CN113331840A - 一种抑郁情绪脑电波信号识别***及方法 - Google Patents
一种抑郁情绪脑电波信号识别***及方法 Download PDFInfo
- Publication number
- CN113331840A CN113331840A CN202110609863.9A CN202110609863A CN113331840A CN 113331840 A CN113331840 A CN 113331840A CN 202110609863 A CN202110609863 A CN 202110609863A CN 113331840 A CN113331840 A CN 113331840A
- Authority
- CN
- China
- Prior art keywords
- brain wave
- depressed
- wave signal
- module
- emotion
- 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
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
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
- A61B5/24—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]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Psychology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Power Engineering (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供了一种抑郁情绪脑电波信号识别***及方法,包括控制装置和脑电波采集装置;所述脑电波采集装置与所述控制装置通信连接;所述脑电波采集装置采集被测者的脑电波信号,所述控制装置识别所述脑电波信号是否存在抑郁情绪的脑电波信号特征,从而判断被测者是否出现抑郁情绪。本发明有利于提高识别被测者是否出现抑郁情绪的准确率,节省识别被测者是否出现抑郁情绪的时间,扩大了识别被测者是否出现抑郁情绪的普及范围,具有提高识别被测者是否出现抑郁情绪的效率的效果。
Description
技术领域
本发明涉及情绪脑电波信号识别***的技术领域,具体地,涉及一种抑郁情绪脑电波信号识别***及方法。
背景技术
目前,在抑郁情绪和抑郁症的监测和诊断中,主要是通过问卷调查的方式,用国家卫健委指定的PHQ-9或学术上比较公认的哈密尔顿量表进行测试;医生或心理咨询师一般会在这两个量表的基础上,通过口头咨询进行诊断。该过程存在着很大的主观性。一方面,第一次填写该问卷的被测者,不容易理解问卷中的文字表述,而造成误填;有多次填写经验的被测者,因明白其中的识别机制,可以根据自己的需要决定如实回答还是有虚假回答,从而导致结果深受被测者的主观性影响;另一方面,医生或心理咨询师在分析被测者量表结果和咨询时,会更多依赖个人经验,而经验的多少、质量高低也带来的抑郁诊断的主观性。
目前抑郁识别的学术研究中,非常缺乏抑郁脑电波信号特征识别的科学研究。商业应用中,通过脑电波信号来识别抑郁的产品或申请专利中,用来作为抑郁特征参照物的脑电波信号特征没有,差别就在通过不同的计算机工具,例如神经网络、遗传网络、基于大数据的人工智能等来试图发现抑郁的脑电波信号特征。基于计算机工具发现的抑郁脑电波信号特征,其信效度是没有经过科学验证的。所以,这种方式并不能真正有效识别抑郁。
现有公开号为CN109918556A的中国发明专利公开了一种综合微博用户社交关系和微博文本特征抑郁情绪识别方法,以微博用户社交关系网络和发布微博文本数据运用机器学***均概率和得到PageRank(pi)使用模型融合的方法计算出该用户的最终抑郁情绪结果。本发明综合微博用户社交关系和微博文本特征识别抑郁情绪方法可以进一步增强抑郁情绪识别精度。
针对上述中的现有技术,发明人认为上述方法识别被测者是否出现抑郁情绪的准确率较低,识别被测者是否出现抑郁情绪的耗时较长,识别被测者是否出现抑郁情绪的范围较小,进而识别被测者是否出现抑郁情绪的效率较低。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种抑郁情绪脑电波信号识别***及方法。
根据本发明提供的一种抑郁情绪脑电波信号识别***,包括控制装置和脑电波采集装置;
所述脑电波采集装置与所述控制装置通信连接;
所述脑电波采集装置采集被测者的脑电波信号,所述控制装置识别所述脑电波信号是否存在抑郁情绪的脑电波信号特征,从而判断被测者是否出现抑郁情绪。
优选的,所述控制装置包括中央控制器、TGAM模块、滤波模块、存储单元和分析识别模块;
所述TGAM模块、滤波模块、存储单元和所述分析识别模块分别与所述中央控制器通信连接;
所述脑电波采集装置与所述TGAM模块通信连接;
所述TGAM模块接收脑电波采集装置处的脑电波信号,并将脑电波信号传输至所述中央控制器;
所述滤波模块对所述中央控制器接收的所述脑电波信号进行滤波处理;
所述存储单元,至少用于存储抑郁情绪特征识别模型;
所述分析识别模块将采集到的脑电波信号与存储的抑郁情绪特征识别模型进行比对分析,识别是否存在抑郁情绪的脑电波信号特征。
优选的,所述脑电波采集装置采用非侵入式单导干电极。
优选的,所述脑电波采集装置内嵌有无线传输模块;
所述无线传输模块与所述TGAM模块建立通讯连接。
优选的,所述脑电波采集装置采集的数据为直接反应人的认知心理指标的脑电波信号,至少包括α波、β波、θ波、δ波、γ波、专注度和放松度。
优选的,所述抑郁情绪特征识别模型至少包括α波值、β波值、θ波值、δ波值、γ波值、专注度值和放松度值。
优选的,所述控制装置判断被测者是否存在抑郁情绪后得出分析结果,所述控制装置上通信连接有从所述控制装置内接收显示分析结果的显示单元,显示单元显示被测者的脑电波信号。
优选的,所述显示单元内显示的抑郁情绪的脑电波信号特征比如是M状抑郁情绪的脑电波信号特征。
一种抑郁情绪脑电波信号识别方法,其包括如下步骤:
步骤1:采集被测者的脑电波信号;
步骤2:识别所述脑电波信号是否存在抑郁情绪的脑电波信号特征,从而判断被测者是否出现抑郁情绪。
优选的,所述步骤2包括:
步骤2.1:接收采集的脑电波信号;
步骤2.2:对所述脑电波信号进行滤波处理;
步骤2.3:将采集到的脑电波信号与储存的抑郁情绪特征识别模型进行对比,识别是否存在抑郁情绪的脑电波信号特征。
与现有技术相比,本发明具有如下的有益效果:
1、本发明有利于提高识别被测者是否出现抑郁情绪的准确率,节省识别被测者是否出现抑郁情绪的时间,扩大了识别被测者是否出现抑郁情绪的普及范围,具有提高识别被测者是否出现抑郁情绪的效率的效果;
2、通过无线传输模块将脑电波采集装置与控制装置连接,使得脑电波采集装置与控制装置建立通讯交互,采用无线传输的方式,使得脑电波采集装置结构更加简单,便于安装使用。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为抑郁情绪脑电波信号识别***的***框架图;
图2为显示单元中显示的抑郁情绪脑电波信号识别***显示图;
图3为M状抑郁情绪的脑电波信号特征图;
图4为一种抑郁情绪脑电波信号识别方法的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例公开了一种抑郁情绪脑电波信号识别***,如图1所示,包括控制装置10、脑电波采集装置20和显示单元30。控制装置10包括中央控制器110、TGAM模块120、滤波模块130、存储单元140和分析识别模块150。TGAM模块120、滤波模块130、存储单元140和分析识别模块150分别与中央控制器110通信连接。脑电波采集装置20比如是CUBand脑波仪,控制装置10通过计算机实现其功能,且显示单元30通过计算机进行显示。
脑电波采集装置20与控制装置10通信连接,脑电波采集装置20采用非侵入式单导干电极,无需涂导电膏或导电液,非侵入式单导干电极为两个。脑电波采集装置20内嵌有无线传输模块210,执行监测过程中的生物反馈指令,并通过无线方式与多路脑电波接收器做数据通信,无线工作频率为2.4G。无线传输模块210比如是WIFI模组和蓝牙模块等模块,无线传输模块210与TGAM模块120建立通讯连接。脑电波采集装置20的采样频率为512HZ,信号精度为0.25uV。脑电波采集装置20采集被测者的脑电波信号,脑电波采集装置20采集的数据为直接反应人的认知心理指标的脑电波,至少包括α波、β波、θ波、δ波、γ波、专注度和放松度。
脑电波采集装置20上设置有可充电锂电池。通过在脑电波采集装置20上设置可充电锂电池,用于对脑电波采集装置20进行供电,在使用时无需从外部接引电源,使得脑电波采集装置20使用更加方便。
TGAM模块120通过无线传输模块210接收脑电波采集装置20处的脑电波信号,并将脑电波信号传输至中央控制器110。滤波模块130对中央控制器110接收的脑电波信号进行滤波处理,脑电波信号在滤波模块130做归一化数据处理。存储单元140,至少用于存储抑郁情绪特征识别模型;抑郁情绪特征识别模型至少包括α波值、β波值、θ波值、δ波值、γ波值、专注度值和放松度值。分析识别模块150将采集到的脑电波信号与存储的抑郁情绪特征识别模型进行比对分析,识别脑电波信号是否存在抑郁情绪的脑电波信号特征,从而判断被测者是否出现抑郁情绪,得出分析结果,并将分析结果传输至中央控制器110。
中央控制器110上和显示单元30通信连接,显示单元30比如是手机APP和PC软件等。显示单元30从中央控制器110内接收显示分析结果,且显示单元30显示被测者的脑电波信号。
存储单元140中的存储抑郁情绪特征识别模型,具有很高的信效度,分别进行过信效度检验和双盲实验。
信度实验,测试了20位经确诊有抑郁情绪的被测者,其监测的脑电波信号中发现有抑郁情绪的脑电波信号特征。
效度实验,测试了10位经确诊有抑郁情绪的被测者和10位经确诊没有抑郁情绪的被测者,发现确诊有抑郁情绪的被测者脑电波信号中有抑郁情绪的脑电波信号特征,而确诊没有抑郁情绪的被测者脑电波信号中没有抑郁情绪的脑电波信号特征。
双盲实验,随机招募68名被测者。一方面通过传统心理咨询诊断方法(问卷+心理投射技术)识别被测者有无抑郁情绪,得到第一抑郁情绪结果,另一方面通过抑郁情绪脑电波信号识别***识别被测者的脑电波信号中有否抑郁情绪的脑电波信号特征,得到第二抑郁情绪结果。将第一抑郁情绪结果和第二抑郁情绪结果进行比对,结果一致性是91.2%(若第一抑郁情绪结果与第二抑郁情绪结果同时认为某位被测者有抑郁情绪或没有抑郁情绪,这种情况就认为两个结果一致,否则就是不一致)。
显示单元30内显示的抑郁情绪的脑电波信号特征比如是M状抑郁情绪的脑电波信号特征。如图2所示,图中横向上表示时间,单位是秒,竖向上表示与时间对应的时间数值,M状抑郁情绪的脑电波信号特征在椭圆圈出的灯丝状的脑电波信号特征中,即此灯丝状的脑电波信号特征也为抑郁情绪的脑电波信号特征。
如图3所示,M状抑郁情绪的脑电波信号特征的判断方式如下:
连续五秒时长的脑电波信号形成M状的脑电波信号特征,连续五秒时长的时间数值有D1、D2、D3、D4和D5,且D1<D2、D2>D3、D3<D4和D4>D5。D1代表连续五秒时间中的第一秒的时间数值,D2代表连续五秒时间中的第二秒的时间数值且对应M状的脑电波信号的第一波峰,D3代表连续五秒时间中的第三秒的时间数值且对应M状的脑电波信号的波谷,D4代表连续五秒时间中的第四秒的时间数值且对应M状的脑电波信号的第二波峰,D5代表连续五秒时间中的第五秒的时间数值。
|D2-D4|≤第一时间数值差和|D1-D5|≤第二时间数值差(注:|D2-D4|≤第一时间数值差代表D2减去D4的差值的绝对值小于等于第一时间数值差,|D1-D5|≤第二时间数值差代表D2减去D4的差值的绝对值小于等于第二时间数值差)。第一时间数值差的范围为0~3,第二时间数值差的范围为0~10;在第一时间数值差的范围和第二时间数值差范围内,第一时间数值差和第二时间数值差任意组合。如果上述条件同时满足,该脑电波信号为M状抑郁情绪的脑电波信号特征。时间数值、第一时间数值差和第二时间数值差代表α波值、β波值、θ波值、δ波值、γ波值、专注度值和放松度值中任意一个。例如第一时间数值差是3,第二时间数值差是10;第一时间数值差是2,第二时间数值差是9;第一时间数值差是1,第二时间数值差是8。
具体算法如下:
如图1所示,抑郁情绪脑电波信号识别***及方法基于TGAM模块120,实现脑电波信号的采集、滤波、放大、A/D转换、数据处理及分析等功能,并通过UART标准接口对外输出脑电波信号的参数。抑郁情绪脑电波信号识别***及方法在使用时,将脑电波采集装置20戴在被测者头部,使得非侵入式单导干电极位于被测者前额位置,采集被测者额前脑电波信号,并将采集到的脑电波信号传输至TGAM模块120内,通过滤波模块130对采集到的脑电波信号进行滤波处理,去除谐波;由中央控制器110调取存储模块140内存储的抑郁情绪特征识别模型进入分析识别模块150内与采集到的脑电波信号进行对比分析,识别采集的脑电波信号是否存在抑郁情绪的脑电波信号特征,判断被测者是否存在抑郁情绪,得出分析结果,并将分析结果传输回中央控制器110,进而由中央控制器110传输至显示单元30进行显示。
本发明实施例还公开了一种抑郁情绪脑电波信号识别方法,如图4所示,包括如下步骤:
S1:接收脑电波采集装置采集被测者额前脑电波信号;
S2:对采集到的脑电波信号进行滤波处理;
S3:将采集到的脑电波信号与储存的抑郁情绪特征识别模型进行对比,识别是否存在抑郁情绪的脑电波信号特征,判断是否出现抑郁情绪;
S4:输出判断结果,并对判断结果进行显示。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的***及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的***及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种抑郁情绪脑电波信号识别***,其特征在于,包括控制装置(10)和脑电波采集装置(20);
所述脑电波采集装置(20)与所述控制装置(10)通信连接;
所述脑电波采集装置(20)采集被测者的脑电波信号,所述控制装置(10)识别所述脑电波信号是否存在抑郁情绪的脑电波信号特征,从而判断被测者是否出现抑郁情绪。
2.根据权利要求1所述的一种抑郁情绪脑电波信号识别***,其特征在于:所述控制装置(10)包括中央控制器(110)、TGAM模块(120)、滤波模块(130)、存储单元(140)和分析识别模块(150);
所述TGAM模块(120)、滤波模块(130)、存储单元(140)和所述分析识别模块(150)分别与所述中央控制器(110)通信连接;
所述脑电波采集装置(20)与所述TGAM模块(120)通信连接;
所述TGAM模块(120)接收脑电波采集装置(20)处的脑电波信号,并将脑电波信号传输至所述中央控制器(110);
所述滤波模块(130)对所述中央控制器(110)接收的所述脑电波信号进行滤波处理;
所述存储单元(140),至少用于存储抑郁情绪特征识别模型;
所述分析识别模块(150)将采集到的脑电波信号与存储的抑郁情绪特征识别模型进行比对分析,识别是否存在抑郁情绪的脑电波信号特征。
3.根据权利要求2所述的抑郁情绪脑电波信号识别***,其特征在于,所述脑电波采集装置(20)采用非侵入式单导干电极。
4.根据权利要求3所述的抑郁情绪脑电波信号识别***,其特征在于,所述脑电波采集装置(20)内嵌有无线传输模块(210);
所述无线传输模块(210)与所述TGAM模块(120)建立通讯连接。
5.根据权利要求1所述的抑郁情绪脑电波信号识别***,其特征在于,所述脑电波采集装置(20)采集的数据为直接反应人的认知心理指标的脑电波信号,至少包括α波、β波、θ波、δ波、γ波、专注度和放松度。
6.根据权利要求2所述的抑郁情绪脑电波信号识别***,其特征在于,所述抑郁情绪特征识别模型至少包括α波值、β波值、θ波值、δ波值、γ波值、专注度值和放松度值。
7.根据权利要求1所述的一种抑郁情绪脑电波信号识别***,其特征在于,所述控制装置(10)判断被测者是否存在抑郁情绪后得出分析结果,所述控制装置(10)上通信连接有从所述控制装置(10)内接收显示分析结果的显示单元(30),显示单元(30)显示被测者的脑电波信号。
8.根据权利要求7中所述的一种抑郁情绪脑电波信号识别***,其特征在于,所述显示单元(30)内显示的抑郁情绪的脑电波信号特征比如是M状抑郁情绪的脑电波信号特征。
9.一种抑郁情绪脑电波信号识别方法,其特征在于,应用于权利要求1-8任一所述的一种抑郁情绪脑电波信号识别***,包括如下步骤:
步骤1:采集被测者的脑电波信号;
步骤2:识别所述脑电波信号是否存在抑郁情绪的脑电波信号特征,从而判断被测者是否出现抑郁情绪。
10.根据权利要求9所述的一种抑郁情绪脑电波信号识别方法,其特征在于,所述步骤2包括:
步骤2.1:接收采集的脑电波信号;
步骤2.2:对所述脑电波信号进行滤波处理;
步骤2.3:将采集到的脑电波信号与储存的抑郁情绪特征识别模型进行对比,识别是否存在抑郁情绪的脑电波信号特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110609863.9A CN113331840B (zh) | 2021-06-01 | 2021-06-01 | 一种抑郁情绪脑电波信号识别***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110609863.9A CN113331840B (zh) | 2021-06-01 | 2021-06-01 | 一种抑郁情绪脑电波信号识别***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113331840A true CN113331840A (zh) | 2021-09-03 |
CN113331840B CN113331840B (zh) | 2022-07-29 |
Family
ID=77474219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110609863.9A Active CN113331840B (zh) | 2021-06-01 | 2021-06-01 | 一种抑郁情绪脑电波信号识别***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113331840B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113729731A (zh) * | 2021-09-06 | 2021-12-03 | 上海觉觉健康科技有限公司 | 基于脑电信号识别大脑意识状态的***和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106859673A (zh) * | 2017-01-13 | 2017-06-20 | 兰州大学 | 一种基于睡眠脑电的抑郁症风险筛查*** |
CN110516593A (zh) * | 2019-08-27 | 2019-11-29 | 京东方科技集团股份有限公司 | 一种情绪预测装置、情绪预测方法及显示装置 |
WO2020139972A1 (en) * | 2018-12-28 | 2020-07-02 | X Development Llc | Predicting depression from neuroelectric data |
CN112597838A (zh) * | 2020-12-14 | 2021-04-02 | 吉林市不凡时空科技有限公司 | 一种基于脑电波的多维情绪语义识别***及其处理方法 |
CN112617833A (zh) * | 2020-12-21 | 2021-04-09 | 首都医科大学 | 一种基于静息态脑电波检测抑郁症的装置 |
-
2021
- 2021-06-01 CN CN202110609863.9A patent/CN113331840B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106859673A (zh) * | 2017-01-13 | 2017-06-20 | 兰州大学 | 一种基于睡眠脑电的抑郁症风险筛查*** |
WO2020139972A1 (en) * | 2018-12-28 | 2020-07-02 | X Development Llc | Predicting depression from neuroelectric data |
CN110516593A (zh) * | 2019-08-27 | 2019-11-29 | 京东方科技集团股份有限公司 | 一种情绪预测装置、情绪预测方法及显示装置 |
CN112597838A (zh) * | 2020-12-14 | 2021-04-02 | 吉林市不凡时空科技有限公司 | 一种基于脑电波的多维情绪语义识别***及其处理方法 |
CN112617833A (zh) * | 2020-12-21 | 2021-04-09 | 首都医科大学 | 一种基于静息态脑电波检测抑郁症的装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113729731A (zh) * | 2021-09-06 | 2021-12-03 | 上海觉觉健康科技有限公司 | 基于脑电信号识别大脑意识状态的***和方法 |
CN113729731B (zh) * | 2021-09-06 | 2022-12-06 | 上海觉觉健康科技有限公司 | 基于脑电信号识别大脑意识状态的***和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113331840B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7240789B2 (ja) | 脳症/せん妄のスクリーニングおよびモニタリングのためのシステム | |
CN110070105B (zh) | 基于元学习实例快速筛选的脑电情绪识别方法、*** | |
CN110916631A (zh) | 基于可穿戴生理信号监测的学生课堂学习状态评测*** | |
CN111616721A (zh) | 基于深度学习和脑机接口的情绪识别***及应用 | |
CN111012367A (zh) | 一种精神疾病的智能识别*** | |
CN105105771B (zh) | 潜能值测验的认知指标分析方法 | |
US20150179079A1 (en) | Mobile devices as neural sensors for improved health outcomes and efficacy of care | |
CN113331840B (zh) | 一种抑郁情绪脑电波信号识别***及方法 | |
CN110610754A (zh) | 一种沉浸式可穿戴诊断与治疗装置 | |
Gökçay et al. | Binary classification using neural and clinical features: an application in fibromyalgia with likelihood-based decision level fusion | |
CN115862868A (zh) | 心理测评***、平台、电子设备及存储介质 | |
Puwakpitiyage et al. | A proposed web based real time brain computer interface (BCI) system for usability testing | |
US20220199245A1 (en) | Systems and methods for signal based feature analysis to determine clinical outcomes | |
CN116616771A (zh) | 多通道简易精神状态检测方法、装置及*** | |
El Haouij | Biosignals for driver's stress level assessment: functional variable selection and fractal characterization | |
Yang et al. | Loneliness forecasting using multi-modal wearable and mobile sensing in everyday settings | |
Sharma et al. | A Smart Healthcare Framework for Accurate Detection of Schizophrenia using Multi-Channel EEG | |
CN114847949A (zh) | 一种基于脑电特征及放松度指标的认知疲劳康复方法 | |
Cowen et al. | Facial movements have over twenty dimensions of perceived meaning that are only partially captured with traditional methods | |
CN117257303B (zh) | 一种焦虑检测方法、装置、电子设备及存储介质 | |
CN118044813B (zh) | 基于多任务学习的心理健康状况评估方法及*** | |
Endo et al. | CoNNECT: Convolutional Neural Network for Estimating synaptic Connectivity from spike Trains | |
CN116304642B (zh) | 情绪识别预警及模型训练方法、装置、设备和存储介质 | |
Zheng et al. | HRVBased Stress Recognizing by Random Forest | |
CN116401619A (zh) | 一种适用于多模态生理信号的情感识别方法、装置及设备 |
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 |