RU2736710C1 - Система и способ определения состояния усталости или бодрости на основе биометрического сигнала ЭЭГ - Google Patents
Система и способ определения состояния усталости или бодрости на основе биометрического сигнала ЭЭГ Download PDFInfo
- Publication number
- RU2736710C1 RU2736710C1 RU2020107543A RU2020107543A RU2736710C1 RU 2736710 C1 RU2736710 C1 RU 2736710C1 RU 2020107543 A RU2020107543 A RU 2020107543A RU 2020107543 A RU2020107543 A RU 2020107543A RU 2736710 C1 RU2736710 C1 RU 2736710C1
- Authority
- RU
- Russia
- Prior art keywords
- fatigue
- state
- unit
- determining
- vigor
- Prior art date
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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- 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]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Psychology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Группа изобретений относится к медицине, а именно к способу и системе определения состояния усталости или бодрости на основе сигнала ЭЭГ. Система включает блок приема сигнала (2), блок первичной обработки сигнала (3), блок фильтрации первично обработанных сигналов (4), блок определения состояния усталости или бодрости (5), блок вывода данных (6). При исполнении способа получают сигнал ЭЭГ от нейроинтерфейса пользователя (1) посредством блока приема сигнала. Производят первичную обработку путем спектрального разложения полученного сигнала на ритмы головного мозга с помощью блока первичной обработки сигнала. Блок первичной обработки сигнала соединен с блоком приема сигнала. Проверяют сигнал на наличие помех и выполняют агрегацию первично преобразованных сигналов левополушарных альфа- и тета-ритмов с помощью блока фильтрации первично обработанных сигналов. Блок фильтрации соединен с блоком первичной обработки сигнала. Определяют состояния усталости или бодрости путем определения коррелята состояния усталости или бодрости посредством блока определения состояния усталости или бодрости, сконфигурированного для определения отношения альфа-ритмов к тета-ритмам, усреднения суммы отведений по скользящему окну, определения стандартного отклонения индикатора усталости или бодрости и глобального среднего индикатора усталости или бодрости, определения границы состояния и выхода за нее. Блок определения состояния усталости или бодрости соединен с блоком фильтрации. Выводят данных путем предоставления пользователю полученных результатов с помощью блока вывода данных. Блок вывода соединен с блоком определения состояния усталости или бодрости. Достигается повышение достоверности определения текущего состояния усталости или бодрости за счет повышения точности обработки полученных данных и расширенной интерпретации данных о мозговой активности пользователя в режиме реального времени. 2 н. и 6 з.п. ф-лы, 7 ил.
Description
Настоящая группа изобретений относится к области психофизиологии, в частности, к пользовательской диагностике, и может быть использована для регистрации и анализа электрических сигналов мозга человека для определения состояния усталости или бодрости.
Уже из самого звучание термина «умственная» усталость ясно, что динамику изменения этого состояния можно связать с активностью мозга. Среди методов регистрации активности мозга для задач оценки функциональных состояний человека наиболее прагматичным является регистрации электроэнцефалографии - суммарной электрической активности мозга - в связи с возможностью реализовать такую регистрацию вне лабораторных условий. На сегодняшний день активно развиваются технологии регистрации мобильной ЭЭГ, часть из которых доступны как рыночный продукт для неспециалистов.
Подходы к оценке умственной усталости на основе регистрации ЭЭГ связаны с разнообразием представлений о мозговых механизмах умственного утомления. Один из подходов, развиваемый Джеспер Хопстакен (Hopstaken, 2016), связан с предположением о том, что умственное утомление связано с активностью норадреналинэргических нейронов прилежащего ядра мозга, которые регулируют вовлеченность в выполнение задания. Несмотря на то, что неинвазивно измерить активацию норадреналинэргических систем мозга невозможно, существуют показатели суммарной электрической активности, которые косвенно можно рассматривать в качестве их коррелятов. В качестве основного показателя такого типа рассматривается компонент P3 связанного с событием потенциала (ССП) ЭЭГ. Доводы в пользу такой трактовки P3 были получены в работах Nieuwenhuis с коллегами (2011), которые напрямую связали позитивный сдвиг в диапазоне Р3 с активностью норадреналинэргической системы прилежащего ядра. Известно, что компонент Р3 может быть разделен на подкомпоненты P3a и P3b, связанные с новизной предъявляемых стимулов и мотивационными характеристиками задачи соответственно (Polich & Kok, 1995; Polich, 2007). Begleiter, Porjesz, Chou и Aunon (1983) предположили, что париетальный компонент P3 может отражать мотивационные свойства стимула. Позже выяснилось, что влияние мотивационного значения на амплитуду Р3 также модулируется количеством внимания, которое уделяется стимулу (Johnson, 1993). Сочетание чувствительности как с мотивационным, так и с внимательным аспектом задачи побудило исследователей связать P3 с характеристиками задачи (например, Murphy, Robertson, Balsters, & O'connell, 2011). Наличие мотивационной составляющей в компоненте Р3а также укладывается в представления о его связи с норадреналинэргической системой мозга.
Более распространенной является модель, согласно которой умственное утомление в мозге связано с активностью дофаминэргических систем мозга, ответственных за оценку вознаграждения от текущей деятельности. Роль компромиссов в соотношении затрат и вознаграждений была подчеркнута в исследованиях усталости под руководством Маартена Боксема (например, Boksem & Tops, 2008). Согласно его теории, умственная усталость возникает, когда затраты на участие в задаче превышают прогнозируемые вознаграждения. В соответствии с этим понятием увеличение вознаграждения за выполнение задания при усталости может вызвать сдвиги в мотивации, которые могут привлечь внимание к задачам. Такой эффект был подтвержден в предыдущих исследованиях (Boksem et al., 2006). Они показали, что после двух часов когнитивной деятельности утомленные участники могут частично восстановить свою работоспособность, если получат денежное вознаграждение. Этот эффект сопровождался увеличением компонента связанного с событием потенциала (ССП) ЭЭГ, который получил название связанной с ошибкой негативности (Error-related negativity, ERN).
Компонент ERN состоит из большого отрицательного сдвига в ССП, возникающего после того, как субъекты совершили ошибочный ответ (Falkenstein et al., 1990; Gehring et al., 1990) и генерируется в передней поясной коре (ACC) (Dehaene et al., 1994), структуре, имеющей центральное значение для обработки информации о вознаграждении, наказании и требуемых усилиях. Holroyd and Coles (2002) предположили, что ERN является результатом фазового снижения активности мезенфацилических дофаминергических нейронов после ошибки в прогнозировании вознаграждения (т.е. когда вознаграждение меньше ожидаемого). Это снижение активности активности дофаминэргических нейронов в полосатом теле в свою очередь приводит к растормаживанию апикальных дендритов моторных нейронов в ACC, создавая ERN (Holroyd and Yeung, 2003). Кроме того, многие исследования показали, что ERN связан с мотивационной составляющей: когда требования к выполнению наилучшей работы снижаются, можно наблюдать уменьшение амплитуды ERN (Gehring et al., 1993). Действительно, мотивация, по-видимому, необходима для наблюдения за надежным ERN (Gehring et al., 1993; Gehring and Knight, 2000). Bush et al. (2000) утверждал, что компонент ERN и связанная с ним деятельность ACC представляют собой общую оценочную систему, которая обрабатывает мотивационное значение событий. Согласно Sarter, Gehring, и Kozak (2006), умственные усилия, связанные с одной и той же нейронной системой, способны поддерживать устойчивое когнитивное функционирование даже в субоптимальных условиях, учитывая, что мотивация высока. Помимо мотивации, энергетические затраты являются центральным фактором в этой структуре. Потери энергии (истощение) и потери мотивации из-за неопределенности относительно продолжительности задачи и скуки могут добавить к общей картине умственной усталости.
Описанные выше характеристики электрической активности, несмотря на их изученность в лабораторных условиях, представляют только ограниченную пользу в случае прагматических задач, нацеленных на регистрацию объективных характеристик умственной усталости в условиях реальной деятельности. Сложность в применении этих характеристиках связана с тем, что ССП регистрируются только в определенных условиях и достоверно выделяются только при многократном предъявлении однотипных задач и точной их синхронизации с ЭЭГ.
Известен способ оценки эмоционального состояния человека [патент на изобретение RU 2291720, опубл. 20.01.2007], заключающийся в предъявлении пациенту четырех групп словесных характеристик, отражающих различные эмоциональные состояния и степень их выраженности. Затем анализируют выбранные человеком словесные характеристики, отражающие его состояние с использованием шкалы баллов. Способ позволяет дать количественную оценку степени эмоциональной дезадаптации и позволяет испытуемому самостоятельно осознать характер переживаемых эмоций.
Недостатком известного способа является низкая степень автоматизации сбора и обработки данных и достоверности полученной информации из-за субъективного метода сбора данных.
Известны система и способ обучения [заявка на изобретение US 20170330475, опубл. 16.11.2017], использующая данные электроэнцефалограммы (ЭЭГ) для анализа результатов выполнения тестов и определение того, нужно ли сделать перерыв в учебной деятельности или наоборот усложнить выполняемое задание. Система обучения включает в себя блок вывода, который выводит первую проблему и сообщение на дисплее, предлагающее пользователю сделать перерыв, блок сбора, который получает ответ на первую проблему от пользователя, блок измерения ЭЭГ, который измеряет ЭЭГ пользователя, и блок управления. Блок управления определяет, присутствует ли первая мотивация, на основе потенциала, связанного с первым событием, включенного в ЭЭГ, и, начиная с момента, когда выводится первая проблема, определяет, присутствует ли вторая мотивация пользователя на основе потенциала, связанного со вторым событием, включенным в ЭЭГ, и начинающийся с момента, в который был получен ответ, и инструктирует блок вывода выводить сообщение на дисплей, предлагающее пользователю сделать перерыв, если первая мотивация отсутствует и второй мотивации нет.
Недостатками известной системы является ограниченная сфера применения (только образование), отсутствие информации о текущем психоэмоциональном состоянии пользователя, ограниченный набор выдаваемых рекомендаций (сделать перерыв).
Известны система и способ для модуляции контента на основе данных об электрических сигналах мозга человека [заявка на изобретение US 2018278984, опубл. 27.09.2018], включая изменение представления цифрового контента по меньшей мере на одном вычислительном устройстве. Контент также может модулироваться на основе набора правил, поддерживаемых или доступных компьютерной системе, на основе пользовательского ввода, в том числе посредством приема команды управления представлением, которая может быть обработана компьютерной системой для модификации представления контента. Содержимое также может быть передано со связанной информацией о состоянии мозга. Компьютерная система может обрабатывать данные биосигнала, используя конвейер обработки биологического сигнала, чтобы определить, по меньшей мере, одно состояние мозга пользователя. Можно определить, что данные о состоянии мозга произошли в ответ на представление пользователю определенного цифрового контента. Следовательно, компьютерная система может связывать определенное состояние мозга пользователя с представленным цифровым контентом. Вместо или в дополнение к выполнению этой ассоциации компьютерная система может модифицировать представление цифрового контента, по меньшей мере, на одном вычислительном устройстве, основываясь, по меньшей мере, частично на принятых данных биосигнала и, по меньшей мере, одном правиле модификации представления, связанном с представленным цифровым контентом. Применение любых таких правил может быть использовано для обработки компонентом модулятора, взаимодействующим с источником контента.
Недостатками известных технических решений является ограниченная сфера применения (только медиа сфера), связывание состояние мозга только с представляемым цифровым контентом, узкая интерпретация данных о мозговой активности пользователя.
Настоящая группа изобретений направлена на достижение технического результата, заключающегося в повышении достоверности определения текущего состояния усталости или бодрости за счет повышения точности обработки полученных данных и расширенной интерпретации данных о мозговой активности пользователя в режиме реального времени.
Заявленный технический результат в части системы, достигается за счет того, что система определения состояния усталости или бодрости на основе сигнала ЭЭГ включает блок приема сигнала, выполненный с возможностью получения сигнала ЭЭГ от нейроинтерфейса пользователя, с которым соединен блок первичной обработки сигнала, выполненный с возможностью спектрального разложения полученного сигнала на ритмы головного мозга, с которым соединен блок фильтрации первично обработанных сигналов, выполненный с возможностью проверки сигнала на наличие помех и агрегации первично преобразованных сигналов с выделением левополушарных альфа- и тета-ритмов, с которым соединен блок определения состояния усталости или бодрости, выполненный с возможностью определения коррелята состояния усталости или бодрости путем определения отношения альфа-ритмов к тета-ритмам, усреднения суммы отведений по скользящему окну, определения стандартного отклонения индикатора усталости или бодрости и глобального среднего индикатора усталости или бодрости, определения границы состояния и выхода за нее, с блоком определения состояния усталости или бодрости соединен блок вывода данных, выполненный с возможностью предоставления пользователю полученных результатов.
Имеются варианты развития основного технического решения:
- блок первичной обработки сигнала выполнен с возможностью реализации предварительного сглаживания полученного сигнала;
- введен блок персонализации состояния усталости или бодрости, соединенный с блоком определения состояния усталости или бодрости и с блоком вывода данных и выполненный с возможностью определения границ нормального состояния для данного пользователя путем статистического анализа исторических значений по состоянию пользователя;
- введен блок фиксации отклонения от нормального состояния пользователя, соединенный с блоком персонализации состояний и блоком вывода данных и выполненный с возможностью определения нахождения пользователя в заданном состоянии.
Заявленный технический результат в части способа достигается за счет того, что способ определения состояния усталости или бодрости на основе сигнала ЭЭГ включает получение сигнала ЭЭГ от нейроинтерфейса пользователя посредством блока приема сигнала, его первичную обработку путем спектрального разложения полученного сигнала на ритмы головного мозга с помощью блока первичной обработки сигнала, проверку сигнала на наличие помех и агрегацию первично преобразованных сигналов таких, как левополушарные альфа- и тета-ритмы с помощью блока фильтрации первично обработанных сигналов, определение состояния усталости или бодрости путем определения коррелята состояния усталости или бодрости посредством блока определения состояния усталости или бодрости, сконфигурированного для определения отношения альфа-ритмов к тета-ритмам, усреднения суммы отведений по скользящему окну, определения стандартного отклонения индикатора усталости или бодрости и глобального среднего индикатора усталости или бодрости, определения границы состояния и выхода за нее, вывод данных путем предоставления пользователю полученных результатов с помощью блока вывода данных.
Имеются варианты развития основного технического решения:
- на этапе первичной обработки сигнала ЭЭГ выполняют предварительное сглаживание полученного сигнала;
- после определения состояния усталости или бодрости и перед выводом полученных данных определяют границы нормального состояния для данного пользователя путем статистического анализа исторических значений по состоянию пользователя с помощью блока персонализации состояния усталости или бодрости;
- после определения границ нормального состояния для данного пользователя путем статистического анализа исторических значений по состоянию пользователя и перед выводом полученных данных определяют нахождение пользователя в состоянии усталости или бодрости с помощью блока фиксации отклонения от нормального состояния пользователя.
Таким образом, за счет заявленных совокупностей признаков системы и способа повышается достоверность определения текущего состояния усталости или бодрости за счет повышения точности обработки полученных данных и расширенной интерпретации данных о мозговой активности пользователя в режиме реального времени. Это стало возможным благодаря агрегации первично преобразованных сигналов таких, как левополушарные альфа- и тета-ритмы с помощью блока фильтрации первично обработанных сигналов, и последующему определению состояния усталости или бодрости путем определения коррелята состояния усталости или бодрости посредством блока определения состояния усталости или бодрости, сконфигурированного для определения отношения альфа-ритмов к тета-ритмам, усреднения суммы отведений по скользящему окну, определения стандартного отклонения индикатора усталости или бодрости и глобального среднего индикатора усталости или бодрости, определения границы состояния и выхода за нее. Одновременно с этим расширена сфера применения заявленных технических решений (образование, собеседования, оценка контента, повышение производительности труда) и объема предоставляемых рекомендаций. Оценка состояния усталости или бодрости осуществляется без привязки к контенту, в любое время, при различных видах деятельности.
Сущность предлагаемой группы изобретений раскрыта более подробно с помощью фигур и дальнейшего описания.
На Фиг. 1 приведена блок схема системы.
На Фиг. 2 приведена блок схема блока определения состояния усталости или бодрости.
На Фиг. 3 приведены исходные данные для определения состояния усталости или бодрости.
На Фиг. 4 приведена сводка по рассчитываемым индексам в блоке 5 определения состояния усталости или бодрости.
На Фиг. 5 приведена сводка по применяемым триггерам в блоке 5 определения состояния усталости или бодрости.
На Фиг. 6 приведен перечень сообщений в блоке 5 определения состояния усталости или бодрости.
На Фиг. 7 приведена блок-схема модели определения состояний усталости или бодрости пользователя.
Система определения состояния усталости или бодрости на основе сигнала ЭЭГ (Фиг. 1 и 2) пользователя 1 включает последовательно соединенные друг с другом блок 2 приема сигнала, блок 3 первичной обработки сигнала, блок 4 фильтрации первично обработанных сигналов, блок 5 определения состояния усталости или бодрости, блок 6 вывода данных.
Дополнительно система может содержать блок 7 персонализации состояния усталости или бодрости, соединенный с блоком 5 определения состояния усталости или бодрости и с блоком 6 вывода данных, а также блок 8 фиксации отклонения от нормального состояния пользователя 1, соединенный с блоком 7 персонализации состояний и блоком 6 вывода данных.
Блок 2 приема сигнала выполнен с возможностью получения сигнала ЭЭГ от нейроинтерфейса пользователя 1, снятого с помощью нейрогарнитуры. Нейрогарнитура обеспечивает регистрацию ЭЭГ с 7-ми отведений и двигательной активности головы, а также трансляцию этих данных по беспроводному каналу связи в блок 2 приема посредством адаптера USB-BLE, подключаемого к разъему USB персонального компьютера (ПК).
Блок 3 первичной обработки сигнала выполнен с возможностью спектрального разложения полученного сигнала на ритмы головного мозга и представляет собой преобразователь исходной ЭЭГ-волны в гармонические колебания по алгоритму Фурье с определением абсолютных и относительных спектральных мощностей каждого из заданного диапазонов частот. Также блок 3 может быть выполнен с возможностью реализации предварительного сглаживания полученного сигнала путем проверки на превышение заданной амплитуды сигнала с последующим удалением участка записи, в котором произошло превышение амплитуды.
Блок 4 фильтрации первично обработанных сигналов выполнен с возможностью проверки сигнала на наличие помех путем определения амплитудного всплеска на основе статистического анализа и агрегации первично преобразованных сигналов с выделением левополушарных альфа- и тета-ритмов.
Среди показателей ЭЭГ, которые могут регистрироваться вне условий специально заданных действий необходимо выделить спектральные характеристики в разных частотных диапазонах. Так, было показано, что спектральные характеристики ЭЭГ могут выступать в качестве валидных индикаторов умственной усталости (Lal & Craig, 2002). В целом, сдвиг ЭЭГ в сторону медленноволной активности одновременно со уменьшением вклада высокочастотных составляющих было многократно ассоциировано со снижением функционального состояния человека (Aeschbach et al., 1997; Cajochen, Brunner, Krauchi, Graw, & Wirz-Justice, 1995; Phipps-Nelson, Redman, & Rajaratnam, 2011; Zhao, Zhao, Liu, & Zheng, 2012, Lal & Craig, 2001b). Такие изменения связывают с общим изменением активации организма при утомлении (Tops & Boksem, 2010), а также с переходом в состояние дремоты (De Gennaro et al., 2007; Loomis et al., 1937; Santamaria and Chiappa, 1987). Изменения в тета-активности наиболее выражены в префронтальных областях коры, что может быть связано с процессами, протекающим в передней поясной извилине. Эти изменения также связаны с изменениями в мотивационных характеристиках деятельности, что укладывается в модель Маартена Боксема и коллег (Boksem & Tops, 2008). Эти данные совпадают с данными, полученными в исследовании Трейо с коллегами (Trejo et al., 2015) на основе классификации состояний ЭЭГ по спектральным характеристикам с помощью машинного обучения было показано, где авторы наблюдали взаимосвязь между изменением субъективных характеристик усталости с изменения в спектральной мощности в тета-диапазоне в префронтальных областях мозга.
Таким образом, исходными данными для определения состояния усталости и антипода - бодрости являются данные о медленноволновой ЭЭГ активности с электрода в точке AF7 по системе MCN, приведенные на Фиг. 3.
Блок 5 определения состояния усталости или бодрости выполнен с возможностью определения коррелята состояния усталости или бодрости путем определения отношения альфа-ритма к тета-ритмам, усреднения суммы отведений по скользящему окну, определения стандартного отклонения индикатора усталости или бодрости и глобального среднего индикатора усталости или бодрости, определения границы состояния и выхода за нее. Блок 5 представляет собой программируемый модуль, сконфигурированный для осуществления последовательности вычислительных действий.
На основе измеренных данных производится расчет ряда индексов, всесторонне характеризующих состояние усталости или бодрости пользователей.
Индекс Alpha мощность рассчитывается на основании потока сигнала с электрода в точке AF7 (Daf7). Для обработки сигнала используется быстрое преобразование Фурье (FFT):
IAaf7 =FFT(Daf7≡),
затем рассчитывается мощность ритмов на полосе частот 8-13 Hz.
Индекс Theta мощность рассчитывается на основании потока сигнала с электрода в точке AF7 (Daf7). Для обработки сигнала используется быстрое преобразование Фурье (FFT):
ITaf7 =FFT(Daf7),
затем рассчитывается мощность ритмов на полосе частот 4-7 Hz.
Индекс Отношение Alpha/Theta рассчитывается как отношение индекса Alpha мощности к индексу Theta мощности по формуле:
Ifatigue = IAaf7 / ITaf7.
Сводка по рассчитываемым индексам приведена на Фиг. 4.
Согласно концепции разрабатываемой модели, после расчета индексов необходимо определить их граничные значения, достижение которых означает определенный уровень когнитивного состояния пользователей (триггеры). В модели применяются следующие триггеры.
Триггер "Бодрость" формируется на основе индекса Отношение Alpha/Theta (IAT). Проверяемое условие:
Ifatigue >Mean(Ifatigue)+1.96*std(Ifatigue).
Выполнение условия означает то, что пользователь находится в состоянии бодрости.
Триггер "Усталость" формируется на основе индекса Отношение Alpha/Theta (IAT). Проверяемое условие:
Ifatigue <Mean(Ifatigue)-1.5*std(Ifatigue)
Выполнение условия означает то, что пользователь находится в состоянии усталости.
Сводка по применяемым триггерам приведена на Фиг. 5.
При реализации рассматриваемой модели в составе программного комплекса для регистрации и анализа электрофизиологических параметров человека и предоставления биологической и оптической обратной связи, предусматривается определенная реакция ПК на выполнение условий триггеров, рассмотренных выше. Реакция выражается выводом определенных сообщений на внешнее устройство из состава ПК (экран монитора) или делается отметка в базе данных. Всего предусматривается одно сообщение и одна отметка в базе данных (Фиг. 6).
Сообщение об усталости генерируется, если выполняется триггер Tfatique (усталость). При появлении сигнала рекомендуется прием стимулирующих средств (кофеин), либо использование активирующих упражнений (физические упражнения/ активирующий БОС-тренинг по бета-ритму).
Отметка о состоянии бодрости формируется, если выполняется триггер Tenergy (бодрость). При этом в базе данных делается отметка о том, что пользователь находится в состоянии бодрости.
Таким образом, в рамках разработки модели определения состояния бодрости и усталости у пользователя была разработана методика оценки функционального состояния специалиста, адекватная для непрерывного мониторинга и расчетов. Для реализации модели выбраны методы регистрации показателей электрической активности мозга. Общий вид модели приведен Фиг. 7.
Блок 6 вывода данных представляет собой любое электронное устройство, способное выдавать информацию на какой-то из каналов восприятия пользователя, выполненный с возможностью предоставления пользователю 1 полученных результатов в текстовой, визуальной, звуковой, тактильной форме в зависимости от доступной периферии и задачи. К нему могут быть подключены монитор, дисплей, звуковые колонки, вибромотор и др.
Блок 7 персонализации состояния усталости или бодрости, выполнен с возможностью определения границ нормального состояния для данного пользователя 1 путем статистического анализа исторических значений по состоянию пользователя 1, и представляет собой программируемый модуль вычислительных операций, в котором происходит расчет верхней границы нормального состояния усталости или бодрости пользователя на основе исторических данных, вычисляется разница между текущим значением и границей состояния (усталости или бодрости), а также происходит проверка нахождения среднего значения в диапазоне триггера состояний (усталости или бодрости).
Блок 8 фиксации отклонения от нормального состояния пользователя выполнен с возможностью определения нахождения пользователя 1 в заданном состоянии, и представляет собой модуль, обеспечивающий проверку сильно ли отклоняются показатели текущего состояния пользователя от обычного состояния и насколько устойчиво отклонение.
Питание всех блоков обеспечивается от общего питания ПК.
Дополнительно может быть введен блок (на чертеже не показано) взаимодействия с сервером, на котором хранятся исторические данные по пользователю 1 и на который отправляются данные о состоянии для сохранения в базе данных и предъявления с помощью веб-интерфейсов.
Заявляемая система реализует следующий способ определения состояния усталости или бодрости на основе сигнала ЭЭГ.
Пользователь 1 надевает нейроинтерфейс и включает его Bluetooth-адаптер для передачи сигнала ЭЭГ в заявляемую систему.
Получают сигнал ЭЭГ от нейроинтерфейса пользователя 1 посредством блока 2 приема сигнала, затем осуществляют его первичную обработку путем спектрального разложения полученного сигнала на ритмы головного мозга с помощью блока 3 первичной обработки сигнала, при необходимости выполняют предварительное сглаживание полученного сигнала.
Далее осуществляют проверку сигнала на наличие помех и агрегацию первично преобразованных сигналов таких, как левополушарные альфа- и тета-ритмы с помощью блока 4 фильтрации первично обработанных сигналов.
Последующее определение состояния усталости или бодрости производят путем определения коррелята состояния усталости или бодрости посредством блока 5 определения состояния усталости или бодрости, сконфигурированного для определения отношения альфа-ритмов к тета-ритмам, усреднения суммы отведений по скользящему окну, определения стандартного отклонения индикатора усталости или бодрости и глобального среднего индикатора усталости или бодрости, определения границы состояния и выхода за нее.
При необходимости после определения состояния усталости или бодрости и перед выводом полученных данных определяют границы нормального состояния для данного пользователя 1 путем статистического анализа исторических значений по состоянию пользователя 1 с помощью блока 7 персонализации состояния усталости или бодрости. А после определения границ нормального состояния для данного пользователя 1 путем статистического анализа исторических значений по состоянию пользователя и перед выводом полученных данных определяют нахождение пользователя 1 в состоянии усталости или бодрости с помощью блока 8 фиксации отклонения от нормального состояния пользователя 1.
Конечный вывод данных осуществляют путем предоставления пользователю 1 полученных результатов с помощью блока 6 вывода данных, также могут быть предоставлены рекомендации.
Для перехода в желаемое состояние могут быть использованы рекомендации трех типов:
1. Рекомендации для пользователей, уверенно владеющих психонетическими практиками;
2. Рекомендации, содержащие более подробную последовательность действий;
3. Рекомендации, не связанные с психотехниками и работой с эйдограммами.
Рекомендации на основе психонетических практик требуют ознакомления с базовыми психонетическими практиками, освоение которых поможет пользователю превратить свое внимание в гибкий инструмент в первую очередь для максимально эффективного перехода из нежелательных состояний в необходимое.
Для выхода из состояния усталости:
1. Примите контрастный душ. Если такой возможности нет, то умойтесь холодной водой - это снимет напряжение с мышц лица и улучшит кровообращение.
2. Физическая нагрузка в течение 10-15-ти минут улучшит циркуляцию крови в организме и снимет усталость. Используйте пробежку, приседания или любые другие физические упражнения, которые подходят лично Вам.
3. Хорошо помогает взбодриться и отвлечься от усталости - смех. Включите смешные ролики в интернете или почитайте анекдоты.
4. Можно пойти в обратном направлении и позволить себя полежать, расслабившись и закрыв глаза в течение 15-20-ти минут.
Система и способ могут быть реализованы на базе персонального компьютера и могут быть использованы в любой области и при любом виде деятельности, основной задачей является выявление негативного состояния и информирование о нем пользователя для принятия своевременных мер с целью повышения производительности труда или эффективности обучения.
Пример применения способа и системы.
Примером сценария применения системы является задача контроля усталости и засыпания у водителей. При срабатывании триггера «Усталость» водитель получает громкое уведомление с рекомендацией сделать остановку для нормализации состояния, что положительно сказывается на снижении аварийности на дороге. Проблема является актуальной, так как согласно исследованиям Ford 32% российских водителей хотя бы раз засыпали за рулем.
Claims (18)
1. Система определения состояния усталости или бодрости на основе сигнала ЭЭГ включает
блок приема сигнала, выполненный с возможностью получения сигнала ЭЭГ от нейроинтерфейса пользователя, с которым соединен
блок первичной обработки сигнала, выполненный с возможностью спектрального разложения полученного сигнала на ритмы головного мозга, с которым соединен
блок фильтрации первично обработанных сигналов, выполненный с возможностью проверки сигнала на наличие помех и агрегации первично преобразованных сигналов с выделением левополушарных альфа- и тета-ритмов, с которым соединен
блок определения состояния усталости или бодрости, выполненный с возможностью определения коррелята состояния усталости или бодрости путем определения отношения альфа-ритмов к тета-ритмам, усреднения суммы отведений по скользящему окну, определения стандартного отклонения индикатора усталости или бодрости и глобального среднего индикатора усталости или бодрости, определения границы состояния и выхода за нее, с блоком определения состояния усталости или бодрости соединен
блок вывода данных, выполненный с возможностью предоставления пользователю полученных результатов.
2. Система по п. 1, отличающаяся тем, что блок первичной обработки сигнала выполнен с возможностью реализации предварительного сглаживания полученного сигнала.
3. Система по п. 1, отличающаяся тем, что введен блок персонализации состояния усталости или бодрости, соединенный с блоком определения состояния усталости или бодрости и с блоком вывода данных и выполненный с возможностью определения границ нормального состояния для данного пользователя путем статистического анализа исторических значений по состоянию пользователя.
4. Система по п. 3, отличающаяся тем, что введен блок фиксации отклонения от нормального состояния пользователя, соединенный с блоком персонализации состояний и блоком вывода данных и выполненный с возможностью определения нахождения пользователя в заданном состоянии.
5. Способ определения состояния усталости или бодрости на основе сигнала ЭЭГ включает
получение сигнала ЭЭГ от нейроинтерфейса пользователя посредством блока приема сигнала,
его первичную обработку путем спектрального разложения полученного сигнала на ритмы головного мозга с помощью блока первичной обработки сигнала,
проверку сигнала на наличие помех и агрегацию первично преобразованных сигналов таких, как левополушарные альфа- и тета-ритмы с помощью блока фильтрации первично обработанных сигналов,
определение состояния усталости или бодрости путем определения коррелята состояния усталости или бодрости посредством блока определения состояния усталости или бодрости, сконфигурированного для определения отношения альфа-ритмов к тета-ритмам, усреднения суммы отведений по скользящему окну, определения стандартного отклонения индикатора усталости или бодрости и глобального среднего индикатора усталости или бодрости, определения границы состояния и выхода за нее,
вывод данных путем предоставления пользователю полученных результатов с помощью блока вывода данных.
6. Способ по п. 5, отличающийся тем, что на этапе первичной обработки сигнала ЭЭГ выполняют предварительное сглаживание полученного сигнала.
7. Способ по п. 5, отличающийся тем, что после определения состояния усталости или бодрости и перед выводом полученных данных определяют границы нормального состояния для данного пользователя путем статистического анализа исторических значений по состоянию пользователя с помощью блока персонализации состояния усталости или бодрости.
8. Способ по п. 7, отличающийся тем, что после определения границ нормального состояния для данного пользователя путем статистического анализа исторических значений по состоянию пользователя и перед выводом полученных данных определяют нахождение пользователя в состоянии усталости или бодрости с помощью блока фиксации отклонения от нормального состояния пользователя.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2020107543A RU2736710C1 (ru) | 2020-02-19 | 2020-02-19 | Система и способ определения состояния усталости или бодрости на основе биометрического сигнала ЭЭГ |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2020107543A RU2736710C1 (ru) | 2020-02-19 | 2020-02-19 | Система и способ определения состояния усталости или бодрости на основе биометрического сигнала ЭЭГ |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2736710C1 true RU2736710C1 (ru) | 2020-11-19 |
Family
ID=73460806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2020107543A RU2736710C1 (ru) | 2020-02-19 | 2020-02-19 | Система и способ определения состояния усталости или бодрости на основе биометрического сигнала ЭЭГ |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2736710C1 (ru) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11460921B2 (en) | 2020-07-09 | 2022-10-04 | Bank Of America Corporation | System for wireless communication between a brain activity monitoring system and a resource |
| US11467663B2 (en) | 2020-07-09 | 2022-10-11 | Bank Of America Corporation | System for wireless communication between a brain activity monitoring system and a resource distribution hub |
| US11526876B2 (en) | 2020-07-09 | 2022-12-13 | Bank Of America Corporation | System for calibration of an EEG device for detection of specific brainwave patterns |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2291720C1 (ru) * | 2005-08-09 | 2007-01-20 | Государственное образовательное учреждение высшего профессионального образования "Нижегородская государственная медицинская академия Федерального Агентства по здравоохранению и социальному развитию" (ГОУ ВПО "НижГМА Росздрава") | Способ оценки эмоционального состояния человека |
| WO2008091323A1 (en) * | 2007-01-22 | 2008-07-31 | Neurosky, Inc. | A method and apparatus for quantitatively evaluating mental states based on brain wave signal processing system |
| EA201200790A1 (ru) * | 2011-08-22 | 2013-02-28 | Любомир Иванович Афтанас | Способ немедикаментозной коррекции и/или оптимизации эмоционального, нейровегетативного и нейрокогнитивного статусов человека |
| US9532748B2 (en) * | 2013-04-22 | 2017-01-03 | Personal Neuro Devices Inc. | Methods and devices for brain activity monitoring supporting mental state development and training |
-
2020
- 2020-02-19 RU RU2020107543A patent/RU2736710C1/ru active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2291720C1 (ru) * | 2005-08-09 | 2007-01-20 | Государственное образовательное учреждение высшего профессионального образования "Нижегородская государственная медицинская академия Федерального Агентства по здравоохранению и социальному развитию" (ГОУ ВПО "НижГМА Росздрава") | Способ оценки эмоционального состояния человека |
| WO2008091323A1 (en) * | 2007-01-22 | 2008-07-31 | Neurosky, Inc. | A method and apparatus for quantitatively evaluating mental states based on brain wave signal processing system |
| EA201200790A1 (ru) * | 2011-08-22 | 2013-02-28 | Любомир Иванович Афтанас | Способ немедикаментозной коррекции и/или оптимизации эмоционального, нейровегетативного и нейрокогнитивного статусов человека |
| US9532748B2 (en) * | 2013-04-22 | 2017-01-03 | Personal Neuro Devices Inc. | Methods and devices for brain activity monitoring supporting mental state development and training |
Non-Patent Citations (1)
| Title |
|---|
| ЛАКТИОНОВА О.И., ЭЭГ - КОРРЕЛЯТЫ ПСИХИЧЕСКИХ ОСОБЕННОСТЕЙ И СОСТОЯНИЙ ЧЕЛОВЕКА, ОРЛОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ, 2014 г. * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11460921B2 (en) | 2020-07-09 | 2022-10-04 | Bank Of America Corporation | System for wireless communication between a brain activity monitoring system and a resource |
| US11467663B2 (en) | 2020-07-09 | 2022-10-11 | Bank Of America Corporation | System for wireless communication between a brain activity monitoring system and a resource distribution hub |
| US11526876B2 (en) | 2020-07-09 | 2022-12-13 | Bank Of America Corporation | System for calibration of an EEG device for detection of specific brainwave patterns |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ayres et al. | The validity of physiological measures to identify differences in intrinsic cognitive load | |
| US11696720B2 (en) | Processor implemented systems and methods for measuring cognitive abilities | |
| Smilek et al. | Out of mind, out of sight: Eye blinking as indicator and embodiment of mind wandering | |
| RU2736710C1 (ru) | Система и способ определения состояния усталости или бодрости на основе биометрического сигнала ЭЭГ | |
| US20230320647A1 (en) | Cognitive health assessment for core cognitive functions | |
| He et al. | Diversity and suitability of the state-of-the-art wearable and wireless EEG systems review | |
| US20190008436A1 (en) | Method and system for monitoring and improving attention | |
| Bier et al. | How to measure monotony-related fatigue? A systematic review of fatigue measurement methods for use on driving tests | |
| Protzak et al. | Investigating established EEG parameter during real-world driving | |
| Johannessen et al. | Psychophysiologic measures of cognitive load in physician team leaders during trauma resuscitation | |
| Acerbi et al. | A wearable system for stress detection through physiological data analysis | |
| RU2736709C1 (ru) | Система и способ определения состояния когнитивной нагрузки на основе биометрического сигнала ЭЭГ | |
| Türker et al. | Behavioral and brain responses to verbal stimuli reveal transient periods of cognitive integration of the external world during sleep | |
| RU2736711C1 (ru) | Система и способ определения состояния стресса на основе биометрического сигнала ЭЭГ | |
| Morais et al. | Electrophysiological effects of mindfulness meditation in a concentration test | |
| RU2736804C1 (ru) | Система и способ определения ресурсного состояния на основе биометрического сигнала ЭЭГ | |
| RU2736707C1 (ru) | Система и способ определения состояния увлеченности или монотонии на основе биометрического сигнала ЭЭГ | |
| RU2740256C1 (ru) | Система и способ определения психоэмоциональных состояний на основе биометрического сигнала ЭЭГ | |
| Kober et al. | Differential effects of up-and down-regulation of SMR coherence on EEG activity and memory performance: A neurofeedback training study | |
| Mahmood et al. | Exploring the efficacy of neurofeedback training in modulating alpha-frequency band and its effects on functional connectivity and band power | |
| Bläsing et al. | Influence of complexity and noise on mental workload during a manual assembly task | |
| Yoshida et al. | Evaluation of the change of work using simple electroencephalography | |
| Miltiadous et al. | An experimental protocol for exploration of stress in an immersive VR scenario with EEG | |
| Rico-Olarte et al. | Towards classifying cognitive performance by sensing electrodermal activity in children with specific learning disorders | |
| Laufs et al. | Methods and evaluation of physiological measurements with acoustic stimuli–a systematic review |