CN117158972B - 一种注意力转移能力的评价方法、系统、装置及存储介质 - Google Patents
一种注意力转移能力的评价方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN117158972B CN117158972B CN202311457816.2A CN202311457816A CN117158972B CN 117158972 B CN117158972 B CN 117158972B CN 202311457816 A CN202311457816 A CN 202311457816A CN 117158972 B CN117158972 B CN 117158972B
- Authority
- CN
- China
- Prior art keywords
- evaluation index
- attention
- high concentration
- data
- time
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 170
- 238000012546 transfer Methods 0.000 title abstract description 39
- 238000012360 testing method Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 33
- 210000004556 brain Anatomy 0.000 claims abstract description 24
- 230000005611 electricity Effects 0.000 claims abstract description 12
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 19
- 230000006735 deficit Effects 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种注意力转移能力的评价方法、系统、装置及存储介质，其属于数据处理技术领域，该方法包括：获取测试对象在测试时间段内每一时刻的脑电数据；计算与测试时间段内的每一时刻的脑电数据对应的注意力评价指标得到数据集；获取持续时间阈值和注意力专注阈值；根据持续时间阈值和注意力专注阈值将数据集划分为不同的等级专注区，不同的等级专注区反映测试对象不同的注意力集中情况；根据不同的等级专注区和评估模型得到评估结果。本申请具有提高评估注意力转移能力的准确度的效果。
Description
技术领域
本申请涉及数据处理技术领域，尤其是涉及一种注意力转移能力的评价方法、系统、装置及存储介质。
背景技术
注意力转移能力评价是心理学和神经科学领域中的重要课题。注意力转移能力是指个体在处理任务时，将注意力从一个刺激或任务转移到另一个刺激或任务的能力。准确评价注意力转移能力对于认知功能评估、学习能力研究和认知障碍诊断具有重要意义。
目前的注意力转移能力评价方法主要依赖于行为表现、眼动追踪和功能磁共振成像等技术，这些方法存在如下的缺陷：
1. 行为表现指标的局限性：传统的注意力转移能力评价主要依赖于行为表现指标，如反应时间和准确性。然而，行为表现只能提供粗略的信息，无法直接反映个体的神经活动和认知过程。
2. 眼动追踪的局限性：眼动追踪技术可以用于评估注意力的分配和转移。然而，眼动追踪无法提供关于神经活动的直接信息，同时受到眼球运动的限制，对于特定任务的适用性有一定限制。
3. 功能磁共振成像的局限性：功能磁共振成像可以提供关于脑区激活的空间分布信息，但其时间分辨率较低，不能捕捉到注意力转移过程中的快速动态变化。
也就是说，现有的评价方法未能够实现对注意力转移能力进行全面、准确的评价。因此，亟需一种新的、能够准确地反映个体的注意力转移能力的测评方法。
发明内容
本申请提供一种注意力转移能力的评价方法、系统、装置及存储介质，具有提高评估注意力转移能力的准确度的特点。
本申请目的一是提供一种注意力转移能力的评价方法。
本申请的上述申请目的一是通过以下技术方案得以实现的：
一种注意力转移能力的评价方法，包括：
获取测试对象在测试时间段内每一时刻的脑电数据；
计算与所述测试时间段内的每一时刻的脑电数据对应的注意力评价指标得到数据集；
获取持续时间阈值和注意力专注阈值；
根据所述持续时间阈值和所述注意力专注阈值将所述数据集划分为不同的等级专注区，不同的所述等级专注区反映所述测试对象不同的注意力集中情况；
根据不同的所述等级专注区和评估模型得到评估结果。
通过采用上述技术方案，一方面，本申请以脑电数据作为评估测试对象的注意力转移能力情况的依据，使得本申请不需要精确控制实验条件，因此所采集的脑电数据可以更好地反映测试对象在日常生活中的注意力转移能力，以为得到准确的注意力转移能力提供数据支持。另一方面，本申请通过计算测试对象在测试时间段内处于不同等级专注区的情况，再通过分析其在不同的等级专注区中的情况来生成评估结果，使得评估注意力转移能力的准确度更高。
本申请在一较佳示例中可以进一步配置为：所述等级专注区包括高专注区和低专注区；
所述根据不同的所述等级专注区和评估模型得到评估结果，包括：
根据所述高专注区中的注意力评价指标和与所述高专注区相邻的低专注区中的注意力评价指标得到第一评估指标；
根据任意两个相邻的所述高专注区中的注意力评价指标及两个相邻的所述高专注区之间的注意力评价指标得到第二评估指标；
根据所述第一评估指标和/或所述第二评估指标得到所述评估结果。
通过采用上述技术方案，本申请通过分析测试对象在高专注区中的注意力评价指标和与高专注区相邻的低专注区中的注意力评价指标得到第一评估指标，同时，通过分析测试对象在任意两个相邻的高专注区中的注意力评价指标及两个相邻的高专注区之间的注意力评价指标得到第二评估指标，最后再通过第一评估指标和/或第二评估指标得到评估结果，使得最终得到评估结果更加丰富，得到的结果的准确度也更高。
本申请在一较佳示例中可以进一步配置为：通过如下计算公式计算所述第一评估指标：
，
其中，m是高专注区的时间长度，n是低专注区的时间长度，Pi是高专注区第i时刻的注意力评价指标，Pj是低专注区第j时刻的注意力评价指标，T2是数据集中，相邻的高专注区和低专注区中，排序在后的等级专注区开始时间，T1是数据集中，排序在前的等级专注区的结束时间。
本申请在一较佳示例中可以进一步配置为：通过如下计算公式计算所述第二评估指标：
，
其中，u是相邻的两个高专注区中的其中一个高专注区的时间长度，Pu是u时间长度内第i时刻的注意力评价指标，v是另一个高专注区的时间长度，Pv是v时间长度内第j时刻的注意力评价指标，q是所述相邻的两个高专注区之间的时间长度，Pr是q时间长度内的第r时刻的注意力评价指标，T2是数据集中，相邻的两个高专注区中，排序在后的高专注区的开始时间，T1是数据集中，排序在前的高专注区的结束时间。
通过采用上述技术方案，本申请提供了两种计算评估指标（第一评估指标和第二评估指标）的计算方式，在实际使用时，可以根据需要选择一种或者两种来计算评估指标，使得本申请的评估方法的环境适应力更高。
本申请在一较佳示例中可以进一步配置为：所述计算与所述测试时间段内的每一时刻的脑电数据对应的注意力评价指标得到数据集，包括：
获取稳定性频段和关联性频段，所述稳定性频段和所述关联性频段不重叠；
根据所述每一时刻的脑电数据分别在所述稳定性频段和所述关联性频段上的参数得到注意力评价指标；
将所述测试时间段内包括的全部时刻的脑电数据分别对应的注意力评价指标组合得到数据集。
本申请在一较佳示例中可以进一步配置为：通过如下计算公式计算所述注意力评价指标：
，
其中，Pi是第i时刻的注意力评价指标，Fi1是第i时刻所述脑电数据在所述关联性频段上的参数，Fi2是第i时刻所述脑电数据在所述稳定性频段上的参数，K1是第一系数，K2是第二系数。
本申请在一较佳示例中可以进一步配置为：所述稳定性频段为4-7Hz，所述关联性频段为13-30Hz。
通过采用上述技术方案，本申请通过计算测试对象每一时刻位于不同频段上的参数，再综合不同频段上的参数计算得到注意力评价指标，使得本申请计算所得的注意力评价指标的准确度更高，从而为提高评估注意力转移能力的准确度提供数据支持。
本申请目的二是提供一种注意力转移能力的评价系统。
本申请的上述申请目的二是通过以下技术方案得以实现的：
一种注意力转移能力的评价系统，用于执行上述任意一种注意力转移能力的评价方法，包括依次通信连接的脑电仪、脑电数据采集模块、数据预处理模块、数据分析模块以及数据报告模块；
所述脑电仪用于采集测试对象在测试时间段内每一时刻的脑电信号；
所述脑电数据采集模块用于将所述测试时间段内每一时刻的脑电信号转换为脑电数据；
所述数据预处理模块用于获取测试对象在测试时间段内每一时刻的脑电数据，还用于计算与所述测试时间段内的每一时刻的脑电数据对应的注意力评价指标得到数据集：
所述数据分析模块用于获取持续时间阈值和注意力专注阈值，并根据所述持续时间阈值和所述注意力专注阈值将所述数据集划分为不同的等级专注区，不同的所述等级专注区反映所述测试对象不同的注意力集中情况，还用于根据不同的所述等级专注区和评估模型得到评估结果；
所述数据报告模块用于展示所述评估结果。
本申请目的三是提供一种注意力转移能力的评价装置。
本申请的上述申请目的三是通过以下技术方案得以实现的：
一种注意力转移能力的评价装置，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现上述任一种注意力转移能力的评价方法。
本申请目的四是提供一种计算机可读存储介质，能够存储相应的程序。
本申请的上述申请目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一种注意力转移能力的评价方法。
综上所述，本申请包括以下至少一种有益技术效果：
1.本申请以脑电数据作为评估测试对象的注意力转移能力情况的依据，使得本申请不需要精确控制实验条件，因此所采集的脑电数据可以更好地反映测试对象在日常生活中的注意力转移能力，以为得到准确的注意力转移能力提供数据支持；
2.同时，本申请通过计算测试对象每一时刻位于不同频段上的参数，再综合不同频段上的参数计算得到注意力评价指标，使得本申请计算所得的注意力评价指标的准确度更高，从而为提高评估注意力转移能力的准确度提供数据支持；
3.最后，本申请通过计算测试对象在测试时间段内处于不同等级专注区的情况，再通过分析其在不同的等级专注区中的情况来生成评估结果，使得评估注意力转移能力的准确度更高。
附图说明
图1是本申请实施例的注意力转移能力的评价系统框图。
图2是本申请实施例的注意力转移能力的评价方法流程图。
图3是本申请方法实施例的计算第一评估指标的示例图。
图4是本申请方法实施例的计算第二评估指标的示例图。
附图标记说明：1、脑电仪；2、脑电数据采集模块；3、数据预处理模块；4、数据分析模块；5、数据报告模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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全部其他实施例，都属于本申请保护的范围。
图1示出了根据本申请实施例的注意力转移能力的评价系统框图，该系统包括脑电仪1、脑电数据采集模块2、数据预处理模块3、数据分析模块4以及数据报告模块5。
其中，脑电仪1上设置有多个脑电电极，在将脑电仪1佩戴在测试对象的头上时，由脑电电极采集测试对象头部上的脑电信号，并将采集的脑电信号传输给脑电数据采集模块2。为了能够实现灵活测量脑电信号，本申请的脑电仪1采用的是便携式脑电仪，具体的便携式脑电仪的型号在此不作限制。
在一个具体的示例中，脑电数据采集模块2、数据预处理模块3、数据分析模块4以及数据报告模块5可以集成在一个设备中，以减少本申请的注意力转移能力的评价系统的体积。在其他示例中，脑电数据采集模块2、数据预处理模块3、数据分析模块4以及数据报告模块5也可以独立设置，从而便于实现灵活采集测试对象的脑电信号的目的，但在各个模块分开设置时，脑电数据采集模块2、数据预处理模块3、数据分析模块4以及数据报告模块5依次通信连接，具体的通信方式可以是有线通信连接，如采用电线通信连接，还可以是无线通信连接，如采用WIFI通信模块、蓝牙通信模块、4G/5G通信模块等进行无线通信连接。
具体地，脑电数据采集模块2是基于TIADS1299芯片而设计的，即脑电数据采集模块2是在TIADS1299芯片的基础上集成了其他的功能模块。在本示例中，脑电采集模块对脑电信号进行滤波和放大后，将脑电信号转化为数字化的脑电数据，并将脑电数据传输给数据预处理模块3。数据预处理模块3采用MCU300系列的芯片，具体可以采用STM32F407芯片，STM32F407是一款基于ARM CortexM3内核的32位嵌入式微处理器，数据预处理模块3采用IIR滤波器对脑电数据进行软件滤波，再对脑电数据进行频谱分析得到分析结果，最后将分析结果传输给数据分析模块4。数据分析模块4根据分析结果和预存的评估模型，对测试对象的注意力转移能力进行评估，以生成评估结果，并将评估结果传输至数据报告模块5中进行展示，所以数据报告模块5可以为显示屏。
需要说明的是，图1所示的注意力转移能力的评价系统仅是解释性的，绝不是为了限制本发明实施例的应用或用途。例如，该评价系统中可以包括多个脑电仪1，而脑电数据采集模块2、数据预处理模块3、数据分析模块4以及数据报告模块5能够互相配合，以实现同时处理多个脑电仪1上传的脑电数据的目的。
图2示出了根据本申请实施例的注意力转移能力的评价方法的流程图，该方法的主要流程描述如下。
步骤S100、获取测试对象在测试时间段内每一时刻的脑电数据。
由评价系统的实施例可知，脑电数据是由脑电仪1采集测试人员的脑电信号转换而得的。而且在脑电仪1采集到脑电信号后，脑电信号还经过脑电数据采集模块2的处理才传输至数据预处理模块3中，即数据预处理模块3接收到每一时刻的脑电数据。
在本申请中，为了深入评估不同测试对象之间的注意力转移能力差异，降低评估过程中影响因素对评估结果的影响，如时间影响因素，所以本申请采集的是一段时间内的测试对象的脑电数据，该时间段也称为测试时间段，测试时间段可根据实际需要确定具体的时间长度，本申请不作限制。
步骤S200、计算与测试时间段内的每一时刻的脑电数据对应的注意力评价指标得到数据集。
首先，本申请提前设置有多个频段，然后将每一时刻的脑电数据分别转换到每一个频段上，根据脑电数据转换到对应的频段上的强度值，得到脑电数据在该频段上的参数。也就是说，脑电数据在频段上的参数是指其转换到频段后的强度值。
在一个具体的示例中，数据预处理模块3提前设置的频段包括4-7Hz和13-30Hz，并为了便于区分脑电数据在不同的频段上的强度值，而将脑电数据转换到4-7Hz后得到的强度值作为第一参数，而将脑电数据转换到13-30Hz后得到的强度值作为第二参数。需要说明的是，由于4-7Hz位于θ脑电波频段内，而θ脑电波频段为人体的睡眠初期阶段，这一阶段人体注意力下降，而13-30Hz为β脑电波频段，β脑电波频段与警觉、思考、注意力和集中精神有关。所以本申请以选择的频段为4-7Hz和13-30Hz为例，作为用来评估测试对象的注意力转移能力情况。但在其他示例中，也可以根据需要设置多个频段，且频段的选择也可以为其他区间，本申请在此均不作限制。
然后，根据每一时刻的脑电数据计算每一时刻的脑电数据对应的注意力评价指标。具体地，数据预处理模块3内提前设置有4-7Hz和13-30Hz两个频段，而且13-30Hz为β脑电波频段，所以本示例以13-50Hz确定为稳定性频段，而将位于θ脑电波频段的4-7Hz确定为关联性频段。在其他示例，也可以根据需要设置稳定性频段和关联性频段为其他的脑电波频段区间，同时，为了便于分析测试对象在稳定性频段和关联性频段之间的强度值，所选择的稳定性频段和关联性频段之间尽量不重叠，甚至间隔一定的距离。在本示例中，根据每一时刻的脑电数据分别在稳定性频段和关联性频段上的参数得到其对应的注意力评价指标，具体的计算公式为：
，
其中，Pi是第i时刻的注意力评价指标，Fi1是第i时刻脑电数据在关联性频段上的参数，也称为第一参数，Fi2是第i时刻脑电数据在稳定性频段上的参数，也称为第二参数，K1是第一系数，K2是第二系数，第一系数和第二系数均是提前设置的。
由此可知，当测试时间段越长，测试时间段内的时刻越多，则得到的注意力评价指标数量越多，从而为评估得到准确的测试对象的注意力转移能力提供数据支持。当然，在测试时间段过长时，大量的注意力评价指标也会增加数据预处理模块3的计算量，所以设置测试时间段时，还需要根据实际需要进行设置。
为了便于数据预处理模块3进行数据管理，本示例将在测试时间段内，计算同一个测试对象的脑电数据所得的多个注意力评价指标组成一个数据集，然后将数据集传输给数据分析模块4。需要说明的是，位于数据集中的注意力评价指标是按照时间先后顺序进行排列的，该时间先后顺序是指注意力评价指标对应的脑电数据被采集到的时间，其中，脑电数据被采集到的时间越早，则其对应的注意力评价指标在数据集中的排序越靠前。
步骤S300、获取持续时间阈值和注意力专注阈值。
持续时间阈值是提前设定的并存储在数据分析模块4中，持续时间阈值的设置是为了便于从数据集中提取可用来进一步作为评估测试对象的注意力转移能力的一个条件，所以持续时间阈值为连续的多个时刻。在一个具体的示例中，持续时间阈值可以为5秒，在其他示例中，持续时间阈值还可以为其他连续的多个时刻。
注意力专注阈值包括高限阈值和低限阈值，其中高限阈值大于低限阈值。在一个具体的示例中，高限阈值和低限阈值可以是通过神经网络模型训练后得到的，在其他示例中，高限阈值和低限阈值可以是人工根据经验设定的。
步骤S400、根据持续时间阈值和注意力专注阈值将数据集划分为不同的等级专注区。
具体地，将数据集中，连续的时刻达到连续时间阈值且注意力评价指标达到高限阈值的注意力评价指标标记为高专注区，而将连续的时刻达到连续时间阈值且注意力评价指标低于低限阈值的注意力评价指标标记为低专注区，所以，高专注区和低专注区为不同不同的等级专注区。
需要说明的是，本示例是以每一个等级专注区对应的连续时间阈值相等为例进行说明的，即高专注区和低专注区对应的是同一个连续时间阈值，在其他示例中，不同的等级专注区对应的连续时间阈值可以不相等，例如高专注区对应的持续时间阈值为5秒，而低专注区对应的持续时间阈值为7秒。
步骤S500、根据不同的等级专注区和评估模型得到评估结果。
首先，本申请根据高专注区中的注意力评价指标和与高专注区相邻的低专注区中的注意力评价指标得到第一评估指标，具体的计算公式为：
，
其中，m是高专注区的时间长度，n是低专注区的时间长度，Pi是高专注区第i时刻的注意力评价指标，Pj是低专注区第j时刻的注意力评价指标，T2是数据集中，相邻的高专注区和低专注区中，排序在后的等级专注区的开始时间，T1是数据集中，排序在前的等级专注区的结束时间，例如，在数据集中，低专注区的排序位于高专注区的排序之前时，T2是高专注区开始时间，T1是低专注区的结束时间；而在数据集中，当低专注区的排序位于高专注区的排序之后时，T2是低专注区开始时间，T1是高专注区的结束时间。
为了便于说明上述计算第一评估指标的过程，举例如图3所示，图3中存在相邻的低专注区Q1和高专注区Q2，其中Q1的连续时刻为5S，且分别对应的注意力评价指标为23、31、36、33、27，而Q2的连续时刻为6S，分别对应的注意力评价指标为60、62、68、71、86、83，所以采用上述的计算公式计算得到E=8.4。
同时，本申请还根据任意两个相邻的高专注区中的注意力评价指标及两个相邻的高专注区之间的注意力评价指标得到第二评估指标，具体的计算公式为：
，
其中，u是相邻的两个高专注区中的其中一个高专注区的时间长度，Pu是u时间长度内第i时刻的注意力评价指标，v是另一个高专注区的时间长度，Pv是v时间长度内第j时刻的注意力评价指标，q是相邻的两个高专注区之间的时间长度，Pr是q时间长度内的第r时刻的注意力评价指标，T2是数据集中，相邻的两个高专注区中，排序在后的高专注区的开始时间，T1是数据集中，排序在前的高专注区的结束时间。
同样地，为了便于说明上述计算第二评估指标的过程，举例如图4所示，图4中存在相邻的高专注区Q3和高专注区Q4，其中Q3的连续时刻为6S，且分别对应的注意力评价指标为60、62、68、71、86、83，而Q4的连续时刻为7S，分别对应的注意力评价指标为68、79、81、86、89、92、76，所以采用上述的计算公式计算得到F=4.5。
最后，根据第一评估指标和/或第二评估指标得到评估结果。具体地，本申请提前设定有转移能力等级，在一个具体的示例中，转移能力等级的设置如下：
0-2为五级，对应注意力转移能力较差；
3-4为四级，对应注意力转移能力一般；
5-6为三级，对应注意力转移能力好；
7-8为二级，对应注意力转移能力较好；
大于9为一级，对应注意力转移能力极好。
所以在得到第一评估指标和第二评估指标后，可以分别为第一评估指标和第二评估指标匹配一个对应的转移能力等级，以得到评估结果。也就是说，分别判断第一评估指标和第二评估指标落入的注意力转移能力等级的范围，确定出测试对象的第一评估指标的转移能力等级和第二评估指标的转移能力等级。例如，测试对象b的第一评估指标为5.5，第二评估指标为3.2，由于5.5落入注意力转移能力的三级范围，3.2落入注意力转移能力的四级范围中，所以评估结果可以为[第一评估指标：注意力转移能力好；第二评估指标：注意力转移能力一般]。
当然，也可以先计算第一评估指标和第二评估指标的均值，再用该均值去判断其落入的注意力转移能力的范围，最后确定测试对象的评估结果。需要说明的是，在实际使用时，具体选用哪一种评估方式本申请在此不作限制。
在本示例中，数据分析模块4在得到评估结果后，将评估结果发送至数据报告模块5中进行展示，以便于测试对象直观的获知其对应的注意力转移能力情况，而针对注意力转移能力弱的情况，通过了解测试对象的注意力转移特点和潜在问题，可以制定针对性的训练计划和干预措施，帮助测试对象提高注意力转移能力，并在学习、工作和日常生活中取得更好的表现。
为了更好地执行上述方法的程序，本申请还提供一种注意力转移能力的评价装置，该装置包括存储器和处理器。
其中，存储器可用于存储指令、程序、代码、代码集或指令集。存储器可以包括存储程序区和存储数据区，其中存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述注意力转移能力的评价方法的指令等；存储数据区可存储上述注意力转移能力的评价方法中涉及到的数据等。
处理器可以包括一个或者多个处理核心。处理器通过运行或执行存储在存储器内的指令、程序、代码集或指令集，调用存储在存储器内的数据，执行本申请的各种功能和处理数据。处理器可以为特定用途集成电路、数字信号处理器、数字信号处理装置、可编程逻辑装置、现场可编程门阵列、中央处理器、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本申请实施例不作具体限定。
本申请还提供一种计算机可读存储介质，例如包括：U盘、移动硬盘、只读存储器（Read Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述注意力转移能力的评价方法的计算机程序。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其他技术方案。例如上述特征与本申请中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种注意力转移能力的评价方法，其特征在于，包括：
获取测试对象在测试时间段内每一时刻的脑电数据；
计算与所述测试时间段内的每一时刻的脑电数据对应的注意力评价指标得到数据集；
获取持续时间阈值和注意力专注阈值；
根据所述持续时间阈值和所述注意力专注阈值将所述数据集划分为不同的等级专注区，不同的所述等级专注区反映所述测试对象不同的注意力集中情况；
根据不同的所述等级专注区和评估模型得到评估结果，所述等级专注区包括高专注区和低专注区，包括：
根据所述高专注区中的注意力评价指标和与所述高专注区相邻的低专注区中的注意力评价指标得到第一评估指标，包括：
通过如下计算公式计算得到所述第一评估指标：
，
其中，m是高专注区的时间长度，n是低专注区的时间长度，Pi是高专注区第i时刻的注意力评价指标，Pj是低专注区第j时刻的注意力评价指标，T2是数据集中，相邻的高专注区和低专注区中，排序在后的等级专注区开始时间，T1是数据集中，排序在前的等级专注区的结束时间；
根据任意两个相邻的所述高专注区中的注意力评价指标及两个相邻的所述高专注区之间的注意力评价指标得到第二评估指标，包括：
通过如下计算公式计算得到所述第二评估指标：
，
其中，u是相邻的两个高专注区中的其中一个高专注区的时间长度，Pu是u时间长度内第i时刻的注意力评价指标，v是另一个高专注区的时间长度，Pv是v时间长度内第j时刻的注意力评价指标，q是所述相邻的两个高专注区之间的时间长度，Pr是q时间长度内的第r时刻的注意力评价指标，T2是数据集中，相邻的两个高专注区中，排序在后的高专注区的开始时间，T1是数据集中，排序在前的高专注区的结束时间；
根据所述第一评估指标和/或所述第二评估指标得到所述评估结果。
2.根据权利要求1所述的注意力转移能力的评价方法，其特征在于，所述计算与所述测试时间段内的每一时刻的脑电数据对应的注意力评价指标得到数据集，包括：
获取稳定性频段和关联性频段，所述稳定性频段和所述关联性频段不重叠；
根据所述每一时刻的脑电数据分别在所述稳定性频段和所述关联性频段上的参数得到注意力评价指标；
将所述测试时间段内包括的全部时刻的脑电数据分别对应的注意力评价指标组合得到数据集。
3.根据权利要求2所述的注意力转移能力的评价方法，其特征在于，通过如下计算公式计算得到所述注意力评价指标：
，
其中，Pi是第i时刻的注意力评价指标，Fi1是第i时刻所述脑电数据在所述关联性频段上的参数，Fi2是第i时刻所述脑电数据在所述稳定性频段上的参数，K1是第一系数，K2是第二系数。
4.根据权利要求2所述的注意力转移能力的评价方法，其特征在于，所述稳定性频段为4-7Hz，所述关联性频段为13-30Hz。
5.一种注意力转移能力的评价系统，其特征在于，用于执行如权利要求1-4中任意一项所述的方法，包括依次通信连接的脑电仪(1)、脑电数据采集模块(2)、数据预处理模块(3)、数据分析模块(4)以及数据报告模块(5)；
所述脑电仪(1)用于采集测试对象在测试时间段内每一时刻的脑电信号；
所述脑电数据采集模块(2)用于将所述测试时间段内每一时刻的脑电信号转换为脑电数据；
所述数据预处理模块(3)用于获取测试对象在测试时间段内每一时刻的脑电数据，还用于计算与所述测试时间段内的每一时刻的脑电数据对应的注意力评价指标得到数据集：
所述数据分析模块(4)用于获取持续时间阈值和注意力专注阈值，并根据所述持续时间阈值和所述注意力专注阈值将所述数据集划分为不同的等级专注区，不同的所述等级专注区反映所述测试对象不同的注意力集中情况，还用于根据不同的所述等级专注区和评估模型得到评估结果，所述等级专注区包括高专注区和低专注区，包括：
根据所述高专注区中的注意力评价指标和与所述高专注区相邻的低专注区中的注意力评价指标得到第一评估指标，包括：
通过如下计算公式计算得到所述第一评估指标：
，
其中，m是高专注区的时间长度，n是低专注区的时间长度，Pi是高专注区第i时刻的注意力评价指标，Pj是低专注区第j时刻的注意力评价指标，T2是数据集中，相邻的高专注区和低专注区中，排序在后的等级专注区开始时间，T1是数据集中，排序在前的等级专注区的结束时间；
根据任意两个相邻的所述高专注区中的注意力评价指标及两个相邻的所述高专注区之间的注意力评价指标得到第二评估指标，包括：
通过如下计算公式计算得到所述第二评估指标：
，
其中，u是相邻的两个高专注区中的其中一个高专注区的时间长度，Pu是u时间长度内第i时刻的注意力评价指标，v是另一个高专注区的时间长度，Pv是v时间长度内第j时刻的注意力评价指标，q是所述相邻的两个高专注区之间的时间长度，Pr是q时间长度内的第r时刻的注意力评价指标，T2是数据集中，相邻的两个高专注区中，排序在后的高专注区的开始时间，T1是数据集中，排序在前的高专注区的结束时间；
根据所述第一评估指标和/或所述第二评估指标得到所述评估结果；
所述数据报告模块(5)用于展示所述评估结果。
6.一种注意力转移能力的评价装置，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311457816.2A CN117158972B (zh) | 2023-11-04 | 2023-11-04 | 一种注意力转移能力的评价方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311457816.2A CN117158972B (zh) | 2023-11-04 | 2023-11-04 | 一种注意力转移能力的评价方法、系统、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117158972A CN117158972A (zh) | 2023-12-05 |
| CN117158972B true CN117158972B (zh) | 2024-03-15 |
Family
ID=88943619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311457816.2A Active CN117158972B (zh) | 2023-11-04 | 2023-11-04 | 一种注意力转移能力的评价方法、系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117158972B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103815902A (zh) * | 2013-11-22 | 2014-05-28 | 刘志勇 | 基于脑电频域特征指标化算法的课堂教学评估系统及方法 |
| CN108670276A (zh) * | 2018-05-29 | 2018-10-19 | 南京邮电大学 | 基于脑电信号的学习注意力评价系统 |
| CN108888280A (zh) * | 2018-05-24 | 2018-11-27 | 吉林大学 | 基于脑电信号分析的学生听课注意力评价方法 |
| CN109646022A (zh) * | 2019-01-10 | 2019-04-19 | 杭州电子科技大学 | 儿童注意力评估系统及其方法 |
| WO2020024688A1 (zh) * | 2018-08-01 | 2020-02-06 | 深圳市心流科技有限公司 | 注意力测评方法、系统及计算机可读存储介质 |
| CN113080998A (zh) * | 2021-03-16 | 2021-07-09 | 北京交通大学 | 一种基于脑电的专注状态等级评定方法和系统 |
| CN115399771A (zh) * | 2022-08-24 | 2022-11-29 | 上海唯师网络科技有限公司 | 一种新型的基于脑电信号的人员专注程度检测方法及系统 |
| CN116138780A (zh) * | 2022-12-30 | 2023-05-23 | 北京视友科技有限责任公司 | 一种学生注意力评价方法、终端及计算机可读存储介质 |
-
2023
- 2023-11-04 CN CN202311457816.2A patent/CN117158972B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103815902A (zh) * | 2013-11-22 | 2014-05-28 | 刘志勇 | 基于脑电频域特征指标化算法的课堂教学评估系统及方法 |
| CN108888280A (zh) * | 2018-05-24 | 2018-11-27 | 吉林大学 | 基于脑电信号分析的学生听课注意力评价方法 |
| CN108670276A (zh) * | 2018-05-29 | 2018-10-19 | 南京邮电大学 | 基于脑电信号的学习注意力评价系统 |
| WO2020024688A1 (zh) * | 2018-08-01 | 2020-02-06 | 深圳市心流科技有限公司 | 注意力测评方法、系统及计算机可读存储介质 |
| CN109646022A (zh) * | 2019-01-10 | 2019-04-19 | 杭州电子科技大学 | 儿童注意力评估系统及其方法 |
| CN113080998A (zh) * | 2021-03-16 | 2021-07-09 | 北京交通大学 | 一种基于脑电的专注状态等级评定方法和系统 |
| CN115399771A (zh) * | 2022-08-24 | 2022-11-29 | 上海唯师网络科技有限公司 | 一种新型的基于脑电信号的人员专注程度检测方法及系统 |
| CN116138780A (zh) * | 2022-12-30 | 2023-05-23 | 北京视友科技有限责任公司 | 一种学生注意力评价方法、终端及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117158972A (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2757048C1 (ru) | Способ и система оценки здоровья тела человека на основе данных большого объема о сне | |
| CN106618562A (zh) | 一种可穿戴的癫痫脑电发作脑区定位装置及定位方法 | |
| US20240148316A1 (en) | Eeg recording and analysis | |
| CN102246705A (zh) | 一种利用信号处理技术分析动物行为的方法和系统 | |
| CN109350020A (zh) | 身心健康状况分析装置及方法 | |
| CN113317794B (zh) | 一种生命体征分析方法与系统 | |
| CN106529120A (zh) | 一种健康管理方法及装置 | |
| CN112788200B (zh) | 频谱信息的确定方法及装置、存储介质、电子装置 | |
| CN110367975A (zh) | 一种基于脑机接口的疲劳驾驶检测预警方法 | |
| CN108652587A (zh) | 一种认知功能障碍预防监测装置 | |
| CN117503065A (zh) | 一种评估麻醉深度的方法和系统 | |
| CN105740640A (zh) | 人体生命参数综合采集及分析方法 | |
| CN114550932A (zh) | 一种睡眠呼吸暂停风险评估方法、装置、设备及存储介质 | |
| CN117158972B (zh) | 一种注意力转移能力的评价方法、系统、装置及存储介质 | |
| Chang et al. | A versatile wireless portable monitoring system for brain–behavior approaches | |
| CN109431499B (zh) | 植物人家庭看护辅助系统和辅助方法 | |
| CN112155577A (zh) | 一种社会压力检测方法、装置、计算机设备及存储介质 | |
| CN111481193A (zh) | 一种跌倒风险评估与预警方法及系统 | |
| US20230200697A1 (en) | Automatic evolution method for brainwave database and automatic evolving system for detecting brainwave | |
| CN113827256B (zh) | 基于脑电微状态的疲劳检测方法、装置、终端及存储介质 | |
| CN111760194B (zh) | 一种智能闭环神经调控系统和方法 | |
| CN113662551A (zh) | 基于智能眼罩的睡眠监测处理方法、装置、智能眼罩 | |
| CN117158973B (zh) | 一种注意力稳定性评价方法、系统、装置及存储介质 | |
| CN113729624A (zh) | 意识水平测定方法及计算机程序 | |
| Shen et al. | Epilepsy analytic system with cloud computing |
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 |