CN117958836A - 一种联合主动认知与专注呼吸的意识检测方法及系统 - Google Patents
一种联合主动认知与专注呼吸的意识检测方法及系统 Download PDFInfo
- Publication number
- CN117958836A CN117958836A CN202311846544.5A CN202311846544A CN117958836A CN 117958836 A CN117958836 A CN 117958836A CN 202311846544 A CN202311846544 A CN 202311846544A CN 117958836 A CN117958836 A CN 117958836A
- Authority
- CN
- China
- Prior art keywords
- stimulation
- subject
- novel
- task
- stimulus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 59
- 230000019771 cognition Effects 0.000 title claims abstract description 45
- 230000000638 stimulation Effects 0.000 claims abstract description 112
- 210000004556 brain Anatomy 0.000 claims abstract description 56
- 230000036992 cognitive tasks Effects 0.000 claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 13
- 238000012935 Averaging Methods 0.000 claims description 9
- 230000000241 respiratory effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 208000029257 vision disease Diseases 0.000 claims description 7
- 230000001815 facial effect Effects 0.000 claims description 5
- 210000001061 forehead Anatomy 0.000 claims description 5
- 208000032041 Hearing impaired Diseases 0.000 claims description 4
- 208000016621 Hearing disease Diseases 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims description 3
- 208000013521 Visual disease Diseases 0.000 claims description 2
- 230000000903 blocking effect Effects 0.000 claims 1
- 230000001149 cognitive effect Effects 0.000 abstract 1
- 239000000463 material Substances 0.000 description 10
- 206010021198 ichthyosis Diseases 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 206010013647 Drowning Diseases 0.000 description 1
- 206010014357 Electric shock Diseases 0.000 description 1
- 208000006440 Open Bite Diseases 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 210000001595 mastoid Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 208000005026 persistent vegetative state Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Abstract
本发明公开了一种联合主动认知与专注呼吸的意识检测方法,包括:以人脸/姓名为识别内容,基于视觉或/和听觉的刺激方式,构建多阶段认知任务,其包括主动认知与专注呼吸两种任务模式;基于所述多阶段认知任务执行意识检测,获取受试者执行两种任务模式时的脑电数据;基于所述脑电数据,计算两种任务模式下大脑不同空间脑区多种潜伏期不同的事件相关电位特征,计算多种电位特征在不同刺激间、不同任务模式间的差异;将所述电位特征差异,作为意识程度分析的参考。本发明还提供了一种意识检测系统。本发明通过多阶段认知任务诱发代表不同意识内容的多种电位特征,并量化主动认知与专注呼吸两种任务模式间的电位特征差异,提高意识检测的准确率。
Description
技术领域
本发明属于神经电生理检测技术领域,涉及一种联合主动认知与专注呼吸的意识检测方法及系统。
背景技术
严重意识障碍(disorder of consciousness,DOC)患者是指由于严重的脑损伤,脑出血或梗死、电击、心脏疾病、溺水等事故所致的对周围环境或自身感知能力具有障碍的患者,这类患者的意识状态可分为多个等级,如无反应觉醒综合征(unresponsivewakefulness syndrome,UWS)/植物人状态(vegetative state,VS)和最小意识状态(minimally conscious state,MCS)等。目前,临床医生采用量表对DOC患者进行评估,误诊率高达40%左右,患者可能得不到及时正确的治疗或过早终止治疗,最终导致死亡。因此,准确评估DOC状态对患者的康复治疗具有重要意义。
基于脑电信号的意识检测具有时间分辨率高、相对成本低的优点,越来越多地被用于临床DOC患者的评估。现有研究一般通过分析单一主动认知任务模式下的脑电响应,来检测受试者的意识,例如专利CN105266805B公开了一种基于视听觉脑机接口的意识状态检测系统,专利CN113197586B公开了一种基于视觉脑电信号的自我意识检测方法。然而,采用单一主动认知任务模式,难以准确判断受试者是否按要求执行了任务,容易忽略隐蔽的意识,并且对单一任务模式下的脑电响应进行单一电位分析,无法全面、准确地判断受试者的意识状态,意识检测的准确率较低。
发明内容
本发明的目的在于提供一种联合主动认知与专注呼吸的意识检测方法及系统,构建多阶段认知任务用于诱发代表注意力、记忆、思维等不同意识内容的多种事件相关电位特征,并通过对多种事件相关电位特征在主动认知与专注呼吸两种任务模式间差异的量化检测意识程度,提高意识检测的准确率。
为了实现本发明的第一个目的,提供了一种联合主动认知与专注呼吸的意识检测方法,应用于意识检测系统,所述意识检测方法包括:
以人脸/姓名为识别内容,并基于视觉或/和听觉的刺激方式,构建多阶段认知任务,所述多阶段认知任务按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
所述多阶段认知任务包括主动认知任务模式与专注呼吸任务模式,所述主动认知任务模式提示受试者对与自身信息相符的正确新颖刺激进行计数,所述专注呼吸任务模式提示受试者专注自身呼吸,无视外界刺激;
基于所述多阶段认知任务执行意识检测,获取受试者执行主动认知任务模式与专注呼吸任务模式时的脑电数据,所述脑电数据包括大脑额区、中央区、顶区的脑电信号;
基于所述脑电数据,计算主动认知任务模式与专注呼吸任务模式下大脑不同空间脑区多种潜伏期不同的事件相关电位的特征,计算事件相关电位特征在不同刺激之间、不同任务模式之间的差异;
将所述事件相关电位特征在不同刺激之间、不同任务模式之间的差异,作为所述受试者意识程度分析的参考。
本发明采用特征差异计算模型对事件相关电位特征在不同刺激之间、不同任务模式之间的差异进行量化,以辅助意识检测;此外,多阶段认知任务通过视觉或/和听觉的刺激方式呈现,采用人物面部图像作为视觉素材、人物姓名语音作为听觉素材,以适用于不同感知功能障碍者。
具体的,所述标准刺激,采用全脸无遮挡的非受试者面部图像以及包含非受试者姓名的语音;
所述偏差刺激,采用眼睛被遮挡的受试者面部图像以及包含受试者姓名前半部分的语音;
所述正确新颖刺激,采用去除遮挡后的受试者面部图像以及包含受试者姓名最后一个字的语音;
所述错误新颖刺激,采用去除遮挡并改变眼睛这一面部特征的非受试者面部图像以及包含一个不相关文字的语音。
具体的,所述规律包括标准刺激与偏差刺激随机出现,正确、错误两种新颖刺激仅在偏差刺激后随机出现,且标准刺激、偏差刺激、正确新颖刺激与错误新颖刺激的数量比例为8:2:1:1。
具体的,所述大脑多种潜伏期不同的事件相关电位的特征包括:
受试者大脑在标准刺激或偏差刺激阶段出现的P300、CNV电位特征,受试者大脑在正确新颖刺激或错误新颖刺激阶段出现的N400、P600电位特征。
具体的,所述事件相关电位特征在不同刺激之间、不同任务模式之间的差异包括:
P300、CNV电位特征在标准刺激和偏差刺激之间的差异,N400、P600电位特征在正确新颖刺激和错误新颖刺激之间的差异;P300、CNV、N400、P600电位特征在主动认知与专注呼吸两种任务模式之间的差异。
具体的,基于所述多阶段认知任务执行意识检测的过程如下:
步骤1、不同刺激之间的事件相关电位特征差异计算模型训练:
步骤1-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤1-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤1-3、计算受试者在标准刺激或偏差刺激阶段的大脑P300、CNV电位特征,对表征事件相关电位特征在标准刺激与偏差刺激之间差异的第一特征差异计算模型进行训练;
步骤1-4、计算受试者在正确新颖刺激或错误新颖刺激阶段的大脑N400、P600电位特征,对表征事件相关电位特征在正确新颖刺激与错误新颖刺激之间差异的第二特征差异计算模型进行训练;
步骤1-5、模型训练结束,进入步骤2。
步骤2、受试者在不同刺激之间的事件相关电位特征差异检测:
步骤2-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤2-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤2-3、计算受试者在标准刺激或偏差刺激阶段的大脑P300、CNV电位特征,通过第一特征差异计算模型计算事件相关电位特征在标准刺激与偏差刺激之间的第一特征差异;
步骤2-4、计算受试者在正确新颖刺激或错误新颖刺激阶段的大脑N400、P600电位特征,通过第二特征差异计算模型计算事件相关电位特征在正确新颖刺激与错误新颖刺激之间的第二特征差异;
步骤2-5、对第一特征差异和第二特征差异进行特征差异融合,计算事件相关电位特征在不同刺激之间的总差异度;
步骤2-6、当总差异度≥差异度水平阈值时,进入步骤3;当总差异度<差异度水平阈值时,若未对脑电数据叠加平均,则对P个试次脑电数据进行叠加平均后返回步骤2-3,否则判定受试者不存在意识,检测结束。
步骤3、不同任务模式之间的事件相关电位特征差异计算模型训练:
步骤3-1、指导语呈现,专注呼吸任务模式开始,所述指导语的提示词为专注自身呼吸,无视外界刺激;
步骤3-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤3-3、计算受试者在专注呼吸任务模式下的大脑P300、CNV、N400、P600电位特征,结合步骤1受试者在主动认知任务模式下的大脑P300、CNV、N400、P600电位特征,对表征偏差刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第三特征差异计算模型进行训练,对表征正确新颖刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第四特征差异计算模型进行训练,对表征错误新颖刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第五特征差异计算模型进行训练;
步骤3-4、模型训练结束,进入步骤4。
步骤4、受试者在不同任务模式之间的事件相关电位特征差异检测:
步骤4-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤4-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤4-3、指导语呈现,专注呼吸任务模式开始,所述指导语的提示词为专注自身呼吸,无视外界刺激;
步骤4-4、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤4-5、初始化脑电数据叠加试次K=1;
步骤4-6、计算受试者在主动认知与专注呼吸两种任务模式下的大脑P300、CNV、N400、P600电位特征,通过第三特征差异计算模型、第四特征差异计算模型、第五特征差异计算模型分别计算事件相关电位特征在主动认知与专注呼吸两种任务模式之间的第三特征差异、第四特征差异、第五特征差异;
步骤4-7、对第三特征差异、第四特征差异和第五特征差异进行特征差异融合,计算事件相关电位特征在不同任务模式之间的总差异度;
步骤4-8、
当总差异度≥差异度水平阈值时,若K=1,判定受试者意识程度处于高水平,检测结束;若K≠1,判定受试者意识程度处于高、低水平之间,K值越小,意识程度越高,检测结束;
当总差异度<差异度水平阈值时,若1<K<叠加试次阈值,K=K+1,对K个试次脑电数据进行叠加平均,返回步骤4-6;若K≥叠加试次阈值时,判定受试者意识程度处于低水平,检测结束。
具体的,在意识检测前,根据受试者选择刺激方式,其具体过程如下:
当受试者有视觉障碍、无听觉障碍时,选择听觉刺激方式;
当受试者有听觉障碍、无视觉障碍时,选择视觉刺激方式;
当受试者无视觉和听觉障碍时,选择视听觉刺激方式。
为了实现本发明的第二个目的,提供了一种意识检测系统,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,所述计算机存储器中采用上述的联合主动认知与专注呼吸的意识检测方法;
所述计算机处理器执行所述计算机程序时实现以下步骤:为受试者佩戴脑电帽并执行意识检测过程,以获得对应的检测结果。
与现有技术相比,本发明的有益效果:
1.相较于传统方法中设计的单一主动认知任务模式,本发明设计主动认知和专注呼吸两种任务模式,对主动认知与专注呼吸两种任务模式下的脑电特征差异进行量化,更有可能检测出意识障碍者隐蔽的意识,提高意识检测的准确率。同时,本发明设计的专注呼吸任务简单、容易执行、适用性高。
2.本发明设计多阶段的认知任务能够诱发代表注意力、记忆、思维等不同意识内容的多种事件相关电位特征,通过对不同空间脑区的潜伏期不同的事件相关电位进行综合分析,能够对意识水平进行全面的评估,相较于单一电位的意识检测方法,具有更高的意识检测准确率。
附图说明
图1为本实施例提供的意识检测方法的刺激呈现示意图;
图2为本实施例提供的意识检测方法的主动认知任务模式界面;
图3为本实施例提供的意识检测方法的专注呼吸任务模式界面;
图4为本实施例提供的意识检测过程的总体流程图;
图5为本实施例提供的意识检测过程步骤1的流程图;
图6为本实施例提供的意识检测过程步骤2的流程图;
图7为本实施例提供的意识检测过程步骤3的流程图;
图8为本实施例提供的意识检测过程步骤4的流程图;
图9为本实施例提供的受试者所产生的事件相关电位波形图。
具体实施方式
本实施例所述的联合主动认知与专注呼吸的意识检测方法,以视听觉刺激方式为例(听觉刺激方式为视听觉刺激方式去除视觉素材,视觉刺激方式为视听觉刺激方式去除听觉素材),受试者无视觉和听觉障碍,受试者姓名为李三丙,非受试者姓名为王一甲。
构建多阶段认知任务,以人脸/姓名为识别内容,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激。采用人物面部图像作为视觉素材,所有视觉素材经图像处理软件确保图像尺寸、背景颜色一致。采用人物姓名语音作为听觉素材,所有听觉素材经音频处理软件确保音频响度一致。在本实施例中,视觉素材在显示器屏幕正中间白色的框内呈现,听觉素材通过音频播放设备呈现,听觉素材的呈现与视觉素材的呈现保持同步。
如图1所示,在本实施例中,采用全脸无遮挡的非受试者面部图像与包含非受试者姓名(王一甲)的男声语音作为标准刺激,采用眼睛被遮挡的受试者面部图像与包含受试者姓名的前半部分(李三)的男声语音作为偏差刺激,采用去除遮挡后的受试者面部图像与包含受试者姓名的最后一个字(丙)的男声语音为正确新颖刺激,采用去除遮挡并改变眼睛这一面部特征的非受试者面部图像与包含不相关的另一个字(乙、二等)的男声语音为错误新颖刺激。
刺激呈现规律设定为标准刺激与偏差刺激随机出现,正确、错误两种新颖刺激仅在偏差刺激后随机出现,且标准刺激、偏差刺激、正确新颖刺激与错误新颖刺激的数量比例为8:2:1:1。在本实施例中,受试者意识检测的刺激呈现过程包含200个标准刺激、50个偏差刺激、25个正确新颖刺激、25个错误新颖刺激,所有刺激均持续600ms,一个试次对应出现一个刺激。偏差刺激与标准刺激随机出现,正确、错误两种新颖刺激仅在偏差刺激后600ms随机出现,其余刺激间隔时长在600ms-1000ms随机。
受试者佩戴32导联脑电帽,就坐于显示器正前方,将显示器高度调至与受试者视线水平,将音频播放设备放置于显示器的两侧。在多阶段认知任务中设有主动认知任务模式与专注呼吸任务模式。在主动认知任务模式下,采用指导语提示受试者对与自身信息相符的正确新颖刺激进行计数;在专注呼吸任务模式下,采用指导语提示受试者专注自身呼吸,无视外界刺激,如图2、图3所示。
采用数字脑电系统来记录受试者头皮脑电信号,所有32通道的脑电信号以左右两侧乳突的平均作为参考,其中“HEOG”与“VEOG”,分别代表水平眼电、垂直眼电,故在这里被排除在外,脑电信号采集过程中,所有电极的阻抗值均在10kΩ以下,脑电信号以1000Hz的频率采样,在0.1至20Hz的范围内进行带通滤波,进行50Hz的工频陷波。
基于所述多阶段认知任务执行意识检测,获取受试者执行主动认知任务模式与专注呼吸任务模式时的脑电数据,脑电数据包括大脑额区、中央区、顶区的脑电信号。基于所述脑电数据,计算主动认知任务模式与专注呼吸任务模式下大脑不同空间脑区的多种潜伏期不同的事件相关电位的特征。事件相关电位特征包括受试者大脑在标准刺激或偏差刺激阶段出现的P300、CNV电位特征,在正确新颖刺激或错误新颖刺激阶段出现的N400、P600电位特征。
在本实施例中,对所采集的大脑额区、中央区、顶区的N通道脑电数据,以一个偏差刺激或一个标准刺激后1000ms内的脑电数据作为一个N通道数据段,并对此数据段下采样至100Hz;将分段与下采样后的一个N通道数据段按通道拼接得到P300、CNV电位特征。对所采集的大脑额区、中央区、顶区的N通道脑电数据,以一个正确新颖刺激或一个错误新颖刺激后1000ms内的脑电数据作为一个N通道数据段,并对此数据段下采样至100Hz;将分段与下采样后的一个N通道数据段按通道拼接得到N400、P600电位特征。
通过第一特征差异计算模型计算事件相关电位特征在标准刺激与偏差刺激之间的第一特征差异,即P300、CNV电位特征在标准刺激和偏差刺激之间的差异;通过第二特征差异计算模型计算事件相关电位特征在标准刺激与偏差刺激之间的第二特征差异,即N400、P600电位特征在正确新颖刺激和错误新颖刺激之间的差异。
通过第三特征差异计算模型、第四特征差异计算模型、第五特征差异计算模型分别计算事件相关电位特征在主动认知与专注呼吸两种任务模式之间的第三特征差异、第四特征差异、第五特征差异。第三特征差异是偏差刺激下P300、CNV、N400、P600电位特征在主动认知与专注呼吸两种任务模式之间的差异,第四特征差异是正确新颖刺激下P300、CNV、N400、P600电位特征在主动认知与专注呼吸两种任务模式之间的差异,第五特征差异是错误新颖刺激下P300、CNV、N400、P600电位特征在主动认知与专注呼吸两种任务模式之间的差异。
基于多阶段认知任务执行意识检测过程如图4所示,共进行四个步骤。第一步骤、第三步骤用于训练不同刺激之间的事件相关电位特征差异计算模型、不同任务模式之间的事件相关电位特征差异计算模型;第二步骤、第四步骤用于计算受试者在不同刺激之间的事件相关电位特征差异、在不同任务模式之间的事件相关电位特征差异,并进行特征差异融合,获得事件相关电位特征在不同刺激之间的总差异度、在不同任务模式之间的总差异度,根据总差异度得到最终的意识程度检测结果。在训练不同刺激之间的事件相关电位特征差异计算模型时,采用合成少数类过采样算法对标准刺激与偏差刺激的数量进行平衡。更具体地,如图5-8所示,
步骤1、不同刺激之间的事件相关电位特征差异计算模型训练:
步骤1-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤1-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤1-3、计算受试者在标准刺激或偏差刺激阶段的大脑P300、CNV电位特征,对表征事件相关电位特征在标准刺激与偏差刺激之间差异的第一特征差异计算模型进行训练;
步骤1-4、计算受试者在正确新颖刺激或错误新颖刺激阶段的大脑N400、P600电位特征,对表征事件相关电位特征在正确新颖刺激与错误新颖刺激之间差异的第二特征差异计算模型进行训练;
步骤1-5、模型训练结束,进入步骤2。
步骤2、受试者在不同刺激之间的事件相关电位特征差异检测:
步骤2-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤2-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤2-3、计算受试者在标准刺激或偏差刺激阶段的大脑P300、CNV电位特征,通过第一特征差异计算模型计算事件相关电位特征在标准刺激与偏差刺激之间的第一特征差异;
步骤2-4、计算受试者在正确新颖刺激或错误新颖刺激阶段的大脑N400、P600电位特征,通过第二特征差异计算模型计算事件相关电位特征在正确新颖刺激与错误新颖刺激之间的第二特征差异;
步骤2-5、对第一特征差异和第二特征差异进行特征差异融合,计算事件相关电位特征在不同刺激之间的总差异度;
步骤2-6、当总差异度≥差异度水平阈值时,进入步骤3;当总差异度<差异度水平阈值时,若未对脑电数据叠加平均,则对P个试次脑电数据进行叠加平均后返回步骤2-3,否则判定受试者不存在意识,检测结束。
步骤3、不同任务模式之间的事件相关电位特征差异计算模型训练:
步骤3-1、指导语呈现,专注呼吸任务模式开始,所述指导语的提示词为专注自身呼吸,无视外界刺激;
步骤3-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤3-3、计算受试者在专注呼吸任务模式下的大脑P300、CNV、N400、P600电位特征,结合步骤1受试者在主动认知任务模式下的大脑P300、CNV、N400、P600电位特征,对表征偏差刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第三特征差异计算模型进行训练,对表征正确新颖刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第四特征差异计算模型进行训练,对表征错误新颖刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第五特征差异计算模型进行训练;
步骤3-4、模型训练结束,进入步骤4。
步骤4、受试者在不同任务模式之间的事件相关电位特征差异检测:
步骤4-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤4-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤4-3、指导语呈现,专注呼吸任务模式开始,所述指导语的提示词为专注自身呼吸,无视外界刺激;
步骤4-4、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤4-5、初始化脑电数据叠加试次K=1;
步骤4-6、计算受试者在主动认知与专注呼吸两种任务模式下的大脑P300、CNV、N400、P600电位特征,通过第三特征差异计算模型、第四特征差异计算模型、第五特征差异计算模型分别计算事件相关电位特征在主动认知与专注呼吸两种任务模式之间的第三特征差异、第四特征差异、第五特征差异;
步骤4-7、对第三特征差异、第四特征差异和第五特征差异进行特征差异融合,计算事件相关电位特征在不同任务模式之间的总差异度;
步骤4-8、
当总差异度≥差异度水平阈值时,若K=1,判定受试者意识程度处于高水平,检测结束;若K≠1,判定受试者意识程度处于高、低水平之间,K值越小,意识程度越高,检测结束;
当总差异度<差异度水平阈值时,若1<K<叠加试次阈值,K=K+1,对K个试次脑电数据进行叠加平均,返回步骤4-6;若K≥叠加试次阈值时,判定受试者意识程度处于低水平,检测结束。
在本实施例中,采用支持向量机的方法训练特征差异计算模型,并对模型进行多折交叉验证。使用训练后的特征差异计算模型对受试者在不同刺激之间的事件相关电位特征差异、不同任务模式之间的事件相关电位特征差异进行计算,对于在不同刺激之间的事件相关电位特征差异,采用区分不同刺激之间电位特征的分类准确率来衡量;对于不同任务模式之间的事件相关电位特征差异,采用区分不同任务之间电位特征的分类准确率来衡量。
在本实施例中,通过对事件相关电位特征在标准刺激与偏差刺激之间的分类准确率、在正确新颖刺激与错误新颖刺激之间的分类准确率进行加权求和得到电位特征在不同刺激之间的总差异度,通过对偏差刺激、正确新颖刺激和错误新颖刺激三种条件下的事件相关电位特征在主动认知与专注呼吸两种任务模式之间的分类准确率进行加权求和得到电位特征在不同任务模式之间的总差异度。
在本实施例中,步骤2-6的脑电数据叠加试次P取5,步骤4-8的脑电数据叠加试次阈值取5、差异度水平阈值设置为1.2*随机水平。当事件相关电位特征在不同刺激之间的总差异度达到或高于1.2*随机水平,表明受试者至少对不同类型的刺激存在不同的响应,但不能确定受试者是否存在意识。当事件相关电位特征在不同任务模式之间的总差异度达到或高于1.2*随机水平,表明受试者按要求执行了不同模式的任务,从而判断受试者的意识程度。为了减少非锁时噪声的影响,当不同刺激之间的总差异度或在不同任务模式之间的总差异度未达到1.2*随机水平,通过对同一类型刺激下多个试次的脑电数据在经过分段与下采样之后进行叠加平均,将叠加平均后的一个N通道数据段按通道拼接得到事件相关电位特征,进而计算电位特征在不同刺激之间、不同任务模式之间的分类准确率和总差异度。
若受试者的事件相关电位特征在不同刺激之间、不同任务模式之间的总差异度达到或高于1.2*随机水平,其脑电响应应如图9所示,在主动认知任务模式下存在显著的P300、CNV、N400、P600等事件相关电位,且事件相关电位特征在主动认知任务模式与专注呼吸任务模式之间存在显著差异。
本实施例还提供了一种意识检测系统,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,该计算机存储器采用上述实施例提供的联合主动认知与专注呼吸的意识检测方法。
该计算机处理器执行所述计算机程序时实现以下步骤:为受试者佩戴脑电帽并执行意识检测过程,以获得对应的检测结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种联合主动认知与专注呼吸的意识检测方法,其特征在于,应用于意识检测系统,所述意识检测方法包括:
以人脸/姓名为识别内容,并基于视觉或/和听觉的刺激方式,构建多阶段认知任务,所述多阶段认知任务按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
所述多阶段认知任务包括主动认知任务模式与专注呼吸任务模式,所述主动认知任务模式提示受试者对与自身信息相符的正确新颖刺激进行计数,所述专注呼吸任务模式提示受试者专注自身呼吸,无视外界刺激;
基于所述多阶段认知任务执行意识检测,获取受试者执行主动认知任务模式与专注呼吸任务模式时的脑电数据,所述脑电数据包括大脑额区、中央区、顶区的脑电信号;
基于所述脑电数据,计算主动认知任务模式与专注呼吸任务模式下大脑不同空间脑区多种潜伏期不同的事件相关电位的特征,计算事件相关电位特征在不同刺激之间、不同任务模式之间的差异;
将所述事件相关电位特征在不同刺激之间、不同任务模式之间的差异,作为所述受试者意识程度分析的参考。
2.根据权利要求1所述的联合主动认知与专注呼吸的意识检测方法,其特征在于,
所述标准刺激,采用全脸无遮挡的非受试者面部图像以及包含非受试者姓名的语音;
所述偏差刺激,采用眼睛被遮挡的受试者面部图像以及包含受试者姓名前半部分的语音;
所述正确新颖刺激,采用去除遮挡后的受试者面部图像以及包含受试者姓名最后一个字的语音;
所述错误新颖刺激,采用去除遮挡并改变眼睛这一面部特征的非受试者面部图像以及包含一个不相关文字的语音。
3.根据权利要求1所述的联合主动认知与专注呼吸的意识检测方法,其特征在于,所述规律包括标准刺激与偏差刺激随机出现,正确、错误两种新颖刺激仅在偏差刺激后随机出现,且标准刺激、偏差刺激、正确新颖刺激与错误新颖刺激的数量比例为8:2:1:1。
4.根据权利要求1所述的联合主动认知与专注呼吸的意识检测方法,其特征在于,所述大脑多种潜伏期不同的事件相关电位的特征包括:
受试者大脑在标准刺激或偏差刺激阶段出现的P300、CNV电位特征,受试者大脑在正确新颖刺激或错误新颖刺激阶段出现的N400、P600电位特征。
5.根据权利要求1所述的联合主动认知与专注呼吸的意识检测方法,其特征在于,所述事件相关电位特征在不同刺激之间、不同任务模式之间的差异包括:
P300、CNV电位特征在标准刺激和偏差刺激之间的差异,N400、P600电位特征在正确新颖刺激和错误新颖刺激之间的差异;P300、CNV、N400、P600电位特征在主动认知与专注呼吸两种任务模式之间的差异。
6.根据权利要求1所述的联合主动认知与专注呼吸的意识检测方法,其特征在于,基于所述多阶段认知任务执行意识检测的过程如下:
步骤1、不同刺激之间的事件相关电位特征差异计算模型训练:
步骤1-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤1-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤1-3、计算受试者在标准刺激或偏差刺激阶段的大脑P300、CNV电位特征,对表征事件相关电位特征在标准刺激与偏差刺激之间差异的第一特征差异计算模型进行训练;
步骤1-4、计算受试者在正确新颖刺激或错误新颖刺激阶段的大脑N400、P600电位特征,对表征事件相关电位特征在正确新颖刺激与错误新颖刺激之间差异的第二特征差异计算模型进行训练;
步骤1-5、模型训练结束,进入步骤2。
步骤2、受试者在不同刺激之间的事件相关电位特征差异检测:
步骤2-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤2-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤2-3、计算受试者在标准刺激或偏差刺激阶段的大脑P300、CNV电位特征,通过第一特征差异计算模型计算事件相关电位特征在标准刺激与偏差刺激之间的第一特征差异;
步骤2-4、计算受试者在正确新颖刺激或错误新颖刺激阶段的大脑N400、P600电位特征,通过第二特征差异计算模型计算事件相关电位特征在正确新颖刺激与错误新颖刺激之间的第二特征差异;
步骤2-5、对第一特征差异和第二特征差异进行特征差异融合,计算事件相关电位特征在不同刺激之间的总差异度;
步骤2-6、当总差异度≥差异度水平阈值时,进入步骤3;当总差异度<差异度水平阈值时,若未对脑电数据叠加平均,则对P个试次脑电数据进行叠加平均后返回步骤2-3,否则判定受试者不存在意识,检测结束。
步骤3、不同任务模式之间的事件相关电位特征差异计算模型训练:
步骤3-1、指导语呈现,专注呼吸任务模式开始,所述指导语的提示词为专注自身呼吸,无视外界刺激;
步骤3-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤3-3、计算受试者在专注呼吸任务模式下的大脑P300、CNV、N400、P600电位特征,结合步骤1受试者在主动认知任务模式下的大脑P300、CNV、N400、P600电位特征,对表征偏差刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第三特征差异计算模型进行训练,对表征正确新颖刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第四特征差异计算模型进行训练,对表征错误新颖刺激下事件相关电位特征在主动认知与专注呼吸两种任务模式之间差异的第五特征差异计算模型进行训练;
步骤3-4、模型训练结束,进入步骤4。
步骤4、受试者在不同任务模式之间的事件相关电位特征差异检测:
步骤4-1、指导语呈现,主动认知任务模式开始,所述指导语的提示词为计数与自身信息相符的正确新颖刺激;
步骤4-2、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤4-3、指导语呈现,专注呼吸任务模式开始,所述指导语的提示词为专注自身呼吸,无视外界刺激;
步骤4-4、指导语消失,按规律呈现标准刺激、偏差刺激、正确新颖刺激、错误新颖刺激;
步骤4-5、初始化脑电数据叠加试次K=1;
步骤4-6、计算受试者在主动认知与专注呼吸两种任务模式下的大脑P300、CNV、N400、P600电位特征,通过第三特征差异计算模型、第四特征差异计算模型、第五特征差异计算模型分别计算事件相关电位特征在主动认知与专注呼吸两种任务模式之间的第三特征差异、第四特征差异、第五特征差异;
步骤4-7、对第三特征差异、第四特征差异和第五特征差异进行特征差异融合,计算事件相关电位特征在不同任务模式之间的总差异度;
步骤4-8、
当总差异度≥差异度水平阈值时,若K=1,判定受试者意识程度处于高水平,检测结束;若K≠1,判定受试者意识程度处于高、低水平之间,K值越小,意识程度越高,检测结束;
当总差异度<差异度水平阈值时,若1<K<叠加试次阈值,K=K+1,对K个试次脑电数据进行叠加平均,返回步骤4-6;若K≥叠加试次阈值时,判定受试者意识程度处于低水平,检测结束。
7.根据权利要求1所述的联合主动认知与专注呼吸的意识检测方法,其特征在于,在意识检测前,根据受试者选择刺激方式,其具体过程如下:
当受试者有视觉障碍、无听觉障碍时,选择听觉刺激方式;
当受试者有听觉障碍、无视觉障碍时,选择视觉刺激方式;
当受试者无视觉和听觉障碍时,选择视听觉刺激方式。
8.一种意识检测系统,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于,所述计算机存储器中采用权利要求1-7任一项所述的联合主动认知与专注呼吸的意识检测方法;
所述计算机处理器执行所述计算机程序时实现以下步骤:为受试者佩戴脑电帽并执行意识检测过程,以获得对应的检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311846544.5A CN117958836A (zh) | 2023-12-29 | 2023-12-29 | 一种联合主动认知与专注呼吸的意识检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311846544.5A CN117958836A (zh) | 2023-12-29 | 2023-12-29 | 一种联合主动认知与专注呼吸的意识检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117958836A true CN117958836A (zh) | 2024-05-03 |
Family
ID=90855477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311846544.5A Pending CN117958836A (zh) | 2023-12-29 | 2023-12-29 | 一种联合主动认知与专注呼吸的意识检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117958836A (zh) |
-
2023
- 2023-12-29 CN CN202311846544.5A patent/CN117958836A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
King et al. | Single-trial decoding of auditory novelty responses facilitates the detection of residual consciousness | |
Tacikowski et al. | Neural correlates of own and close-other’s name recognition: ERP evidence | |
EP3258842B1 (en) | System for brain activity interpretation | |
Burgess et al. | Short duration power changes in the EEG during recognition memory for words and faces | |
Walshe et al. | Dual-task and electrophysiological markers of executive cognitive processing in older adult gait and fall-risk | |
US20210022670A1 (en) | Systems and methods for diagnosing sleep | |
EP2649945B1 (en) | Device for verifying onset of dementia | |
Grieder et al. | Electrophysiological and behavioral correlates of stable automatic semantic retrieval in aging | |
Agarwal et al. | Detection of rapid-eye movements in sleep studies | |
JP6755356B2 (ja) | 検出装置 | |
US20150230744A1 (en) | Method and system for assessing a stimulus property perceived by a subject | |
Schierholz et al. | Enhanced audio–visual interactions in the auditory cortex of elderly cochlear-implant users | |
JP4369290B2 (ja) | 事象関連電位を利用したヒトの心理状態等の判定装置 | |
Rehbein et al. | Rapid prefrontal cortex activation towards aversively paired faces and enhanced contingency detection are observed in highly trait-anxious women under challenging conditions | |
Górska et al. | Assessing the state of consciousness for individual patients using complex, statistical stimuli | |
Ellwanger et al. | Identifying simulators of cognitive deficit through combined use of neuropsychological test performance and event-related potentials | |
Ren et al. | Age‐related functional brain connectivity during audio–visual hand‐held tool recognition | |
Buján et al. | Cortical auditory evoked potentials in mild cognitive impairment: Evidence from a temporal‐spatial principal component analysis | |
Soshi et al. | Neurophysiological modulation of rapid emotional face processing is associated with impulsivity traits | |
CN117958836A (zh) | 一种联合主动认知与专注呼吸的意识检测方法及系统 | |
Frick et al. | Detection of schizophrenia: A machine learning algorithm for potential early detection and prevention based on event-related potentials. | |
Walla et al. | Depth of word processing in Alzheimer patients and normal controls: a magnetoencephalographic (MEG) study | |
CN110866237B (zh) | 脑电的阈下姓名身份认证方法 | |
US20210100491A1 (en) | System for use in improving cognitive function | |
CN112022155A (zh) | 能对意识障碍患者进行听觉行为评估的脑机接口系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |