JP7179059B2 - ニューロン応答に基づいた人間検出の方法、システム及びコンピュータ・プログラム - Google Patents
ニューロン応答に基づいた人間検出の方法、システム及びコンピュータ・プログラム Download PDFInfo
- Publication number
- JP7179059B2 JP7179059B2 JP2020520129A JP2020520129A JP7179059B2 JP 7179059 B2 JP7179059 B2 JP 7179059B2 JP 2020520129 A JP2020520129 A JP 2020520129A JP 2020520129 A JP2020520129 A JP 2020520129A JP 7179059 B2 JP7179059 B2 JP 7179059B2
- Authority
- JP
- Japan
- Prior art keywords
- electroencephalogram signal
- sensory information
- training
- entity
- trained
- 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
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
- A61B5/7264—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
-
- 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
- A61B5/24—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
- A61B5/38—Acoustic or auditory stimuli
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/12—Healthy persons not otherwise provided for, e.g. subjects of a marketing survey
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
-
- 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]
-
- 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
- A61B5/381—Olfactory or gustatory stimuli
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Psychology (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
オンデマンド・セルフサービス:クラウド・コンシューマは、必要に応じて、サーバ時間及びネットワーク・ストレージ等のコンピューティング機能を、人間がサービスのプロバイダと対話する必要なく自動的に、一方的にプロビジョニングすることができる。
広範なネットワーク・アクセス:機能は、ネットワーク上で利用可能であり、異種のシン又はシック・クライアント・プラットフォーム(例えば、携帯電話、ラップトップ、及びPDA)による使用を促進する標準的な機構を通じてアクセスされる。
リソース・プール化:プロバイダのコンピューティング・リソースは、マルチ・テナント・モデルを用いて、異なる物理及び仮想リソースを要求に応じて動的に割り当て及び再割り当てすることにより、複数のコンシューマにサービスを提供するためにプールされる。コンシューマが、一般に、提供されるリソースの正確な位置についての制御又は知識を持たないという点で位置独立性があるといえるが、より高レベルの抽象化では位置(例えば、国、州、又はデータセンタ)を特定できる場合がある。
迅速な弾力性:機能は、迅速かつ弾力的に、場合によっては自動的に、プロビジョニングして素早くスケール・アウトし、迅速にリリースして素早くスケール・インさせることができる。コンシューマにとって、プロビジョニングに利用可能なこれらの機能は、多くの場合、無制限であり、いつでもどんな量でも購入できるように見える。
計測されるサービス:クラウド・システムは、サービスのタイプ(例えば、ストレージ、処理、帯域幅、及びアクティブなユーザ・アカウント)に適した何らかの抽象化レベルでの計量機能を用いることによって、リソースの使用を自動的に制御及び最適化する。リソース使用を監視し、制御し、報告し、利用されるサービスのプロバイダとコンシューマの両方に対して透明性をもたらすことができる。
Software as a Service(SaaS):クラウド・インフラストラクチャ上で動作しているプロバイダのアプリケーションを使用するために、コンシューマに提供される機能である。これらのアプリケーションは、ウェブ・ブラウザ(例えば、ウェブ・ベースの電子メール)などのシン・クライアント・インターフェースを通じて、種々のクライアント・デバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定の考え得る例外として、ネットワーク、サーバ、オペレーティング・システム、ストレージ、又は個々のアプリケーション機能をも含めて、基礎をなすクラウド・インフラストラクチャを管理又は制御しない。
Platform as a Service(PaaS):プロバイダによってサポートされるプログラミング言語及びツールを用いて生成された、コンシューマが生成した又は取得したアプリケーションを、クラウド・インフラストラクチャ上にデプロイするために、コンシューマに提供される機能である。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、又はストレージなどの基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、配備されたアプリケーション、及び場合によってはアプリケーション・ホスティング環境構成に対して制御を有する。
Infrastructure as a Service(IaaS):コンシューマが、オペレーティング・システム及びアプリケーションを含み得る任意のソフトウェアを配備及び動作させることができる、処理、ストレージ、ネットワーク、及び他のベースラインのコンピューティング・リソースをプロビジョニンングするために、コンシューマに提供される機能である。コンシューマは、基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、オペレーティング・システム、ストレージ、配備されたアプリケーションに対する制御、及び場合によってはネットワーク・コンポーネント(例えば、ホストのファイアウォール)選択の限定された制御を有する。
プライベート・クラウド:クラウド・インフラストラクチャは、ある組織のためだけに運営される。このクラウド・インフラストラクチャは、その組織又は第三者によって管理することができ、オンプレミス又はオフプレミスに存在することができる。
コミュニティ・クラウド:クラウド・インフラストラクチャは、幾つかの組織によって共有され、共通の関心事項(例えば、任務、セキュリティ要件、ポリシー、及びコンプライアンス上の考慮事項)を有する特定のコミュニティをサポートする。クラウド・インフラストラクチャは、その組織又は第三者によって管理することができ、オンプレミス又はオフプレミスに存在することができる。
パブリック・クラウド:クラウド・インフラストラクチャは、一般公衆又は大規模な業界グループに利用可能であり、クラウド・サービスを販売する組織によって所有される。
ハイブリッド・クラウド:クラウド・インフラストラクチャは、固有のエンティティのままであるが、データ及びアプリケーションの移行性を可能にする標準化された又は専用の技術(例えば、クラウド間の負荷分散のためのクラウド・バースティング)によって結び付けられる2つ以上のクラウド(プライベート、コミュニティ、又はパブリック)の混成物である。
12:コンピュータ・システム/サーバ
16:プロセッサ又は処理ユニット
18:バス
28:システム・メモリ
50:クラウド・コンピューティング環境
60:ハードウェア及びソフトウェア層
70:仮想化層
80:管理層
90:ワークロード層
180:プロファイル部分
182:脳波(EEG)信号波形
Claims (16)
- コンピュータの情報処理による、ニューロン応答に基づいた人間検出の方法であって、前記方法は、
第1の感覚情報のエンティティへの提示中、前記エンティティから第1の脳波信号を取得することと、
取得された前記第1の脳波信号を、前記第1の感覚情報としてラベル付けされた複数の訓練された脳波信号プロファイル部分の各々と比較することであって、前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分は、前記第1の感覚情報に対応する感覚情報の複数の異なる人への提示の関数として、前記複数の異なる人により最も多くに共通して生成される脳波信号を表す、比較することと、
第1の訓練期間中に第1の人から第1の訓練脳波信号を取得することであって、前記第1の訓練脳波信号は、前記第1の訓練期間中に、前記第1の感覚情報の前記第1の人への提示に応答して、前記第1の人により生成される、取得することと、
取得された前記第1の訓練脳波信号を、前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々と比較することと、
取得された前記第1の訓練脳波信号のプロファイル部分との類似点を判断することに応答して最多共通重み値を増大させ、かつ、取得された前記第1の訓練脳波信号の前記プロファイル部分との相違点を判断することに応答して前記最多共通重み値を減少させるように、第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々を重み付けすることと、
前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分のうち最も高い最多共通重み値を有するものに対する取得された前記第1の脳波信号のマッチの強度の関数として、前記エンティティが人間であるかどうかを判断することと、
を含む、方法。 - 前記第1の感覚情報とは異なる第2の感覚情報の前記エンティティへの提示に応答して、前記エンティティから第2の脳波信号を取得することと、
取得された前記第2の脳波信号を、前記第2の感覚情報としてラベル付けされた複数の訓練された脳波信号プロファイル部分の各々と比較することであって、前記第2の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分は、前記第2の感覚情報に対応する感覚情報の複数の異なる人への提示の関数として、前記複数の異なる人により最も多くに共通して生成される脳波信号を表す、比較することと、
をさらに含み、
前記エンティティが人間であるかどうかを判断することは、さらに、前記第2の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分のうち最も高い最多共通重み値を有するものに対する取得された前記第2の脳波信号のマッチの強度の
関数である、請求項1に記載の方法。 - 取得された前記第1の脳波信号が、前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分のものに指定精度値内でマッチすると判断することに応答して、前記エンティティは人間ではないと判断することをさらに含む、請求項1に記載の方法。
- 前記複数の異なる人の特性に共通している前記エンティティの特性にマッチするように、前記第1の感覚情報を選択することをさらに含み、前記エンティティの前記特性は、人口統計データ、クライアント・カテゴリ、仕事内容、スキルセット、及び雇用主の識別から成る群から選択される、請求項1に記載の方法。
- 取得された前記エンティティの脳波信号の入力が、前記エンティティの脳波信号の入力を提供するエンドユーザ・マシン上のスクリプトの実行、及び前記エンドユーザ・マシン上のハンドシェイク・ルーチンの実行から成る群から選択されるプロセスの関数として、承認されたデバイスから直接もたらされることを検証することと、
前記検証が失敗したとの判断に応答して、前記エンティティは人間ではないと判断することと、
をさらに含む、請求項1に記載の方法。 - 前記第1の感覚情報とは異なるベースライン感覚情報の前記エンティティへの提示中、前記エンティティからベースライン脳波信号を取得することと、
取得された前記第1の脳波信号の属性の値と取得された前記ベースライン脳波信号の前記属性の値との間の差としてデルタ値を求めることと、
をさらに含み、
取得された前記第1の脳波信号を前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々と比較することは、求められた前記デルタ値を、前記第1の感覚情報としてラベル付けされた複数のデルタ脳波信号プロファイル部分の各々と比較することを含み、前記第1の感覚情報としてラベル付けされた前記複数のデルタ脳波信号プロファイル部分はそれぞれ、前記ベースライン感覚情報の提示中に前記複数の異なる人から取得されたベースライン脳波信号のうち最も多くに共通するものに対する、前記第1の感覚情報の提示中に前記複数の異なる人から取得された脳波信号のうち最も多くに共通するものの差として求められる、請求項1に記載の方法。 - 前記ベースライン感覚情報の前記提示は「非活動」提示段階である、請求項6に記載の方法。
- 前記第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分のうち最も高い最多共通重み値を有する閾値数のものが、閾値重み付け値を有すると判断するまで、複数の新しい人の各々について繰り返し反復することにより、第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分を訓練することと、
第1の訓練期間中、前記第1の感覚情報の各々の新しい人への提示に応答して、各々の新しい人により生成される新しい人の訓練脳波信号を取得することと、
取得された前記新しい人の訓練脳波信号を、前記第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分と比較することと、
取得された前記新しい人の訓練脳波信号のプロファイル部分との類似点を判断することに応答して最多共通重み値を増大させ、かつ、取得された前記新しい人の訓練脳波信号の前記プロファイル部分との相違点を判断することに応答して前記最多共通重み値を減少させるように、前記第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々の前記重み付けを改訂することと、
をさらに含む、請求項7に記載の方法。 - プロセッサと、前記プロセッサと回路上通信するコンピュータ可読メモリと、前記プロセッサと回路上通信するコンピュータ可読ストレージ媒体とを含むコンピュータ・システム内にコンピュータ可読プログラム・コードを統合することをさらに含み、
前記プロセッサは、前記コンピュータ可読メモリを介してコンピュータ可読ストレージ媒体上に格納されたプログラム・コード命令を実行し、それにより、前記第1の感覚情報の前記エンティティへの提示中に前記エンティティから前記脳波信号を取得することと、取得された前記脳波信号を前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々と比較することと、前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分のうち前記最も高い最多共通重み値を有するものに対する取得された前記脳波信号のマッチの強度の関数として、前記エンティティが人間であるかどうかを判断することとを実行する、請求項1に記載の方法。 - 前記コンピュータ可読プログラム・コードは、クラウド環境におけるサービスとして提供される、請求項9に記載の方法。
- システムであって、
プロセッサと、
前記プロセッサと回路上通信するコンピュータ可読メモリと、
前記プロセッサと回路上通信するコンピュータ可読ストレージ媒体と、
を含み
前記プロセッサは、前記コンピュータ可読メモリを介して前記コンピュータ可読ストレージ媒体上に格納されたプログラム命令を実行し、それにより、
第1の感覚情報のエンティティへの提示中、前記エンティティから第1の脳波信号を取得することと、
取得された前記第1の脳波信号を、第1の感覚情報としてラベル付けされた複数の訓練された脳波信号プロファイル部分の各々と比較することであって、前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分は、前記第1の感覚情報に対応する感覚情報の複数の異なる人への提示の関数として、前記複数の異なる人により最も多くに共通して生成される脳波信号を表す、比較することと、
第1の訓練期間中に第1の人から第1の訓練脳波信号を取得することであって、前記第1の訓練脳波信号は、前記第1の訓練期間中に、前記第1の感覚情報の前記第1の人への提示に応答して、前記第1の人により生成される、取得することと、
取得された前記第1の訓練脳波信号を、前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々と比較することと、
取得された前記第1の訓練脳波信号のプロファイル部分との類似点を判断することに応答して最多共通重み値を増大させ、かつ、取得された前記第1の訓練脳波信号の前記プロファイル部分との相違点を判断することに応答して前記最多共通重み値を減少させるように、第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々を重み付けすることと、
前記第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分のうち最も高い最多共通重み値を有する閾値数のものが、閾値重み付け値を有すると判断するまで、複数の新しい人の各々について繰り返し反復することにより、第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分を訓練することと、
第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分のうち最も高い最多共通重み値を有するものに対する取得された前記第1の脳波信号のマッチの強度の関数として、前記エンティティが人間であるかどうかを判断することと、
を行う、システム。 - 前記プロセッサは、前記コンピュータ可読メモリを介して、前記コンピュータ可読ストレージ媒体上に格納された前記プログラム命令を実行し、それにより、
前記第1の感覚情報とは異なる第2の感覚情報の前記エンティティへの提示に応答して、前記エンティティから第2の脳波信号を取得することと、
取得された前記第2の脳波信号を、前記第2の感覚情報としてラベル付けされた複数の訓練された脳波信号プロファイル部分の各々と比較することであって、前記第2の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分は、前記第2の感覚情報に対応する感覚情報の複数の異なる人への提示の関数として、前記複数の異なる人により最も多くに共通して生成される脳波信号を表す、比較することと、
前記第2の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分うち最も高い最多共通重み値を有するものに対する取得された前記第2の脳波信号のマッチの強度の関数として、前記エンティティが人間であるかどうかを判断することと、
を行う、請求項11に記載のシステム。 - 前記プロセッサは、前記コンピュータ可読メモリを介して前記コンピュータ可読ストレージ媒体上に格納された前記プログラム命令を実行し、それにより、
前記第1の感覚情報とは異なるベースライン感覚情報の前記エンティティへの提示中、前記エンティティからベースライン脳波信号を取得することと、
取得された第1の脳波信号の属性の値と取得された前記ベースライン脳波信号の前記属性の値との間の差としてデルタ値を求めることと、
求められた前記デルタ値を、前記第1の感覚情報としてラベル付けされた複数のデルタ脳波信号プロファイル部分の各々と比較することにより、取得された前記第1の脳波信号を、前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々と比較することであって、前記第1の感覚情報としてラベル付けされた前記複数のデルタ脳波信号プロファイル部分はそれぞれ、前記ベースライン感覚情報の提示中に複数の異なる人から取得されたベースライン脳波信号のうち最も多くに共通するものに対する、前記第1の感覚情報の提示中に前記複数の異なる人から取得された脳波信号のうち最も多くに共通するものの差として求められる、比較することと、
を行う、請求項11に記載のシステム。 - 前記プロセッサは、前記コンピュータ可読メモリを介して前記コンピュータ可読ストレージ媒体上に格納された前記プログラム命令を実行し、それにより、
前記第1の訓練期間中、第1の人から第1の訓練脳波信号を取得することであって、前記第1の訓練脳波信号は、前記第1の訓練期間中、前記第1の感覚情報の前記第1の人への提示に応答して、前記第1の人により生成される、取得することと、
取得された前記第1の訓練脳波信号を、前記第1の感覚情報としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々と比較することと、
取得された前記第1の訓練脳波信号のプロファイル部分との類似点を判断することに応答して最多共通重み値を増大させ、かつ、取得された前記第1の訓練脳波信号の前記プロファイル部分との相違点を判断することに応答して前記最多共通重み値を減少させるように、第1の感覚情報訓練セット部分としてラベル付けされた前記複数の訓練された脳波信号プロファイル部分の各々を重み付けすることと、
を行う、請求項11に記載のシステム。 - 請求項1から請求項10までのいずれか1項に記載の方法をコンピュータに実行させるコンピュータ・プログラム。
- 請求項15に記載のコンピュータ・プログラムを格納したコンピュータ可読ストレージ媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/806,904 US11151440B2 (en) | 2017-11-08 | 2017-11-08 | Neural response human detector |
US15/806,904 | 2017-11-08 | ||
PCT/IB2018/058532 WO2019092553A1 (en) | 2017-11-08 | 2018-10-31 | Neural response detector |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021502135A JP2021502135A (ja) | 2021-01-28 |
JP7179059B2 true JP7179059B2 (ja) | 2022-11-28 |
Family
ID=66328643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020520129A Active JP7179059B2 (ja) | 2017-11-08 | 2018-10-31 | ニューロン応答に基づいた人間検出の方法、システム及びコンピュータ・プログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11151440B2 (ja) |
JP (1) | JP7179059B2 (ja) |
CN (1) | CN111295673B (ja) |
DE (1) | DE112018004401T5 (ja) |
GB (1) | GB2581455B (ja) |
WO (1) | WO2019092553A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102010360B1 (ko) * | 2018-10-08 | 2019-08-14 | 넷마블 주식회사 | 색각 이상 판단 장치 및 방법 |
US11513596B2 (en) * | 2019-04-16 | 2022-11-29 | SiliconIntervention Inc. | EEG with artificial intelligence as control device |
CN113197585B (zh) * | 2021-04-01 | 2022-02-18 | 燕山大学 | 一种神经肌肉信息交互模型构建及参数辨识优化方法 |
CN113712511B (zh) * | 2021-09-03 | 2023-05-30 | 湖北理工学院 | 一种脑成像融合特征的稳定模式判别方法 |
CN114872028B (zh) * | 2022-04-13 | 2023-07-14 | 中国兵器工业计算机应用技术研究所 | 操控手训练方法及设备 |
CN117100291B (zh) * | 2023-10-18 | 2024-01-30 | 深圳般意科技有限公司 | 一种经颅直流电刺激设备的干预刺激模式的评价方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515200A (zh) | 2009-04-03 | 2009-08-26 | 北京工业大学 | 基于瞬态视觉诱发脑电的目标选择方法 |
US20130044055A1 (en) | 2011-08-20 | 2013-02-21 | Amit Vishram Karmarkar | Method and system of user authentication with bioresponse data |
WO2016080366A1 (ja) | 2014-11-21 | 2016-05-26 | 国立研究開発法人産業技術総合研究所 | 脳波による認証装置、認証方法、認証システム及びプログラム |
WO2016171923A1 (en) | 2015-04-21 | 2016-10-27 | Alibaba Group Holding Limited | Method and system for identifying a human or machine |
CN106778594A (zh) | 2016-12-12 | 2017-05-31 | 燕山大学 | 基于lmd熵特征和lvq神经网络的运动想象脑电信号识别方法 |
US20170228526A1 (en) | 2016-02-04 | 2017-08-10 | Lenovo Enterprise Solutions (Singapore) PTE. LTE. | Stimuli-based authentication |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7519452B2 (en) | 2004-04-15 | 2009-04-14 | Neurosciences Research Foundation, Inc. | Mobile brain-based device for use in a real world environment |
EP1892674A1 (de) | 2006-08-23 | 2008-02-27 | Siemens Aktiengesellschaft | Gehirnmusterbasiertes Zugangskontrollsystem |
US8065529B2 (en) | 2007-05-21 | 2011-11-22 | Ut-Battelle, Llc | Methods for using a biometric parameter in the identification of persons |
US9058473B2 (en) | 2007-08-29 | 2015-06-16 | International Business Machines Corporation | User authentication via evoked potential in electroencephalographic signals |
US7570991B2 (en) | 2007-11-13 | 2009-08-04 | Wavesynch Technologies, Inc. | Method for real time attitude assessment |
US20120136273A1 (en) | 2010-11-29 | 2012-05-31 | Epilepsy Solutions, Llc | Apparatus and method for monitoring and analyzing brainwaves |
WO2016113717A1 (en) | 2015-01-16 | 2016-07-21 | Puneet Agarwal | A novel system and method for person identification and personality assessment based on eeg signal |
US9672760B1 (en) * | 2016-01-06 | 2017-06-06 | International Business Machines Corporation | Personalized EEG-based encryptor |
US10772527B2 (en) * | 2016-03-18 | 2020-09-15 | Robert Kocher | Brain matching |
US10063560B2 (en) * | 2016-04-29 | 2018-08-28 | Microsoft Technology Licensing, Llc | Gaze-based authentication |
US10044712B2 (en) * | 2016-05-31 | 2018-08-07 | Microsoft Technology Licensing, Llc | Authentication based on gaze and physiological response to stimuli |
CN106691378A (zh) * | 2016-12-16 | 2017-05-24 | 深圳市唯特视科技有限公司 | 一种基于脑电图数据的深度学习视觉分类方法 |
CN107024987B (zh) * | 2017-03-20 | 2020-04-14 | 南京邮电大学 | 一种基于eeg的实时人脑注意力测试和训练系统 |
US11188808B2 (en) * | 2017-04-11 | 2021-11-30 | Lenovo (Singapore) Pte. Ltd. | Indicating a responding virtual assistant from a plurality of virtual assistants |
WO2019148030A1 (en) * | 2018-01-25 | 2019-08-01 | Pulsify, Inc. | Insight and learning server and system |
-
2017
- 2017-11-08 US US15/806,904 patent/US11151440B2/en active Active
-
2018
- 2018-10-31 DE DE112018004401.7T patent/DE112018004401T5/de active Pending
- 2018-10-31 WO PCT/IB2018/058532 patent/WO2019092553A1/en active Application Filing
- 2018-10-31 JP JP2020520129A patent/JP7179059B2/ja active Active
- 2018-10-31 CN CN201880071232.2A patent/CN111295673B/zh active Active
- 2018-10-31 GB GB2008075.0A patent/GB2581455B/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515200A (zh) | 2009-04-03 | 2009-08-26 | 北京工业大学 | 基于瞬态视觉诱发脑电的目标选择方法 |
US20130044055A1 (en) | 2011-08-20 | 2013-02-21 | Amit Vishram Karmarkar | Method and system of user authentication with bioresponse data |
WO2016080366A1 (ja) | 2014-11-21 | 2016-05-26 | 国立研究開発法人産業技術総合研究所 | 脳波による認証装置、認証方法、認証システム及びプログラム |
WO2016171923A1 (en) | 2015-04-21 | 2016-10-27 | Alibaba Group Holding Limited | Method and system for identifying a human or machine |
US20170228526A1 (en) | 2016-02-04 | 2017-08-10 | Lenovo Enterprise Solutions (Singapore) PTE. LTE. | Stimuli-based authentication |
CN106778594A (zh) | 2016-12-12 | 2017-05-31 | 燕山大学 | 基于lmd熵特征和lvq神经网络的运动想象脑电信号识别方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021502135A (ja) | 2021-01-28 |
GB2581455A (en) | 2020-08-19 |
US11151440B2 (en) | 2021-10-19 |
GB2581455B (en) | 2020-12-30 |
US20190138885A1 (en) | 2019-05-09 |
DE112018004401T5 (de) | 2020-05-20 |
GB202008075D0 (en) | 2020-07-15 |
CN111295673A (zh) | 2020-06-16 |
CN111295673B (zh) | 2024-01-12 |
WO2019092553A1 (en) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7179059B2 (ja) | ニューロン応答に基づいた人間検出の方法、システム及びコンピュータ・プログラム | |
US11500973B2 (en) | Electroencephalography (EEG) based authentication | |
US9571490B2 (en) | Method and system for distinguishing humans from machines | |
US11188720B2 (en) | Computing system including virtual agent bot providing semantic topic model-based response | |
EP3140978B1 (en) | Method and system for generating verification codes | |
US11615169B2 (en) | Authentication using cognitive analysis | |
US10747859B2 (en) | System, method and computer program product for stateful instruction-based dynamic man-machine interactions for humanness validation | |
US20190213336A1 (en) | Cognitive widgets and ui components for preserving privacy and security | |
US20200372162A1 (en) | Contextual api captcha | |
US11741371B2 (en) | Automatically generating diverse text | |
US20200135039A1 (en) | Content pre-personalization using biometric data | |
US10735463B2 (en) | Validating commands for hacking and spoofing prevention in an Internet of Things (IoT) computing environment | |
US10776231B2 (en) | Adaptive window based anomaly detection | |
US20220166795A1 (en) | Defense of targeted database attacks through dynamic honeypot database response generation | |
US11676599B2 (en) | Operational command boundaries | |
US11303672B2 (en) | Detecting replay attacks using action windows | |
US11146678B2 (en) | Determining the context of calls | |
US11651270B2 (en) | Search, question answering, and classifier construction | |
US20180196936A1 (en) | System, method and computer program product for controlling and altering biological, biometric, and idiosyncratic authentications | |
US11363038B2 (en) | Detection impersonation attempts social media messaging | |
US20230283634A1 (en) | Determining intent of phishers through active engagement | |
US20210358321A1 (en) | System and method for natural language triad analysis of educational text | |
US20230315842A1 (en) | Dynamically blocking credential attacks using identity intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200511 Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200408 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210323 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211228 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220406 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220419 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220715 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221025 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7179059 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |