WO2019141017A1 - 一种人体感官数据测量系统及方法 - Google Patents
一种人体感官数据测量系统及方法 Download PDFInfo
- Publication number
- WO2019141017A1 WO2019141017A1 PCT/CN2018/120054 CN2018120054W WO2019141017A1 WO 2019141017 A1 WO2019141017 A1 WO 2019141017A1 CN 2018120054 W CN2018120054 W CN 2018120054W WO 2019141017 A1 WO2019141017 A1 WO 2019141017A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- scene information
- scene
- unit
- virtual scene
- information
- 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
-
- 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
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Abstract
一种人体感官数据测量系统及方法,该方法包括:受测人操作控制单元向交互单元发送控制信号;交互单元响应于所述控制信号,将所标识的虚拟场景信息向受测人呈现,并接收受测人的交互动作信息用以在虚拟场景中呈现相应的交互动作;采集受测人的至少一个生理参数,并将其实时地发送至处理单元;根据所述生理参数,通过机器学习实时地评估受测人感官状态,并输出结果信息;其中,所述至少一个虚拟场景信息与人体摄入致瘾药物相关。该方法利用交互式的虚拟现实体验,依靠大数据分析和机器学习的算法,使得评测结果更加科学准确。
Description
本发明涉及一种人体感官数据测量系统及相关方法,特别是一种基于人工智能、虚拟现实及空间定位技术的甲基苯丙胺渴求评估系统及相关方法。
为规范吸毒成瘾认定工作,科学认定吸毒成瘾人员,依法对吸毒成瘾人员采取戒毒措施和提供戒毒治疗,根据《中华人民共和国禁毒法》,公安部和卫生部联合制定《吸毒成瘾认定办法》,办法已经2010年11月19日公安部部长办公会议通过,并经卫生部同意,现予发布,自2011年4月1日起施行。此办法中较为详细的界定了吸毒成瘾者的标准及相关情形。为明确吸毒者的成瘾程度,并为公安机关辨别吸毒成瘾者,以及为戒毒机构帮助吸毒成瘾者制定合理的戒毒治疗方案提供便利,现今市场上亟需一种实现技术成熟、评测结果可靠的毒瘾评测设备及配套方案。
传统的毒瘾评测只能依靠主观评价判断或者调查问卷,缺乏客观有效的手段,判断的准确性和科学性缺乏依据。
虽然,科学证实吸毒者脑电等生理数据容易受心理活动和情绪变化的影响,通过分析能够衡量吸毒者的感受情况,但是以上生理参数具有维度多、数据量大的特点,传统统计学方法很难对这类生理数据进行分类,且评测方法并不科学,造成评测结果不准确。
发明内容
本发明另外的方面、特征和/或优点一部分将在下面的描述中进行阐述,一部分可从下面的描述中很明显地看出来,或者可从本发明的实施中得知。
本发明提供一种人体感官数据测量系统,其特征在于,该系统包括:交互单元、采集单元、控制单元、场景数据库单元及处理单元,其中,交互单元及场景数据库分别与控制单元相连接,采集单元与控制单元分别与处理单元相连接;
所述场景数据库单元,用于存储至少一个虚拟场景信息;
所述控制单元,用于向所述交互单元发送控制信号,其中该控制信号标识所述场景数据库单元所存储的至少一个虚拟场景信息;
所述交互单元,用于接收控制单元的控制信号,将所标识的虚拟场景信息向受测人呈现,并接收受测人的交互动作信息用以在虚拟场景中呈现相应的交互动作;
所述采集单元,用于采集受测人在固定时间内的至少一个生理参数,并将所采集的生理参数发送至处理单元;
所述处理单元,用于实时地接收所述至少一个生理参数,根据所述至少一个生理参数,通过机器学习评估受测人在所述虚拟场景信息下的感官状态,并输出结果信息;
其中,所述至少一个虚拟场景信息与人体摄入致瘾药物相关。
本发明还提供一种人体感官数据测量方法,其特征在于,包括如下步骤:
1)受测人操作控制单元向交互单元发送控制信号,该控制信号标识所述场景数据库单元所存储的至少一个虚拟场景信息;
2)交互单元响应于所述控制信号,将所标识的虚拟场景信息向受测人呈现,并接收受测人的交互动作信息用以在虚拟场景中呈现相应的交互动作;
3)采集受测人在该虚拟场景中固定时间内的至少一个生理参数,并将所采集的生理参数实时地发送至处理单元;
4)根据所述至少一个生理参数,通过机器学习实时地评估受测人在所述虚拟场景信息下的感官状态,并输出结果信息;
其中,所述至少一个虚拟场景信息与人体摄入致瘾药物相关。
本发明通过虚拟现实技术提供的线索性场景更能够有效的激发使用者的真实药物渴求,交互式的体验和他人吸食毒品的线索刺激更能够有效的激发使用者的真实药物渴求。同时,人工智能依靠其强大的分类和处理能力,可以对大量的生理数据做分析和处理,依赖于大数据分析和机器学习的算法,本发明通过客观的生理数据收集分析,判断真实的生理渴求情况,使得结果更加科学准确。
结合附图,从下面对实施例的描述中,本发明的这些和/或其他方面、特征和优点将变得清楚和更加容易理解,其中:
图1是本发明所提供的一种人体感官数据测量系统示意图;
图2是本发明所提供的一种人体感官数据测量方法流程图;以及
图3是本发明所提供的一种人体感官数据测量系统示意图。
现在将参考本发明的示例性实施例进行详细的描述,在附图中图解说明了所述实施例的示例,其中相同的参考数字始终指示相同的元件。但是,本发明可以以许多不同的形式来具体化,并且不应当被解释为限定于此处所阐述的实施例。相反,提供这些实施例以使得该公开彻底和完整,并且全面地向本领域的技术人员传递本发明的概念。下面通过参考附图来描述示例性实施例,以解释本发明。
实施例1
如图1所示,本发明提供了一种人体感官数据测量系统,其特征在于,该系统包括:交互单元、采集单元、控制单元、场景数据库单元及处理单元,其中,交互单元及场景数据库分别与控制单元相连接,采集单元与控制单元分别与处理单元相连接;
所述场景数据库单元,用于存储至少一个虚拟场景信息;
所述控制单元,用于向所述交互单元发送控制信号,其中该控制信号标识所述场景数据库单元所存储的至少一个虚拟场景信息;
所述交互单元,用于接收控制单元的控制信号,将所标识的虚拟场景信息向受测人呈现,并接收受测人的交互动作信息用以在虚拟场景中呈现相应的交互动作;
所述采集单元,用于采集受测人在固定时间内的至少一个生理参数,并将所采集的生理参数发送至处理单元;
所述处理单元,用于实时地接收所述至少一个生理参数,根据所述至少一个生理参数,通过机器学习评估受测人在所述虚拟场景信息下的感官状态,并输出结果信息;
其中,所述至少一个虚拟场景信息与人体摄入致瘾药物相关。
实施例2
本发明还提供了一种人体感官数据测量系统,其所包括的交互单元还包括可穿戴虚拟现实(VR)设备,与场景数据库单元相连接,用于向受测人呈现模拟致瘾药物的用药相关的场景信息,该虚拟场景信息包括图像及声音。
该交互单元还包括手柄,用于接收受测人的交互动作信息,并在虚拟场景中进行实时呈现。
所述采集单元用于采集脑电参数、皮肤电参数或心率参数中的至少一种。具体地,首先需要毒瘾评测的被试人员佩戴上脑电、皮肤电、心率等生理采集模块的一种或几种,其中,在开始评测之前调试好数据的连通,保证开始评测后数据可以实时的发送到服务器。
实施例3
本发明还提供了一种人体感官数据测量系统,其中至少一个虚拟场景信息至少包括教学用场景信息、自然放松场景信息以及致瘾评测场景信息。
具体地,所述教学用场景信息至少包括虚拟现实体验场景、教学指导视频及语音。所述自然放松场景信息至少包括自然风景体验场景及放松训练指导语音。
测量时,被试人员佩戴带空间定位的虚拟现实显示设备,手持可在场景内交互体验的手柄。外部控制端设置好需要体验的评测场景,点击开始评测。
被试人员首先体验VR教学场景,会使其先熟悉VR的环境和佩戴感受,同时教授如何使 用手柄与场景内的物体互动,为后期的评测做好心理建设和操作教学,减少在体验测试场景时因不熟悉VR体验或者不了解操作方式而造成的数据偏差。
被试接下来会进入设定好的放松场景,场景内配有自然风光的全景画面和放松指导语,被试在内经过一段时间的体验,达到情绪平稳,心情放松的状态后开始评测。
被试人员进入到一个或几个与吸食甲基苯丙胺有关的场景内,可以看到、听到、使用手柄触碰和使用到与毒品相关的线索物品和人物,让其在场景内体验固定的时间,同时记录各种生理数据并发送到处理单元。
处理单元实时接收和处理采集的生理数据,通过深度机器学习的人工智能评测系统分析数据并在评测结束后给出反馈结果,控制端展示页面显示出被试人员在评测场景内的真实渴求状态。
实施例4
本发明还提供了一种人体感官数据测量系统,其中处理单元进一步包括:根据经机器学习确定的分类模型,基于所述根据所述至少一个生理参数自动评估受测人在所述虚拟场景信息下的感官状态。
所述经机器学习确定的分类模型具体为:对不同受测人在体验不同线索场景时采集的生理参数进行特征点分析提取,并将特征点与场景的渴求评级进行多个分类模型训练,最终训练出一个整合了多种学习算法的逻辑回归模型,该模型可对新采集的生理参数进行渴求程度的自动评级。
具体地,吸毒人员在体验不同的毒品线索体验场景后对各个场景的毒瘾渴求进行五级自评。在体验场景的同时会对吸毒人员进行多种生理数据的收集,包括脑电,心率,皮肤电数据的一种或几种。经过特征分析提取多种基于滑动窗口(sliding window)的特征点,例如:平均值、标准差、分位数,这些特征点结和样本渴求评级将被用来训练多个分类模型,包括卷积神经网络、循环神经网络、随机森林、支持向量机、梯度提升决策树。最后会训练一个逻辑回归模型将多种学习算法整合在一起得到一个更好的最终的分类模型,该模型将被用于对吸毒人员进行五级自动测评。
具体地,该系统主要使用python pandas对数据行预处理和生理数据特征的提取。模型的训练和评测将主要使用tensorflow,和scikit-learn进行。
通过以上直接使用深度学习的方法处理具有时序特征的原始数据,使得此系统的学习算法能够更直接的从原始数据中提取最直接有效的关联信息,最大程度的避免了人为主观因素的影响。
实施例5
一种人体感官数据测量方法,其特征在于,包括如下步骤:
1)受测人操作控制单元向交互单元发送控制信号,该控制信号标识所述场景数据库单元所存储的至少一个虚拟场景信息;
2)交互单元响应于所述控制信号,将所标识的虚拟场景信息向受测人呈现,并接收受测人的交互动作信息用以在虚拟场景中呈现相应的交互动作;
3)采集受测人在该虚拟场景中固定时间内的至少一个生理参数,并将所采集的生理参数实时地发送至处理单元;
4)根据所述至少一个生理参数,通过机器学习实时地评估受测人在所述虚拟场景信息下的感官状态,并输出结果信息;
其中,所述至少一个虚拟场景信息与人体摄入致瘾药物相关。
实施例6
具体地,该人体感官评测方法具体包括如下步骤:
首先需要毒瘾评测的被试人员佩戴上脑电、皮肤电、心率等生理采集设备的一种或几种,在开始评测之前调试好数据的连通,保证开始评测后数据可以实时的发送到服务器。
被试人员佩戴带空间定位的虚拟现实显示设备,手持可在场景内交互体验的手柄。
外部控制端设置好需要体验的评测场景,点击开始评测。
被试人员首先体验VR教学场景,会使其先熟悉VR的环境和佩戴感受,同时教授如何使用手柄与场景内的物体互动,为后期的评测做好心理建设和操作教学,减少在体验测试场景时因不熟悉VR体验或者不了解操作方式而造成的数据偏差。
被试接下来会进入设定好的放松场景,场景内配有自然风光的全景画面和放松指导语,被试在内经过一段时间的体验,达到情绪平稳,心情放松的状态后开始评测。
被试人员进入到一个或几个与吸食甲基苯丙胺有关的场景内,可以看到、听到、使用手柄触碰和使用到与毒品相关的线索物品和人物,让其在场景内体验固定的时间,同时记录各种生理数据并发送到处理单元。
处理单元实时接收和处理采集的生理数据,通过深度机器学习的人工智能评测系统分析数据并在评测结束后给出反馈结果,控制端展示页面显示出被试人员在评测场景内的真实渴求状态。
实施例7
制作的场景一共包括3类:教学用场景、自然放松场景、毒瘾评测场景。
教学场景内提供了虚拟现实环境体验场景和可以与手柄交互体验的物品,并且配有教学指导语和教学视频,直观准确的使被试人员即使第一次体验VR场景,也可以在其中尽快的熟 悉VR场景体验的感觉和效果,并且学会手柄交互的方法。避免了被试人员第一次就体验评测场景,因为对VR体验的新奇感和不熟悉操作等外部因素影响评测结果的问题。
自然放松场景提供了高还原度的自然风景体验场景,并且配有专业的放松训练指导语,使被试人员在体验时能够最大程度和效率上实现情绪的平稳和心情的放松,并为之后的评测场景采集基线生理数据。
实施例8
毒瘾评测场景具体制作过程包括:
步骤1:收集和引用相关使用虚拟现实技术来触发药物成瘾人员渴求的文献和文章,确定特定的成瘾物品线索虚拟现实场景体验可以有效唤起成瘾人员的真实生理渴求。
步骤2:在戒毒所内抽样调查甲基苯丙胺的吸食人员,采访收集关于他们吸毒的场景、物品、人物和相关体验的信息。
步骤3:根据文献要求和采访所得的信息进行分类整理,最终确认需要制作的场景、物品、人物及体验过程。
步骤4:采用UE4引擎制作具有高还原度的立体场景及其中的物品、人物模型,设定体验者的视野方向和手柄交互的使用规则和物品。
步骤5:制作完成的场景,体验者以第一人称的视角出现在场景内,可以在场景内自由转动和移动,因为空间定位的关系,场景不会出现移动和晃动的情况,沉浸体验感更强烈;双手握有互动手柄,视野中手柄以双手的形象出现,可以触碰、拾取、使用不同的与吸食毒品相关的物品,可以在场景内真实模拟吸食毒品的整个体验过程。
相较于以全景视频的方式进行的毒瘾诱发场景,使用高精度立体模型建立场景,集成了空间定位和手柄交互的方式,在体验上更接近真实的体验效果,避免了因全景视频无法移动和触碰场景物品而产生失真效果的缺点,影响体验者感受的问题。
实施例9
经机器学习确定的分类模型具体制作流程为:
步骤1:用来收集数据的吸毒被试人员佩戴上脑电、皮肤电、心率等生理采集设备的一种或几种,其中,在开始评测之前调试好数据的连通,保证开始评测后数据可以实时的发送到服务器。
步骤2;被试人员佩戴带空间定位的虚拟现实显示设备,手持可在场景内交互体验的手柄。
步骤3:外部控制端设置好需要体验的评测场景,点击开始体验。
步骤4:被试人员首先体验VR教学场景,使其先熟悉VR的环境和佩戴感受,同时教授 如何使用手柄与场景内的物体互动,为后期的评测做好心理建设和操作教学,减少在体验测试场景时因不熟悉VR体验或者不了解操作方式而造成的数据偏差。
步骤5:被试接下来会进入设定好的放松场景,场景内配有自然风光的全景画面和放松指导语,被试在内经过一段时间的体验,达到情绪平稳,心情放松的状态后开始评测场景体验。
步骤6:被试人员进入到一个或几个与吸食甲基苯丙胺有关的场景内,可以看到、听到、使用手柄触碰和使用到与毒品相关的线索物品和人物,让其在场景内体验固定的时间,同时记录各种生理数据并发送到处理单元。
步骤7:当被试体验完每个场景后,第一时间收集其在场景内体验时引起的真实渴望情况,通过数字量化的方式分级记录下来,并与生理数据相互标记绑定。
步骤8:测试完成收集的生理数据依照真实的渴求情况添加标签和判定标记,使用具有深度学习功能的人工智能神经网络进行数据学习和判断。通过多样本的学习和计算,建立基于此虚拟现实评测场景的毒瘾评测人工智能系统。
尽管已经示出和描述了本发明的一些示例性实施例,本领域的技术人员应当理解,在不背离权利要求及它们的等价物中限定的本发明的原则和精神的情况下,可以对这些示例性实施例做出变化。
Claims (10)
- 一种人体感官数据测量系统,其特征在于,该系统包括:交互单元、采集单元、控制单元、场景数据库单元及处理单元,其中,交互单元及场景数据库分别与控制单元相连接,采集单元与控制单元分别与处理单元相连接;场景数据库单元,用于存储至少一个虚拟场景信息;控制单元,用于向所述交互单元发送控制信号,其中该控制信号标识所述场景数据库单元所存储的一个虚拟场景信息;所述交互单元,用于接收控制单元的控制信号,将所标识的虚拟场景信息向受测人呈现,并接收受测人的交互动作信息用以在虚拟场景中呈现相应的交互动作;所述采集单元,用于采集受测人在固定时间内的至少一个生理参数,并将所采集的生理参数发送至处理单元;所述处理单元,用于实时地接收所述至少一个生理参数,根据所述至少一个生理参数,通过机器学习评估受测人在所述虚拟场景信息下的感官状态,并输出结果信息;其中,所述至少一个虚拟场景信息与人体摄入致瘾药物相关。
- 如权利要求1所述的人体感官数据测量系统,其特征在于,该交互单元还包括可穿戴虚拟现实(VR)设备,与场景数据库单元相连接,用于向受测人呈现模拟致瘾药物的用药相关的场景信息,该虚拟场景信息包括图像及声音;该交互单元还包括手柄,用于接收受测人的交互动作信息,并在虚拟场景中进行实时呈现。
- 如权利要求2所述的人体感官数据测量系统,其特征在于,所述采集单元用于采集脑电参数、皮肤电参数或心率参数中的至少一种;所述至少一个虚拟场景信息至少包括教学用场景信息、自然放松场景信息以及致瘾评测场景信息;所述教学用场景信息至少包括虚拟现实体验场景、教学指导视频及语音;所述自然放松场景信息至少包括自然风景体验场景及放松训练指导语音;所述处理单元进一步包括:根据经机器学习确定的分类模型,基于所述根据所述至少一个生理参数自动评估受测人在所述虚拟场景信息下的感官状态;所述经机器学习确定的分类模型具体为:对不同受测人在体验不同线索场景时采集的生理参数进行特征点分析提取,并将特征点与场景的渴求评级进行多个分类模型训练,最终训练出一个整合了多种学习算法的逻辑回归模型,用于对采集的所述至少一个生理参数进行渴求程度的自动评级;所述特征点为基于滑动窗口(sliding window)的特征点;所述多个分类模型包括:卷积神经网络、循环神经网络、随机森林、支持向量机或梯度提升决策树。
- 一种人体感官数据测量方法,其特征在于,包括如下步骤:步骤1受测人操作控制单元向交互单元发送控制信号,该控制信号标识所述场景数据库单元所存储的至少一个虚拟场景信息;步骤2交互单元响应于所述控制信号,将所标识的虚拟场景信息向受测人呈现,并接收受测人的交互动作信息用以在虚拟场景中呈现相应的交互动作;步骤3采集受测人在该虚拟场景中固定时间内的至少一个生理参数,并将所采集的生理参数实时地发送至处理单元;步骤4根据所述至少一个生理参数,通过机器学习实时地评估受测人在所述虚拟场景信息下的感官状态,并输出结果信息;其中,所述至少一个虚拟场景信息与人体摄入致瘾药物相关。
- 如权利要求4所述的人体感官数据测量方法,其特征在于,该虚拟场景信息可以是呈现模拟致瘾药物的用药相关的场景信息,该虚拟场景信息包括图像及声音。
- 如权利要求4或5所述的人体感官数据测量方法,其特征在于,该方法进一步包括接收受测人的交互动作信息,并在虚拟场景中进行实时的呈现。
- 如权利要求6所述的人体感官数据测量方法,其特征在于,所述所采集的至少一个生理参数包括脑电参数、皮肤电参数或心率参数中的至少一种;所述至少一个虚拟场景信息至少包括教学用场景信息、自然放松场景信息以及致瘾评测场景信息;所述教学用场景信息至少包括用于教学的虚拟现实体验场景、教学指导视频及语音;所述交互单元首先向受测人呈现所述教学用场景信息,并播放教学指导视频及语音;所述自然放松场景信息至少包括自然风景体验场景及放松训练指导语音。
- 如权利要求7所述的人体感官数据测量方法,其特征在于,在所述致瘾评测场景信息呈现之前,先向受测人呈现所述自然放松场景信息,并播放放松训练指导语音。
- 如权利要求8所述的人体感官数据测量方法,其特征在于,所述步骤4进一步包括:根据经机器学习确定的分类模型,基于所述根据所述至少一个生理参数自动评估受测人在所述虚拟场景信息下的感官状态。
- 如权利要求9所述的人体感官数据测量方法,其特征在于,所述经机器学习确定的分类模型具体为:对不同受测人在体验不同线索场景时采集的生理参数进行特征点分析提取, 并将特征点与场景的渴求评级进行多个分类模型训练,最终训练出一个整合了多种学习算法的逻辑回归模型,用于新采集的生理参数进行渴求程度的自动评级;所述特征点为基于滑动窗口(sliding window)的特征点;所述多个分类模型包括:卷积神经网络、循环神经网络、随机森林、支持向量机或梯度提升决策树。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810058835.0A CN108109673A (zh) | 2018-01-22 | 2018-01-22 | 一种人体感官数据测量系统及方法 |
CN201810058835.0 | 2018-01-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019141017A1 true WO2019141017A1 (zh) | 2019-07-25 |
Family
ID=62220110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2018/120054 WO2019141017A1 (zh) | 2018-01-22 | 2018-12-10 | 一种人体感官数据测量系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108109673A (zh) |
WO (1) | WO2019141017A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109673A (zh) * | 2018-01-22 | 2018-06-01 | 阿呆科技(北京)有限公司 | 一种人体感官数据测量系统及方法 |
CN109300529B (zh) * | 2018-09-12 | 2021-09-21 | 阿呆科技(北京)有限公司 | 基于人工智能和虚拟现实/增强现实的毒瘾渴求靶向干预矫治系统 |
CN109492108B (zh) * | 2018-11-22 | 2020-12-15 | 上海唯识律简信息科技有限公司 | 基于深度学习的多级融合文档分类方法和系统 |
CN110222639B (zh) * | 2019-06-05 | 2020-03-31 | 清华大学 | 人体应激反应测试方法与系统 |
CN111012360B (zh) * | 2019-12-30 | 2023-06-09 | 中国科学院合肥物质科学研究院 | 一种用于戒毒人员神经系统数据采集的装置及方法 |
CN111714089B (zh) * | 2020-06-11 | 2023-06-02 | 阿呆科技(北京)有限公司 | 一种基于多刺激短视频事件相关电位的毒瘾评估系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923392A (zh) * | 2010-09-02 | 2010-12-22 | 上海交通大学 | 脑电信号的异步脑机交互控制方法 |
CN104794192A (zh) * | 2015-04-17 | 2015-07-22 | 南京大学 | 基于指数平滑、集成学习模型的多级异常检测方法 |
CN105893780A (zh) * | 2016-05-10 | 2016-08-24 | 华南理工大学 | 基于vr交互与脑电波及脑血流监测的精神心理评估方法 |
CN105956624A (zh) * | 2016-05-06 | 2016-09-21 | 东南大学 | 基于空时频优化特征稀疏表示的运动想象脑电分类方法 |
CN106803017A (zh) * | 2017-01-13 | 2017-06-06 | 杭州赛翁思科技有限公司 | 一种苯丙胺类药物成瘾人员的渴求度评估方法 |
CN106937873A (zh) * | 2017-04-28 | 2017-07-11 | 中国科学院心理研究所 | 一种基于甲基苯丙胺成瘾者的愤怒攻击性激发与评估方法 |
CN108109673A (zh) * | 2018-01-22 | 2018-06-01 | 阿呆科技(北京)有限公司 | 一种人体感官数据测量系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491447B (zh) * | 2016-06-12 | 2021-01-22 | 百度在线网络技术(北京)有限公司 | 建立查询改写判别模型、查询改写判别的方法和对应装置 |
CN107260187B (zh) * | 2017-07-24 | 2024-01-26 | 中国科学院心理研究所 | 一种在虚拟现实环境中诱发成瘾药物渴求的方法及其系统 |
-
2018
- 2018-01-22 CN CN201810058835.0A patent/CN108109673A/zh active Pending
- 2018-12-10 WO PCT/CN2018/120054 patent/WO2019141017A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923392A (zh) * | 2010-09-02 | 2010-12-22 | 上海交通大学 | 脑电信号的异步脑机交互控制方法 |
CN104794192A (zh) * | 2015-04-17 | 2015-07-22 | 南京大学 | 基于指数平滑、集成学习模型的多级异常检测方法 |
CN105956624A (zh) * | 2016-05-06 | 2016-09-21 | 东南大学 | 基于空时频优化特征稀疏表示的运动想象脑电分类方法 |
CN105893780A (zh) * | 2016-05-10 | 2016-08-24 | 华南理工大学 | 基于vr交互与脑电波及脑血流监测的精神心理评估方法 |
CN106803017A (zh) * | 2017-01-13 | 2017-06-06 | 杭州赛翁思科技有限公司 | 一种苯丙胺类药物成瘾人员的渴求度评估方法 |
CN106937873A (zh) * | 2017-04-28 | 2017-07-11 | 中国科学院心理研究所 | 一种基于甲基苯丙胺成瘾者的愤怒攻击性激发与评估方法 |
CN108109673A (zh) * | 2018-01-22 | 2018-06-01 | 阿呆科技(北京)有限公司 | 一种人体感官数据测量系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108109673A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019141017A1 (zh) | 一种人体感官数据测量系统及方法 | |
CN109300529B (zh) | 基于人工智能和虚拟现实/增强现实的毒瘾渴求靶向干预矫治系统 | |
CN110349667B (zh) | 结合调查问卷及多模态范式行为数据分析的孤独症评估系统 | |
Keighrey et al. | A QoE evaluation of immersive augmented and virtual reality speech & language assessment applications | |
WO2020119355A1 (zh) | 自闭症谱系障碍患者的多模态情感认知能力的评估方法 | |
CN108056774A (zh) | 基于视频刺激材料的实验范式情绪分析实现方法及其装置 | |
CN104983435B (zh) | 一种兴趣取向值测验的刺激信息编制方法 | |
CN105147304B (zh) | 一种人格特质值测验的刺激信息编制方法 | |
CN111598453B (zh) | 基于虚拟场景中执行力的操控工效分析方法、设备及系统 | |
CN111553617B (zh) | 基于虚拟场景中认知力的操控工效分析方法、设备及系统 | |
CN109805944B (zh) | 一种儿童共情能力分析系统 | |
CN113837153B (zh) | 一种融合瞳孔数据和面部表情的实时情绪识别方法及系统 | |
Yu et al. | A hybrid user experience evaluation method for mobile games | |
CN110060753A (zh) | 认知障碍患者干预效果评价系统及方法 | |
WO2020128999A1 (en) | System and method for reading and analysing behaviour including verbal, body language and facial expressions in order to determine a person's congruence | |
CN117438048B (zh) | 一种精神科患者用心理障碍测评方法及系统 | |
CN113313168A (zh) | 无人监考的智能防作弊自助考试系统 | |
WO2022057840A1 (zh) | 脑认知功能检测系统 | |
CN116530938B (zh) | 一种认知增强训练系统及方法 | |
WO2019184031A1 (zh) | 基于图像信息的心理测量与疏导方法及系统 | |
Wibawa et al. | Eeg visualization for cybersickness detection during playing 3d video games | |
CN113974589B (zh) | 多模态行为范式评估优化系统及认知能力评价方法 | |
WO2020139108A1 (ru) | Способ проведения когнитивных исследований с использованием системы нейровизуализации и механизма обратной связи | |
CN108777171A (zh) | 一种评测感觉状态的方法及装置 | |
CN104992080B (zh) | 一种潜能值测验的刺激信息编制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18901394 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 18901394 Country of ref document: EP Kind code of ref document: A1 |