CN112545517A - 一种注意力训练方法和终端 - Google Patents

一种注意力训练方法和终端 Download PDF

Info

Publication number
CN112545517A
CN112545517A CN202011437300.8A CN202011437300A CN112545517A CN 112545517 A CN112545517 A CN 112545517A CN 202011437300 A CN202011437300 A CN 202011437300A CN 112545517 A CN112545517 A CN 112545517A
Authority
CN
China
Prior art keywords
eeg
user
visual
data
computing terminal
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.)
Pending
Application number
CN202011437300.8A
Other languages
English (en)
Inventor
马征
詹阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN202011437300.8A priority Critical patent/CN112545517A/zh
Publication of CN112545517A publication Critical patent/CN112545517A/zh
Pending legal-status Critical Current

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
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • 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
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense
    • A61M2021/005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense images, e.g. video
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/08—Other bio-electrical signals
    • A61M2230/10—Electroencephalographic signals

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Developmental Disabilities (AREA)
  • Psychology (AREA)
  • Signal Processing (AREA)
  • Hematology (AREA)
  • Social Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Anesthesiology (AREA)
  • Acoustics & Sound (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明实施例提出了一种注意力训练方法和终端，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，该方法包括：通过所述计算终端生成视觉刺激数据，并基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现；通过EEG头盔获取所述使用者的EEG信号，并将所述EEG信号发送给所述计算终端；通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平。本方案中采用可变模式对使用者进行刺激呈现，可以保证使用者在较低的注意力水平下也能顺利完成训练。

Description

一种注意力训练方法和终端
技术领域
本发明涉及注意力训练技术领域，特别涉及一种注意力训练方法和终端。
背景技术
脑机接口是人机交互领域的新兴技术，可直接依靠人的脑电波信号实现人对周围环境中目标的控制，与注意力训练中的生物反馈、肢体操控等传统交互方式相比,其控制方式多样，同时较少受外周神经运动控制的干扰与影响，更易引起使用者兴趣，提高其主观参与度。
脑机接口直接从记录到的人脑神经活动信号中获取信息，用来控制外部环境中的虚拟物体(如游戏控制)或真实物体(如轮椅)，分为侵入式和非侵入式两种。侵入式脑机接口依靠颅内植入电极，如Neuralink柔性电极、Utah电极等记录脑电信号，属于有创的记录方法，而非侵入式脑机接口依靠放置在头皮上方的Ag/AgCl电极、镀金电极等传感器记录脑电信号，属于无创记录方法。侵入式脑机接口所记录信号质量较高，但存在手术风险，多用于需要进行开颅手术的病人，而非侵入式脑机接口由于没有手术风险，且成本较低，多用于正常健康人或无需开颅手术的病人，但是所记录信号的信噪比很低。依所用神经信号差异，现有视觉脑机接口主要分为事件相关电位(event-related potential,ERP)脑机接口、稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)脑机接口2类。ERP脑机接口依赖于脑电信号中产生的N1、P2、P300等ERP成分，现有范式对使用的注意力水平要求较高。例如，在使用基于闪光刺激或面孔图像刺激的ERP脑机接口的拼写器时，需要使用者持续保持对所期望输出的目标字符闪烁的注意，并默数其闪烁次数。在实测实验中，健康被试反映需要较高的注意水平，才能完成字符的正确输出，而稍放松注意力，即可能导致拼写错误，同时输出速率较慢，易产生挫败感。SSVEP脑机接口利用高频率闪光刺激所诱发的同频率SSVEP信号，实现对使用者所注视目标的检测。然而，在相关认知神经科学研究中尚未发现注意对SSVEP信号的调制作用，因此与ERP脑机接口相比，SSVEP脑机接口可能较少涉及注意的介入，不如前者更适于注意力训练。本发明所描述即为基于ERP脑机接口的方法。
注意是人脑重要的高级功能，表现为人脑对视觉、听觉、触觉等感觉通路感知信息的选择与过滤能力，以及对所注意的感觉信息的保持能力，直接影响着更高层次的意识加工。行为学研究结果表明，注意可以提高人的检测能力，并加快反应时间；来自神经电生理研究的结果表明，注意可以增加枕叶视皮层与顶叶皮层神经元活动的强度。注意力训练可提高人脑处理问题的专注度，以利于问题的解决，并减少因注意力下降而导致的错误。良好的注意力有助于我们较快学习、掌握新的知识与技能，而对于飞行员、医生、某些高危行业等特殊领域更是不可或缺的能力。自闭症、多动症等神经***疾病也往往伴随着注意缺失，为儿童的健康成长与发展造成障碍。
注意力训练主要通过加强人与环境之间的视听觉、肢体动作等交互来实现。例如，“一种基于VR和眼动仪的递增式注意力训练方法”(专利公布号：CN202010085927.5)公开了一种利用虚拟现实眼镜构建多种具有吸引力的场景，并基于眼动仪评估注意力的方法，通过眼动信号判断视点是否能够有效保持来评估注意力，判断训练等级标准；“一种基于EEG的实时人脑注意力测试和训练***”(专利公布号：CN201710164162.2)公开了一种通过脑电EEG信号评估注意力水平，从而用户根据实时的生物反馈，提高注意力，并改善在注意力实验(如花朵开放、树叶生长)中的表现的方法；“一种基于脑机交互的注意力训练方法及***”(专利公布号：CN201611106017.0)公开了一种基于脑机交互的方法，通过脑电节律的变化获得专注度的评估，并通过智能终端反馈其在虚拟闯关游戏中的训练结果。
现有技术的主要缺点在于交互训练过程中，控制方式单一，大脑信息输出较低，因而无法完成复杂控制，交互过程缺乏趣味性。不论是利用眼动保持信号(专利“一种基于VR和眼动仪的递增式注意力训练方法”)，还是根据生物反馈(专利“一种基于EEG的实时人脑注意力测试和训练***”与“一种基于脑机交互的注意力训练方法及***”)来评估专注度，都是根据计算得到的专注度数值来控制交互对象，这种单一的控制方式仅能用于简单的一维控制(如花朵开放、树叶生长)，无法满足更复杂有趣的控制场景，在长期训练中可能引起使用者的兴趣的降低，影响注意力训练效果。与之相比，脑机接口拥有更高的信息输出，可用于复杂控制的场景。
然而，现有脑机接口技术需要使用者持续保持较高的注意水平，较难工作在弱注意条件下，对正常人来说易因无法按预期操控引起挫败感，交互体验不佳，而对患有注意力障碍的人群而言，由于其自身注意力水平较低，因而更加难以操控，无法达到预期的注意力训练目的。
发明内容
针对现有技术中的缺陷，本发明提出了一种注意力训练方法和终端。本方案中采用可变模式对使用者进行刺激呈现，允许使用者在较低的注意力水平下顺利完成脑机接口的控制。
具体的，本发明提出了以下具体的实施例：
本发明实施例提出了一种注意力训练方法，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，该方法包括：
通过所述计算终端生成视觉刺激数据，并基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现；
通过EEG头盔获取所述使用者的EEG信号，并将所述EEG信号发送给所述计算终端；
通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平。
在一个具体的实施例中，还包括：
基于所述注意力水平数据生成反馈信息；
基于所述反馈信息修改所述视觉刺激数据，以驱动所述视觉刺激器显示与原有所述视觉刺激数据不同的内容；
还包括：将所述注意力水平数据展示给所述使用者。
在一个具体的实施例中，所述EEG头盔中包括3个信号电极与1个地电极；其中，3个所述信号电极在所述EEG头盔上的位置分别对应使用者的头顶、左枕-颞区及右枕-颞区；所述地电极在所述EEG头盔上的位置对应所述使用者的前额与头顶之间的区域。
在一个具体的实施例中，所述EEG头盔中还包括FPz信号电极，所述FPz信号电极在所述EEG头盔上的位置对应使用者的前额。
在一个具体的实施例中，还包括：所述“通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平”，包括：
通过所述计算终端获取来自所述FPz信号电极的所述EEG信号；
使用快速傅里叶变换实时确定从当前时刻往前特定长度时间窗内的获取的所述EEG信号的功率谱；
计算所述功率谱中β频带内与θ频带内能量的比值；
将所述比值作为注意力水平，其中，所述比值越大，注意力水平越高。
在一个具体的实施例中，所述视觉刺激器的响应时间低于1ms；所述视觉刺激器包括：VR眼镜、AR眼镜、MR眼镜、显示器、或投影仪。
在一个具体的实施例中，所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括：
确定所述视觉刺激数据中包括的多个目标；
针对同一目标，选取与所述目标不同的其他目标，所述其他目标包括：图形或图像；
驱动所述视觉刺激器交替显示所述目标与一所述其他目标，以对使用者进行刺激呈现。
在一个具体的实施例中，所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括：
确定所述视觉刺激数据中包括的多个目标；
将多个所述目标中被选中的多个采用预设方式进行编排，编排后的多个所述目标被分为多个部分；每个所述部分包括多个所述目标；
依次显示每个部分，同时针对每个部分中的每个目标采用可变模式进行展示，以对使用者进行刺激呈现。
在一个具体的实施例中，所述视觉刺激数据中包括多个测试项目，不同的测试项目对应不同的难度等级；
所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括
确定所述视觉刺激数据中包括的所述测试项目以及各所述测试项目的难度等级；
按照难度等级从低到高依次选择所述测试项目驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现。
在一个具体的实施例中，进行刺激呈现的场景为交互场景；所述交互场景包括：搜寻与匹配场景、消除场景。
在一个具体的实施例中，所述计算终端中包括用于生成视觉刺激数据的图片素材库，其中，所述图片素材库中包括以下一个或多个的任意组合：物体图片、轮廓图片、合成图片。
在一个具体的实施例中，所述计算终端中包括EEG解码器；所述EEG解码器是基于所述视觉刺激数据训练得到的；
所述“通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平”，包括：
通过所述EEG解码器对所述EEG信号进行解码，得到解码结果；
基于所述解码结果评估所述使用者的注意力水平。
在一个具体的实施例中，所述解码结果为所述EEG解码器输出的分值；
所述“基于所述解码结果评估所述使用者的注意力水平”，包括：
基于所述分值确定解码概率，其中，所述分值越高，对应的解码概率越大；
将所述解码概率转换为所述视觉刺激数据在最低等级难度下的专注度值，其中，所述解码概率越高，对应的专注度值越大；
基于所述专注度值确定注意力水平。
在一个具体的实施例中，所述EEG解码器中设置有训练好的分类器；
所述“通过所述EEG解码器对所述EEG信号进行解码，得到解码结果”，包括：
通过训练好的所述分类器对所述EEG信号进行解码，得到同一时间点所述使用者关注的目标以及所述视觉刺激数据中展示的目标的匹配程度；所述分类器是基于所述视觉刺激数据训练得到的。
在一个具体的实施例中，所述“通过所述EEG解码器对所述EEG信号进行解码”，包括：
将时间上连续的所述EEG信号分割为预设时间长度的多个数据分段；
将各所述数据分段降采样到20Hz的采样率，并按照电极通道的先后顺序依次拼接成特征向量；
将所述特征向量导入所述EEG解码器进行解码。
在一个具体的实施例中，所述分类器是通过预设的特征向量进行有监督的训练得到的；
预设的特征向量是通过所述视觉刺激数据驱动所述视觉刺激器进行刺激呈现，并在指示使用者关注指定目标时记录多个所述EEG信号，最后将记录的多个所述EEG信号拼接得到的。
本发明实施例还提出了一种终端，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，包括用于执行上述方法的处理器。
以此，本发明实施例提出了一种注意力训练方法和终端，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，该方法包括：通过所述计算终端生成视觉刺激数据，并基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现；通过EEG头盔获取所述使用者的EEG信号，并将所述EEG信号发送给所述计算终端；通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平。采用可变模式对使用者进行刺激呈现，允许使用者在较低的注意力水平下顺利完成脑机接口的控制。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提出的一种注意力训练方法的流程示意图；
图2为本发明实施例提出的一种注意力训练方法中***的框架结构示意图；
图3为本发明实施例提出的一种终端的结构框架示意图。
具体实施方式
在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。
在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本公开的各种实施例中被清楚地限定。
实施例1
本发明实施例1公开了一种注意力训练方法，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，如图1所示，该方法包括以下步骤：
步骤101、通过所述计算终端生成视觉刺激数据，并基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现；
步骤102、通过EEG头盔获取所述使用者的EEG(Electroencephalogram，脑电波)信号，并将所述EEG信号发送给所述计算终端；
步骤103、通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平。
具体的，步骤103中，基于EEG信号确定使用者在不同时间点关注的目标，将同一时间点的目标与基于视觉刺激数据所展示的目标进行比较，即可评估使用者的注意力水平，比较的结果为匹配程度越高，则注意力水平越高。
具体的，如图2所示，本方案中的***由EEG头盔、计算终端与视觉刺激器组成，其中计算终端主要包括图片素材库、用于生成视觉刺激数据的场景控制器、EEG解码器3个组件。EEG头盔供使用者佩戴，用于实时记录使用者的脑电EEG信号；视觉刺激器用于显示视觉刺激；计算终端根据素材库与预先所设定规则编排、生成视觉刺激，驱动视觉刺激器呈现所需刺激，同时从EEG头盔实时接收脑电信号，最后EEG解码器根据接收到的脑电信号，并结合场景控制器给出的时序信息，解读出控制信号，评估注意力水平，供场景控制器调整显示内容与反馈信息。
所述EEG头盔中包括3个信号电极与1个地电极；其中，3个所述信号电极在所述EEG头盔上的位置分别对应使用者的头顶、左枕-颞区及右枕-颞区；所述地电极在所述EEG头盔上的位置对应所述使用者的前额与头顶之间的区域。
进一步的，EEG头盔可以由主体支架、电极、控制电路板、天线、电池组成。其中，主体支架可选用硬质、轻便的丙烯腈-丁二烯-苯乙烯共聚物(ABS)材料，结合3D打印技术制作。至于电极选用Ag/AgCl材质的柔性干电极，保证电极与头皮的有效接触。控制电路板可采用开源无线EEG采集板，如OpenBCI无线采集板，或商业嵌入式采集板；如8导联的BCIduino蓝牙采集模块，也可通过分离元器件搭建实现，具体的控制电路板可能包括运算放大电路、A/D转换器、蓝牙收发器等。具体的控制电路板的采样率不低于128Hz，采样深度不低于12bit。
本方案的EEG头盔采用少电极设计，可以包含但不限于3个基本信号电极、1个地电极。3个基本信号电极放置于头顶、左右枕-颞区各1个，分别对应了10-20EEG国际***中的Cz、PO7、PO8等3个位置。1个地电极放置于FPz、Cz中间的位置。Cz、PO7、PO8等3个电极用于脑机接口解码。在使用着状态不佳，或环境干扰较大情况下，也可在EEG头盔上上述这些电极附近2cm左右范围内增加记录电极，并补充中线Pz、Oz等位置的电极。
所述视觉刺激器的响应时间低于1ms；所述视觉刺激器包括：VR眼镜、AR眼镜、MR眼镜、显示器、或投影仪。本方案中的视觉刺激器用于向用户呈现视觉刺激。本方案采用响应时间低于1ms的虚拟现实(VR)眼镜，以避免周围的环境干扰，保证使用者的专注度。由于EEG信号具有锁时的特点，因此刺激呈现的时间精度对EEG解码来说至关重要。本方案需要刺激呈现的时间精度小于1ms。除VR显示器外，本发明也可使用具有低响应延迟的增强/混合现实(AR/MR)眼镜、显示器、投影仪等。
至于计算终端，其中包括的图片素材库，用于生成视觉刺激数据其中，所述图片素材库中包括以下一个或多个的任意组合：物体图片、轮廓图片、合成图片。
具体的，由于使用图片呈现刺激，需构造图片素材库。所采集的素材库包括3类：a)物体图片，指拍摄于日常生活与自然界中存在的物体的照片；b)轮廓图片，指利用计算机图形方法对拍摄的物体图片进行处理，提取其关键轮廓、纹理得到的图片；c)合成图片，指人工绘制或通过计算机生成的图片。在具体的实验中，发现合成图片可获得最好的解码效果。因此在实际的情况下，具体应根据使用者的个人情况从素材库选择合适的图片呈现刺激。
在一个具体的实施例中，步骤101中的所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括：
确定所述视觉刺激数据中包括的多个目标；针对同一目标，选取与所述目标不同的其他目标，所述其他目标包括：图形或图像；驱动所述视觉刺激器交替显示所述目标与一所述其他目标，以对使用者进行刺激呈现。
具体的，采用可变模式呈现刺激，即同一目标选项采用不同且变化的视觉刺激来呈现。在一个具体的例子中，假如使用者需要从屏幕上显示的若干彼此分离的圆盘中选择其中一个圆盘，使用者需要首先注视此圆盘。刺激呈现时，圆盘将被不同的图形/图像刺激瞬时替换，而后恢复圆盘原来的形状。从使用者的角度，使用者将看到此圆盘被快速替换为一系列不同的图形/图像。使用者的任务是判断这些替换图形/图像当中有没有预先指定的一个图形/图像(如一个三角形)。指定长度的序列呈现结束，计算机将判断出使用者所注视的圆盘，并做选中标记或其他处理。这一任务需要使用者注意并辨别替换圆盘的图形，同时，替换图形可变式的呈现将诱发出较强的视觉成分，即使是弱注意条件，仍可满足脑机接口的正确解码。具体替换的图形/图像可根据使用者个人情况，测试并选择其中最优的。除了完全替换为不同的图形/图像外，本方案也可使用图形/图像尺寸、颜色、形态、位置、运动状态等的变化及其变化组合来呈现刺激。实测实验中，这种可变模式刺激获得的优于其他脑机接口解码性能。
进一步的，步骤101中的所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括：确定所述视觉刺激数据中包括的多个目标；将多个所述目标中被选中的多个采用预设方式进行编排，编排后的多个所述目标被分为多个部分；每个所述部分包括多个所述目标；依次显示每个部分，同时针对每个部分中的每个目标采用可变模式进行展示，以对使用者进行刺激呈现。
在实际的测试过程中，先允许使用者从屏幕上显示的多达数十个选项中选择目标选项。这些选项并非同步呈现刺激，而是按照一定规则顺次呈现。为提高呈现效率，可采用不同的编排方式。以行/列编排方式为例，进行说明。假设屏幕上有20个选项(圆盘)，即使这些选项可能随机分布在屏幕的不同位置，为此可以将它们映射到一个虚拟的4行5列的矩阵方格中，每个方格中映射一个选项。每次随机选择其中一行或一列选项同步呈现刺激。这样仅需要4+5＝9次刺激，即可遍历所有20个选项，从而提高了呈现效率。计算机进行判断时，先根据ERP信号确定所关注的行与列，其交叉位置即为目标选项。本发明也可以使用其他更加高效的编排方式，如二项式编码。
在一个具体的实施例中，所述视觉刺激数据中包括多个测试项目，不同的测试项目对应不同的难度等级；由此，步骤101中的所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括：确定所述视觉刺激数据中包括的所述测试项目以及各所述测试项目的难度等级；按照难度等级从低到高依次选择所述测试项目驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现。
具体的，根据反馈的专注度，可调整所需的注意力水平，实现渐进式的注意力训练。本方案的渐进式训练可理解为不同的难度等级。依据刺激的重复次数设定1-10等10个难度等级，其中1级表示每个刺激仅呈现1次，代表最高难度；10级表示每个刺激呈现10次，代表最低难度。使用者可根据注意水平，选择相应的等级进行训练。
此外，进行刺激呈现的场景为交互场景；所述交互场景包括：搜寻与匹配场景、消除场景。具体的，由于本方案允许复杂的控制输出，因此可设计具有吸引力的交互场景。作为示例，本方案可考虑构建如下两种交互场景。其一，搜寻/匹配场景。在舒适、自然的背景下放置若干目标(如在草丛不同位置放置多个不同水果)，使用者需要从中搜寻指定的目标(如苹果)。其二，消除场景。在舒适、自然的背景下放置若干目标，使用者需要注视各目标，并逐个消除，以获得奖励。场景和刺激可以以3D形式呈现(如基于Unity3D平台开发)，或以2D平面形式呈现。前期实验中，在2D环境下获得的较好的交互结果。
在一个具体的实施例中，还包括：基于所述注意力水平数据生成反馈信息；基于所述反馈信息修改所述视觉刺激数据，以驱动所述视觉刺激器显示与原有所述视觉刺激数据不同的内容；
还包括：将所述注意力水平数据展示给所述使用者。
具体的，本方案中还设置有专注度反馈功能。本方案根据记录的EEG信号，计算得到的反映使用者注意力水平的专注度值，可选地在显示器上反馈给使用者。反馈的形式可以是表明注意力强度的柱状图，抑或是图形色彩变化等形式。
本方案中，基于弱注意条件的脑机接口技术，可用于比传统基于专注度进行控制更复杂有趣的交互场景，同时允许使用者在较低的注意力水平下顺利完成脑机接口的控制，并随着训练的进行，可调整对注意力水平的要求，从而实现渐进式的注意力训练，获得优于现有其他注意力训练方法的效果。且所需电极数量较少(解码仅需3个信号电极)，低于其他ERP脑机接口所需电极数量(通常需8个电极以上信号电极)，降低了设备成本与复杂性。且本方案不涉及外周神经，从而有效避免了其他交互方式中肢体运动引起的注意力分散的缺陷，起到了更好的训练效果。
实施例2
本发明实施例2还公开了一种注意力训练方法，在实施例1的基础上，所述EEG头盔中还包括FPz信号电极，所述FPz信号电极在所述EEG头盔上的位置对应使用者的前额。由此，EEG头盔中的电极可以包含但不限于4个基本信号电极、1个地电极。4个基本信号电极放置于前额、头顶、左右枕-颞区各1个，分别对应了10-20EEG国际***中的FPz、Cz、PO7、PO8等4个位置。1个地电极放置于FPz、Cz中间的位置。FPz处的电极主要用于记录θ波与β波，以供本方案中根据EEG节律评估注意力水平；Cz、PO7、PO8等3个电极用于脑机接口解码。在使用着状态不佳，或环境干扰较大情况下，也可在EEG头盔上上述这些电极附近2cm左右范围内增加记录电极，并补充中线Pz、Oz等位置的电极。由于本方案同时提供了根据EEG解码结果评估注意力水平的方法，而FPz处的电极仅用于根据EEG节律提供注意力水平的额外参考，因此也可以通过去掉FPz电极，进一步减少电极数量。
基于此，本方案还包括：所述“通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平”，包括：通过所述计算终端获取来自所述FPz信号电极的所述EEG信号；使用快速傅里叶变换实时确定从当前时刻往前特定长度时间窗内的获取的所述EEG信号的功率谱；计算所述功率谱中β频带内与θ频带内能量的比值；将所述比值作为注意力水平，其中，所述比值越大，注意力水平越高。
具体的，根据前额FPz电极记录的EEG节律计算注意力水平(需安置FPz电极)。具体而言，使用快速傅里叶变换实时估计从当前时刻往前特定长度时间窗内EEG信号的功率谱，计算β频带(13～18Hz)与θ频带(3～7Hz)内能量的比值，作为专注度值。比值越大，代表注意力水平越高。通过使用不同长度的时间窗，可给出瞬时注意力水平(如时间窗长1s)与长时注意力水平(如时间窗长30s)。
实施例3
本发明实施例3还公开了一种注意力训练方法，在实施例1与实施例2的基础上，进一步公开了，所述计算终端中包括EEG解码器；所述EEG解码器是基于所述视觉刺激数据训练得到的；
步骤103中的所述“通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平”，包括：通过所述EEG解码器对所述EEG信号进行解码，得到解码结果；基于所述解码结果评估所述使用者的注意力水平。
进一步的，所述解码结果为所述EEG解码器输出的分值；所述“基于所述解码结果评估所述使用者的注意力水平”，包括：基于所述分值确定解码概率，其中，所述分值越高，对应的解码概率越大；将所述解码概率转换为所述视觉刺激数据在最低等级难度下的专注度值，其中，所述解码概率越高，对应的专注度值越大；基于所述专注度值确定注意力水平。
具体的，在进行解码时，一则对使用者产生的EEG信号进行解析，确定使用者关注的目标；二则确定基于视觉刺激数据所产生的目标；最后还包括对同一时间点的这两个目标在进行比较，确定匹配程度。
进一步的，所述EEG解码器中设置有训练好的分类器；所述“通过所述EEG解码器对所述EEG信号进行解码，得到解码结果”，包括：通过训练好的所述分类器对所述EEG信号进行解码，得到同一时间点所述使用者关注的目标以及所述视觉刺激数据中展示的目标的匹配程度；所述分类器是基于所述视觉刺激数据训练得到的。具体的分类器可以为LDA或SVM分类器。
所述“通过所述EEG解码器对所述EEG信号进行解码”，包括：将时间上连续的所述EEG信号分割为预设时间长度的多个数据分段；将各所述数据分段降采样到20Hz的采样率，并按照电极通道的先后顺序依次拼接成特征向量；将所述特征向量导入所述EEG解码器进行解码。
所述分类器是通过预设的特征向量进行有监督的训练得到的；预设的特征向量是通过所述视觉刺激数据驱动所述视觉刺激器进行刺激呈现，并在指示使用者关注指定目标时记录多个所述EEG信号，最后将记录的多个所述EEG信号拼接得到的。
具体的，在解码前对分类器进行预训练。具体方法可以为：在难度等级为10的条件下，让使用者关注指定的目标选项，记录20个选项的有标签数据，分别拼接为特征向量，对分类器进行有监督训练，所得分类器用于EEG解码。得到的分类器例如可以为LDA或SVM等分类器，
基于预训练好的分类器对EEG进行解码。首先，按照刺激发生时刻，将连续记录的EEG信号分为长度为600ms的数据分段；而后，将这些数据分段降采样到20Hz的采样率，并按通道顺次拼接呈特征向量；最后将这些特征向量送入分类器进行解码。本发明根据EEG解码结果评估。具体而言，将分类器输出分值映射为解码概率，并量化为标准难度等级1下的专注度值。解码概率越高，表示注意力水平越高。
实施例4
本发明实施例4还公开了一种终端，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，如图3所示，包括用于执行实施例1-3中所述方法的处理器。
具体的，本发明实施例4还公开有其他相关的技术特征，具体的相关的技术特征请参见实施例1-3中的记载，在此不再进行赘述。
本发明实施例提出了一种注意力训练方法和终端，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，该方法包括：通过所述计算终端生成视觉刺激数据，并基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现；通过EEG头盔获取所述使用者的EEG信号，并将所述EEG信号发送给所述计算终端；通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平。本方案中采用可变模式对使用者进行刺激呈现，可以保证使用者在较低的注意力水平下也能顺利完成训练。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述，不代表实施场景的优劣。
以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (17)

1.一种注意力训练方法，其特征在于，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，该方法包括：
通过所述计算终端生成视觉刺激数据，并基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现；
通过EEG头盔获取所述使用者的EEG信号，并将所述EEG信号发送给所述计算终端；
通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平。
2.如权利要求1所述的方法，其特征在于，还包括：
基于所述注意力水平数据生成反馈信息；
基于所述反馈信息修改所述视觉刺激数据，以驱动所述视觉刺激器显示与原有所述视觉刺激数据不同的内容；
还包括：将所述注意力水平数据展示给所述使用者。
3.如权利要求1所述的方法，其特征在于，所述EEG头盔中包括3个信号电极与1个地电极；其中，3个所述信号电极在所述EEG头盔上的位置分别对应使用者的头顶、左枕-颞区及右枕-颞区；所述地电极在所述EEG头盔上的位置对应所述使用者的前额与头顶之间的区域。
4.如权利要求3所述的方法，其特征在于，所述EEG头盔中还包括FPz信号电极，所述FPz信号电极在所述EEG头盔上的位置对应使用者的前额。
5.如权利要求4所述的方法，其特征在于，还包括：所述“通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平”，包括：
通过所述计算终端获取来自所述FPz信号电极的所述EEG信号；
使用快速傅里叶变换实时确定从当前时刻往前特定长度时间窗内的获取的所述EEG信号的功率谱；
计算所述功率谱中β频带内与θ频带内能量的比值；
将所述比值作为注意力水平，其中，所述比值越大，注意力水平越高。
6.如权利要求1所述的方法，其特征在于，所述视觉刺激器的响应时间低于1ms；所述视觉刺激器包括：VR眼镜、AR眼镜、MR眼镜、显示器、或投影仪。
7.如权利要求1所述的方法，其特征在于，所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括：
确定所述视觉刺激数据中包括的多个目标；
针对同一目标，选取与所述目标不同的其他目标，所述其他目标包括：图形或图像；
驱动所述视觉刺激器交替显示所述目标与一所述其他目标，以对使用者进行刺激呈现。
8.如权利要求1所述的方法，其特征在于，所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括：
确定所述视觉刺激数据中包括的多个目标；
将多个所述目标中被选中的多个采用预设方式进行编排，编排后的多个所述目标被分为多个部分；每个所述部分包括多个所述目标；
依次显示每个部分，同时针对每个部分中的每个目标采用可变模式进行展示，以对使用者进行刺激呈现。
9.如权利要求1所述的方法，其特征在于，所述视觉刺激数据中包括多个测试项目，不同的测试项目对应不同的难度等级；
所述“基于所述视觉刺激数据驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现”，包括
确定所述视觉刺激数据中包括的所述测试项目以及各所述测试项目的难度等级；
按照难度等级从低到高依次选择所述测试项目驱动所述视觉刺激器采用可变模式对使用者进行刺激呈现。
10.如权利要求1所述的方法，其特征在于，进行刺激呈现的场景为交互场景；所述交互场景包括：搜寻与匹配场景、消除场景。
11.如权利要求1所述的方法，其特征在于，所述计算终端中包括用于生成视觉刺激数据的图片素材库，其中，所述图片素材库中包括以下一个或多个的任意组合：物体图片、轮廓图片、合成图片。
12.如权利要求1或11所述的方法，其特征在于，所述计算终端中包括EEG解码器；所述EEG解码器是基于所述视觉刺激数据训练得到的；
所述“通过所述计算终端基于所述EEG信号评估所述使用者的注意力水平”，包括：
通过所述EEG解码器对所述EEG信号进行解码，得到解码结果；
基于所述解码结果评估所述使用者的注意力水平。
13.如权利要求12所述的方法，其特征在于，所述解码结果为所述EEG解码器输出的分值；
所述“基于所述解码结果评估所述使用者的注意力水平”，包括：
基于所述分值确定解码概率，其中，所述分值越高，对应的解码概率越大；
将所述解码概率转换为所述视觉刺激数据在最低等级难度下的专注度值，其中，所述解码概率越高，对应的专注度值越大；
基于所述专注度值确定注意力水平。
14.如权利要求12所述的方法，其特征在于，所述EEG解码器中设置有训练好的分类器；
所述“通过所述EEG解码器对所述EEG信号进行解码，得到解码结果”，包括：
通过训练好的所述分类器对所述EEG信号进行解码，得到同一时间点所述使用者关注的目标以及所述视觉刺激数据中展示的目标的匹配程度；所述分类器是基于所述视觉刺激数据训练得到的。
15.如权利要求12所述的方法，其特征在于，所述“通过所述EEG解码器对所述EEG信号进行解码”，包括：
将时间上连续的所述EEG信号分割为预设时间长度的多个数据分段；
将各所述数据分段降采样到20Hz的采样率，并按照电极通道的先后顺序依次拼接成特征向量；
将所述特征向量导入所述EEG解码器进行解码。
16.如权利要求14所述的方法，其特征在于，所述分类器是通过预设的特征向量进行有监督的训练得到的；
预设的特征向量是通过所述视觉刺激数据驱动所述视觉刺激器进行刺激呈现，并在指示使用者关注指定目标时记录多个所述EEG信号，最后将记录的多个所述EEG信号拼接得到的。
17.一种终端，其特征在于，应用于包括EEG头盔、视觉刺激器及计算终端的***，其中，所述计算终端分别连接所述EEG头盔及所述视觉刺激器，包括用于执行权利要求1-16任意一项所述方法的处理器。
CN202011437300.8A 2020-12-10 2020-12-10 一种注意力训练方法和终端 Pending CN112545517A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011437300.8A CN112545517A (zh) 2020-12-10 2020-12-10 一种注意力训练方法和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011437300.8A CN112545517A (zh) 2020-12-10 2020-12-10 一种注意力训练方法和终端

Publications (1)

Publication Number Publication Date
CN112545517A true CN112545517A (zh) 2021-03-26

Family

ID=75060420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011437300.8A Pending CN112545517A (zh) 2020-12-10 2020-12-10 一种注意力训练方法和终端

Country Status (1)

Country Link
CN (1) CN112545517A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288147A (zh) * 2021-05-31 2021-08-24 杭州电子科技大学 基于eeg与神经反馈技术的轻度认知障碍康复评估***
CN113440151A (zh) * 2021-08-03 2021-09-28 合肥科飞康视科技有限公司 一种专注力检测***、检测方法及***的使用方法
CN113576497A (zh) * 2021-08-30 2021-11-02 清华大学深圳国际研究生院 一种面向双眼竞争的视觉稳态诱发电位检测***
CN113599773A (zh) * 2021-09-22 2021-11-05 上海海压特智能科技有限公司 基于节律性视觉刺激的步态康复训练***及训练方法
CN113679386A (zh) * 2021-08-13 2021-11-23 北京脑陆科技有限公司 对注意力进行识别的方法、装置、终端及介质
CN114209343A (zh) * 2021-04-29 2022-03-22 上海大学 一种基于ar与ssvep的便携式注意力训练***及方法
CN115120240A (zh) * 2022-08-30 2022-09-30 山东心法科技有限公司 特殊行业目标感知技能的敏感性评估方法、设备及介质
WO2022240355A1 (en) * 2021-05-12 2022-11-17 Nanyang Technological University Mental arousal level regulation system and method
WO2024114480A1 (zh) * 2022-11-30 2024-06-06 中国科学院深圳先进技术研究院 一种视觉刺激方法、脑机训练方法和脑机训练***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103656833A (zh) * 2013-12-24 2014-03-26 天津师范大学 一种穿戴式脑电注意力训练仪
CN106691441A (zh) * 2016-12-22 2017-05-24 蓝色传感（北京）科技有限公司 基于脑电与运动状态反馈的注意力训练***及方法
TWI604823B (zh) * 2015-08-18 2017-11-11 國立交通大學 利用腦波進行注意力反饋訓練之方法及其系統
CN109645994A (zh) * 2019-01-04 2019-04-19 华南理工大学 一种基于脑-机接口***辅助评估视觉定位的方法
CN109947250A (zh) * 2019-03-19 2019-06-28 中国科学院上海高等研究院 脑-机接口通信方法及装置、计算机可读存储介质和终端
CN110090018A (zh) * 2019-05-06 2019-08-06 安徽建筑大学 一种基于脑电头带的专注度分析***
CN110222643A (zh) * 2019-06-06 2019-09-10 西安交通大学 一种基于卷积神经网络的稳态视觉诱发电位信号分类方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103656833A (zh) * 2013-12-24 2014-03-26 天津师范大学 一种穿戴式脑电注意力训练仪
TWI604823B (zh) * 2015-08-18 2017-11-11 國立交通大學 利用腦波進行注意力反饋訓練之方法及其系統
CN106691441A (zh) * 2016-12-22 2017-05-24 蓝色传感（北京）科技有限公司 基于脑电与运动状态反馈的注意力训练***及方法
CN109645994A (zh) * 2019-01-04 2019-04-19 华南理工大学 一种基于脑-机接口***辅助评估视觉定位的方法
CN109947250A (zh) * 2019-03-19 2019-06-28 中国科学院上海高等研究院 脑-机接口通信方法及装置、计算机可读存储介质和终端
CN110090018A (zh) * 2019-05-06 2019-08-06 安徽建筑大学 一种基于脑电头带的专注度分析***
CN110222643A (zh) * 2019-06-06 2019-09-10 西安交通大学 一种基于卷积神经网络的稳态视觉诱发电位信号分类方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114209343A (zh) * 2021-04-29 2022-03-22 上海大学 一种基于ar与ssvep的便携式注意力训练***及方法
WO2022240355A1 (en) * 2021-05-12 2022-11-17 Nanyang Technological University Mental arousal level regulation system and method
CN113288147A (zh) * 2021-05-31 2021-08-24 杭州电子科技大学 基于eeg与神经反馈技术的轻度认知障碍康复评估***
CN113440151A (zh) * 2021-08-03 2021-09-28 合肥科飞康视科技有限公司 一种专注力检测***、检测方法及***的使用方法
CN113440151B (zh) * 2021-08-03 2024-04-12 合肥科飞康视科技有限公司 一种专注力检测***、检测方法及***的使用方法
CN113679386A (zh) * 2021-08-13 2021-11-23 北京脑陆科技有限公司 对注意力进行识别的方法、装置、终端及介质
CN113576497A (zh) * 2021-08-30 2021-11-02 清华大学深圳国际研究生院 一种面向双眼竞争的视觉稳态诱发电位检测***
CN113576497B (zh) * 2021-08-30 2023-09-08 清华大学深圳国际研究生院 一种面向双眼竞争的视觉稳态诱发电位检测***
CN113599773A (zh) * 2021-09-22 2021-11-05 上海海压特智能科技有限公司 基于节律性视觉刺激的步态康复训练***及训练方法
CN115120240A (zh) * 2022-08-30 2022-09-30 山东心法科技有限公司 特殊行业目标感知技能的敏感性评估方法、设备及介质
WO2024114480A1 (zh) * 2022-11-30 2024-06-06 中国科学院深圳先进技术研究院 一种视觉刺激方法、脑机训练方法和脑机训练***

Similar Documents

Publication Publication Date Title
CN112545517A (zh) 一种注意力训练方法和终端
Jeong et al. Cybersickness analysis with eeg using deep learning algorithms
Winkler et al. Robust artifactual independent component classification for BCI practitioners
Akcakaya et al. Noninvasive brain–computer interfaces for augmentative and alternative communication
Kalantari et al. Comparing physiological responses during cognitive tests in virtual environments vs. in identical real-world environments
WO2024114480A1 (zh) 一种视觉刺激方法、脑机训练方法和脑机训练***
CN108324292B (zh) 基于脑电信号的室内视觉环境满意度分析方法
KR102388596B1 (ko) 동하는 상태에서 뇌와 관련된 신호를 수집하고, 디지털 컨텐츠 기반 치료 정보를 제공하는 장치 및 방법
İşcan et al. A novel steady-state visually evoked potential-based brain–computer interface design: character plotter
EP3826535A1 (en) Multiple frequency neurofeedback brain wave training techniques, systems, and methods
CN113397547A (zh) 一种基于生理数据的观影评价服务***和方法
CN116458901A (zh) 一种神经反馈训练方法、***、设备及存储介质
Matsumoto et al. Classifying P300 responses to vowel stimuli for auditory brain-computer interface
Zhao et al. Human-computer interaction for augmentative communication using a visual feedback system
US20230347100A1 (en) Artificial intelligence-guided visual neuromodulation for therapeutic or performance-enhancing effects
Kober et al. Does Feedback Design Matter? A Neurofeedback Study Comparing Immersive Virtual Reality and Traditional Training Screens in Elderly.
Leslie et al. Measuring musical engagement using expressive movement and EEG brain dynamics.
Mustafa et al. A brain-computer interface augmented reality framework with auto-adaptive ssvep recognition
CN110302459A (zh) 一种情绪调控的训练方法、装置、设备以及***
CN115335102A (zh) 在大脑中产生反馈的方法、***及大脑键盘
CN111329446A (zh) 大脑视觉通路对面孔空间频率处理的视觉刺激***及方法
Alshear Brain wave sensors for every body
US20230218198A1 (en) Methods and systems for neurofeedback training
CN109875509B (zh) 阿尔茨海默症患者康复训练效果的测试***和方法
Ling Decoding and Reconstructing Orthographic Information from Visual Perception and Mental Imagery Using EEG and fMRI

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210326

RJ01 Rejection of invention patent application after publication