TWI491380B - Focus analysis method - Google Patents

Focus analysis method Download PDF

Info

Publication number
TWI491380B
TWI491380B TW101120662A TW101120662A TWI491380B TW I491380 B TWI491380 B TW I491380B TW 101120662 A TW101120662 A TW 101120662A TW 101120662 A TW101120662 A TW 101120662A TW I491380 B TWI491380 B TW I491380B
Authority
TW
Taiwan
Prior art keywords
activity
brain wave
wave
gamma
signal
Prior art date
Application number
TW101120662A
Other languages
English (en)
Other versions
TW201350087A (zh
Inventor
Yu Hua Lee
Yu Tai Li
Sheng Fu Huang
Fu Shing Tsai
Bing Si Syue
Yun Jhang Lei
Original Assignee
Yu Hua Lee
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yu Hua Lee filed Critical Yu Hua Lee
Priority to TW101120662A priority Critical patent/TWI491380B/zh
Publication of TW201350087A publication Critical patent/TW201350087A/zh
Application granted granted Critical
Publication of TWI491380B publication Critical patent/TWI491380B/zh

Links

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Description

專注力分析方法
本發明係有關於一種專注力分析方法,尤指一種結構簡單、操作方便快速,可以快速且準確地擷取受測者腦波訊號,精確地分析人腦專注力之專注力分析方法。
專注力,對於這三個字來說看起來很普通且不起眼,但對於我們平常生活中也極為重要,在本次的論文中也就是主要探討專注力的集中程度。
在各種不同領域中,都需要高度專注能力,如運動選手、大眾交通工具司機、生產線作業員、醫生等等,需要高專注力,再來是近年有許的工安意外事件平傳原因有千百種多到不知如何敘述,可是其中一項目就是專注力不集中所導致,所以專注力也開始被人們所重視,也開始在學術裡拿來討論或是研究工作多久會導致專注力下降等諸如此類的探討與分析。
專注力的重要性也紛紛的探討,在這過程中也有人探討著壓力是否會影響著專注力,或是在學習上專注力是否為影響著學生的學習能力所導致學業成績不好,在這些探討裡對於分析的方式都是採用一些傳統的方法如上課用心與否、學習成績或是在校排名要不就是問卷調查等資料作為依據。
在醫學上最常提到的是過動症對於專注力的問題,關 於過動兒的專注力是極低,無法對事情能有效的專注做完,過動兒在工作或遊戲活動中無法持續維持專注力,這對他們來說是需要加以訓練的事。
在近年來的科技進步,醫學上的認知也都有所改變,在醫療訊號上的處裡也都有所突破,因此需多的醫療人員或是國內外的學術人員也開始對大腦訊號感到好奇與興趣,都希望能透過科學的醫療儀器去探究人大腦中的奧妙,但訊號的處裡與應用在國內外也有許多人開發硬體的擷取如何可以快速擷取與準確地擷取訊號,或是透過醫療儀器把所擷取到的訊號作分析與應用控制等等多項的研究。
對於現今的科技帶給人類許多便利,也隨著科技進步,對生醫訊號處理上也越來越成熟,設備器材也越來越多樣與精準。常見的生醫訊號可分為心率變異度、腦電圖、脈搏波等三種常見的訊號,在醫學較常見的訊號為眼電圖(Electrooculography,EOG)、肌電圖(Electromyography,EMG)、腦電圖(Electroencephalography,EEG)、心電圖(Electrocardiography,ECG)等等都是較為常見的訊號針對腦波訊號的應用與擷取而言,在醫學裡常使用來擷取腦訊號影像的方法有以下四項:
(1)功能性核磁共振造影(Functional Magnetic Resonance Imaging,FMRI)。
(2)腦磁圖(Magnetoencephalography,MEG)。
(3)正子斷層造影(Positron Emission Tomography,PET)。
(4)單光子射出電腦斷層掃描(Single Photon Emission Computer Tomography,SPECT)。
但是傳統用以擷取腦波的方法不夠人性,且都是大型儀器,其架構複雜龐大,操作及量測上極為不方便,必須由專業人士操作,一般人無法自行量測,也無法快速且準確地獲得分析結果,且量測誤差大。
有鑑於習知技術之缺失,本發明提出一種專注力分析方法,其結構簡單、操作方便快速,可以快速且準確地擷取受測者腦波訊號,精確地分析人腦專注力。
為達到上述目的,本發明提出一種專注力分析方法,包含:備置一腦波訊號分析裝置,該腦波訊號分析裝置係由複數電極貼片、一腦波擷取單元、一訊號處理單元以及一顯示單元構成,該腦波訊號分析裝置係用以偵測一受測者之腦波訊號;由該受測者進行至少一項活動,且由該腦波訊號分析裝置對該受測者進行該項活動前進行一次偵測,以及對該受測者進行該項活動後進行一次偵測,並分別得到一活動前之Gamma(γ)波能量強度,以及一活動後之Gamma(γ)波能量強度;以及由該腦波訊號分析裝置比較該活動前之Gamma(γ)波能量強度以及該活動後之Gamma(γ)波能量強度之強度變化,以分析該受測者腦部之專注力之變化。
為使 貴審查委員對於本發明之結構目的和功效有更 進一步之了解與認同,茲配合圖示詳細說明如后。
以下將參照隨附之圖式來描述本發明為達成目的所使用的技術手段與功效,而以下圖式所列舉之實施例僅為輔助說明,以利 貴審查委員瞭解,但本案之技術手段並不限於所列舉圖式。
請參閱第一圖及第二圖所示,本發明之腦波訊號分析裝置10,其包含一第一電極貼片11A、一第二電極貼片11B、一第三電極貼片11C、一腦波擷取單元12、一訊號處理單元13、一電力供應單元14以及一顯示單元15。腦波擷取單元12係與第一電極貼片11A、第二電極貼片11B、第三電極貼片11C電性連接,訊號處理單元13係與腦波擷取單元12電性連接。電力供應單元14係與腦波擷取單元12電性連接,由電力供應單元14供應第一電極貼片11A、第二電極貼片11B、第三電極貼片11C、腦波擷取單元12及訊號處理單元13工作時所需電力。電力供應單元14可採用電池,例如四個九伏特的電池。顯示單元15係與訊號處理單元13電性連接,顯示單元15係用以顯示腦波訊號分析裝置10運作期間的相關資訊,包括波形、訊號頻率、擷取訊號的秒數、訊號強弱等等資訊。
第一電極貼片11A、第二電極貼片11B、第三電極貼片11C係用以貼附於一受測者之頭部20,如第二圖所示,第一電極貼片11A及第二電極貼片11B係設置於頭部20之額頭21,第一電極貼片11A及第二電極貼片11B係分別設置 於額頭21中央之兩側,第三電極貼片11C係設置於頭部20之其中之一耳朵22之耳垂221。第一電極貼片11A、第二電極貼片11B及第三電極貼片11C與額頭21或耳垂221貼靠之一面具有電極,當連通電力供應單元14之電源時,可藉由第一電極貼片11A、第二電極貼片11B及第三電極貼片11C偵測頭部20所發出之腦波訊號,並且將腦波訊號傳送至腦波擷取單元12。
關於本發明所設置之電極貼片數量及貼附位置沒有一定限制,上述第一電極貼片11A、第二電極貼片11B、第三電極貼片11C及其所貼附之位置,係本發明之一具體實施例而已,設計者可依所需增加電極貼片之數量,而貼附於頭部之位置,可根據「腦電圖儀與臨床生理國際聯盟」所建立之標準電極位置系統(10-20 eletrode system)。
腦波擷取單元12係用以擷取Gamma(γ)波,腦波擷取單元12具有一放大器121以及一濾波器122,放大器121係用以放大所接收到之腦波訊號。濾波器122係用以過濾腦波訊號,以得到腦波訊號中的Gamma(γ)波。腦波擷取單元12所擷取之Gamma(γ)波之頻率係位於30~70赫茲(Hz)之範圍內,振幅係位於25~42微伏(uV)之範圍內。放大器121與濾波器122所採用的種類或形式沒有限制,例如,放大器121可採用儀表放大器,用以將腦波圖的向量訊號萃取出為單一訊號,放大倍率為50,並採用JFET型的運算放大器以提高阻抗匹配。濾波器122可採用帶通濾波器,頻寬設為1~20Hz,再將通過濾波器122的微弱訊號加以放大1000倍,便可取得腦波訊號。
訊號處理單元13係用以計算Gamma(γ)波之能量強度,且將Gamma(γ)波轉換為至少一種數位訊號。訊號處理單元13包括至少一類比輸入(AI)通道131、至少一類比輸出(AO)通道132、至少一數位輸入輸出(DIO)通道133以及一計數器134。計數器134係用以設定腦波擷取單元12擷取Gamma(γ)波之時間及次數。該至少一類比輸入(AI)通道131係提供腦波擷取單元12之濾波器122所過濾出的Gamma(γ)波進入訊號處理單元13,藉由類比輸出(AO)通道132轉換為數位訊號之後,再由數位輸入輸出(DIO)通道133將數位訊號輸出至顯示單元15。
訊號處理單元13搭配適當的圖形程式(例如LabVIEW公司的DAQ圖形程式)以擷取腦波訊號資料中可量測之物理或電子現象,例如電壓、電流、溫度等。電腦架構的圖形程式應用,則整合電腦、應用軟體,與模組化硬體以進行量測。依據其應用需求而個別定義,即可達到資料擷取、資料分析之呈現資訊的功能,並由顯示單元15顯示所擷取之數位訊號之相關數據。
關於具體的訊號處理技術,主要係採用傅立葉轉換(Fourier Transform),與傅立葉轉換相關的技術包括離散傅立葉轉換(Discrete Fourier Transform,DFT)、反傅立葉轉換(Inverse Fourier Transform)、快速傅立葉轉換方法(Fast Fourier Transform,FFT)、短時傅立葉轉換(Short Time Fourier Transform,STFT)。
傅立葉轉換在訊號處裡中最主要的作用就是將時間域轉換成頻率域,當然也可以把頻率域的訊號資料反向轉換 成時間域,這種轉換稱為反傅立葉轉換。在處理訊號時,常藉由離散傅立葉轉換來取得信號所對應的頻譜;經由頻譜來讀取信號的參數。但由於離散傅立葉所做的計算量過於龐大,當處理大量的資料時,需要快速計算的演算法。
以數位方式對連續信號取樣,週期時間T之內,可取樣N個取樣點的數位信號,因此離散傅立葉轉換(Discrete Fourier Transform,DFT)就可以如以下公式(1)所示:
其中,x [n ]代表著觀察訊號,那N則是為訊號的長度,最後x (f )是離散傅立葉轉換後所得到的結果。在訊號的頻譜可以經由x (f )各項實部X R (f )的平方加上虛部X I (f )的平方後,在開根號所求得以下公式(2)所示:
基於提高運算速度的需求,一般在實做的時候都會採用快速傅立葉轉換方法取代原始的離散傅立葉轉換,以改善離散傅立葉轉換的運算量。本發明即是利用快速傅立葉轉換方法,將本發明所擷取到的腦波訊號計算出頻率分布,以觀察訊號特徵。
其次,為了彌補傅立葉轉換並不是用在非平穩訊號分析上的缺失,可採用短時傅立葉轉換,其主要是以一個固定長度視窗沿時間軸方向移動來做計算視窗內的傅立葉轉換的係數,對於短時間穩定與長時間非穩定的數位訊號資料來說是一個非常適合的分析方法。其數學公式如以下公 式(3)所示: 其中,X (ω ,a ):反映原始訊號在a時刻頻率為w的信號成分含量。
x (t ):時間域訊號。
g (t -a ):窗型移動函數。
a :時間平移參數
使用短時傅立葉轉換不論是否平穩或是非平穩的數位訊號,都可以同時獲得時間域或是頻率域的訊息。但是短時傅立葉轉換是採用度定的時間視窗,所以當選定數位訊號之後,將時間域和頻率域的解析就已固定完成,因此就無法隨意的輸入訊號或是修改訊號。短時傅立葉轉換在頻率域中的X軸和Y軸兩個座標都已經不再是振幅與頻率理項所構成,取而代之的X軸和Y軸兩個座標則是時間與頻率兩項所結合而成。
由上述可知,本發明對於訊號處理的具體技術手段可採用Labview圖形化語言程式設計程式,並利用快速傅立葉轉換與平均值運算等相關運算。藉由訊號處理單元13將Gamma(γ)波處理為數位訊號後,即可將訊號顯示於顯示單元15中。至於顯示單元15之介面設計,係依實際所需而定,沒有一定限制,例如請參閱第三圖所示顯示單元15之一具體實施例,該顯示單元15具有一第一視窗151A、一第二視窗151B、一第三視窗151C、一第四視窗151D、一第一按鈕152A、一第二按鈕152B、一第一顯示框153A、 一第二顯示框153B、一第三顯示框153C、一旋鈕154、一表單155、一第一顯示燈156A、一第二顯示燈156B、一第三顯示燈156C、一第一顯示介面157A、一第二顯示介面157B以及一第三顯示介面157C。
第一視窗151A係用以顯示訊號處理單元13所擷取到的原始Gamma(γ)波資料,第一視窗151A的X軸為時間Y軸為振幅,透過原始資料的觀察以便量測時校對訊號的正確性,第二視窗151B係用以顯示傅立葉轉換頻譜圖,顯示的頻率範圍是0.5Hz~70Hz,第二視窗151B的X軸為頻率Y軸為能量,透過頻譜圖可顯示全部腦波的特徵並且知道現在的腦波狀況,第三視窗151C顯示的是Alpha波的傅立葉轉換頻譜圖,顯示的頻率範圍8Hz~13Hz,第三視窗151C的X軸為頻率Y軸為能量,第三視窗151C顯示目的是可觀察是否有閉眼或是其他的特徵,第四視窗151D顯示的範圍是Gamma波30Hz~70Hz,在第四視窗151D主要可以觀察受測者的專注力狀況,並且可以即時的改善專注力的問題。
第一按鈕152A與第二按鈕152B分別代表開始按鈕與停止按鈕。
第一顯示框153A係用以顯示每秒所擷取到的訊號資料量,第二顯示框153B係用以顯示秒數,第三顯示框153C係用以設定所需要量測之秒數,當第二顯示框153B裡的秒數跑到與第三顯示框153C裡的秒數相同時,系統就會停止 擷取腦波訊號。
旋鈕154主要是調整擷取訊號資料之靈敏度,由於每位受測者的感受不同,相對靈敏度也不同,因此必須透過旋鈕154調整。
表單155則是呈現出每秒所計算出來的向量值。
第一顯示燈156A、第二顯示燈156B、第三顯示燈156C主要是顯示目前受測者的狀況,第一顯示燈156A、第二顯示燈156B及第三顯示燈156C分別可顯示不同顏色,例如,第一顯示燈156A顯示綠色,第二顯示燈156B顯示黃色,第三顯示燈156C顯示紅色,當第一顯示燈156A顯示綠色時代表專注力最佳,當第二顯示燈156B顯示黃色時表示專注力尚可,當第三顯示燈156C顯示紅色時表示專注力不足。
第一顯示介面157A與第二顯示介面157B係用以存取資料用,第一顯示介面157A存取的是量測到的原始資料,第二顯示介面157B則是計算過後的腦波訊號資料,可以透過這些資料清楚知道量測這一段時間的大腦變化與腦波專注力的變化。第三顯示介面157C係一能量表,藉由能量表的方式,可以讓受測者了解大腦能量狀態。
請參閱第一圖及第四圖所示,說明本發明之專注力分析方法之流程500,其主要包括以下步驟:
步驟501:備置一腦波訊號分析裝置10。如第一圖所示之腦波訊號分析裝置10之架構,由腦波訊號分析裝置10偵測一受測者之腦波訊號。於偵測腦波訊號前,必須先腦波訊號分析裝置10進行設 定,包括取樣頻率、存取位置等等,並且將電極貼片貼附於受測者頭部適當位置。
步驟502:由腦波訊號分析裝置10對受測者進行至少二次腦波訊號之偵測。其偵測方式為,由該受測者進行至少一項活動,由腦波訊號分析裝置10對受測者進行該至少一項活動前以及進行該至少一項活動後分別進行一次偵測,並且分別得到一活動前腦波訊號以及一活動後腦波訊號,由腦波訊號分析裝置10的腦波擷取單元12擷取該活動前腦波訊號以及活動後腦波訊號中之Gamma(γ)波,經過放大器121及濾波器122放大及過濾訊號之後,可得到一活動前之Gamma(γ)波以及一活動後之Gamma(γ)波。可設定濾波範圍為30Hz~70Hz和0.5Hz~70Hz兩種訊號範圍進行處理,其中,0.5Hz~70Hz可顯示括Delta(δ)波、Theta(θ)波、Alpha(α)波、Beta(β)波及Gamma(γ)波的頻譜分析。其次,再由腦波訊號分析裝置10的訊號處理單元13根據所得到之活動前之Gamma(γ)波以及活動後之Gamma(γ)波,計算出活動前之Gamma(γ)波能量強度以及活動後之Gamma(γ)波能量強度。
當腦波訊號分析裝置10被啟動後,即可將偵測到之訊號及資料顯示於顯示單元15,以便於受測者及/或操作人員即時觀察受測者之腦部狀況及訊號變化。
關於腦波訊號的量測,人類大腦所發出來的腦波訊號 是非常微小微弱的電位訊號,它的訊號強度大約是在0.5μV到100μV的範圍。腦波訊號包括Delta(δ)波、Theta(θ)波、Alpha(α)波、Beta(β)波及Gamma(γ)波五種波長頻段,請參閱下表一所示:
關於表一所示各個頻段之特徵為:
Delta(δ)波:主要是在清醒的狀態下,大約兩個月大的嬰兒會呈現不規則的δ波,如果是成人在清醒的狀態下是不會出現,其次是在睡眠時的深度睡眠三四階段裡才會出現也特別顯耀。
Theta(θ)波:主要是以情緒感到有壓力時出現和人在無意識的狀況下或是放鬆的程度較高時就會出現此頻率,但是成人在昏昏欲睡與睡覺的時候也會產生,可是在清醒的時候,腦波也會有少數的Theta波。
Alpha(α)波:主要是在一般人在清醒時處於安靜和休息閉眼就會出現此頻率,當眼睛開眼時Alpha波就會受到抑制;可是閉眼時Alpha波則會增強,但是當睡覺時Alpha 波就會消失不會產生。。
Beta(β)波:主要是在於清醒與高度活要的意識時會出現。
Gamma(γ)波:主要是以注意力集中、情緒控制等都會出現。
因此,關於本發明之專注力之分析係以腦波訊號中的Gamma(γ)波變化為分析依據。
步驟503:比較所偵測之至少二次腦波訊號之Gamma(γ)波能量強度。係由腦波訊號分析裝置10之訊號處理單元13比較活動前之Gamma(γ)波能量強度以及該活動後之Gamma(γ)波能量強度之強度變化,將訊號資料做平均值計算,並且轉換成專注力之能量表與顯示燈號顯示於顯示單元15,即可清楚了解目前受測者的即時專注力狀態,以及受測者腦部之專注力變化。
關於本發明所能達成之功效,可由以下實驗得到證明。
請參閱第五A圖至第八B圖所示,其係以本發明所提供之專注力分析方法對一位受測者進行四項不同活動前後所測得之專注力強度。其中,縱軸代表專注力強度,亦即Gamma(γ)波能量強度,橫軸代表量測的每單位時間,於本實施例中係以秒為單位。
請參閱第五A圖及第五B圖所示,第五A圖顯示受測者於「慢跑」前的專注力強度,第五B圖顯示受測者於「慢跑」後觀看一段教學影片約10分鐘時的專注力強度。受測者於進行「慢跑」時的狀態是,專注於慢跑、調節呼吸與 腳步,時間為五分鐘。
請參閱第六A圖及第六B圖所示,第六A圖顯示受測者於「靜坐」前的專注力強度,第六B圖顯示受測者於「靜坐」後觀看一段教學影片約10分鐘時的專注力強度。受測者於進行「靜坐」時的狀態是,靜坐且閉眼,專注於調節呼吸與心情,時間為五分鐘。
請參閱第七A圖及第七B圖所示,第七A圖顯示受測者於「放鬆」前的專注力強度,第七B圖顯示受測者於「放鬆」後觀看一段教學影片約10分鐘時的專注力強度。受測者於進行「放鬆」時的狀態是,心情放鬆、睜開眼睛,時間為五分鐘,完成放鬆。
請參閱第八A圖及第八B圖所示,第八A圖顯示受測者於「上網」前的專注力強度,第八B圖顯示受測者於「上網」後觀看一段教學影片約10分鐘時的專注力強度。受測者於進行「上網」時的狀態是,專注於上網,如Facebook、yahoo等網頁進行瀏覽,時間為五分鐘。
經由第五A圖至第八B圖所示本發明的實驗可知,在上述四項活動中,專注力提升最多的是「慢跑」,專注力提升第二的則是「靜坐」,至於單純「放鬆」對於專注力的提升反而低於「慢跑」及「靜坐」,換言之,適當的運動和靜坐的確是對專注力有所提升,並非是傳統所認知的單純休息就能有效幫助專注力提升。
請參閱第九A圖至第十二B圖所示,其係以本發明所提供之專注力分析方法對20位受測者進行四項不同活動前後所測得之專注力強度。其中,縱軸代表專注力強度, 亦即Gamma(γ)波能量強度,橫軸代表人數。第九A圖及第九B圖係20位受測者於「慢跑」前後的專注力強度。第十A圖及第十B圖係20位受測者於「靜坐」前後的專注力強度。第十一A圖及第十一B圖係20位受測者於「放鬆」前後的專注力強度。第十一A圖及第十一B圖係20位受測者於「上網」前後的專注力強度。
由第九A圖至第十二B圖所示四項的活動前後對照可知,受測者於從事「慢跑」、「靜坐」、「放鬆」、「上網」四項活動後,所測得的專注力都獲得提升,尤其「慢跑」、「靜坐」二項活動提升的幅度較大,至於「放鬆」、「上網」這兩項活動提升幅度較少。必須說明的是,於各項活動測試中,少數受測者的強度偏高,這或許是受測者本身體質關係或是本身就具有良好的專注能力,但是大部分受測者的提升幅度大致相當。
請參閱第十三圖所示,其顯示專注力的提升比例分別為,「慢跑」比例為35.2%,「靜坐」比例為26.9%,「放鬆」比例為19%,「上網」比例為18.7%。
此外,除了偵測受測者於進行活動前後之專注力強度之外,也可於受測者進行活動之過程中,由腦波訊號分析裝置對受測者進行一次偵測,以得到一活動中之Gamma(γ)波能量強度,可比較出受測者於進行活動前、活動中、活動後之Gamma(γ)波能量強度變化,作為分析參考之用。
綜上所述,本發明提供之腦波訊號分析裝置及利用其之專注力分析方法,確實能夠達到快速、準確地擷取受測者腦波訊號,且能夠精確地分析人腦專注力之目的。
惟以上所述者,僅為本發明之實施例而已,當不能以之限定本發明所實施之範圍。即大凡依本發明申請專利範圍所作之均等變化與修飾,皆應仍屬於本發明專利涵蓋之範圍內,謹請 貴審查委員明鑑,並祈惠准,是所至禱。
10‧‧‧腦波訊號分析裝置
11A‧‧‧第一電極貼片
11B‧‧‧第二電極貼片
11C‧‧‧第三電極貼片
12‧‧‧腦波擷取單元
121‧‧‧放大器
122‧‧‧濾波器
13‧‧‧訊號處理單元
131‧‧‧類比輸入(AI)通道
132‧‧‧類比輸出(AO)通道
133‧‧‧數位輸入輸出(DIO)通道
134‧‧‧計數器
14‧‧‧電力供應單元
15‧‧‧顯示單元
151A‧‧‧第一視窗
151B‧‧‧第二視窗
151C‧‧‧第三視窗
151D‧‧‧第四視窗
152A‧‧‧第一按鈕
152B‧‧‧第二按鈕
153A‧‧‧第一顯示框
153B‧‧‧第二顯示框
153C‧‧‧第三顯示框
154‧‧‧旋鈕
155‧‧‧表單
156A‧‧‧第一顯示燈
156B‧‧‧第二顯示燈
156C‧‧‧第三顯示燈
157A‧‧‧第一顯示介面
157B‧‧‧第二顯示介面
157C‧‧‧第三顯示介面
20‧‧‧頭部
21‧‧‧額頭
22‧‧‧耳朵
221‧‧‧耳垂
500‧‧‧流程
501~503‧‧‧步驟
第一圖係本發明腦波訊號分析裝置之結構示意圖。
第二圖係本發明腦波訊號分析裝置之電極貼片貼附於受測者頭部之位置示意圖。
第三圖係本發明腦波訊號分析裝置顯示單元之實施例外觀示意圖。
第四圖係本發明專注力分析方法之流程圖。
第五A圖係本發明分析一位受測者於「慢跑」前的專注力強度表。
第五B圖係本發明分析一位受測者於「慢跑」後的專注力強度表。
第六A圖係本發明分析一位受測者於「靜坐」前的專注力強度表。
第六B圖係本發明分析一位受測者於「靜坐」後的專注力強度表。
第七A圖係本發明分析一位受測者於「放鬆」前的專注力強度表。
第七B圖係本發明分析一位受測者於「放鬆」後的專注力強度表。
第八A圖係本發明分析一位受測者於「上網」前的專 注力強度表。
第八B圖係本發明分析一位受測者於「上網」後的專注力強度表。
第九A圖係本發明分析20位受測者於「慢跑」前的專注力強度表。
第九B圖係本發明分析20位受測者於「慢跑」後的專注力強度表。
第十A圖係本發明分析20位受測者於「靜坐」前的專注力強度表。
第十B圖係本發明分析20位受測者於「靜坐」後的專注力強度表。
第十一A圖係本發明分析20位受測者於「放鬆」前的專注力強度表。
第十一B圖係本發明分析20位受測者於「放鬆」後的專注力強度表。
第十二A圖係本發明分析20位受測者於「上網」前的專注力強度表。
第十二B圖係本發明分析20位受測者於「上網」後的專注力強度表。
第十三圖係本發明分析20位受測者專注力提升百分比表。
10‧‧‧腦波訊號分析裝置
11A‧‧‧第一電極貼片
11B‧‧‧第二電極貼片
11C‧‧‧第三電極貼片
12‧‧‧腦波擷取單元
121‧‧‧放大器
122‧‧‧濾波器
13‧‧‧訊號處理單元
131‧‧‧類比輸入(AI)通道
132‧‧‧類比輸出(AO)通道
133‧‧‧數位輸入輸出(DIO)通道
134‧‧‧計數器
14‧‧‧電力供應單元
15‧‧‧顯示單元

Claims (5)

  1. 一種專注力分析方法,包含:備置一腦波訊號分析裝置,該腦波訊號分析裝置係由複數電極貼片、一腦波擷取單元、一訊號處理單元以及一顯示單元構成,該腦波訊號分析裝置係用以偵測一受測者之腦波訊號;由該腦波訊號分析裝置對該受測者進行至少二次腦波訊號之偵測,係由該受測者進行至少一項活動,由該腦波訊號分析裝置對該受測者進行該至少一項活動前進行一次偵測,以及對該受測者進行該至少一項活動後進行一次偵測,並分別得到一活動前之Gamma(γ)波能量強度,以及一活動後之Gamma(γ)波能量強度;以及比較所偵測之該至少二次腦波訊號之Gamma(γ)波能量強度,係由該腦波訊號分析裝置比較該活動前之Gamma(γ)波能量強度以及該活動後之Gamma(γ)波能量強度之強度變化,以得知該受測者腦部之專注力之變化。
  2. 如申請專利範圍第1項所述之專注力分析方法,其中該腦波訊號分析裝置對該受測者於進行該至少一項活動前之偵測以及該受測者於進行該至少一項活動後之偵測,可分別得到一活動前腦波訊號以及一活動後腦波訊號,由該腦波訊號分析裝置分別擷取該活動前腦波訊號以及該活動後腦波訊號中之Gamma(γ)波,得到一活動前之Gamma(γ)波以及一活動後之Gamma(γ)波,由該腦波訊號分析裝置根據所得到之該活動前之Gamma(γ)波以及 該活動後之Gamma(γ)波計算出該活動前之Gamma(γ)波能量強度以及該活動後之Gamma(γ)波能量強度。
  3. 如申請專利範圍第2項所述之專注力分析方法,其中該腦波訊號分析裝置包含:複數電極貼片,係用以貼附於該受測者之頭部,該複數電極貼片係用以偵測該頭部所發出之腦波訊號,該腦波訊號具有複數種波長頻段,其中之一該波長頻段係Gamma(γ)波;一腦波擷取單元,係與該複數電極貼片電性連接,該腦波擷取單元係用以擷取該Gamma(γ)波;以及一訊號處理單元,係與該腦波擷取單元電性連接,該訊號處理單元係用以將該Gamma(γ)波轉換為至少一種數位訊號,該訊號處理單元係用以計算該Gamma(γ)波之能量強度;一電力供應單元,係與該腦波擷取單元電性連接,該電力供應單元係用以供應該腦波擷取單元、該複數電極貼片、該訊號處理單元工作時所需電力;以及一顯示單元,係與該訊號處理單元電性連接,該顯示單元係用以顯示該至少一種數位訊號。
  4. 如申請專利範圍第2項所述之專注力分析方法,其中該受測者係進行四項活動,該四項活動之活動量強度不同,該腦波訊號分析裝置針對該受測者分別於該四項活動前後之腦波訊號進行偵測,並且得到四組Gamma(γ)波能量強度之強度變化,以得知該受測者於進行不同活動後之專注力之變化。
  5. 如申請專利範圍第1項所述之專注力分析方法,其中該受測者於進行該至少一項活動之過程中,由該腦波訊號分析裝置對該受測者進行一次偵測,以得到一活動中之Gamma(γ)波能量強度。
TW101120662A 2012-06-08 2012-06-08 Focus analysis method TWI491380B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW101120662A TWI491380B (zh) 2012-06-08 2012-06-08 Focus analysis method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW101120662A TWI491380B (zh) 2012-06-08 2012-06-08 Focus analysis method

Publications (2)

Publication Number Publication Date
TW201350087A TW201350087A (zh) 2013-12-16
TWI491380B true TWI491380B (zh) 2015-07-11

Family

ID=50157720

Family Applications (1)

Application Number Title Priority Date Filing Date
TW101120662A TWI491380B (zh) 2012-06-08 2012-06-08 Focus analysis method

Country Status (1)

Country Link
TW (1) TWI491380B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI570656B (zh) * 2016-08-03 2017-02-11 國立臺灣師範大學 Workload Monitoring and Feedback Learning System

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5981506B2 (ja) * 2014-09-01 2016-08-31 ダイキン工業株式会社 脳活動推定装置
TWI629673B (zh) * 2016-08-30 2018-07-11 遠東科技大學 腦波分析輔助教學系統
CN109549643B (zh) * 2018-11-19 2021-11-05 浙江升腾生物科技有限公司 智力训练仪
TWI767447B (zh) * 2020-12-11 2022-06-11 國立成功大學 認知評估系統及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090124922A1 (en) * 2007-11-13 2009-05-14 Michael Milgramm Method for Real Tima Attitude Assessment

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090124922A1 (en) * 2007-11-13 2009-05-14 Michael Milgramm Method for Real Tima Attitude Assessment

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Chen, Shih-Chung, et al. "The Relationship between Attention Assessment and EEG Control." International Proceedings of Chemical, Biological & Environmental Engineering 34 (April 2012) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI570656B (zh) * 2016-08-03 2017-02-11 國立臺灣師範大學 Workload Monitoring and Feedback Learning System

Also Published As

Publication number Publication date
TW201350087A (zh) 2013-12-16

Similar Documents

Publication Publication Date Title
Rogers et al. Test-retest reliability of a single-channel, wireless EEG system
CN111651060B (zh) 一种vr沉浸效果的实时评估方法和评估系统
US20090124922A1 (en) Method for Real Tima Attitude Assessment
TWI491380B (zh) Focus analysis method
Kar et al. Effect of sleep deprivation on functional connectivity of EEG channels
Gaikwad et al. Novel approach for stress recognition using EEG signal by SVM classifier
D’Arcy et al. Towards brain first-aid: a diagnostic device for conscious awareness
CN105852884B (zh) 一种基于周围血管应变的认知负载和压力测量方法与装置
Affanni et al. Design and characterization of a real-time, wearable, endosomatic electrodermal system
Gurumurthy et al. Analysis and simulation of brain signal data by EEG signal processing technique using MATLAB
CN106901727A (zh) 一种基于脑电信号的抑郁症风险筛查装置
Leach et al. A protocol for comparing dry and wet EEG electrodes during sleep
CN104367306A (zh) 生理心理职业测评系统及实现方法
Anwar et al. Use of portable EEG sensors to detect meditation
CN106859673A (zh) 一种基于睡眠脑电的抑郁症风险筛查系统
Sulaiman et al. Offline labview-based EEG signals analysis for human stress monitoring
Gandhi et al. Mental stress assessment-a comparison between HRV based and respiration based techniques
CN103300849A (zh) 脑电信号处理方法
Sahi et al. Neural activity based biofeedback therapy for Autism spectrum disorder through wearable wireless textile EEG monitoring system
Ramakuri et al. Performance analysis of eye-state charecterization through single electrode EEG device for medical application
Jones et al. Using brain-computer interfaces to analyze EEG data for safety improvement
Norali et al. Human breathing assessment using Electromyography signal of respiratory muscles
Omar et al. An analysis of EEG signal generated from ischemic stroke patient
Wu et al. Estimation of heart rate variability changes during different visual stimulations using non-invasive continuous ecg monitoring system
Norali et al. Classification of human breathing task based on electromyography signal of respiratory muscles

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees