CN108388343A - 基于专注度的脑电特征反馈对vr沉浸教学管理*** - Google Patents
基于专注度的脑电特征反馈对vr沉浸教学管理*** Download PDFInfo
- Publication number
- CN108388343A CN108388343A CN201810154448.7A CN201810154448A CN108388343A CN 108388343 A CN108388343 A CN 108388343A CN 201810154448 A CN201810154448 A CN 201810154448A CN 108388343 A CN108388343 A CN 108388343A
- Authority
- CN
- China
- Prior art keywords
- student
- rate
- brain
- focus
- immerses
- 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.)
- Granted
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 76
- 230000005611 electricity Effects 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 13
- 238000002474 experimental method Methods 0.000 claims description 8
- 101000635895 Homo sapiens Myosin light chain 4 Proteins 0.000 claims description 7
- 102100030739 Myosin light chain 4 Human genes 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 210000001061 forehead Anatomy 0.000 claims description 5
- 238000007654 immersion Methods 0.000 claims description 4
- 241001633942 Dais Species 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 210000003478 temporal lobe Anatomy 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 6
- 238000012827 research and development Methods 0.000 abstract description 5
- 239000000047 product Substances 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000013065 commercial product Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 208000018152 Cerebral disease Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Neurosurgery (AREA)
- Human Computer Interaction (AREA)
- Neurology (AREA)
- Dermatology (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了基于专注度的脑电特征反馈对VR沉浸教学管理***,包括以下步骤:S1:带上设备;S2:通过WIFI无线接收装置接收脑电信号,每1秒分析一次脑电特征;S3:获取学生脑电,每1秒获取一次;4:计算记忆力指标;S5:根据A‑Rate来进行专注度的每隔1秒的实时判断;S6:学生摘下脑电VR头盔;本发明首次提出了脑电波+VR的应用硬件,内容,以及更易使用的脑电波开发平台的设计开发,能够帮助用户不仅识别大脑的状态,也可根据当前状态实时改变训练内容,让训练变得更加有效,同时易念波开发平台也将极大程度的提高开发者的效率,让其专注于脑电波算法的研发而不需要花大量时间考虑产品层面上的开发。
Description
技术领域
本发明涉及教学管理***领域,尤其涉及基于专注度的脑电特征反馈对VR沉浸教学管理***。
背景技术
脑电波技术是一个非常成熟的技术,它从1920年代就已经存在。在科研的领域对于脑电的研究远远不止是癫痫等一类的脑疾病,还包括人心理状态、情绪的测量、注意力的调节、大脑潜能的开发,以及一系列用脑来控制的行为研究。但脑电波的产品研发和市场化领域却出现了极不对称的现象,其中一个重要原因是检测脑电的算法非常复杂。科研领域一直致力于开发复杂的脑电波分析算法,而目前在市场上所有的产品都还是在用最传统的一维信号分析算法。直到2013年美国推出脑计划,其中一项就是鼓励实验室开放项目,与研究机构合作。通过该项计划,更多的研究成果可以作为创业公司的资源,也可以激发人们对其应用的探索。在学术与商业化脱节的地方,就有机会,因此也可以看到近年来关于脑电波的应用及商业产品渐渐走入人们的视角,且其有着非常光明的未来。
目前国内外科研领域通过脑电波研究人的情绪,心理状态,冥想状态等方向的算法已是非常成熟,但因其算法复杂度高而难以被应用于商业产品中,而简单的算法存在检测精度低的缺陷。另一方面针对不同的场景设计的脑电波设备五花八门,且在软件上互相不兼容。目前市场上并没有一款通用性比较高的脑电设备,比如戴上稳定且轻便舒适的头环。因此,关于脑电波市场可以判断目前处于功能型时代,距离智能型脑电波设备还有很大发展空间。而达到智能脑电时代的核心推动力在于研发智能算法。而目前大部分功能型产商不仅分出大量的时间于硬件研发,而且还将软件研发精力分散于各个方向而非致力于特定功能开发,而导致研发核心算法的进度缓慢,在商业上缺乏竞争力,为此我们设计出了基于专注度的脑电特征反馈对VR沉浸教学管理***来解决以上问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的基于专注度的脑电特征反馈对VR沉浸教学管理***。
基于专注度的脑电特征反馈对VR沉浸教学管理***,包括以下步骤:
S1:带上设备:学生带上脑电头环+VR设备,打开沉浸教室***应用,并选择VR创意课程,如化学课,其中实验可以根据学生具体的操作来控制场景元素,老师在讲台上对学生进行指导,教导学生如何进行操作;
S2:分析特征:通过WIFI无线接收装置接收脑电信号,每1秒分析一次脑电特征;
S3:检测算法:获取学生脑电,每1秒获取一次,采样率512Hz,通道数为前额Fp1,Fp2,T9,T10四个通道,得到的数据为4×512 个维度,标注为X,对X进行滤波,滤波频段为(13,30)Hz的通道滤波,得到的数据为XS;将X进行再次进行滤波,滤波的频段为(12, 13)Hz,与(30,31)Hz,滤波类型为通道滤波,得到的数据为Xn;将XS与Xn通过SSD算法得到的输出结果为XSSD,数据维度为1×512,其中512为时间信息,将XSSD取二阶均值得到的值为放松指标,即此时A-Rate取值范围为-1到1;将X 进行滤波,分别在(1,4)Hz滤波,得到Xdelta,(4,8)Hz 的通道滤波,得到Xtheta,(8,13)Hz滤波,得到 Xalpha,(13,30)Hz滤波,得到Xbeta,(30,50)Hz滤波,得到Xgamma;
S4:计算记忆力指标:
当M-Rate>0.5时,学生的记忆力得到训练,当M-Rate<0.5时,学生同时计算学生的创造力指数(C-Rate),该指数由前额,也就是Fp1与Fp2的 alpha能量与颞叶两端alpha能量的比值进行表示,
S5:实现控制逻辑:根据A-Rate来进行专注度的每隔1秒的实时判断,当A-Rate大于0时,说明该学生当前的专注度高,如果大于0的坚持时间超过5分钟,则***给出声音奖励提示,并通过VR 给出奖励得分;当A-Rate的值低于0时,说明学生当前的专注度低,如果是在-0.5到0这个阶段,VR沉浸教室将弹出卡通小精灵,提示学生当前需要集中注意力来进行实验;当A-Rate的值低于0.5时,并且该专注度已经持续超过3分钟,则VR沉浸教室将临时关闭,舒尔特专注度训练方格将会弹出,提示学生进行注意力的训练,持续时间1分钟;如果在此过程中,学生的专注度又重新提升回0以上,则转入4.a;在该过程中,如果学生的注意力始终无法提升,则1分钟后,VR沉浸教室***将关闭待机,并且提示学生先进行适当的休息;
S6:课程结束:学生摘下脑电VR头盔,后台将自动收集学生在学习过程中的的全部脑电,同时后台算法开始计算10分钟的学生的 4项脑电指标。
优选的,所述学生的A-Rate,M-Rate,L-Rate和C-Rate(AMLC 脑电教学管理算法)取10分钟的平均值,每秒钟一个值,并做出指标曲线,存入该学生的AMLC教学***档案中,并更新以往的AMLC4维教学图表。
优选的,所述学生的A-Rate平均值大于0时,表示学生在实验阶段的整体表现良好,如果大于0.5时表示学生的整体表现优秀,非常专注于沉浸式学习、实验。
优选的,所述学生的M-Rate均值中,记忆力指标整体超过0.5 时,表示学生当前针对记忆训练的强度足够,之后可以推荐如逻辑推理与创造力有关的课程。
优选的,所述学生的L-Rate均值中,逻辑推理指标整体超过0.5 时,表示学生当前针对逻辑推理训练的强度足够,之后可以推荐如记忆力与创造力有关的课程。
优选的,所述学生的C-Rate均值中,创造力指标整体超过0.5 时,表示学生当前针对创造力训练的强度足够,之后可以推荐如记忆力与逻辑推理有关的课程。
本发明提出的基于专注度的脑电特征反馈对VR沉浸教学管理***:
1、能够根据脑电的专注度检测来判断是否对VR沉浸教学过程中对学生进行提示;
2、首次提出AMLC脑电教学管理算法,即:VR沉浸教学与脑电信号反馈相结合,通过专注度(A-Rate),记忆指数(M-Rate),逻辑推理训练指数(L-Rate),创造力指数(C-Rate)这四个脑电维度,结合时间维度,实现五维一体的智能控制VR沉浸教学***,达到更高效,更智能的对学生上课进行管理;
3、根据脑电判断学生的专注度检测,并提示学生是否需要专注于课堂内容,专注度检测采用Spatio-spectral Decomposition(SSD) [1]与特定Beta波段(13,30Hz)能量计算相结合的算法。
本发明首次提出了脑电波+VR的应用硬件,内容,以及更易使用的脑电波开发平台的设计开发。该产品采用实时的脑机接口(Brain Computer Interface,BCI)心理护理闭环***,以及VR所带来的沉浸式VR游戏体验,帮助用户不仅识别大脑的状态,也可根据当前状态实时改变训练内容,让训练变得更加有效。同时易念波开发平台也将极大程度的提高开发者的效率,让其专注于脑电波算法的研发而不需要花大量时间考虑产品层面上的开发。
附图说明
图1为本发明提出的基于专注度的脑电特征反馈对VR沉浸教学管理***的***图;
图2为本发明提出的基于专注度的脑电特征反馈对VR沉浸教学管理***的AMLC4维教学图表。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
本发明提出的基于专注度的脑电特征反馈对VR沉浸教学管理***,包括以下步骤:
参照图1-2:
S1:带上设备:学生带上脑电头环+VR设备,打开沉浸教室***应用,并选择VR创意课程,如化学课,其中实验可以根据学生具体的操作来控制场景元素,老师在讲台上对学生进行指导,教导学生如何进行操作;
S2:分析特征:通过WIFI无线接收装置接收脑电信号,每1秒分析一次脑电特征;
S3:检测算法:获取学生脑电,每1秒获取一次,采样率512Hz,通道数为前额Fp1,Fp2,T9,T10四个通道,得到的数据为4×512 个维度,标注为X,对X进行滤波,滤波频段为(13,30)Hz的通道滤波,得到的数据为XS;将X进行再次进行滤波,滤波的频段为(12, 13)Hz,与(30,31)Hz,滤波类型为通道滤波,得到的数据为Xn;将XS与Xn通过SSD算法得到的输出结果为XSSD,数据维度为1×512,其中512为时间信息,将XSSD取二阶均值得到的值为放松指标,即此时A-Rate取值范围为-1到1;将X 进行滤波,分别在(1,4)Hz滤波,得到Xdelta,(4,8)Hz 的通道滤波,得到Xtheta,(8,13)Hz滤波,得到 Xalpha,(13,30)Hz滤波,得到Xbeta,(30,50)Hz滤波,得到Xgamma;
S4:计算记忆力指标:
当M-Rate>0.5时,学生的记忆力得到训练,当M-Rate<0.5时,学生的记忆力并未得到训练[2];同时计算学生的逻辑推理训练指数 (L-Rate),该指数由Beta能量与alpha能量的比值获得,即同时计算
S5:实现控制逻辑:根据A-Rate来进行专注度的每隔1秒的实时判断,当A-Rate大于0时,说明该学生当前的专注度高,如果大于0的坚持时间超过5分钟,则***给出声音奖励提示,并通过VR 给出奖励得分;当A-Rate的值低于0时,说明学生当前的专注度低,如果是在0.5到0这个阶段,VR沉浸教室将弹出卡通小精灵,提示学生当前需要集中注意力来进行实验;当A-Rate的值低于0.5时,并且该专注度已经持续超过3分钟,则VR沉浸教室将临时关闭,舒尔特专注度训练方格将会弹出,提示学生进行注意力的训练,持续时间1分钟;如果在此过程中,学生的专注度又重新提升回0以上,则转入4.a;在该过程中,如果学生的注意力始终无法提升,则1分钟后,VR沉浸教室***将关闭待机,并且提示学生先进行适当的休息;
S6:课程结束:学生摘下脑电VR头盔,后台将自动收集学生在学习过程中的的全部脑电,同时后台算法开始计算10分钟的学生的 4项脑电指标。
本发明中,所述学生的A-Rate,M-Rate,L-Rate和C-Rate(AMLC 脑电教学管理算法)取10分钟的平均值,每秒钟一个值,并做出指标曲线,存入该学生的AMLC教学***档案中,并更新以往的AMLC4维教学图表。
本发明中,所述学生的A-Rate平均值大于0时,表示学生在实验阶段的整体表现良好,如果大于0.5时表示学生的整体表现优秀,非常专注于沉浸式学习、实验。
本发明中,所述学生的M-Rate均值中,记忆力指标整体超过0.5 时,表示学生当前针对记忆训练的强度足够,之后可以推荐如逻辑推理与创造力有关的课程。
本发明中,所述学生的L-Rate均值中,逻辑推理指标整体超过 0.5时,表示学生当前针对逻辑推理训练的强度足够,之后可以推荐如记忆力与创造力有关的课程。
本发明中,所述学生的C-Rate均值中,创造力指标整体超过0.5 时,表示学生当前针对创造力训练的强度足够,之后可以推荐如记忆力与逻辑推理有关的课程。
工作原理:在使用时,描述脑电与VR设备视频及音频交互内容产生互动关系,实现对学生教学专注度的管理,学生带上VR接受教学,并实时将脑电进入机器学***,并反馈回VR进行教学内容上的调控。以上所述生物信号包含脑电的多种波段的生物数据并通过实时机器学习算法调整交互内容,帮助学生进行学习管理;统计不同时间节点的生物信号,形成对学生专注度和训练效果的分析曲线;
市场上存在的脑电设备都有固定的切入点且设计外观上与我们有所不同,产品芯片设计上也不同,还未出现有脑电波设备与VR产品可以结合使用,应用于沉浸教室的例子:
1、2010年至今,Interaxon,Neuro Sky,Emotiv,Brainco,Macrotellect,Neurocoach,Mindplay等公司已开发了多款脑电波应用针对不同的用户人群,其中有约30%是针对精神健康训练;
2、这些应用,产品基本都基于一个价格昂贵的脑电波头环 ($200)和简单的手机应用及声音指导用户如何使用其产品;
3、用户的体验感因应用简单受限制,没有内容的更新缺乏无法吸引足够用户形成自己的生态。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.基于专注度的脑电特征反馈对VR沉浸教学管理***,其特征在于,包括以下步骤:
S1:带上设备:学生带上脑电头环+VR设备,打开沉浸教室***应用,并选择VR创意课程,如化学课,其中实验可以根据学生具体的操作来控制场景元素,老师在讲台上对学生进行指导,教导学生如何进行操作;
S2:分析特征:通过WIFI无线接收装置接收脑电信号,每1秒分析一次脑电特征;
S3:检测算法:获取学生脑电,每1秒获取一次,采样率512Hz,通道数为前额Fp1,Fp2,T9,T10四个通道,得到的数据为4×512个维度,标注为X,对X进行滤波,滤波频段为(13,30)Hz的通道滤波,得到的数据为XS;将X进行再次进行滤波,滤波的频段为(12,13)Hz,与(30,31)Hz,滤波类型为通道滤波,得到的数据为Xn;将XS与Xn通过SSD算法得到的输出结果为XSSD,数据维度为1×512,其中512为时间信息,将XSSD取二阶均值得到的值为放松指标,即此时A-Rate取值范围为-1到1;将X进行滤波,分别在(1,4)Hz滤波,得到Xdelta,(4,8)Hz的通道滤波,得到Xtheta,(8,13)Hz滤波,得到Xalpha,(13,30)Hz滤波,得到Xbeta,(30,50)Hz滤波,得到Xgamma;
S4:计算记忆力指标:
当M-Rate>0.5时,学生的记忆力得到训练,当M-Rate<0.5时,学生的记忆力并未得到训练[2];同时计算学生的逻辑推理训练指数(L-Rate),该指数由Beta能量与alpha能量的比值获得,即同时计算学生的创造力指数(C-Rate),该指数由前额,也就是Fp1与Fp2的alpha能量与颞叶两端alpha能量的比值进行表示,
S5:实现控制逻辑:根据A-Rate来进行专注度的每隔1秒的实A-Rate大于0时,说明该学生当前的专注度高,如果大于0的坚持时间超过5分钟,则***给出声音奖励提示,并通过VR给出奖励得分;当A-Rate的值低于0时,说明学生当前的专注度低,如果是在-0.5到0这个阶段,VR沉浸教室将弹出卡通小精灵,提示学生当前需要集中注意力来进行实验;当A-Rate的值低于-0.5时,并且该专注度已经持续超过3分钟,则VR沉浸教室将临时关闭,舒尔特专注度训练方格将会弹出,提示学生进行注意力的训练,持续时间1分钟;如果在此过程中,学生的专注度又重新提升回0以上,则转入4.a;在该过程中,如果学生的注意力始终无法提升,则1分钟后,VR沉浸教室***将关闭待机,并且提示学生先进行适当的休息。;
S6:课程结束:学生摘下脑电VR头盔,后台将自动收集学生在学习过程中的的全部脑电,同时后台算法开始计算10分钟的学生的4项脑电指标。
2.根据权利要求1所述的基于专注度的脑电特征反馈对VR沉浸教学管理***,其特征在于,所述学生的A-Rate,M-Rate,L-Rate和C-Rate(AMLC脑电教学管理算法)取10分钟的平均值,每秒钟一个值,并做出指标曲线,存入该学生的AMLC教学***档案中,并更新以往的AMLC4维教学图表。
3.根据权利要求1所述的基于专注度的脑电特征反馈对VR沉浸教学管理***,其特征在于,所述学生的A-Rate平均值大于0时,表示学生在实验阶段的整体表现良好,如果大于0.5时表示学生的整体表现优秀,非常专注于沉浸式学习、实验。
4.根据权利要求1所述的基于专注度的脑电特征反馈对VR沉浸教学管理***,其特征在于,所述学生的M-Rate均值中,记忆力指标整体超过0.5时,表示学生当前针对记忆训练的强度足够,之后可以推荐如逻辑推理与创造力有关的课程。
5.根据权利要求1所述的基于专注度的脑电特征反馈对VR沉浸教学管理***,其特征在于,所述学生的L-Rate均值中,逻辑推理指标整体超过0.5时,表示学生当前针对逻辑推理训练的强度足够,之后可以推荐如记忆力与创造力有关的课程。
6.根据权利要求1所述的基于专注度的脑电特征反馈对VR沉浸教学管理***,其特征在于,所述学生的C-Rate均值中,创造力指标整体超过0.5时,表示学生当前针对创造力训练的强度足够,之后可以推荐如记忆力与逻辑推理有关的课程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810154448.7A CN108388343B (zh) | 2018-02-26 | 2018-02-26 | 基于专注度的脑电特征反馈对vr沉浸教学管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810154448.7A CN108388343B (zh) | 2018-02-26 | 2018-02-26 | 基于专注度的脑电特征反馈对vr沉浸教学管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108388343A true CN108388343A (zh) | 2018-08-10 |
CN108388343B CN108388343B (zh) | 2022-06-24 |
Family
ID=63068435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810154448.7A Active CN108388343B (zh) | 2018-02-26 | 2018-02-26 | 基于专注度的脑电特征反馈对vr沉浸教学管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388343B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637222A (zh) * | 2019-01-28 | 2019-04-16 | 探客柏瑞科技(北京)有限公司 | 脑科学智慧教室 |
CN110478593A (zh) * | 2019-05-15 | 2019-11-22 | 常州大学 | 基于vr技术的脑电注意力训练*** |
CN110680314A (zh) * | 2019-09-30 | 2020-01-14 | 浙江凡聚科技有限公司 | 基于脑电多参数的虚拟现实情境任务注意力测训*** |
CN110772699A (zh) * | 2019-09-30 | 2020-02-11 | 浙江凡聚科技有限公司 | 基于虚拟现实的自主调节心率变异性的注意力训练*** |
CN111638790A (zh) * | 2020-06-02 | 2020-09-08 | 电子科技大学 | 一种基于tgam芯片的脑电数据反馈的专注度优化方法 |
CN115064022A (zh) * | 2022-03-25 | 2022-09-16 | 深圳尼古拉能源科技有限公司 | 一种增强感知体验平台及其使用方法 |
CN115188447A (zh) * | 2022-09-08 | 2022-10-14 | 浙江强脑科技有限公司 | 一种基于脑电信号的记忆力训练方法和训练装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5339826A (en) * | 1991-12-09 | 1994-08-23 | Westinghouse Electric Corp. | Method for training material evaluation with method of EEG spectral estimation |
US20090318827A1 (en) * | 2008-06-23 | 2009-12-24 | Freer Logic, Llc | Body-based monitoring of brain electrical activity |
CA2399482C (en) * | 2000-02-09 | 2011-06-14 | Cns Response, Inc. | Method for classifying and treating physiologic brain imbalances using quantitative eeg |
US20110289030A1 (en) * | 2008-05-26 | 2011-11-24 | Shijian Lu | Method and system for classifying brain signals in a bci |
CN102319067A (zh) * | 2011-05-10 | 2012-01-18 | 北京师范大学 | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 |
CN103038772A (zh) * | 2010-03-15 | 2013-04-10 | 新加坡保健服务集团有限公司 | 预测患者的存活性的方法 |
US20130331727A1 (en) * | 2011-01-28 | 2013-12-12 | Agency For Science, Technology And Research | Method and system for detecting attention |
CN103815902A (zh) * | 2013-11-22 | 2014-05-28 | 刘志勇 | 基于脑电频域特征指标化算法的课堂教学评估***及方法 |
CN105139695A (zh) * | 2015-09-28 | 2015-12-09 | 南通大学 | 一种基于脑电波采集的课堂教学监测方法及*** |
CN106175799A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 基于脑电波评估人体情绪和疲劳状态的方法及*** |
CN106923825A (zh) * | 2017-03-27 | 2017-07-07 | 广州视源电子科技股份有限公司 | 基于频域及相空间的脑电放松度识别方法及装置 |
CN106974647A (zh) * | 2017-04-01 | 2017-07-25 | 南京阿凡达机器人科技有限公司 | 一种脑电波头戴装置及遥控机器人和锻炼大脑的方法 |
CN107233653A (zh) * | 2017-07-01 | 2017-10-10 | 西安观复生物科技有限公司 | 基于脑电波情景感知和云平台存储技术的放松减压方法 |
-
2018
- 2018-02-26 CN CN201810154448.7A patent/CN108388343B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5339826A (en) * | 1991-12-09 | 1994-08-23 | Westinghouse Electric Corp. | Method for training material evaluation with method of EEG spectral estimation |
CA2399482C (en) * | 2000-02-09 | 2011-06-14 | Cns Response, Inc. | Method for classifying and treating physiologic brain imbalances using quantitative eeg |
US20110289030A1 (en) * | 2008-05-26 | 2011-11-24 | Shijian Lu | Method and system for classifying brain signals in a bci |
US20090318827A1 (en) * | 2008-06-23 | 2009-12-24 | Freer Logic, Llc | Body-based monitoring of brain electrical activity |
CN103038772A (zh) * | 2010-03-15 | 2013-04-10 | 新加坡保健服务集团有限公司 | 预测患者的存活性的方法 |
US20130331727A1 (en) * | 2011-01-28 | 2013-12-12 | Agency For Science, Technology And Research | Method and system for detecting attention |
CN102319067A (zh) * | 2011-05-10 | 2012-01-18 | 北京师范大学 | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 |
CN103815902A (zh) * | 2013-11-22 | 2014-05-28 | 刘志勇 | 基于脑电频域特征指标化算法的课堂教学评估***及方法 |
CN106175799A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 基于脑电波评估人体情绪和疲劳状态的方法及*** |
CN105139695A (zh) * | 2015-09-28 | 2015-12-09 | 南通大学 | 一种基于脑电波采集的课堂教学监测方法及*** |
CN106923825A (zh) * | 2017-03-27 | 2017-07-07 | 广州视源电子科技股份有限公司 | 基于频域及相空间的脑电放松度识别方法及装置 |
CN106974647A (zh) * | 2017-04-01 | 2017-07-25 | 南京阿凡达机器人科技有限公司 | 一种脑电波头戴装置及遥控机器人和锻炼大脑的方法 |
CN107233653A (zh) * | 2017-07-01 | 2017-10-10 | 西安观复生物科技有限公司 | 基于脑电波情景感知和云平台存储技术的放松减压方法 |
Non-Patent Citations (4)
Title |
---|
NIKULIN, VV (NIKULIN, VADIM V.)[ 1,2 ] ; NOLTE, G (NOLTE, GUIDO): "A novel method for reliable and fast extraction of neuronal EEG/MEG oscillations on the basis of spatio-spectral decomposition", 《NEUROIMAGE》 * |
SEBASTIAN BOSSE; LAURA ACQUALAGNA; WOJCIECH SAMEK等: "Assessing Perceived Image Quality Using Steady-State Visual Evoked Potentials and Spatio-Spectral Decomposition", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》 * |
何伋等主编: "《神经精神病学辞典》", 30 June 1998 * |
张培琰,吉中孚编著: "《精神病诊断治疗学》", 31 October 1998 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637222A (zh) * | 2019-01-28 | 2019-04-16 | 探客柏瑞科技(北京)有限公司 | 脑科学智慧教室 |
CN110478593A (zh) * | 2019-05-15 | 2019-11-22 | 常州大学 | 基于vr技术的脑电注意力训练*** |
CN110680314A (zh) * | 2019-09-30 | 2020-01-14 | 浙江凡聚科技有限公司 | 基于脑电多参数的虚拟现实情境任务注意力测训*** |
CN110772699A (zh) * | 2019-09-30 | 2020-02-11 | 浙江凡聚科技有限公司 | 基于虚拟现实的自主调节心率变异性的注意力训练*** |
CN110680314B (zh) * | 2019-09-30 | 2022-06-10 | 浙江凡聚科技有限公司 | 基于脑电多参数的虚拟现实情境任务注意力测训*** |
CN111638790A (zh) * | 2020-06-02 | 2020-09-08 | 电子科技大学 | 一种基于tgam芯片的脑电数据反馈的专注度优化方法 |
CN111638790B (zh) * | 2020-06-02 | 2021-08-24 | 电子科技大学 | 一种基于tgam芯片的脑电数据反馈的专注度优化方法 |
CN115064022A (zh) * | 2022-03-25 | 2022-09-16 | 深圳尼古拉能源科技有限公司 | 一种增强感知体验平台及其使用方法 |
CN115188447A (zh) * | 2022-09-08 | 2022-10-14 | 浙江强脑科技有限公司 | 一种基于脑电信号的记忆力训练方法和训练装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108388343B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388343A (zh) | 基于专注度的脑电特征反馈对vr沉浸教学管理*** | |
Bransford et al. | Schooling and the facilitation of knowing | |
Fischer et al. | International handbook of the learning sciences | |
Angelillo et al. | Examining shared endeavors by abstracting video coding schemes with fidelity to cases | |
Gifford et al. | Mathematics difficulties: does one approach fit all? | |
Van Nes et al. | Mathematics education and neurosciences: Relating spatial structures to the development of spatial sense and number sense | |
Vrettou | Patterns of language learning strategy use by Greek-speaking young learners of English | |
US20150031010A1 (en) | Improving neuroperformance | |
Churches et al. | Neuroscience for teachers: Applying research evidence from brain science | |
Alosaimi | The development of critical thinking skills in the sciences | |
Doulou et al. | Mobile applications as intervention tools for children with ADHD for a sustainable education. | |
Altaie et al. | Adaptive gamification framework to promote computational thinking in 8-13 year olds | |
WO2015155600A2 (en) | Improving neuroperformance | |
Yafie et al. | The Effectiveness of Seamless Mobile Assisted Real Training for Parents (SMART-P) Usage to Improve Parenting Knowledge and Children’s Cognitive Development. | |
Yang et al. | [Retracted] Fusion of Emotional Thinking and Mental Health of Students in Vocal Music Teaching | |
Watson | Learning begins: The science of working memory and attention for the classroom teacher | |
Montanero et al. | “Explain it on the blackboard”. An analysis of the educational interaction in mirror assessment activities | |
West et al. | “Smart” Technology Has an Important Role to Play in Making Learning about Well-Being in Schools Engaging and Real for Students | |
Arias | Learning to Teach Elementary Students to Construct Evidence-Based Claims of Natural Phenomena. | |
Beattie | Assessing young children's personal constructs of'nature'using a modified repertory grid test: A case study | |
Reeves | Yoga Instructor Belief Scale: Instrument Development and Validation | |
Yu et al. | Intelligent Learning Processes | |
Scott | Chasing polys: Interdisciplinary affinity and its connection to physics identity | |
Ismaya | Development of E-Module-Based Parenting Modules for Early Childhood | |
Pejchinovska et al. | STUDENTS’ACTIVITIES IN THE TEACHING OF NATURAL AND SOCIAL SCIENCES IN ELEMENTARY EDUCATION |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |