CN115067944B - 一种眼动状态评估方法、装置、终端设备及存储介质 - Google Patents

一种眼动状态评估方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN115067944B
CN115067944B CN202211003609.5A CN202211003609A CN115067944B CN 115067944 B CN115067944 B CN 115067944B CN 202211003609 A CN202211003609 A CN 202211003609A CN 115067944 B CN115067944 B CN 115067944B
Authority
CN
China
Prior art keywords
eye movement
data
movement state
electroencephalogram
information
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.)
Active
Application number
CN202211003609.5A
Other languages
English (en)
Other versions
CN115067944A (zh
Inventor
韩璧丞
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 Mental Flow Technology Co Ltd
Original Assignee
Shenzhen Mental Flow Technology Co Ltd
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 Mental Flow Technology Co Ltd filed Critical Shenzhen Mental Flow Technology Co Ltd
Priority to CN202211003609.5A priority Critical patent/CN115067944B/zh
Publication of CN115067944A publication Critical patent/CN115067944A/zh
Application granted granted Critical
Publication of CN115067944B publication Critical patent/CN115067944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
    • 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
    • A61B5/7235—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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Psychiatry (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Ophthalmology & Optometry (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明公开了一种眼动状态评估方法、装置、终端设备及存储介质，所述方法包括：获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，并基于所述眼动评估模型输出眼动评分数据，其中，所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到；根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。本发明可基于脑电数据评估眼动状态信息，整个分析过程简单，且效率高，并且分析得到的眼动状态信息为研究孤独症提供有利的数据支持。

Description

一种眼动状态评估方法、装置、终端设备及存储介质
技术领域
本发明涉及眼动分析技术领域，尤其涉及一种眼动状态评估方法、装置、终端设备及存储介质。
背景技术
在现有技术中，眼动状态是用于评估孤独症的关键，但是对于眼动状态的分析，目前基本都是采用人工观察的方法，比如，观察眼部眨眼的情况或者眼球转动的情况。但是，人工观察的方法存在主观性，且对于眼部状态分析不准确，效率也低。
因此，现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种眼动状态评估方法、装置、终端设备及存储介质，旨在提供解决现有技术中采用人工观察的方法来分析眼动状态时，存在主观性、分析不准确、效率低的问题。
第一方面，本发明提供一种眼动状态评估方法，其中，所述方法包括：
获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，并基于所述眼动评估模型输出眼动评分数据，其中，所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到；
根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。
在一种实现方式中，所述眼动评估模型的训练过程包括：
采集若干样本脑电数据，并对所述样本脑电数据进行分类，确定眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据；
对眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据进行对比分析，确定脑电差异数据以及所述脑电差异数据对应的眼动差异数据；
基于所述脑电差异数据与所述眼动差异数据，训练预设的神经网络模型，得到所述眼动评估模型。
在一种实现方式中，所述对所述样本脑电数据进行分类，确定眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据，包括：
获取所有样本脑电数据所对应的眼动信息，所述眼动信息包括：眨眼情况、眼球转动情况或眼球视线方向；
根据所述眼动信息，对所述脑电数据进行分类，得到眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据。
在一种实现方式中，所述对眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据进行对比分析，确定脑电差异数据以及所述脑电差异数据对应的眼动差异数据，包括：
将眼部处于正常眼动状态下的脑电数据与所述处于异常眼动状态下的脑电数据进行对比，确定所述脑电差异数据；
获眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息；
将眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息进行对比，得到所述眼动差异数据。
在一种实现方式中，所述基于所述脑电差异数据与所述眼动差异数据，训练预设的神经网络模型，得到所述眼动评估模型，包括：
预先为眼部处于正常眼动状态下的眼动信息进行赋值，分别得到眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值；
基于所述眼动差异数据与所述眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值，构建评分函数；
基于所述眼动差异数据、所述脑电差异数据以及所述评分函数，对所述神经网络模型进行训练，得到所述眼动评估模型。
在一种实现方式中，所述根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，包括：
根据所述眼动评分数据，确定所述眼动评分数据所对应的分值档位；
基于所述分值档位，确定与所述分值档位所对应的眼动状态信息。
在一种实现方式中，所述方法还包括：
统计预设时间段内的眼动状态信息，并筛选出所述眼动状态信息中的异常眼动状态；
获取所述异常眼动状态对应的时间信息，并根据所述异常眼动状态以及对应的时间信息，输出提示信息，所述提示信息用于反映所述异常眼动状态出现的频率超过预设频率。
第二方面，本发明实施例还提供一种眼动状态评估装置，其中，所述装置包括：
眼动评分数据确定模块，用于获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，并基于所述眼动评估模型输出眼动评分数据，其中，所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到；
眼动状态信息确定模块，用于根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。
在一种实现方式中，所述装置包括模型训练模块，所述模型训练模块包括：
样本采集单元，用于采集若干样本脑电数据，并对所述样本脑电数据进行分类，确定眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据；
对比分析单元，用于对眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据进行对比分析，确定脑电差异数据以及所述脑电差异数据对应的眼动差异数据；
模型训练单元，用于基于所述脑电差异数据与所述眼动差异数据，训练预设的神经网络模型，得到所述眼动评估模型。
在一种实现方式中，所述样本采集单元，包括：
信息确定子单元，用于获取所有样本脑电数据所对应的眼动信息，所述眼动信息包括：眨眼情况、眼球转动情况或眼球视线方向；
数据分类子单元，用于根据所述眼动信息，对所述脑电数据进行分类，得到眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据。
在一种实现方式中，所述对比分析单元，包括：
第一对比子单元，用于将眼部处于正常眼动状态下的脑电数据与所述处于异常眼动状态下的脑电数据进行对比，确定所述脑电差异数据；
信息获取子单元，用于获眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息；
第二对比子单元，用于将眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息进行对比，得到所述眼动差异数据。
在一种实现方式中，所述模型训练单元，包括：
赋值确定子单元，用于预先为眼部处于正常眼动状态下的眼动信息进行赋值，分别得到眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值；
函数构建子单元，用于基于所述眼动差异数据与所述眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值，构建评分函数；
评估函数训练子单元，用于基于所述眼动差异数据、所述脑电差异数据以及所述评分函数，对所述神经网络模型进行训练，得到所述眼动评估模型。
在一种实现方式中，所述眼动状态信息确定模块，包括：
分值档位确定子单元，用于根据所述眼动评分数据，确定所述眼动评分数据所对应的分值档位；
状态信息确定子单元，用于基于所述分值档位，确定与所述分值档位所对应的眼动状态信息。
在一种实现方式中，所述装置还包括：
信息统计模块，用于统计预设时间段内的眼动状态信息，并筛选出所述眼动状态信息中的异常眼动状态；
信息提示模块，用于获取所述异常眼动状态对应的时间信息，并根据所述异常眼动状态以及对应的时间信息，输出提示信息，所述提示信息用于反映所述异常眼动状态出现的频率超过预设频率。
第三方面，本发明实施例还提供一种终端设备，其中，所述终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的眼动状态评估程序，处理器执行眼动状态评估程序时，实现上述方案中任一项的眼动状态评估方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质上存储有眼动状态评估程序，所述眼动状态评估程序被处理器执行时，实现上述方案中任一项所述的眼动状态评估方法的步骤。
有益效果：与现有技术相比，本发明提供了一种眼动状态评估方法，本发明首先获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，由于所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到，因此该所述眼动评估模型就可以基于脑电数据确定对应的眼动信息，进而输出眼动评分数据。然后根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。本发明可基于眼动评估模型来对脑电数据进行分析并评估出眼动状态信息，整个分析过程简单，且效率高、准确度也高，并且分析得到的眼动状态信息为研究孤独症提供有利的数据支持。
附图说明
图1为本发明实施例提供的眼动状态评估方法的具体实施方式的流程图。
图2为本发明实施例提供的眼动状态评估装置的功能原理图。
图3为本发明实施例提供的终端设备的原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本实施例提供一种眼动状态评估方法，基于本实施例的方法可高效且准确地评估出眼动状态。具体实施时，本实施例首先获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，由于所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到，因此该所述眼动评估模型就可以基于脑电数据确定对应的眼动信息，进而输出眼动评分数据。然后本实施例根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。本实施例可基于眼动评估模型来对脑电数据进行分析并评估出眼动状态信息，整个分析过程简单，且效率高、准确度也高，并且分析得到的眼动状态信息为研究孤独症提供有利的数据支持。
举例说明，本实施例的眼动状态评估方法可通过电脑实现，当采集到用户的脑电数据后，电脑就会将这些脑电数据输入至预先训练好的眼动评估模型中，该眼动评估模型可根据该脑电数据确定这些脑电数据是在眼部处于正常眼动状态还是处于异常眼动状态下采集的，并且眼动评估模型还可进一步输出眼动评分数据，该眼动评分数据可说明此时用户的眼动情况处于怎样的水平。当电脑输出眼动评分数据后，可进一步分析出该眼动评分数据对应的眼动状态信息，也就可以确定眨眼情况、眼球转动情况或眼球视线方向等信息，并输出相应的报告文件。
示例性方法
本实施例的眼动状态评估方法可应用于终端设备中，所述终端设备可为电脑、手机、平板电脑等智能化产品终端。具体地，如图1中所示，本实施例的眼动状态评估方法包括如下步骤：
步骤S100、获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，并基于所述眼动评估模型输出眼动评分数据，其中，所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到。
人类从周围环境中所获得的绝大部分信息来自于视觉，视网膜接收到外界信息，经视觉通路传到神经中枢，进而引发大脑的思维活动。特别值得注意的是人们在进行手部运动的过程中，往往需要脑、眼、手的协调配合，会自然而然地伴随一些眼部运动。因此，眼部运动和脑电数据是存在一定联系的，为此，本实施例可基于脑电数据来实现对眼动状态的评估。本实施例的终端设备需要首先获取脑电数据，然后将脑电数据输入至预先训练的眼动评估模型，由于所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到，因此该所述眼动评估模型就可以基于脑电数据确定对应的眼动信息，进而输出眼动评分数据。
在一种实现方式中，本实施例需要预先训练眼动评估模型，具体地，所述眼动评估模型包括如下步骤：
步骤S101、采集若干样本脑电数据，并对所述样本脑电数据进行分类，确定眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据；
步骤S102、对眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据进行对比分析，确定脑电差异数据以及所述脑电差异数据对应的眼动差异数据；
步骤S103、基于所述脑电差异数据与所述眼动差异数据，训练预设的神经网络模型，得到所述眼动评估模型。
具体地，本实施例首先采集若干样本脑电数据，然后获取所有样本脑电数据所对应的眼动信息，所述眼动信息包括：眨眼情况、眼球转动情况或眼球视线方向。所述眨眼情况包括眨眼次数、眨眼频率等，所述眼球转动情况包括转动的频率等，所述眼球视线方向包括仰视或者俯视的时长。该眼动信息是采集样本脑电数据时，同步进行采集的，并且，本实施例将眼动信息与对应的样本脑电数据进行绑定，因此每个样本脑电数据都存在对应的眼动信息。当得到样本脑电数据对应的眼动信息后，本实施例可基于眼动信息进行分类，分出哪些眼动信息属于眼部处于正常眼动状态的眼动信息，哪些眼动信息属于眼部处于异常眼动状态的眼动信息，进而就可以对所述脑电数据进行分类，得到眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据。当然，在进行分类时，如果存在眼动信息无法区分为正常还是异常，则将该眼动信息以及对应的脑电数据删除。当然，在另一种实现方式中，在分类时，本实施例可首先区分眼部处于正常眼动状态的眼动信息以及对应的脑电数据，那样本脑电数据中剩下的就都是眼部处于异常眼动状态的眼动信息以及对应的脑电数据。
由于眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据之前是存在差异的，因此，本实施例将眼部处于正常眼动状态下的脑电数据与所述处于异常眼动状态下的脑电数据进行对比，确定所述脑电差异数据。同时，本实施例获眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息。然后将眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息进行对比，得到所述眼动差异数据。由于样本脑电数据与眼动信息是对应的，因此眼动差异数据与脑电差异数据也是对应的。也就是说，本实施例可知晓正常眼动和异常眼动对应的脑电数据有什么差异，并且在对应眼动信息上是如何反映差异的。
接着，本实施例预先为眼部处于正常眼动状态下的眼动信息进行赋值，分别得到眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值。也就是说，本实施例为眼部处于正常眼动状态下的眨眼情况、眼球转动情况或眼球视线方向均设置基础分值。而当眼部处于异常眼动状态时，眨眼情况、眼球转动情况或眼球视线方向的得分肯定会低于对应的基础分值的，并且眼动差异数据反映就是眼部处于异常眼动状态和眼部处于正常状态下的眼动信息之间的差异，因此基于眼动差异信息也就可以确定出当眼部处于异常眼动状态时，眨眼情况、眼球转动情况或眼球视线方向的具体得分。而由于本实施例最后要输出眼动评分数据，该眼动评分数据是基于眨眼情况、眼球转动情况或眼球视线方向的具体得分来确定的，因此，本实施例可构建一个评分函数，通过该评分函数可计算出眼动评分数据。
在一种实现方式中，本实施例中，眼部处于正常眼动状态时的眨眼情况、眼球转动情况或眼球视线方向的得分肯定会低于对应的基础分值分别为W1、W2以及W3。眼动差异数据中与眼部处于正常眼动状态时的眨眼情况的差异数据为a1，与眼部处于正常眼动状态时的眼球转动情况为a2，与眼部处于正常眼动状态时的眼球视线方向a3。并且，本实施例为眨眼情况、眼球转动情况或眼球视线方向设置对应的权重，分别为b1、b2以及b3。因此评分函数可为：Y=100-（W1*a1*b1+W2*a2*b2+W2*a2*b2）。由于眼动差异数据与脑电差异数据是对应的，因此本实施例在训练时，可基于所述眼动差异数据、所述脑电差异数据以及所述评分函数，对所述神经网络模型进行训练，得到所述眼动评估模型。
因此，当本实施例的电脑在获取到脑电数据后，就会将所述脑电数据输入至预先训练的眼动评估模型，该眼动评估模型就会基于此时的脑电数据与眼部处于正常眼动状态下的脑电数据进行比较，确定出脑电异常数据，基于该脑电异常数据就可以确定出对应的眼动异常数据，在得到了眼动异常数据后，本实施例就可以得到此时用户的眼动信息中与眼部处于正常眼动状态时的眨眼情况的差异数据为a1，与眼部处于正常眼动状态时的眼球转动情况为a2，与眼部处于正常眼动状态时的眼球视线方向a3，然后再通过上述构建的评分函数，则就可以自动输出眼动评分数据。
步骤S200、根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。
在一种实现方式中，本实施例在确定眼动状态信息时，包括如下步骤：
步骤S201、根据所述眼动评分数据，确定所述眼动评分数据所对应的分值档位；
步骤S202、基于所述分值档位，确定与所述分值档位所对应的眼动状态信息。
当得到所述眼动评分数据后，本实施例即可确定所述眼动评分数据所对应的眼动状态信息，本实施例可根据所述眼动评分数据，确定所述眼动评分数据所对应的分值档位。本实施例预先划分了若干个分值档位，并且每一个分值档位与眼动评分数据对应，且也为每一个分值档位设置对应的眼动状态信息，此时当得到眼动评分数据后，本实施例就可以匹配出对应的眼动状态信息。本实施例的眼动状态信息包括眨眼情况、眼球转动情况或眼球视线方向。具体地，所述眼动信息包括：眨眼情况、眼球转动情况或眼球视线方向。所述眨眼情况包括眨眼次数、眨眼频率等，所述眼球转动情况包括转动的频率等，所述眼球视线方向包括仰视或者俯视的时长。
在一种实现方式中，当本实施例的终端设备确定出眼动状态信息后，可统计预设时间段内（比如一周内）的眼动状态信息，并筛选出所述眼动状态信息中的异常眼动状态，也就是筛选眨眼情况、眼球转动情况或眼球视线方向异常的数据。接着，本实施例获取所述异常眼动状态对应的时间信息，并根据所述异常眼动状态以及对应的时间信息，确定异常眼动状态的出现频率，如果该异常眼动状态的出现频率超过预设频率，则终端设备输出提示信息。该提示信息即向用户提示异常眼动状态出现的频率超过预设频率，这样就可以为研究孤独症提供有利的数据支持。此外，本实施例在确定异常眼动状态时进行微电刺激，该微电刺激可通过向用户的穿戴设备（比如智能眼睛）发出刺激信号，以提示用户此时需要注意眼部运动，避免出现异常眼动状态。当然，本实施例也可根据眼动评分数据所对应的分值档位来调整微电刺激的区域、强度以及时长等信息，以更好地向用户进行提醒。
综上，本实施例首先获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，由于所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到，因此该所述眼动评估模型就可以基于脑电数据确定对应的眼动信息，进而输出眼动评分数据。然后本实施例根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。本实施例可基于眼动评估模型来对脑电数据进行分析并评估出眼动状态信息，整个分析过程简单，且效率高、准确度也高，并且分析得到的眼动状态信息为研究孤独症提供有利的数据支持。
示例性装置
基于上述实施例，本发明提供一种眼动状态评估装置，如图2中所示，所述装置包括：眼动评分数据确定模块10、眼动状态信息确定模块20。具体地，所述眼动评分数据确定模块10，用于获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，并基于所述眼动评估模型输出眼动评分数据，其中，所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到。所述眼动状态信息确定模块20，用于根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。
在一种实现方式中，所述装置包括模型训练模块，所述模型训练模块包括：
样本采集单元，用于采集若干样本脑电数据，并对所述样本脑电数据进行分类，确定眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据；
对比分析单元，用于对眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据进行对比分析，确定脑电差异数据以及所述脑电差异数据对应的眼动差异数据；
模型训练单元，用于基于所述脑电差异数据与所述眼动差异数据，训练预设的神经网络模型，得到所述眼动评估模型。
在一种实现方式中，所述样本采集单元，包括：
信息确定子单元，用于获取所有样本脑电数据所对应的眼动信息，所述眼动信息包括：眨眼情况、眼球转动情况或眼球视线方向；
数据分类子单元，用于根据所述眼动信息，对所述脑电数据进行分类，得到眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据。
在一种实现方式中，所述对比分析单元，包括：
第一对比子单元，用于将眼部处于正常眼动状态下的脑电数据与所述处于异常眼动状态下的脑电数据进行对比，确定所述脑电差异数据；
信息获取子单元，用于获眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息；
第二对比子单元，用于将眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息进行对比，得到所述眼动差异数据。
在一种实现方式中，所述模型训练单元，包括：
赋值确定子单元，用于预先为眼部处于正常眼动状态下的眼动信息进行赋值，分别得到眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值；
函数构建子单元，用于基于所述眼动差异数据与所述眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值，构建评分函数；
评估函数训练子单元，用于基于所述眼动差异数据、所述脑电差异数据以及所述评分函数，对所述神经网络模型进行训练，得到所述眼动评估模型。
在一种实现方式中，所述眼动状态信息确定模块，包括：
分值档位确定子单元，用于根据所述眼动评分数据，确定所述眼动评分数据所对应的分值档位；
状态信息确定子单元，用于基于所述分值档位，确定与所述分值档位所对应的眼动状态信息。
在一种实现方式中，所述装置还包括：
信息统计模块，用于统计预设时间段内的眼动状态信息，并筛选出所述眼动状态信息中的异常眼动状态；
信息提示模块，用于获取所述异常眼动状态对应的时间信息，并根据所述异常眼动状态以及对应的时间信息，输出提示信息，所述提示信息用于反映所述异常眼动状态出现的频率超过预设频率。
本实施例的眼动状态评估装置中各个模块的工作原理与上述方法实施例中各个步骤的原理相同，此处不再赘述。
基于上述实施例，本发明还提供了一种终端设备，所述终端设备的原理框图可以如3所示。终端设备可以包括一个或多个处理器100（图3中仅示出一个），存储器101以及存储在存储器101中并可在一个或多个处理器100上运行的计算机程序102，例如， 眼动状态评估的程序。一个或多个处理器100执行计算机程序102时可以实现眼动状态评估的方法实施例中的各个步骤。或者，一个或多个处理器100执行计算机程序102时可以实现眼动状态评估的装置实施例中各模块/单元的功能，此处不作限制。
在一个实施例中，所称处理器100可以是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在一个实施例中，存储器101可以是电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡（smart media card，SMC），安全数字（secure digital，SD）卡，闪存卡（flash card）等。进一步地，存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端设备的限定，具体的终端设备以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双运营数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
综上，本发明公开了一种一种眼动状态评估方法、装置、终端设备及存储介质，所述方法包括：获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，并基于所述眼动评估模型输出眼动评分数据，其中，所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到；根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向。本发明可基于脑电数据评估眼动状态信息，整个分析过程简单，且效率高，并且分析得到的眼动状态信息为研究孤独症提供有利的数据支持。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种眼动状态评估方法，其特征在于，所述方法包括：
获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，并基于所述眼动评估模型输出眼动评分数据，其中，所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到；
根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向；
所述眼动评估模型的训练过程包括：
采集若干样本脑电数据，并对所述样本脑电数据进行分类，确定眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据；
对眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据进行对比分析，确定脑电差异数据以及所述脑电差异数据对应的眼动差异数据；
基于所述脑电差异数据与所述眼动差异数据，训练预设的神经网络模型，得到所述眼动评估模型；
所述对眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据进行对比分析，确定脑电差异数据以及所述脑电差异数据对应的眼动差异数据，包括：
将眼部处于正常眼动状态下的脑电数据与所述处于异常眼动状态下的脑电数据进行对比，确定所述脑电差异数据；
获眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息；
将眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息进行对比，得到所述眼动差异数据。
2.根据权利要求1所述的眼动状态评估方法，其特征在于，所述对所述样本脑电数据进行分类，确定眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据，包括：
获取所有样本脑电数据所对应的眼动信息，所述眼动信息包括：眨眼情况、眼球转动情况或眼球视线方向；
根据所述眼动信息，对所述脑电数据进行分类，得到眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据。
3.根据权利要求1所述的眼动状态评估方法，其特征在于，所述基于所述脑电差异数据与所述眼动差异数据，训练预设的神经网络模型，得到所述眼动评估模型，包括：
预先为眼部处于正常眼动状态下的眼动信息进行赋值，分别得到眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值；
基于所述眼动差异数据与所述眼部处于正常眼动状态时眨眼情况、眼球转动情况或眼球视线方向所对应的基础分值，构建评分函数；
基于所述眼动差异数据、所述脑电差异数据以及所述评分函数，对所述神经网络模型进行训练，得到所述眼动评估模型。
4.根据权利要求1所述的眼动状态评估方法，其特征在于，所述根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，包括：
根据所述眼动评分数据，确定所述眼动评分数据所对应的分值档位；
基于所述分值档位，确定与所述分值档位所对应的眼动状态信息。
5.根据权利要求1所述的眼动状态评估方法，其特征在于，所述方法还包括：
统计预设时间段内的眼动状态信息，并筛选出所述眼动状态信息中的异常眼动状态；
获取所述异常眼动状态对应的时间信息，并根据所述异常眼动状态以及对应的时间信息，输出提示信息，所述提示信息用于反映所述异常眼动状态出现的频率超过预设频率。
6.一种眼动状态评估装置，其特征在于，所述装置包括：
眼动评分数据确定模块，用于获取脑电数据，将所述脑电数据输入至预先训练的眼动评估模型，并基于所述眼动评估模型输出眼动评分数据，其中，所述眼动评估模型是基于不同眼动状态下的脑电数据进行对比分析与训练得到；
眼动状态信息确定模块，用于根据所述眼动评分数据，确定所述眼动评分数据所对应的眼动状态信息，所述眼动状态信息用于反映眨眼情况、眼球转动情况或眼球视线方向；
所述装置包括模型训练模块，所述模型训练模块包括：
样本采集单元，用于采集若干样本脑电数据，并对所述样本脑电数据进行分类，确定眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据；
对比分析单元，用于对眼部处于正常眼动状态下的脑电数据以及眼部处于异常眼动状态下的脑电数据进行对比分析，确定脑电差异数据以及所述脑电差异数据对应的眼动差异数据；
模型训练单元，用于基于所述脑电差异数据与所述眼动差异数据，训练预设的神经网络模型，得到所述眼动评估模型；
所述对比分析单元，包括：
第一对比子单元，用于将眼部处于正常眼动状态下的脑电数据与所述处于异常眼动状态下的脑电数据进行对比，确定所述脑电差异数据；
信息获取子单元，用于获眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息；
第二对比子单元，用于将眼部处于正常眼动状态下的眼动信息与处于异常眼动状态下的眼动信息进行对比，得到所述眼动差异数据。
7.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的眼动状态评估程序，处理器执行眼动状态评估程序时，实现如权利要求1-5任一项所述的眼动状态评估方法的步骤。
8.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有眼动状态评估程序，所述眼动状态评估程序被处理器执行时，实现如权利要求1-5任一项所述的眼动状态评估方法的步骤。
CN202211003609.5A 2022-08-22 2022-08-22 一种眼动状态评估方法、装置、终端设备及存储介质 Active CN115067944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211003609.5A CN115067944B (zh) 2022-08-22 2022-08-22 一种眼动状态评估方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211003609.5A CN115067944B (zh) 2022-08-22 2022-08-22 一种眼动状态评估方法、装置、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN115067944A CN115067944A (zh) 2022-09-20
CN115067944B true CN115067944B (zh) 2022-11-11

Family

ID=83245270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211003609.5A Active CN115067944B (zh) 2022-08-22 2022-08-22 一种眼动状态评估方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN115067944B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117058148B (zh) * 2023-10-12 2024-02-02 超目科技(北京)有限公司 一种眼球震颤患者成像质量检测方法、装置及设备

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008088070A1 (ja) * 2007-01-19 2008-07-24 Asahi Kasei Kabushiki Kaisha 覚醒状態判定モデル生成装置、覚醒状態判定装置及び警告装置
JP2014018234A (ja) * 2012-07-12 2014-02-03 Saga Univ 健康管理システム、その方法及びプログラム並びに眼鏡型生体情報取得装置
CN104142583A (zh) * 2014-07-18 2014-11-12 广州市香港科大***研究院 一种具有眨眼检测功能的智能眼镜及实现方法
CN104665849A (zh) * 2014-12-11 2015-06-03 西南交通大学 一种基于多生理信号多模型交互的高铁调度员应激检测方法
CN106445092A (zh) * 2015-08-13 2017-02-22 中兴通讯股份有限公司 终端保护视力的处理方法及装置
KR20170050042A (ko) * 2015-10-29 2017-05-11 하이브모션 주식회사 눈깜빡임 감지 장치를 이용한 뇌파 측정 장치 및 뇌파 측정 방법
CN107822627A (zh) * 2017-09-30 2018-03-23 江苏师范大学 一种基于脑电信号的眼动信号识别方法
CN108766532A (zh) * 2018-05-11 2018-11-06 深圳市心流科技有限公司 提高注意力的教学方法、装置及计算机可读存储介质
CN109344816A (zh) * 2018-12-14 2019-02-15 中航华东光电（上海）有限公司 一种基于脑电实时检测面部动作的方法
JP2019082776A (ja) * 2017-10-30 2019-05-30 富士通株式会社 操作支援方法、操作支援プログラム及び頭部装着型表示装置
CN110432915A (zh) * 2019-08-02 2019-11-12 秒针信息技术有限公司 一种评估信息流创意的方法及装置
CN110801237A (zh) * 2019-11-10 2020-02-18 中科搏锐（北京）科技有限公司 一种基于眼动和脑电特征的认知能力评估***及其方法
CN113017647A (zh) * 2021-03-08 2021-06-25 北京智源人工智能研究院 监测用户清醒状态的方法、装置、电子设备及介质
CN113208631A (zh) * 2021-04-06 2021-08-06 北京脑陆科技有限公司 一种基于eeg脑波的眨眼检测方法及***
CN113253850A (zh) * 2021-07-05 2021-08-13 中国科学院西安光学精密机械研究所 一种基于眼动追踪与脑电信号的多任务协同操作方法
CN113662558A (zh) * 2021-08-19 2021-11-19 杭州电子科技大学 一种区分脑电眨眼伪迹与额极痫样放电的智能分类方法
CN113990449A (zh) * 2021-09-30 2022-01-28 浙江强脑科技有限公司 自闭症干预训练方法、装置、终端设备及可读存储介质
CN114431879A (zh) * 2021-12-24 2022-05-06 南京邮电大学 一种基于脑电图的眨眼咬牙判断方法及***

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210169417A1 (en) * 2016-01-06 2021-06-10 David Burton Mobile wearable monitoring systems
JP6699308B2 (ja) * 2016-04-08 2020-05-27 株式会社デンソー ウェアラブル生体計測装置
US11402906B2 (en) * 2017-03-31 2022-08-02 Agency For Science, Technology And Research System and method for detecting eye activity
CN109925678A (zh) * 2019-03-01 2019-06-25 北京七鑫易维信息技术有限公司 一种基于眼动追踪技术的训练方法、训练装置及设备
CN114305415B (zh) * 2021-11-25 2023-10-24 广东电网有限责任公司 一种跨被试和跨模态的多模态紧张情绪识别方法及***

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008088070A1 (ja) * 2007-01-19 2008-07-24 Asahi Kasei Kabushiki Kaisha 覚醒状態判定モデル生成装置、覚醒状態判定装置及び警告装置
JP2014018234A (ja) * 2012-07-12 2014-02-03 Saga Univ 健康管理システム、その方法及びプログラム並びに眼鏡型生体情報取得装置
CN104142583A (zh) * 2014-07-18 2014-11-12 广州市香港科大***研究院 一种具有眨眼检测功能的智能眼镜及实现方法
CN104665849A (zh) * 2014-12-11 2015-06-03 西南交通大学 一种基于多生理信号多模型交互的高铁调度员应激检测方法
CN106445092A (zh) * 2015-08-13 2017-02-22 中兴通讯股份有限公司 终端保护视力的处理方法及装置
KR20170050042A (ko) * 2015-10-29 2017-05-11 하이브모션 주식회사 눈깜빡임 감지 장치를 이용한 뇌파 측정 장치 및 뇌파 측정 방법
CN107822627A (zh) * 2017-09-30 2018-03-23 江苏师范大学 一种基于脑电信号的眼动信号识别方法
JP2019082776A (ja) * 2017-10-30 2019-05-30 富士通株式会社 操作支援方法、操作支援プログラム及び頭部装着型表示装置
CN108766532A (zh) * 2018-05-11 2018-11-06 深圳市心流科技有限公司 提高注意力的教学方法、装置及计算机可读存储介质
CN109344816A (zh) * 2018-12-14 2019-02-15 中航华东光电（上海）有限公司 一种基于脑电实时检测面部动作的方法
CN110432915A (zh) * 2019-08-02 2019-11-12 秒针信息技术有限公司 一种评估信息流创意的方法及装置
CN110801237A (zh) * 2019-11-10 2020-02-18 中科搏锐（北京）科技有限公司 一种基于眼动和脑电特征的认知能力评估***及其方法
CN113017647A (zh) * 2021-03-08 2021-06-25 北京智源人工智能研究院 监测用户清醒状态的方法、装置、电子设备及介质
CN113208631A (zh) * 2021-04-06 2021-08-06 北京脑陆科技有限公司 一种基于eeg脑波的眨眼检测方法及***
CN113253850A (zh) * 2021-07-05 2021-08-13 中国科学院西安光学精密机械研究所 一种基于眼动追踪与脑电信号的多任务协同操作方法
CN113662558A (zh) * 2021-08-19 2021-11-19 杭州电子科技大学 一种区分脑电眨眼伪迹与额极痫样放电的智能分类方法
CN113990449A (zh) * 2021-09-30 2022-01-28 浙江强脑科技有限公司 自闭症干预训练方法、装置、终端设备及可读存储介质
CN114431879A (zh) * 2021-12-24 2022-05-06 南京邮电大学 一种基于脑电图的眨眼咬牙判断方法及***

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Electroencephalogram for epileptic seizure detection using stacked bidirectional LSTM_GAP neural network;Thara, D.K.; Premasudha, B.G.; Nayak, R.S.;;《Evolutionary Intelligence》;20211231;第14卷(第2期);全文 *
Gut-Brain Computer Interfacing (GBCI) : Wearable Monitoring of Gastric Myoelectric Activity;Vujic, Angela；Krause, Christopher；Tso, Georgette L;《IEEE Engineering in Medicine and Biology Society Conference Proceedings》;20191231;全文 *
基于眼动与脑电的抑郁特征分析与分类研究;王子涵;《万方》;20201214;全文 *
基于眼动和脑电的心理旋转认知机制研究;薛继国;《万方》;20180309;全文 *

Also Published As

Publication number Publication date
CN115067944A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
JP4786119B2 (ja) 検眼システム、検眼装置、及びそのプログラム及び記録媒体、並びに、標準化方法
Arnold et al. Evaluation of a smartphone photoscreening app to detect refractive amblyopia risk factors in children aged 1–6 years
CN110619332B (zh) 基于视野检查报告的数据处理方法、装置及设备
US20200073476A1 (en) Systems and methods for determining defects in visual field of a user
WO2021179630A1 (zh) 一种并发症风险预测***、方法、装置、设备及介质
CN115067944B (zh) 一种眼动状态评估方法、装置、终端设备及存储介质
CN114041796B (zh) 一种基于脑电波信号的专注力评估方法、装置及存储介质
CN112113581B (zh) 异常计步识别方法、计步方法、装置、设备及介质
CN114947886B (zh) 一种基于异步脑机接口的符号数字转换测试方法及***
CN106175658A (zh) 一种视力动态智能监测***
Skewes et al. Awareness and confidence in perceptual decision-making
EP3424411A1 (en) Method and system for postural stability assessment
US20220218253A1 (en) Impairment Detection Method and Devices
CN116634920A (zh) 主观屈光检查***
US20200185110A1 (en) Computer-implemented method and an apparatus for use in detecting malingering by a first subject in one or more physical and/or mental function tests
CN114052736B (zh) 认知功能的评估***和方法
CN115223232A (zh) 一种眼健康综合管理***
CN115547449A (zh) 一种基于视觉训练提高成人弱视患者视功能表现的方法
CN112205960B (zh) 一种视力监测方法、***、管理端和存储介质
CN113936797A (zh) 人员心理健康监测方法、***以及智能终端
CN114974582A (zh) 近视发生风险预测方法、装置、电子设备及介质
US11786156B2 (en) Method and apparatus for use in detecting malingering by a first subject in tests of physical and/or mental function of the first subject
US20210290149A1 (en) System for generating indications of neurological impairment
WO2021164864A1 (en) Vision screening
CN112200269A (zh) 一种相似度分析方法及***

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