-05-22 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口
CN202211453539.3A Pending CN116594495A (zh) 2014-05-30 2015-05-22 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201580024738.4A Pending CN106462796A (zh) 2014-05-30 2015-05-22 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口

Country Status (10)

Country Link
US (1) US11266342B2 (zh)
EP (1) EP3149662A4 (zh)
JP (2) JP6641298B2 (zh)
KR (1) KR102405481B1 (zh)
CN (2) CN106462796A (zh)
AU (1) AU2015267333B2 (zh)
CA (1) CA2946604A1 (zh)
MX (1) MX2016015708A (zh)
RU (1) RU2016152296A (zh)
WO (1) WO2015183737A1 (zh)

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160049084A1 (en) * 2014-08-15 2016-02-18 EdLogics, LLC Health information processing network
IL239191A0 (en) * 2015-06-03 2015-11-30 Amir B Geva Image sorting system
ITUB20153680A1 (it) * 2015-09-16 2017-03-16 Liquidweb Srl Sistema di controllo di tecnologie assistive e relativo metodo
US11701046B2 (en) 2016-11-02 2023-07-18 Northeastern University Portable brain and vision diagnostic and therapeutic system
EP3558102A4 (en) 2016-12-21 2020-07-22 Innereye Ltd. SYSTEM AND METHOD FOR REPEATED CLASSIFICATION USING NEUROPHYSIOLOGICAL SIGNALS
US10565243B2 (en) * 2017-02-17 2020-02-18 Sap Se Application-independent transformation and progressive rendering of queries for constrained user input devices and data model enabling same
US10482227B2 (en) 2017-03-28 2019-11-19 International Business Machines Corporation Electroencephalography (EEG) based authentication
CN107277075A (zh) * 2017-08-18 2017-10-20 京东方科技集团股份有限公司 认证装置和认证方法
KR20200101906A (ko) 2017-08-23 2020-08-28 뉴레이블 인크. 고속 눈 추적 피처들을 갖는 뇌-컴퓨터 인터페이스
EP3684463A4 (en) 2017-09-19 2021-06-23 Neuroenhancement Lab, LLC NEURO-ACTIVATION PROCESS AND APPARATUS
JP7101696B2 (ja) * 2017-10-13 2022-07-15 マクセル株式会社 表示装置、脳波インタフェース装置、ヘッドアップディスプレイシステムおよびプロジェクタシステム
JP2021502659A (ja) * 2017-11-13 2021-01-28 ニューラブル インコーポレイテッド 高速、正確及び直観的なユーザ対話のための適合を有する脳−コンピュータインターフェース
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11318277B2 (en) 2017-12-31 2022-05-03 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
CN108319367B (zh) * 2018-01-31 2020-06-09 清华大学 一种基于运动起始诱发电位的脑机接口方法
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
JP7067502B2 (ja) * 2018-08-08 2022-05-16 株式会社Ｊｖｃケンウッド 評価装置、評価方法、及び評価プログラム
CA3112564A1 (en) 2018-09-14 2020-03-19 Neuroenhancement Lab, LLC System and method of improving sleep
US10664050B2 (en) 2018-09-21 2020-05-26 Neurable Inc. Human-computer interface using high-speed and accurate tracking of user interactions
KR101956237B1 (ko) * 2018-10-31 2019-03-08 유근영 잠이 오지 않는 현상에 대응하기 위하여 새로운 잠자는 기능을 형성하기 위한 장치
CN109284009B (zh) * 2018-11-27 2020-05-22 中国医学科学院生物医学工程研究所 一种提高听觉稳态响应脑-机接口性能的系统及方法
US11579750B2 (en) * 2018-12-14 2023-02-14 Perksy, Inc. Methods, systems, and apparatus, for receiving persistent responses to online surveys
USD941829S1 (en) 2018-12-31 2022-01-25 Perksy, Inc. Display screen with graphical user interface
EP3956747A1 (en) 2019-04-19 2022-02-23 Toyota Motor Europe Neural menu navigator and navigation methods
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
CN110680350B (zh) * 2019-10-30 2021-02-02 中国医学科学院生物医学工程研究所 基于脑-机接口的数字符号转换测试系统及其测试方法
KR20210076451A (ko) * 2019-12-16 2021-06-24 현대자동차주식회사 사용자 인터페이스 시스템 및 그의 동작 방법
SE2050318A1 (en) * 2020-03-23 2021-09-24 Croseir Ab A system
CN111631848B (zh) * 2020-05-31 2023-05-05 天津大学 基于脑机混合智能的意念控制假肢系统
CN111752392B (zh) * 2020-07-03 2022-07-08 福州大学 脑机接口中精准视觉刺激控制方法
CN112016603B (zh) * 2020-08-18 2021-04-30 上海松鼠课堂人工智能科技有限公司 基于图神经网络的错因分析方法
CN112932508B (zh) * 2021-01-29 2022-10-14 电子科技大学 一种基于手臂肌电网络的手指活动识别系统
CN114947886B (zh) * 2022-05-09 2023-10-27 中国医学科学院生物医学工程研究所 一种基于异步脑机接口的符号数字转换测试方法及系统
CN116048282B (zh) * 2023-03-06 2023-08-04 中国医学科学院生物医学工程研究所 一种数据处理方法、系统、装置、设备及存储介质
CN115969331A (zh) * 2023-03-21 2023-04-18 中国医学科学院生物医学工程研究所 一种认知语言障碍的评估系统
CN116584957A (zh) * 2023-06-14 2023-08-15 中国医学科学院生物医学工程研究所 混合脑机接口的数据处理方法、装置、设备及存储介质

Family Cites Families (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5339826A (en) 1991-12-09 1994-08-23 Westinghouse Electric Corp. Method for training material evaluation with method of EEG spectral estimation
US5692517A (en) 1993-01-06 1997-12-02 Junker; Andrew Brain-body actuated system
US5325862A (en) 1993-03-26 1994-07-05 The United States Of America As Represented By The Secretary Of The Navy Method and/or system for personal identification and impairment assessment from brain activity patterns
JP2899194B2 (ja) * 1993-06-30 1999-06-02 キヤノン株式会社 意思伝達支援装置及び意思伝達支援方法
JPH1165794A (ja) * 1997-08-25 1999-03-09 Yoshimichi Yonezawa 誘発脳波を用いた入力装置
US6626433B2 (en) * 2000-02-22 2003-09-30 Joseph Scibetta Card game
US20020065851A1 (en) * 2000-06-02 2002-05-30 Watson Emerson C. System and method for creating a website
JP2002236957A (ja) 2001-02-09 2002-08-23 Victor Co Of Japan Ltd 電子投票装置、電子投票システム
WO2002091119A2 (en) 2001-05-04 2002-11-14 University Of Virginia Patent Foundation Method, apparatus, and computer program product for assessment of attentional impairments
JP2003114820A (ja) * 2001-07-31 2003-04-18 Sanyo Electric Co Ltd 電子アルバム装置
JP2003058298A (ja) 2001-08-20 2003-02-28 Fuji Xerox Co Ltd 情報分類装置、情報分類方法、情報分類プログラム及びコンピュータ読み取り可能な記録媒体
US7209788B2 (en) 2001-10-29 2007-04-24 Duke University Closed loop brain machine interface
US7828551B2 (en) * 2001-11-13 2010-11-09 Prometric, Inc. Method and system for computer based testing using customizable templates
US20040076930A1 (en) * 2002-02-22 2004-04-22 Steinberg Linda S. Partal assessment design system for educational testing
US20030195798A1 (en) * 2002-04-11 2003-10-16 John Goci Voter interface for electronic voting system
US20040092809A1 (en) 2002-07-26 2004-05-13 Neurion Inc. Methods for measurement and analysis of brain activity
US20040044295A1 (en) * 2002-08-19 2004-03-04 Orthosoft Inc. Graphical user interface for computer-assisted surgery
US7766743B2 (en) * 2002-08-29 2010-08-03 Douglas Schoellkopf Jebb Methods and apparatus for evaluating a user's affinity for a property
US7347818B2 (en) 2003-02-24 2008-03-25 Neurotrax Corporation Standardized medical cognitive assessment tool
US7546158B2 (en) * 2003-06-05 2009-06-09 The Regents Of The University Of California Communication methods based on brain computer interfaces
US20040249302A1 (en) 2003-06-09 2004-12-09 Cyberkinetics, Inc. Methods and systems for processing of brain signals
US20050085744A1 (en) 2003-10-20 2005-04-21 Stmicroelectronics S.R.I. Man-machine interfaces system and method, for instance applications in the area of rehabilitation
US7120486B2 (en) * 2003-12-12 2006-10-10 Washington University Brain computer interface
WO2005079332A2 (en) 2004-02-13 2005-09-01 Georgia Tech Research Corporation Display enhanced testing for concussions and mild traumatic brain injury
US20050191609A1 (en) * 2004-02-14 2005-09-01 Adaptigroup Llc Method and system for improving performance on standardized examinations
EP1743267A1 (en) * 2004-03-31 2007-01-17 Neptec Design Group Ltd. Medical patient monitoring systems, methods and user interfaces
US20090099623A1 (en) 2004-09-13 2009-04-16 Neuronix Ltd. Systems and methods for treatment of medical conditions related to the central nervous system and for enhancing cognitive functions
CN100478848C (zh) 2004-11-10 2009-04-15 松下电器产业株式会社 误操作检测装置和方法及具有其的机器、和机器评价方法
US7865235B2 (en) 2005-09-12 2011-01-04 Tan Thi Thai Le Method and system for detecting and classifying the mental state of a subject
US7513775B2 (en) 2005-10-05 2009-04-07 Exam Innovations, Inc. Presenting answer options to multiple-choice questions during administration of a computerized test
US20070086773A1 (en) * 2005-10-14 2007-04-19 Fredrik Ramsten Method for creating and operating a user interface
EP1960985A1 (en) * 2005-12-15 2008-08-27 Posit Science Corporation Cognitive training using visual stimuli
CN1927551A (zh) * 2006-09-30 2007-03-14 电子科技大学 一种视导脑声控的残障辅助机器人
US20080218472A1 (en) 2007-03-05 2008-09-11 Emotiv Systems Pty., Ltd. Interface to convert mental states and facial expressions to application input
JP5132182B2 (ja) * 2007-04-25 2013-01-30 キヤノン株式会社 医療用検査システムおよびその処理方法、プログラム、記憶媒体
JP4392465B2 (ja) * 2007-10-29 2010-01-06 パナソニック株式会社 脳波インタフェースシステムのための起動装置、方法およびコンピュータプログラム
US20100298649A1 (en) 2007-11-02 2010-11-25 Siegbert Warkentin System and methods for assessment of the aging brain and its brain disease induced brain dysfunctions by speech analysis
US8265743B2 (en) * 2007-12-27 2012-09-11 Teledyne Scientific & Imaging, Llc Fixation-locked measurement of brain responses to stimuli
US8244475B2 (en) 2007-12-27 2012-08-14 Teledyne Scientific & Imaging, Llc Coupling human neural response with computer pattern analysis for single-event detection of significant brain responses for task-relevant stimuli
US8515550B2 (en) * 2008-07-11 2013-08-20 Medtronic, Inc. Assignment of therapy parameter to multiple posture states
CN101339455B (zh) * 2008-08-07 2010-09-29 北京师范大学 基于人脸识别特异性波n170成分的脑机接口系统
US8933957B2 (en) * 2008-08-18 2015-01-13 The Boeing Company Methods and systems for emphasizing selected aviation chart information
US8155736B2 (en) 2009-03-16 2012-04-10 Neurosky, Inc. EEG control of devices using sensory evoked potentials
CA2697566A1 (en) 2009-03-20 2010-09-20 Jon Erik Ween Cognitive assessment tool and method
EP2442714A1 (en) * 2009-06-15 2012-04-25 Brain Computer Interface LLC A brain-computer interface test battery for the physiological assessment of nervous system health
MX2012000293A (es) 2009-07-21 2012-02-08 Toray Industries Sistema de produccion de agua.
AU2009251137B2 (en) * 2009-12-23 2013-04-11 Canon Kabushiki Kaisha Method for Arranging Images in electronic documents on small devices
KR20110072730A (ko) 2009-12-23 2011-06-29 한국과학기술원 적응형 뇌-컴퓨터 인터페이스 장치
JP4856791B2 (ja) * 2010-02-25 2012-01-18 パナソニック株式会社 脳波インタフェースシステム、脳波インタフェース提供装置、脳波インタフェースの実行方法、および、プログラム
US9361130B2 (en) * 2010-05-03 2016-06-07 Apple Inc. Systems, methods, and computer program products providing an integrated user interface for reading content
WO2011140303A1 (en) 2010-05-05 2011-11-10 University Of Maryland, College Park Time domain-based methods for noninvasive brain-machine interfaces
US20110301486A1 (en) 2010-06-03 2011-12-08 Cordial Medical Europe Measurement of auditory evoked responses
EP2598972A1 (en) 2010-07-30 2013-06-05 Katholieke Universiteit Leuven Brain-computer interfaces and use thereof
US20120034583A1 (en) * 2010-08-04 2012-02-09 Vetprep.Com, Inc. Veterinary exam preparation on mobile devices
KR101023249B1 (ko) * 2010-08-13 2011-03-21 동국대학교 산학협력단 뇌파를 이용한 인지 훈련 응용 프로그램 생성 장치, 방법 및 그 기록 매체
US10043351B2 (en) * 2010-08-23 2018-08-07 Ncr Corporation Self-service terminal
JP5544620B2 (ja) 2010-09-01 2014-07-09 独立行政法人産業技術総合研究所 意思伝達支援装置及び方法
ES2831648T3 (es) 2010-11-24 2021-06-09 Digital Artefacts Llc Sistemas y métodos para evaluar la función cognitiva
CN102098639B (zh) 2010-12-28 2013-09-11 中国人民解放军第三军医大学野战外科研究所 脑机接口短消息发送控制装置及发送控制方法
JP5816917B2 (ja) 2011-05-13 2015-11-18 本田技研工業株式会社 脳活動計測装置、脳活動計測方法、及び脳活動推定装置
JP5711056B2 (ja) 2011-06-21 2015-04-30 アイシン精機株式会社 脳波インターフェースシステム
AU2012284246B2 (en) 2011-07-16 2017-02-23 David M. Devilbiss Systems and methods for the physiological assessment of brain health and the remote quality control of EEG systems
CN103431859B (zh) * 2012-01-10 2014-12-10 西安交通大学 多任务视觉认知中脑负荷测定的实验方法
US9824604B2 (en) * 2012-09-04 2017-11-21 Conduent Business Services, Llc Creating assessment model for educational assessment system
US9743002B2 (en) * 2012-11-19 2017-08-22 Magna Electronics Inc. Vehicle vision system with enhanced display functions
CN103092340B (zh) * 2012-12-26 2016-03-02 北京大学 一种脑-机接口视觉刺激方法及信号识别方法
WO2015063765A1 (en) * 2013-10-29 2015-05-07 Milbat - Giving Quality To Life Walker-assist device

Also Published As

Publication number Publication date
JP6986060B2 (ja) 2021-12-22
US20170188933A1 (en) 2017-07-06
AU2015267333B2 (en) 2020-07-23
JP2020072946A (ja) 2020-05-14
JP6641298B2 (ja) 2020-02-05
MX2016015708A (es) 2017-03-16
US11266342B2 (en) 2022-03-08
JP2017524394A (ja) 2017-08-31
KR20170013867A (ko) 2017-02-07
EP3149662A1 (en) 2017-04-05
RU2016152296A (ru) 2018-07-04
EP3149662A4 (en) 2018-05-23
CA2946604A1 (en) 2015-12-03
WO2015183737A1 (en) 2015-12-03
AU2015267333A1 (en) 2016-11-03
KR102405481B1 (ko) 2022-06-03
CN106462796A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN116594495A (zh) 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口
US20170150907A1 (en) Method and system for quantitative assessment of visual motor response
US10192173B2 (en) System and method for training of state-classifiers
US20190008441A1 (en) Diagnosing brain injury using a virtual reality system
EP3463088A1 (en) Method and system for quantitative assessment of visual motor response
CN111656304A (zh) 通信方法及系统
US20220406036A1 (en) Analysis apparatus, analysis method, and computer-readable storage medium storing an analysis program
Even-Chen et al. Feasibility of automatic error Detect-and-Undo system in human intracortical Brain–Computer Interfaces
WO2018222589A1 (en) System and method for treating disorders with a virtual reality system
US20200185110A1 (en) Computer-implemented method and an apparatus for use in detecting malingering by a first subject in one or more physical and/or mental function tests
WO2020227703A1 (en) Adaptive psychological assessment tool
JP2022523354A (ja) 筋電図制御システムおよび体外補綴物ユーザを指導するための方法
US20210330242A1 (en) Brain-computer interface for facilitating direct selection of multiple-choice answers and the identification of state changes
EP3733068A1 (en) Assessing cognitive reaction to over-the-air updates
US11864905B2 (en) Biological function measurement and analysis system, biological function measurement and analysis method, and recording medium storing program code
TW201807675A (zh) 腦波分析輔助教學系統
JP2006260095A (ja) 講義支援システム、講義支援方法及び講義支援用コンピュータプログラム。
TW201806552A (zh) 腦波分析群體專注度之方法及系統
Catronas et al. Author Spotlight: Exploring the Link Between Time Perception of Visual Stimuli and Reading Skills
US20200397381A1 (en) Information processing device and non-transitory computer readable medium
JP2021180716A (ja) 情報処理装置、特定方法及びプログラム
US20110256514A1 (en) Methods and systems for psychophysical assessment of number-sense acuity
CN117653106A (zh) 情绪分类系统和方法

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