DE202021106795U1 - Ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung entrauschter EEG-Signale - Google Patents
Ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung entrauschter EEG-Signale Download PDFInfo
- Publication number
- DE202021106795U1 DE202021106795U1 DE202021106795.0U DE202021106795U DE202021106795U1 DE 202021106795 U1 DE202021106795 U1 DE 202021106795U1 DE 202021106795 U DE202021106795 U DE 202021106795U DE 202021106795 U1 DE202021106795 U1 DE 202021106795U1
- Authority
- DE
- Germany
- Prior art keywords
- brain
- module
- electrodes
- signal
- signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 45
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 210000004761 scalp Anatomy 0.000 claims abstract description 5
- 230000004397 blinking Effects 0.000 claims abstract description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 13
- 230000008901 benefit Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000007177 brain activity Effects 0.000 description 5
- 230000001537 neural effect Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 210000001652 frontal lobe Anatomy 0.000 description 3
- 210000001152 parietal lobe Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000008904 neural response Effects 0.000 description 2
- 210000000869 occipital lobe Anatomy 0.000 description 2
- 230000001936 parietal effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 210000003478 temporal lobe Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000013200 Stress disease Diseases 0.000 description 1
- 230000016571 aggressive behavior Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000003931 cognitive performance Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/378—Visual stimuli
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6814—Head
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Neurosurgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Ein System (100) zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn, wobei das System folgendes umfasst:
eine Vielzahl von Elektroden (102), die auf der oberen Schicht der Kopfhaut zur Erfassung von Gehirnsignalen angeordnet sind;
ein Datenerfassungsmodul (104), das mit der Vielzahl von Elektroden (102) verbunden ist, um die Gehirnsignale zu erfassen;
ein Filtermodul (106) zum Entfernen von Artefakten des Elektrookulogramms (EOG), die vom Blinzeln der Augen und von Stromleitungsstörungen herrühren, aus den Gehirnsignalen;
ein Vorverarbeitungsmodul (108), das mit der Vielzahl von Elektroden (102) verbunden ist, um Rauschen zu eliminieren und
die Signalqualität aus den gefilterten Gehirnsignalen unter Verwendung einer Wavelet-Transformation zu verbessern, wobei ein Schwellenwertmodul (110) die gefilterte Ausgabe aus dem vorverarbeiteten Signal erzeugt, das unter Verwendung des Vorverarbeitungsmoduls (108) erhalten wird; und
ein Merkmalsextraktionsmodul (112), das mit dem Schwellenwertmodul (110) verbunden ist, um eine Vielzahl von Merkmalen zu extrahieren, um das kognitive Verhalten auf den menschlichen Hirneffekt zu erfassen.
eine Vielzahl von Elektroden (102), die auf der oberen Schicht der Kopfhaut zur Erfassung von Gehirnsignalen angeordnet sind;
ein Datenerfassungsmodul (104), das mit der Vielzahl von Elektroden (102) verbunden ist, um die Gehirnsignale zu erfassen;
ein Filtermodul (106) zum Entfernen von Artefakten des Elektrookulogramms (EOG), die vom Blinzeln der Augen und von Stromleitungsstörungen herrühren, aus den Gehirnsignalen;
ein Vorverarbeitungsmodul (108), das mit der Vielzahl von Elektroden (102) verbunden ist, um Rauschen zu eliminieren und
die Signalqualität aus den gefilterten Gehirnsignalen unter Verwendung einer Wavelet-Transformation zu verbessern, wobei ein Schwellenwertmodul (110) die gefilterte Ausgabe aus dem vorverarbeiteten Signal erzeugt, das unter Verwendung des Vorverarbeitungsmoduls (108) erhalten wird; und
ein Merkmalsextraktionsmodul (112), das mit dem Schwellenwertmodul (110) verbunden ist, um eine Vielzahl von Merkmalen zu extrahieren, um das kognitive Verhalten auf den menschlichen Hirneffekt zu erfassen.
Description
- BEREICH DER ERFINDUNG
- Die vorliegende Erfindung bezieht sich auf ein Gebiet der elektronischen Geräte. Insbesondere bezieht sich die vorliegende Erfindung auf das Gebiet der Elektroenzephalogrammsignale zur Untersuchung der kognitiven Wirkung der Gehirnaktivität.
- HINTERGRUND DER ERFINDUNG
- Fernsehserien haben einen Einfluss auf die menschliche Wahrnehmung. Die Menschen sind süchtig nach verschiedenen Arten von Fernsehserien, die das menschliche Verhalten verändern können. Das menschliche Gehirn ist in verschiedene Bereiche unterteilt, die als Lappen bezeichnet werden. Dies sind Frontal-, Parietal-, Temporal- und Okzipitallappen. Jeder Lappen ist mit verschiedenen Funktionen verbunden, die vom Gedächtnis bis zur visuellen Verarbeitung reichen. Der Frontallappen, der sich an der Vorderseite des Gehirns befindet, steuert die übergeordnete Verarbeitung von exekutiven Funktionen wie Aufmerksamkeit, Entscheidungsfindung, logisches Denken, motorische Fähigkeiten und Arbeitsgedächtnis. Der Parietallappen in der Mitte des Gehirns verarbeitet die sensorischen Informationen von Berührung, Druck und Schmerz. Der Temporal- und der Okzipitallappen sind für die Verarbeitung von Gedächtnis- bzw. visuellen Informationen zuständig. Daher kann eine ortsspezifische neuronale Reaktion kognitive, prozessinduzierte Informationen anzeigen. Das Elektroenzephalogramm (EEG) ist eine weit verbreitete nicht-invasive Methode, um über die von der Kopfhaut erzeugten elektrischen Potentiale Informationen über die Gehirnaktivität zu erhalten.
- Nach früheren Studien spielt jedes EEG-Frequenzband eine entscheidende Rolle bei kognitiven Leistungen. Im Vergleich zu den niederfrequenten Bändern (Delta und Theta) sind die Alpha- und Beta-Frequenzbänder eher in der Lage, die aktivitätsinduzierten neuronalen Reaktionen abzubilden. Diese beiden Frequenzbänder spielen eine aktive Rolle bei der Charakterisierung verschiedener psychologischer Zustände wie Aufmerksamkeit, Aggression, Depression, Glück, psychiatrische Störungen usw. Daher könnten die signifikanten Veränderungen in diesen Oszillationen in der Lage sein, die neuronalen Auswirkungen von Tele-Serien zu bewerten.
- Herkömmliche Methoden wie DFT und FFT erfassen jedoch nur die Informationen des Frequenzbereichs, während die Informationen des Zeitbereichs verloren gehen. Die STFT überwindet diese Einschränkung und beschreibt das Signal sowohl im Zeit- als auch im Frequenzbereich durch die Verwendung eines beweglichen Fensters. Aufgrund der konstanten Fenstergröße ist sie jedoch nicht in der Lage, mehrere Auflösungen zu erzeugen. Die Wavelet-Transformation hingegen verfügt über ein flexibles Fenster und geht auf die Probleme nicht-stationärer Signale ein. Da sowohl zeit- als auch frequenzbasierte Informationen integrale Bestandteile eines EEG-Signals sind, ist die Wavelet-Transformation die am besten geeignete Methode für die Analyse solcher nicht-stationären und dynamischen Signale. Bei der EEG-Signalverarbeitung ist im Allgemeinen eine bessere Zeitauflösung erforderlich, um transiente Wellen (Hochfrequenz) zu lokalisieren, und eine bessere Frequenzauflösung wird für niederfrequente Wellen bevorzugt.
-
CN104135920B offenbart Analysemethoden zur Extraktion und Bewertung von Gehirndaten, die von Versuchstieren, einschließlich Menschen, gesammelt wurden, um beabsichtigte und unbeabsichtigte Gehirnaktivitäten und andere unerwartete Signale zu erkennen. Diese Signale werden mit höheren kognitiven Hirnfunktionen oder unbeabsichtigten, potenziell schädlichen Ereignissen wie einem Schlaganfall oder Krampfanfall sowie mit der Umsetzung dieser Signale in definierte Auslöseereignisse oder Aufgaben korreliert. - Um die oben genannten Einschränkungen zu überwinden, muss ein System entwickelt werden, das sich auf die spontane neuronale Aktivität von Fernsehzuschauern konzentriert. Auf diskreter Wavelet-Transformation basierende Vorverarbeitungs- und Merkmalsextraktionsmethoden werden auf den erfassten EEG-Signalen implementiert, um zu untersuchen, ob eine Langzeitbeteiligung an Krimi-Gewalt-Serien und/oder Comedy-Serien eine neuronale Modulation verursacht.
- Der technische Fortschritt, der durch die vorliegende Erfindung offenbart wird, überwindet die Einschränkungen und Nachteile bestehender und konventioneller Systeme und Methoden.
- ZUSAMMENFASSUNG DER ERFINDUNG
- Die vorliegende Erfindung bezieht sich allgemein auf ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung von entrauschten EEG-Signalen.
- Ein Ziel der vorliegenden Erfindung ist es, sich auf die spontane neuronale Aktivität von Zuschauern von Fernsehserien zu konzentrieren;
- Ein weiteres Ziel der vorliegenden Erfindung ist es, zu untersuchen, ob eine langfristige Beteiligung an Serien vom Typ „Gewaltverbrechen“ und/oder „Komödie“ eine neuronale Modulation verursacht; und
- Ein weiteres Ziel der vorliegenden Erfindung ist es, die Gehirnaktivität einer Person zu analysieren.
- In einer Ausführungsform betrifft die Erfindung ein System zur Diagnose von kognitiven Effekten auf das menschliche Gehirn, wobei das System folgendes umfasst:
- eine Vielzahl von Elektroden, die auf der oberen Schicht der Kopfhaut angebracht sind, um Gehirnsignale zu erfassen;
- ein Datenerfassungsmodul, das mit der Vielzahl von Elektroden verbunden ist, um die Gehirnsignale zu erfassen;
- ein Filtermodul zur Entfernung von Artefakten des Elektrookulogramms (EOG), die vom Blinzeln der Augen und von Stromleitungsstörungen herrühren, aus den Gehirnsignalen;
- ein Vorverarbeitungsmodul, das mit der Vielzahl von Elektroden verbunden ist, um Rauschen zu eliminieren und die Signalqualität aus den gefilterten Gehirnsignalen unter Verwendung der Wavelet-Transformation zu verbessern, wobei ein Schwellenwertmodul die gefilterte Ausgabe aus dem vorverarbeiteten Signal erzeugt, das unter Verwendung des Vorverarbeitungsmoduls erhalten wird; und
- ein Merkmalsextraktionsmodul, das mit dem Schwellenwertmodul verbunden ist, um eine Vielzahl von Merkmalen zu extrahieren, um das kognitive Verhalten auf den menschlichen Hirneffekt zu erkennen.
- In einer Ausführungsform handelt es sich bei der Wavelet-Transformation um eine diskrete Wavelet-Transformation (DWT), wobei die DWT zwei Koeffizienten erzeugt, die als Näherungs- und Detailkoeffizienten bezeichnet werden, wobei der Näherungskoeffizient die abwärts abgetastete Ausgabe des Tiefpassfilters ist, während der Detailkoeffizient die abwärts abgetastete Ausgabe des Hochpassfilters ist.
- In einer Ausführungsform umfasst das Schwellenwertmodul 3 Schritte, nämlich Zerlegung, Schwellenwertbildung und Rekonstruktion.
- In einer Ausführungsform wird eine Vielzahl von Mutter-Wavelets zur Entrauschung des Gehirnsignals eingesetzt, und eine optimale Mutter-Wavelet-Funktion wird durch Berechnung des mittleren quadratischen Fehlers (MSE) und des Signal-Rausch-Verhältnisses (SNR) bewertet.
- In einer Ausführungsform weisen der MSE und der höhere SNR auf eine höhere Kompatibilität des gewählten Mutter-Wavelets mit dem ursprünglichen Gehirnsignal hin.
- In einer Ausführungsform charakterisiert die Vielzahl der Merkmale das Gehirnsignal und wird als Messparameter verwendet, um Auswirkungen auf das menschliche Gehirn zu erkennen.
- Um die Vorteile und Merkmale der vorliegenden Erfindung weiter zu verdeutlichen, wird eine genauere Beschreibung der Erfindung durch Bezugnahme auf bestimmte Ausführungsformen davon, die in den beigefügten Figuren dargestellt sind, gegeben. Es wird davon ausgegangen, dass diese Figuren nur typische Ausführungsformen der Erfindung zeigen und daher nicht als Einschränkung ihres Umfangs zu betrachten sind. Die Erfindung wird mit zusätzlicher Spezifität und Detail mit den beigefügten Figuren beschrieben und erläutert werden.
- Figurenliste
- Diese und andere Merkmale, Aspekte und Vorteile der vorliegenden Erfindung werden besser verstanden, wenn die folgende detaillierte Beschreibung unter Bezugnahme auf die beigefügten Figuren gelesen wird, in denen gleiche Zeichen gleiche Teile in den Figuren darstellen, wobei:
-
1 ein Blockdiagramm eines Systems zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn zeigt. - Der Fachmann wird verstehen, dass die Elemente in den Figuren der Einfachheit halber dargestellt sind und nicht unbedingt maßstabsgetreu gezeichnet wurden. Die Flussdiagramme veranschaulichen beispielsweise das Verfahren anhand der wichtigsten Schritte, um das Verständnis der Aspekte der vorliegenden Offenbarung zu verbessern. Darüber hinaus kann es sein, dass eine oder mehrere Komponenten der Vorrichtung in den Figuren durch herkömmliche Symbole dargestellt sind, und dass die Figuren nur die spezifischen Details zeigen, die für das Verständnis der Ausführungsformen der vorliegenden Offenbarung relevant sind, um die Figuren nicht mit Details zu überfrachten, die für Fachleute, die mit der vorliegenden Beschreibung vertraut sind, leicht erkennbar sind.
- DETAILLIERTE BESCHREIBUNG:
- Um das Verständnis der Erfindung zu fördern, wird nun auf die in den Figuren dargestellte Ausführungsform Bezug genommen und diese mit bestimmten Worten beschrieben. Es versteht sich jedoch von selbst, dass damit keine Einschränkung des Umfangs der Erfindung beabsichtigt ist, wobei solche Änderungen und weitere Modifikationen des dargestellten Systems und solche weiteren Anwendungen der darin dargestellten Grundsätze der Erfindung in Betracht gezogen werden, wie sie einem Fachmann auf dem Gebiet der Erfindung normalerweise einfallen würden.
- Der Fachmann wird verstehen, dass die vorstehende allgemeine Beschreibung und die folgende detaillierte Beschreibung beispielhaft und erläuternd für die Erfindung sind und nicht als einschränkend angesehen werden.
- Wenn in dieser Beschreibung von „einem Aspekt“, „einem anderen Aspekt“ oder ähnlichem die Rede ist, bedeutet dies, dass ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Eigenschaft, die im Zusammenhang mit der Ausführungsform beschrieben wird, in mindestens einer Ausführungsform der vorliegenden Erfindung enthalten ist. Daher können sich die Ausdrücke „in einer Ausführungsform“, „in einer anderen Ausführungsform“ und ähnliche Ausdrücke in dieser Beschreibung alle auf dieselbe Ausführungsform beziehen, müssen es aber nicht.
- Die Ausdrücke „umfasst“, „enthaltend“ oder andere Variationen davon sollen eine nicht ausschließliche Einbeziehung abdecken, so dass ein Verfahren oder eine Methode, die eine Liste von Schritten umfasst, nicht nur diese Schritte umfasst, sondern auch andere Schritte enthalten kann, die nicht ausdrücklich aufgeführt sind oder zu einem solchen Verfahren oder einer solchen Methode gehören. Ebenso schließen eine oder mehrere Vorrichtungen oder Teilsysteme oder Elemente oder Strukturen oder Komponenten, die mit „umfasst...a“ eingeleitet werden, nicht ohne weitere Einschränkungen die Existenz anderer Vorrichtungen oder anderer Teilsysteme oder anderer Elemente oder anderer Strukturen oder anderer Komponenten oder zusätzlicher Vorrichtungen oder zusätzlicher Teilsysteme oder zusätzlicher Elemente oder zusätzlicher Strukturen oder zusätzlicher Komponenten aus.
- Sofern nicht anders definiert, haben alle hierin verwendeten technischen und wissenschaftlichen Begriffe die gleiche Bedeutung, wie sie von einem Fachmann auf dem Gebiet, zu dem diese Erfindung gehört, allgemein verstanden wird. Das System, die Methoden und die Beispiele, die hier angegeben werden, dienen nur der Veranschaulichung und sind nicht als Einschränkung gedacht.
- Ausführungsformen der vorliegenden Erfindung werden im Folgenden unter Bezugnahme auf die beigefügten Figuren im Detail beschrieben.
-
1 zeigt ein Blockdiagramm eines Systems zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn, wobei das System umfasst: eine Vielzahl von Elektroden (102), ein Datenerfassungsmodul (104), ein Filtermodul (106), ein Vorverarbeitungsmodul (108), ein Schwellenwertmodul (110) und ein Merkmalsextraktionsmodul (112). - Die Vielzahl von Elektroden (102) ist auf der oberen Schicht der Kopfhaut positioniert, um Gehirnsignale zu erfassen.
- Das Datenerfassungsmodul (104), das mit der Vielzahl von Elektroden (102) verbunden ist, um die Gehirnsignale zu erfassen.
- Das Filtermodul (106) zur Entfernung von Artefakten des Elektrookulogramms (EOG), die durch Blinzeln der Augen und durch Stromleitungsstörungen entstehen, aus den Gehirnsignalen.
- Das Vorverarbeitungsmodul (108), das mit der Vielzahl von Elektroden (102) verbunden ist, um Rauschen zu eliminieren und die Signalqualität aus den gefilterten Gehirnsignalen unter Verwendung der Wavelet-Transformation zu verbessern, wobei ein Schwellenwertmodul (110) die gefilterte Ausgabe aus dem vorverarbeiteten Signal erzeugt, das unter Verwendung des Vorverarbeitungsmoduls (108) erhalten wurde, wobei die Wavelet-Transformation eine diskrete Wavelet-Transformation (DWT) ist, wobei die DWT zwei Koeffizienten erzeugt, die Näherungs- und Detailkoeffizienten genannt werden, wobei der Näherungskoeffizient eine abwärts abgetastete Ausgabe eines Tiefpassfilters ist, während der Detailkoeffizient eine abwärts abgetastete Ausgabe eines Hochpassfilters ist.
- Die Vielzahl von Mutter-Wavelets wird zur Entrauschung des Gehirnsignals eingesetzt, und eine optimale Mutter-Wavelet-Funktion wird durch Berechnung des mittleren quadratischen Fehlers (MSE) und des Signal-Rausch-Verhältnisses (SNR) bewertet. Der MSE und das höhere SNR zeigen eine höhere Kompatibilität des gewählten Mutter-Wavelets mit dem ursprünglichen Gehirnsignal an.
- Das Merkmalsextraktionsmodul (112), das mit dem Schwellenwertmodul (110) verbunden ist, um eine Vielzahl von Merkmalen zu extrahieren, um das kognitive Verhalten auf die Wirkung auf das menschliche Gehirn zu erfassen, wobei das Schwellenwertmodul (110) drei Schritte umfasst, nämlich Zerlegung, Schwellenwert und Rekonstruktion, wobei die Vielzahl von Merkmalen das Gehirnsignal charakterisiert und als Messparameter verwendet wird, um die Wirkung auf das menschliche Gehirn zu erfassen.
-
-
- Es ist klar, dass Pf empfindlich auf die Änderung der Signalenergie reagiert und die Energiebeziehung zwischen den einzelnen Spektralbändern darstellt.
-
- Gemäß einer beispielhaften Ausführungsform werden die EEG-Daten von einer Vielzahl von Probanden erfasst, und die Durchschnittsdaten wurden berechnet und als normales Verhalten behandelt. Dann wird diese Vielzahl von Probanden gleichmäßig in zwei Gruppen aufgeteilt. Die Probanden der ersten Gruppe werden gebeten, regelmäßig 3 Stunden pro Tag und 30 Tage lang Fernsehserien über Verbrechen und Gewalt zu sehen. Die Probanden der zweiten Gruppe werden gebeten, regelmäßig 3 Stunden pro Tag und 30 Tage lang Comedy-Fernsehserien anzuschauen. Für jede Gruppe werden die Durchschnittsdaten berechnet und zum Vergleich aufgetragen. Von jedem Probanden wurden 300 Sekunden EEG-Daten mit einer Abtastfrequenz von 125 Hz erfasst. Die Daten wurden mit einem 32-Kanal-Datenerfassungsgerät unter Verwendung des 10-20-Elektrodenplatzierungssystems erfasst. Daher wurden die EEG-Daten von den Frontal- und Parietallappen der Testpersonen erfasst. Die Elektroden haben eine hohe Hautkontaktimpedanz (100 M'Ω), um den Belastungseffekt der EEG-Signale zu vermeiden. Alle Elektroden maßen das Potenzial in Bezug auf die Referenzelektrode, die in der Nähe des Ohrläppchens platziert wurde, wo die Gehirnaktivität deutlich geringer ist.
- Das System offenbart die Verarbeitungsstufen von EEG-Gehirnsignalen, die vor und nach dem Ansehen von Fernsehserien erfasst wurden. Das DB2-Wavelet hat sich als das beste Mutter-Wavelet für das erfasste EEG-Signal erwiesen. Man kommt zu dem Schluss, dass sich die kognitiven Fähigkeiten von Menschen nach dem regelmäßigen Anschauen von Fernsehserien erheblich verändern. Die betrachteten Merkmale relative Bandenergie und Wavelet-Entropie spiegeln die kognitiven Veränderungen wider. Es wurde festgestellt, dass die Alpha- und Beta-Aktivität sowohl in den frontalen als auch in den parietalen Regionen deutlich erhöht ist. Solche Studien können den Ärzten helfen, Probleme wie Stress, Angst und Schlafstörungen zu diagnostizieren.
- Die Figuren und die vorangehende Beschreibung geben Beispiele für Ausführungsformen. Der Fachmann wird verstehen, dass eines oder mehrere der beschriebenen Elemente durchaus zu einem einzigen Funktionselement kombiniert werden können. Alternativ dazu können bestimmte Elemente in mehrere Funktionselemente aufgeteilt werden. Elemente aus einer Ausführungsform können einer anderen Ausführungsform hinzugefügt werden. Die Reihenfolge der hier beschriebenen Prozesse kann beispielsweise geändert werden und ist nicht auf die hier beschriebene Weise beschränkt. Darüber hinaus müssen die Aktionen eines Flussdiagramms nicht in der gezeigten Reihenfolge ausgeführt werden; auch müssen nicht unbedingt alle Aktionen durchgeführt werden. Auch können die Handlungen, die nicht von anderen Handlungen abhängig sind, parallel zu den anderen Handlungen ausgeführt werden. Der Umfang der Ausführungsformen ist durch diese spezifischen Beispiele keineswegs begrenzt. Zahlreiche Variationen sind möglich, unabhängig davon, ob sie in der Beschreibung explizit aufgeführt sind oder nicht, wie z. B. Unterschiede in der Struktur, den Abmessungen und der Verwendung von Materialien. Der Umfang der Ausführungsformen ist mindestens so groß wie in den folgenden Ansprüchen angegeben.
- Vorteile, andere Vorzüge und Problemlösungen wurden oben im Hinblick auf bestimmte Ausführungsformen beschrieben. Die Vorteile, Vorzüge, Problemlösungen und Komponenten, die dazu führen können, dass ein Vorteil, ein Nutzen oder eine Lösung auftritt oder ausgeprägter wird, sind jedoch nicht als kritisches, erforderliches oder wesentliches Merkmal oder Komponente eines oder aller Ansprüche zu verstehen.
- Bezugszeichenliste
-
- 100
- System (100) zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn
- 102
- Elektroden
- 104
- Datenerfassungseinheit
- 106
- Modul zur Filterung
- 108
- Vorverarbeitungsmodul
- 110
- Schwellenwert-Modul
- 112
- Modul zur Merkmalsextraktion
- ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- CN 104135920 B [0005]
Claims (6)
- Ein System (100) zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn, wobei das System folgendes umfasst: eine Vielzahl von Elektroden (102), die auf der oberen Schicht der Kopfhaut zur Erfassung von Gehirnsignalen angeordnet sind; ein Datenerfassungsmodul (104), das mit der Vielzahl von Elektroden (102) verbunden ist, um die Gehirnsignale zu erfassen; ein Filtermodul (106) zum Entfernen von Artefakten des Elektrookulogramms (EOG), die vom Blinzeln der Augen und von Stromleitungsstörungen herrühren, aus den Gehirnsignalen; ein Vorverarbeitungsmodul (108), das mit der Vielzahl von Elektroden (102) verbunden ist, um Rauschen zu eliminieren und die Signalqualität aus den gefilterten Gehirnsignalen unter Verwendung einer Wavelet-Transformation zu verbessern, wobei ein Schwellenwertmodul (110) die gefilterte Ausgabe aus dem vorverarbeiteten Signal erzeugt, das unter Verwendung des Vorverarbeitungsmoduls (108) erhalten wird; und ein Merkmalsextraktionsmodul (112), das mit dem Schwellenwertmodul (110) verbunden ist, um eine Vielzahl von Merkmalen zu extrahieren, um das kognitive Verhalten auf den menschlichen Hirneffekt zu erfassen.
- System nach
Anspruch 1 , wobei die Wavelet-Transformation eine diskrete Wavelet-Transformation (DWT) ist, wobei die DWT zwei Koeffizienten erzeugt, die als Näherungs- und Detailkoeffizienten bezeichnet werden, wobei der Näherungskoeffizient eine abwärts abgetastete Ausgabe eines Tiefpassfilters ist, während der Detailkoeffizient eine abwärts abgetastete Ausgabe eines Hochpassfilters ist. - System nach
Anspruch 1 , wobei das Schwellenwertmodul (112) drei Schritte umfasst, nämlich Zerlegung, Schwellenwertbildung und Rekonstruktion. - System nach
Anspruch 1 , wobei eine Vielzahl von Mutter-Wavelets zur Entrauschung des Gehirnsignals implementiert wird und eine optimale Mutter-Wavelet-Funktion durch Berechnung des mittleren quadratischen Fehlers (MSE) und des Signal-Rausch-Verhältnisses (SNR) bewertet wird. - System nach
Anspruch 1 , wobei der MSE und der höhere SNR eine höhere Kompatibilität des gewählten Mutter-Wavelets mit dem ursprünglichen Gehirnsignal anzeigen. - System nach
Anspruch 1 , wobei die Vielzahl von Merkmalen das Gehirnsignal charakterisiert und als Messparameter verwendet wird, um Auswirkungen auf das menschliche Gehirn zu erkennen.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202021106795.0U DE202021106795U1 (de) | 2021-12-14 | 2021-12-14 | Ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung entrauschter EEG-Signale |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202021106795.0U DE202021106795U1 (de) | 2021-12-14 | 2021-12-14 | Ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung entrauschter EEG-Signale |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202021106795U1 true DE202021106795U1 (de) | 2022-02-04 |
Family
ID=80351770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202021106795.0U Active DE202021106795U1 (de) | 2021-12-14 | 2021-12-14 | Ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung entrauschter EEG-Signale |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE202021106795U1 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117158973A (zh) * | 2023-11-04 | 2023-12-05 | 北京视友科技有限责任公司 | 一种注意力稳定性评价方法、系统、装置及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135920A (zh) | 2012-01-24 | 2014-11-05 | 诺罗维吉尔公司 | 将脑信号与脑状态的有意改变和无意改变关联 |
-
2021
- 2021-12-14 DE DE202021106795.0U patent/DE202021106795U1/de active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135920A (zh) | 2012-01-24 | 2014-11-05 | 诺罗维吉尔公司 | 将脑信号与脑状态的有意改变和无意改变关联 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117158973A (zh) * | 2023-11-04 | 2023-12-05 | 北京视友科技有限责任公司 | 一种注意力稳定性评价方法、系统、装置及存储介质 |
CN117158973B (zh) * | 2023-11-04 | 2024-03-15 | 北京视友科技有限责任公司 | 一种注意力稳定性评价方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gupta et al. | A novel signal modeling approach for classification of seizure and seizure-free EEG signals | |
CH716863A2 (de) | Depressionserkennungssystem basierend auf einer unter Verwendung von Trainingssätzen getroffenen Kanalauswahl von Mehrkanal-Elektroenzephalographie. | |
DE69736592T2 (de) | Systeme zur vorhersagung, schnellerfassung,warnung, vermeidung oder kontrolle von zustandsveränderungen im gehirn | |
Mamun et al. | Effectiveness of wavelet denoising on electroencephalogram signals | |
Roy et al. | Image denoising by data adaptive and non-data adaptive transform domain denoising method using EEG signal | |
DE102008003142A1 (de) | Verarbeitung physiologischer Signaldaten bei der Patientenüberwachung | |
DE102008003000A1 (de) | Überwachen epileptiformer Aktivität | |
WO2000077675A1 (de) | Störungsunterdrückung für messsignale mit periodischem nutzsignal | |
DE102016123159A1 (de) | Vorrichtung und Verfahren zum Detektieren eines Fahrerzustands basierend auf biometrischen Signalen des Fahrers | |
Acharjee et al. | Independent vector analysis for gradient artifact removal in concurrent EEG-fMRI data | |
EP0828225A1 (de) | Verfahren und Vorrichtung zum Auswerten von EEG-Daten | |
WO2006034024A2 (en) | Method for adaptive complex wavelet based filtering of eeg signals | |
DE102015216645A1 (de) | Identifizieren eines typs von ischämischem ereignis aus einem herzsignalsegment | |
DE60011971T2 (de) | System zur detektion des auditiven evozierten potentials mittels punkt-optimierten varianz-quotienten | |
DE102015219543A1 (de) | System und verfahren zum detektieren eines arrythmie-ereignisses aus einem herzsignal | |
DE202022103434U1 (de) | Ein auf einem Enzephalogramm (EEG) basierendes Gerät zur Erkennung von epileptischen Anfällen | |
DE202022100822U1 (de) | Ein hybrides System zur automatischen Entfernung von Augenblinzel-Artefakten aus Elektroenzephalogrammsignalen | |
DE202021106795U1 (de) | Ein System zur Diagnose der kognitiven Wirkung von Tele-Serien auf das menschliche Gehirn unter Verwendung entrauschter EEG-Signale | |
Uthayakumar et al. | Multifractal-wavelet based denoising in the classification of healthy and epileptic EEG signals | |
CN112861625A (zh) | 一种堆叠去噪自编码器模型确定方法 | |
DE4327429C2 (de) | Verfahren und Vorrichtung zur Gehirnwellenanalyse | |
CN114601476A (zh) | 一种基于视频刺激下的eeg信号情感识别方法 | |
Fathima et al. | Wavelet based features for classification of normal, ictal and interictal EEG signals | |
Kaushal et al. | Better approach for denoising EEG signals | |
DE19610847C1 (de) | Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, beispielsweise eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification | ||
R082 | Change of representative |
Representative=s name: LIPPERT STACHOW PATENTANWAELTE RECHTSANWAELTE , DE |