CN110333777A - 一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法及*** - Google Patents
一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法及*** Download PDFInfo
- Publication number
- CN110333777A CN110333777A CN201910418425.7A CN201910418425A CN110333777A CN 110333777 A CN110333777 A CN 110333777A CN 201910418425 A CN201910418425 A CN 201910418425A CN 110333777 A CN110333777 A CN 110333777A
- Authority
- CN
- China
- Prior art keywords
- brain
- frequency
- signal
- endogenous
- energy
- 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 62
- 239000003550 marker Substances 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 230000003340 mental effect Effects 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 15
- 230000000737 periodic effect Effects 0.000 claims abstract description 8
- 230000000638 stimulation Effects 0.000 claims description 24
- 230000001755 vocal effect Effects 0.000 claims description 13
- 206010029260 Neuroblastoma Diseases 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 238000012512 characterization method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 230000008450 motivation Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000007635 classification algorithm Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 125000004122 cyclic group Chemical group 0.000 abstract description 3
- 230000033764 rhythmic process Effects 0.000 abstract description 3
- 230000007177 brain activity Effects 0.000 abstract description 2
- 239000004615 ingredient Substances 0.000 abstract description 2
- 230000004044 response Effects 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000537 electroencephalography Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000002582 magnetoencephalography Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Dermatology (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Power Engineering (AREA)
- Human Computer Interaction (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及脑磁图和脑电图领域，具体公开了一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法及***，其中，大脑产生的内部言语表象是指跟随一系列周期性播放的参考声音进行内心默数若干数字的心理操作，其周期性活动是指将产生内部言语表象的节奏控制为特定的预设频率，从而产生该目标频率的能量提升现象。本发明利用大脑活动能够受到自上而下调节的特性，首次对内源性的言语心理表象做频率标记，拓展了脑机接口目标频率成分的范围，同时，内源性的言语心理表象具备较高的灵活性，可预设多种目标频率，可提高输出信号指示范围的灵活性。
Description
技术领域
本发明涉及脑磁图和脑电图领域，具体涉及一种以对内源性言语表象活动进行频率标记为关键技术反映大脑脑部信号的脑机接口方法及***。
背景技术
脑机接口(Brain Computer Interaction,BCI)是指一种在外周运动神经或肌肉信号缺失的情况下，只通过大脑的神经活动向外部设备输出指令，从而形成人脑与外部世界直接交流的技术手段。其核心技术是通过非侵入式的信号获取装置包括脑电图(Electroencephalography，EEG)和脑磁图(Magnetoencephalography，MEG)记录大脑的复杂神经活动，利用计算机处理和识别信号中隐藏的模式，转换成为计算机的输出，从而完成对外部设备的控制。
频率标记(Frequency Tagging)是指神经活动通过快速傅里叶变换(FastFourier Transformation,FFT)转换为频率表征后，在特定频率上具备差异化的幅值和能量的现象。常见的用于脑机接口方法的频率标记技术有视觉稳态诱发电位(Steady StateVisual Evoked Potential，SSVEP)，它是指大脑在接受不同频率的闪烁图案时所呈现的与外界刺激频率一致的脑部频率响应。具体来说，使用者在选择性注视不同频率闪烁模块时大脑能够产生不同的频率响应，从而为脑机接口装置提供一种反映使用者选择性注视的指标。但值得注意的是，SSVEP本质上仍依赖于外源性的周期性图案的刺激，而非大脑自发产生的内源性周期性神经活动。
发明内容
鉴于上述内容，本发明利用大脑产生内部言语表象(speech imagery)这一过程中产生的周期性活动作为内源性的频率标记指标，来反映大脑的脑部信号，而不局限于对外界闪烁图案的反应。其中，大脑产生的内部言语表象是指跟随一系列周期性播放的参考声音进行内心默数若干数字的心理操作，其周期性活动是指将产生内部言语表象的节奏控制为特定的预设频率，从而产生该目标频率的能量提升现象。
本发明的目的是提供一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，并能够达到可靠的判断正确率。该方法能够拓展脑机接口***中所使用的频率标记信号的类别范围，使得目标频率信号不局限于SSVEP。
一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，包括以下步骤：
(1)播放听觉刺激作为参考音；
(2)采集使用者脑部神经活动信号并存储；
(3)对采集到的脑部神经活动信号进行快速傅里叶变换，获得频率空间的能量分布，提取与预设的内源性言语心理表象频率一致的目标频率能量峰值及相邻基线频率峰值；
(4)对内源性频率能量峰值进行分类检测，基于检测结果对使用者动机进行判断，得到脑机接口控制信号；
(5)通过所述脑机接口控制信号控制产生输出指令。
进一步地，在步骤(1)中采用声音刺激器播放周期性声音刺激，声音内容可以是纯音、白噪音、语谱噪音等各种短音中的一种，声音播放周期频率可变，变化范围基于使用者能够跟随声音刺激产生言语表象的范围，频率过高会导致使用者无法很好地跟随声音刺激，因此所述周期性声音刺激的频率不高于8Hz。
进一步地，在步骤(2)中所述脑部神经活动信号为脑电图或脑磁图信号，提取的脑电图或脑磁图信号经过放大器放大、进行数模转换，以数字形式存储于计算机中。
进一步地，在步骤(3)中还包括预处理，为滤波、去眼电和基线矫正等处理的至少一种，随后通过快速傅里叶变换转化为能量分布。
所述预设的内源性言语心理表象频率不能过低，过低则导致信号不易被检出，因此所述预设的内源性言语心理表象频率不低于0.5Hz。
预设内源性言语心理表象频率＝声音刺激播放频率/n，n代表每n个短音为一组形成言语心理表象(n≥2)。
在本发明一实施例中，周期性声音刺激的频率为4Hz，预设内源性言语心理表象频率为0.8Hz，n＝5。
可设定一种或多种预设目标频率。
进一步地，在步骤(4)中所述分类检测基于二分类或多分类算法。当设定一种预设目标频率时，采用二分类算法：一类为所得到的内源性目标频率能量升高,高于相邻基线频率能量的平均值,表明使用者跟随参考音产生目标频率周期性言语表象活动；另一类为所得到的内源性目标频率能量未升高,不高于相邻基线频率能量的平均值，表明使用者未进行言语表象活动。当设定多种预设目标频率时，采用多分类算法：每一种预设目标频率升高时均对应一类，预设目标无升高时也为一类。具体分类器可包括线性分类器、非线性分类器等多种分类器。
步骤(4)中所述控制信号为：当内源性目标频率1能量升高时，输出结果表征值为“1”，将该预设目标频率1所代表的内容判为“是”；当内源性目标频率2能量升高时，输出结果表征为“2”，将该预设目标频率2所代表的内容判断为“是”；以此类推。当内源性目标频率能量未升高时，输出结果表征值为“0”，将其判为“否”。
进一步地，在步骤(5)中还包括：将所述输出信号进行可视化或直接应用于控制外部设备。
本发明的另一目的是提供一种利用内源性频率标记技术反映大脑脑部信号的脑机接口***，包括声音刺激器、信号采集装置、信号处理装置和信号输出装置。
进一步地，所述声音刺激器用于播放周期性声音刺激。
进一步地，所述信号采集装置用于采集、存储脑部神经活动信号。
进一步地，所述信号处理装置用于对采集到的脑部神经活动信号进行快速傅里叶变换处理，获得频率空间的能量分布，提取与预设的内源性言语心理表象频率一致的目标频率能量峰值及相邻基线频率峰值，对内源性频率能量峰值进行分类检测，基于检测结果对使用者动机进行判断，得到脑机接口控制信号。
进一步地，所述信号输出装置具有可视化输出界面或对外部设备的控制装置。
本发明提供的利用内源性频率标记技术反映大脑脑部信号的脑机接口方法及装置，具有以下优点：(1)利用大脑活动能够受到自上而下调节的特性，首次对内源性的言语心理表象做频率标记，拓展了脑机接口目标频率成分的范围；(2)内源性的言语心理表象具备较高的灵活性，可预设多种目标频率，提高输出信号指示范围的灵活性；(3)本发明不需要基于使用者任何的外周***的动作，包括注视点的移动，只需要在大脑中进行周期性的内心默数这一言语心理表象操作，即可采集到有效信号。
附图说明
图1为本发明的***构成示意图；
图2为频率标记技术检测示意图。
具体实施方式
以下参照本发明的附图，通过具体的实施例对本发明的技术方案作进一步描述，以便本发明的上述特征和优点更明显易懂。
应理解的是本发明提供的检测方法能够在不同的实例上具有各种变化，基于本发明思想的各种变化的实例皆不脱离本发明的范围；且本发明中的附图在本质上作为说明之用，例如绘图元件并不一定是按比例绘制也不限定特定的设备，描述特定顺序或行为也不要求相于次序这样的特定性。即本发明中的附图只为解释说明本发明的方法及***，而非用以限制本发明。
根据本发明的一个实施例，提供一种利用内源性频率标记反映大脑脑部信号的脑机接口方法，包括：
通过声音刺激器播放周期性声音。
采集并存储伴随声音刺激播放时大脑所产生的脑磁信号，对该信号进行处理。数据预处理步骤包括去眼电和基线矫正，对预处理后的脑磁信号通过叠加平均降低噪音干扰，对叠加平均后的时域信号进行快速傅里叶变换，获得伴随声音产生内源性言语表象信号。提取内源性频率标记信号，利用分类算法对使用者的动机进行分类判断，得到脑机接口控制信号。
通过信号输出装置输出信号。
如图1所示，本发明的***包括声音刺激器、信号采集装置、信号处理装置、信号输出装置。
声音刺激器
为了能够让使用者产生特定频率的言语表象，本发明采用一系列短音作为频率参考音，通过耳机播放给使用者，使用者在听声音的同时以同样的节奏产生言语表象。本实验中每个短音之间间隔250毫秒，形成4赫兹的周期性的听觉刺激；使用者在大脑中以同样的时间间隔进行默数，并以每5个短音为一组进行“一、二、三、四、五；二、二、三、四、五；三、二、三、四、五……”形式的数数，每一组的五个数共持续1250毫秒，形成0.8赫兹的周期性言语表象活动。在本实验中，目标内源性频率设定为0.8赫兹，在其它情况下亦可通过调整声音播放的频率及每组组别的数目来形成不同的目标频率。
信号采集与处理
选取306导脑磁图采集***，并同时采集水平与垂直眼电。***采样频率为1000Hz，带宽0.1-330Hz。在本实施例中，信号最后以Elekta***的fif格式文件存储于计算机中。
对存储的脑磁信号进行预处理，包括利用独立成分分析方法去除眼电伪迹，接着将声音播放起始位置进行对齐，以声音起始位置前500ms为基线进行基线校正，最后将全脑所有通道的信号进行平均，得到全脑响应信号。
将全脑响应信号通过快速傅里叶变换转化为频域表征，提取频率表征中特定频率所在的能量值与其相邻频率的能量值。在本实施例中，提取得到目标内源性频率(0.8Hz)的能量峰值A，以及相邻两侧基线频率的能量值B和C。
内源性频率信号的分类算法
如图2所示，当使用者跟随参考音产生0.8Hz周期性言语表象活动时，所得到的内源性目标频率能量A显著高于(B+C)/2，当使用者未进行言语表象活动时，目标频率能量A接近于(B+C)/2。因此，在本实施例中，将A、B、C三者同时作为特征，当该内源性目标频率能量升高时，即当A>(B+C)/2时，输出结果表征值为“1”，将该目标频率代表的预设指令判为“是”；当内源性目标频率能量未升高时，即当A≤(B+C)/2时，输出结果表征值为“0”，将其判为“否”，这样就可以实现一个二类(“是/否”)的信号分类。
信号输出装置
本界面作为信号输出端，将内源性言语表象信号反映的动机差异输出为可视化结果，对内源性目标频率进行检测后，使用显示器将判断指令输出为“是”和“否”。当分类检测结果为“1”时，表明脑磁信号中存在强烈的该目标内源性频率标记信号，说明受试者正在进行特定周期性的言语表象过程，此时脑磁信号将该预设目标频率判断为“是”，显示器界面输出“预设指令1：是”，预设指令可包括“开灯”、“关灯”、“吃饭”等具体命令。当分类检测结果为“0”时，说明脑磁信号中不存在强烈的内源性频率标记信号，说明受试者没有进行周期性的言语表象过程，该脑磁信号判断为“否”，显示器界面输出“否”。
综上所述，本发明提出一种利用内源性频率标记技术反映脑部信号的脑机接口方法及***，能够拓展脑机接口***中所使用的频率标记信号的类别范围，使得目标信号不局限于SSVEP，并能够达到可靠的判断正确率。
虽然本发明已以优选实例公开如上，然而所公开实例并非用以限制本发明的范围。可以理解：在不脱离本发明的精神的情况下，在此可以产生各种附加、修改和替换。本领域普通技术人员很清楚：在不脱离本发明的精神或本质特性的情况下，可以以其他特殊形式、结构、布置、比例、以及利用其他元件、材料和部件来实现本发明。本领域的技术人员将意识到：本发明可以使用发明实际中使用的结构、布置、比例、材料以及部件和其他的许多修改，这些修改在不脱离本发明的原理的情况下而特别适应于特殊环境和操作需求。因此，当前公开的实施例在所有方面应被理解为说明性的而非对其请求保护的范围的限制。
Claims (10)
1.一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，包括以下步骤：
(1)播放听觉刺激作为参考音；
(2)采集使用者脑部神经活动信号并存储；
(3)对采集到的脑部神经活动信号进行快速傅里叶变换，获得频率空间的能量分布，提取与预设的内源性言语心理表象频率一致的目标频率能量峰值及相邻基线频率峰值；
(4)对内源性频率能量峰值进行分类检测，基于检测结果对使用者动机进行判断，得到脑机接口控制信号；
(5)通过所述脑机接口控制信号控制产生输出指令。
2.如权利要求1所述一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，其特征在于，步骤(1)中采用声音刺激器播放周期性声音刺激，所述声音刺激为短音，选自纯音、白噪音、语谱噪音中的一种。
3.如权利要求1或2所述一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，其特征在于，步骤(1)中所述周期性声音刺激的频率不高于8 Hz。
4.如权利要求1所述一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，其特征在于，步骤(2)中所述脑部神经活动信号为脑电图或脑磁图信号，提取的脑电图或脑磁图信号经过放大器放大、进行数模转换，以数字形式存储于计算机中。
5.如权利要求1所述一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，其特征在于，步骤(3)中还包括预处理，为滤波、去眼电和基线矫正中至少一种，随后通过快速傅里叶变换转化为能量分布。
6.如权利要求1或5所述一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，其特征在于，步骤(3)中预设内源性言语心理表象频率＝声音刺激播放频率/n，n代表每n个短音为一组形成言语心理表象(n≥2)，所述预设的内源性言语心理表象频率不低于0.5 Hz；所述目标频率设定为一种或多种。
7.如权利要求1所述一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，其特征在于，步骤(4)中所述分类检测基于二分类或多分类算法：当设定一种预设目标频率时，采用二分类算法：一类为所得到的内源性目标频率能量升高,高于相邻基线频率能量的平均值,表明使用者跟随参考音产生目标频率周期性言语表象活动；另一类为所得到的内源性目标频率能量未升高,不高于相邻基线频率能量的平均值，表明使用者未进行言语表象活动；当设定多种预设目标频率时，采用多分类算法：每一种预设目标频率升高时均对应一类，预设目标无升高时也为一类；分类器包括线性分类器和非线性分类器。
8.如权利要求1或7所述一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，其特征在于，步骤(4)中所述控制信号为：当内源性目标频率1能量升高时，输出结果表征值为“1”，将该预设目标频率1所代表的内容判为“是”；当内源性目标频率2能量升高时，输出结果表征为“2”，将该预设目标频率2所代表的内容判断为“是”，以此类推；当内源性目标频率能量未升高时，输出结果表征值为“0”，将其判为“否”。
9.如权利要求1所述一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法，其特征在于，步骤(5)中还包括：将所述输出信号进行可视化或直接应用于控制外部设备。
10.一种利用内源性频率标记技术反映大脑脑部信号的脑机接口***，包括声音刺激器、信号采集装置、信号处理装置和信号输出装置；所述声音刺激器用于播放周期性声音刺激；所述信号采集装置用于采集、存储脑部神经活动信号；所述信号处理装置用于对采集到的脑部神经活动信号进行快速傅里叶变换处理，获得频率空间的能量分布，提取与预设的内源性言语心理表象频率一致的目标频率能量峰值及相邻基线频率峰值，对内源性频率能量峰值进行分类检测，基于检测结果对使用者动机进行判断，得到脑机接口控制信号；所述信号输出装置具有可视化输出界面或对外部设备的控制装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910418425.7A CN110333777B (zh) | 2019-05-20 | 2019-05-20 | 一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910418425.7A CN110333777B (zh) | 2019-05-20 | 2019-05-20 | 一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110333777A true CN110333777A (zh) | 2019-10-15 |
| CN110333777B CN110333777B (zh) | 2020-11-20 |
Family
ID=68139424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910418425.7A Active CN110333777B (zh) | 2019-05-20 | 2019-05-20 | 一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110333777B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7546158B2 (en) * | 2003-06-05 | 2009-06-09 | The Regents Of The University Of California | Communication methods based on brain computer interfaces |
| CN101464729A (zh) * | 2009-01-05 | 2009-06-24 | 清华大学 | 基于听觉认知神经信号的自主意愿表达方法 |
| US20110251511A1 (en) * | 2008-07-15 | 2011-10-13 | Petrus Wilhelmus Maria Desain | Method for processing a brain wave signal and brain computer interface |
| CN102488515A (zh) * | 2011-12-09 | 2012-06-13 | 天津大学 | 基于自主动作、想象动作下脑肌电信号联合分析方法 |
| US20130211276A1 (en) * | 2009-03-16 | 2013-08-15 | Neurosky, Inc. | Sensory-evoked potential (sep) classification/detection in the time domain |
| CN103793058A (zh) * | 2014-02-13 | 2014-05-14 | 山西大学 | 一种主动式脑机交互***运动想象任务分类方法及装置 |
| CN106504475A (zh) * | 2016-10-15 | 2017-03-15 | 北海益生源农贸有限责任公司 | 基于脑电信号的疲劳驾驶检测方法 |
| CN108280414A (zh) * | 2018-01-17 | 2018-07-13 | 重庆大学 | 一种基于能量特征的运动想象脑电信号的识别方法 |
| CN109460144A (zh) * | 2018-09-18 | 2019-03-12 | 逻腾（杭州）科技有限公司 | 一种基于发声神经电位的脑机接口控制***及方法 |
| CN109521870A (zh) * | 2018-10-15 | 2019-03-26 | 天津大学 | 一种基于rsvp范式的视听觉结合的脑-机接口方法 |
| CN109567936A (zh) * | 2018-11-16 | 2019-04-05 | 重庆大学 | 一种基于听觉注意和多焦电生理的脑机接口***和实现方法 |
-
2019
- 2019-05-20 CN CN201910418425.7A patent/CN110333777B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7546158B2 (en) * | 2003-06-05 | 2009-06-09 | The Regents Of The University Of California | Communication methods based on brain computer interfaces |
| US20110251511A1 (en) * | 2008-07-15 | 2011-10-13 | Petrus Wilhelmus Maria Desain | Method for processing a brain wave signal and brain computer interface |
| CN101464729A (zh) * | 2009-01-05 | 2009-06-24 | 清华大学 | 基于听觉认知神经信号的自主意愿表达方法 |
| US20130211276A1 (en) * | 2009-03-16 | 2013-08-15 | Neurosky, Inc. | Sensory-evoked potential (sep) classification/detection in the time domain |
| CN102488515A (zh) * | 2011-12-09 | 2012-06-13 | 天津大学 | 基于自主动作、想象动作下脑肌电信号联合分析方法 |
| CN103793058A (zh) * | 2014-02-13 | 2014-05-14 | 山西大学 | 一种主动式脑机交互***运动想象任务分类方法及装置 |
| CN106504475A (zh) * | 2016-10-15 | 2017-03-15 | 北海益生源农贸有限责任公司 | 基于脑电信号的疲劳驾驶检测方法 |
| CN108280414A (zh) * | 2018-01-17 | 2018-07-13 | 重庆大学 | 一种基于能量特征的运动想象脑电信号的识别方法 |
| CN109460144A (zh) * | 2018-09-18 | 2019-03-12 | 逻腾（杭州）科技有限公司 | 一种基于发声神经电位的脑机接口控制***及方法 |
| CN109521870A (zh) * | 2018-10-15 | 2019-03-26 | 天津大学 | 一种基于rsvp范式的视听觉结合的脑-机接口方法 |
| CN109567936A (zh) * | 2018-11-16 | 2019-04-05 | 重庆大学 | 一种基于听觉注意和多焦电生理的脑机接口***和实现方法 |
Non-Patent Citations (2)
| Title |
|---|
| DING NAI,MELLONI LUCIA,ZHANG HANG,TIAN XING,POEPPEL DAVID: "Cortical tracking of hierarchical linguistic structures in connected speech", 《NATURE NEUROSCIENCE》 * |
| LENC, TOMAS; KELLER, PETER E.; VARLET, MANUEL;: "Neural tracking of the musical beat is enhanced by low-frequency sounds", 《PROCEEDINGS OF THE NATIONAL ACADEMY OF SCIENCES OF THE UNITED STATES OF AMERICA》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110333777B (zh) | 2020-11-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109521870A (zh) | 一种基于rsvp范式的视听觉结合的脑-机接口方法 | |
| US7269456B2 (en) | Repetitive visual stimulation to EEG neurofeedback protocols | |
| CN106725462A (zh) | 基于脑电信号的声光睡眠干预***和方法 | |
| US20090171232A1 (en) | Drowsiness detection system | |
| KR20140029332A (ko) | 생체신호를 이용한 보안 서비스 제공 방법 및 장치 | |
| Djamal et al. | EEG-based recognition of attention state using wavelet and support vector machine | |
| CN108498106A (zh) | 基于多重分形消除趋势波动分析的cnv脑电测谎方法 | |
| CN111580643B (zh) | 一种基于稳态不对称视觉诱发电位的脑-机接口方法 | |
| KR101939369B1 (ko) | 문맥 인식형 뇌-기계 인터페이스 장치 및 방법 | |
| Djamal et al. | EEG based emotion monitoring using wavelet and learning vector quantization | |
| CN110037693A (zh) | 一种基于面部表情和eeg的情绪分类方法 | |
| CN111012342B (zh) | 一种基于p300的视听双通道竞争机制脑-机接口方法 | |
| KR20180037624A (ko) | 뇌파 신호를 이용한 전자 기기 제어 방법 및 이를 실행하는 시스템 | |
| Eulitz et al. | Magnetic brain activity evoked and induced by visually presented words and nonverbal stimuli | |
| US11914773B2 (en) | Brain-machine interface based intention determination device and method using virtual environment | |
| KR101667102B1 (ko) | 동작센서를 이용한 사용자 맞춤형 뇌파 유도장치 및 방법 | |
| CN110333777A (zh) | 一种利用内源性频率标记技术反映大脑脑部信号的脑机接口方法及*** | |
| CN111616702A (zh) | 一种基于认知负荷增强的测谎分析*** | |
| Frisina et al. | Neural basis for music cognition: Neurophysiological foundations. | |
| Luu et al. | Scalable smart home interface using occipitalis sEMG detection and classification | |
| Geerts | Detection of interictal epileptiform discharge in EEG | |
| Rutkowski et al. | Information fusion for perceptual feedback: A brain activity sonification approach | |
| Garg et al. | EEG Based Human Emotion Analysis | |
| Bo et al. | Brain Cognition of Musical Features Based on Automatic Acoustic Event Detection | |
| Jin et al. | Recognition and Research of Picture-Induced Emotion based on EEG Signals |
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 |