用于监测和提高注意力的方法和系统专利检索-脑机接口生物工程专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

用于监测和提高注意力的方法和系统

阅读：473发布：2021-02-06

IPRDB可以提供用于监测和提高注意力的方法和系统专利检索，专利查询，专利分析的服务。并且本发明的特征在于用于监测注意力的方法和系统。所述方法和系统可以用作测量对象的注意力水平并训练对象以提高注意力的EEG脑机接口的一部分。，下面是用于监测和提高注意力的方法和系统专利的具体信息内容。

权利要求

1.一种用于对EEG脑信号分类的方法，包括：

(i)将与计算机连接的设备放置在对象附近，其中所述设备可以由所述对象激活；向所述对象呈现关于响应刺激激活所述设备的指令，其中指示所述对象在指定的刺激呈现给所述对象时激活所述设备；以及向所述对象呈现所述刺激，同时记录所述对象的设备激活的情况；

(ii)在执行步骤(i)的至少一部分时记录所述对象的一个或多个EEG脑信号；

(iii)将来自步骤(i)的所述对象的设备激活的情况和来自步骤(ii)的一个或多个EEG脑信号存储在计算机中；

(iv)确定设备激活的响应时间参数且计算所述一个或多个EEG脑信号中的每一个的响应时间值；以及(v)基于来自步骤(iv)的响应时间值，对所述一个或多个EEG脑信号分类以产生具有注意力集中状态或注意力不集中状态的对象特有的标记脑信号。

2.权利要求1的方法，还包括对所述一个或多个EEG脑信号分类以产生所述对象特有的标记脑信号，所述标记脑信号具有(a)注意力集中状态，(b)第一注意力不集中状态，或(c)以对象的困倦水平为特征的第二注意力不集中状态。

3.权利要求2的方法，还包括识别具有与更长反应时间相符的在δ或θ带中的增加相对功率的所述一个或多个EEG脑信号，且将所述EEG脑信号标记为属于所述第二注意力不集中状态。

4.权利要求3的方法，还包括计算所述对象的困倦水平。

5.权利要求4的方法，还包括确定所述对象的困倦水平是否超过预定阈值，且如果是，则警告所述对象。

6.权利要求1-5中任一项的方法，其中所述一个或多个EEG脑信号中的每一个的所述响应时间值是从所述响应时间参数和所述EEG脑信号计算的复合值。

7.权利要求6的方法，其中步骤(v)包括通过所述复合值的聚类分析对所述一个或多个EEG脑信号分类。

8.权利要求1-5中任一项的方法，其中步骤(v)包括通过所述EEG脑信号的聚类分析和相符的响应时间值对所述一个或多个EEG脑信号分类。

9.权利要求1-8中任一项的方法，其中所述响应时间参数或所述响应时间值是年龄调节、针对性别调节或针对精神病症调节的。

10.权利要求9的方法，其中所述对象患有ADHD且针对所述对象中测量的精神病症的严重性调节所述响应时间值。

11.权利要求1-10中任一项的方法，其中所述响应时间值与在向所述对象呈现所述刺激之前1至4秒测量的EEG脑信号相符。

12.权利要求1-11中任一项的方法，还包括生成对象的注意力水平的表示，包括：(a)提供源自来自对象池的脑电图(EEG)脑信号的对象独立性模型，所述对象独立性模型包括标记脑信号；

(b)提供从所述对象获得的对象特定EEG脑信号；

(c)基于对象独立性模型和对象特定脑信号，计算表示对象注意力集中或注意力不集中的概率的评分；和(d)将所述评分呈现给所述对象。

13.权利要求12的方法，其中步骤(c)包括将所述对象特定EEG脑信号与来自对象池的标记EEG脑信号比较，且基于所述比较确定对象注意力集中或注意力不集中的概率。

14.一种用于生成对象注意力水平的表示的方法，包括：(i)提供源自来自对象池的脑电图(EEG)脑信号的对象独立性模型，所述对象独立性模型包括与(a)注意力集中状态，(b)第一注意力不集中状态，或(c)以对象的困倦水平为特征的第二注意力不集中状态相关联的标记脑信号；

(ii)提供从所述对象获得的对象特定EEG脑信号；

(iii)基于所述对象独立性模型和所述对象特定脑信号，计算表示对象注意力集中或注意力不集中的概率的评分；和(iv)将所述评分呈现给所述对象。

15.权利要求14的方法，其中步骤(iii)包括将所述对象特定EEG脑信号与来自对象池的标记EEG脑信号比较，且基于所述比较确定对象注意力集中或注意力不集中的概率。

16.权利要求12-15中任一项的方法，还包括：

(x1)将所述评分输入到视频游戏中；

(x2)将具有至少一个输出的视频游戏呈现给对象；

(x3)向所述对象呈现对应于所述评分的至少一个信号；以及(x4)如果所述评分超过预定阈值或落到预定范围之外，改变游戏的难度或进度。

17.权利要求1-16中任一项的方法，其中所述EEG脑信号使用选自傅立叶变换分析、小波分析、绝对功率分析、相对功率分析、相位分析、相干性分析、振幅对称性分析和/或反向EEG分析的方法来处理以产生一个或多个EEG参数。

18.权利要求17的方法，其中所述EEG脑信号选自一个或多个频带的相对功率。

19.权利要求17的方法，其中所述EEG脑信号选自一个或多个频带的绝对功率。

20. 一种用于生成对象的注意力水平的表示的系统，包括：(i)用于从所述对象收集EEG数据的EEG头戴式装置；和(ii)配备有算法的处理器，所述算法用于根据权利要求12-19中任一项计算表示对象注意力集中或注意力不集中的概率的评分。

说明书全文

用于监测和提高注意力的方法和系统

发明领域

[0001] 本发明的特征在于用于监测和训练对象的注意力的方法和系统。

[0002] 发明背景注意力缺陷/多动症(ADHD)是最常见儿童病症之一，US CDC估计3-17岁的儿童中有11%患有该病症。潜在的机制和相关联的认知功能障碍仍不清楚，几个竞争性理论都指出这种疾病的复杂性。患有ADHD的儿童经历一些问题，例如比同龄的非临床儿童学习成绩水平较低，辍学率较高，药物滥用概率较高，社交关系减少和精神疾病发生率较高。迄今为止，对于ADHD的最有效和研究最佳的治疗仍是刺激性药剂。虽然已经可靠地显示药剂改善在家庭和教室的行为，但服药后出现的这些改善并不持久。在终止使用后益处也会消失，并带来许多副作用，包括头痛、恶心、抑制食欲、减少身体生长和心血管效应。这些刺激性药剂也是潜在的滥用药物。

[0003] 直接监测脑信号提供了通过查看明确定义的脑功能来更具体地表征用户的注意力状态的能力，但只有脑信号能够被处理以产生注意力集中和注意力不集中的统计上有意义的测量。

[0004] 需要能够实时监测对象的注意力状态的方法和系统，特别是在患有以注意力不集中，例如注意力缺陷和多动症(ADHD)、抑郁症、焦虑症、精神分裂症或自闭症为特征的疾病的对象中，并用于注意力训练系统(如前馈学习)。

[0005] 发明概述本发明的特征在于一种用于对EEG脑信号分类的方法，包括：(i)将与计算机连接的设备放置在对象附近，其中所述设备可以由所述对象激活；向对象呈现关于响应刺激激活设备的指令，其中指示对象在指定的刺激呈现给对象时激活设备；以及向所述对象呈现所述刺激，同时记录所述对象的设备激活的情况；(ii)在执行步骤(i)的至少一部分时记录所述对象的一个或多个EEG脑信号；(iii)将来自步骤(i)的对象的设备激活的情况和来自步骤(ii)的一个或多个EEG脑信号存储在计算机中；(iv)确定设备激活的响应时间参数且计算所述一个或多个EEG脑信号中的每一个的响应时间值；和(v)基于来自步骤(iv)的响应时间值，对一个或多个EEG脑信号分类以产生具有注意力集中状态或注意力不集中状态的对象特有的标记脑信号。该方法还可以包括对一个或多个EEG脑信号分类以产生对象的标记脑信号特征，所述标记脑信号特征具有(a)注意力集中状态，(b)第一注意力不集中状态，或(c)以对象的困倦水平为特征的第二注意力不集中状态。在某些实施方案中，该方法还包括识别具有与更长反应时间相符的在δ或θ带中的增加相对功率的一个或多个EEG脑信号，且将所述EEG脑信号标记为属于第二注意力不集中状态。该方法还可以包括计算对象的困倦水平。在具体的实施方案中，该方法包括确定对象的困倦水平是否超过预定阈值，且如果是，则警告对象(例如用警报或图像警告以激发对象警觉)。在上述方法的一个实施方案中，一个或多个EEG脑信号中的每一个的响应时间值是从响应时间参数和EEG脑信号计算的复合值。在某些实施方案中，步骤(v)包括通过复合值的聚类分析对一个或多个EEG脑信号分类。在其他实施方案中，步骤(v)包括通过EEG脑信号的聚类分析和相符的响应时间值对一个或多个EEG脑信号分类。仍在其他实施方案中，响应时间参数或响应时间值是年龄调节、针对性别调节或针对精神病症调节的(例如，ADHD对比正常，或患有抑郁症、焦虑症、精神分裂症或自闭症的对象)。在一些实施方案中，响应时间值针对对象中测量的精神病症的严重性(例如ADHD、抑郁症、焦虑症、精神分裂症或自闭症的严重性)调节。在具体的实施方案中，对象具有ADHD，且针对对象中测量的ADHD严重性(例如，包括对象的ADHD-RS评分的复合值)调节响应时间值。响应时间值与紧接在向对象呈现刺激之前，或紧接在对象对刺激的响应之前1至4秒(例如，1、1.5±0.5、2.0±0.5、2.0±1或3.0±1秒)测量的EEG脑信号相符。该方法还可以包括生成对象注意力水平的表示，包括：(a)提供源自来自对象池的脑电图(EEG)脑信号的整体对象独立性模型，所述对象独立性模型包括标记脑信号；(b)提供从对象获得的对象特定EEG脑信号；(c)基于对象独立性模型和对象特定脑信号，计算表示对象注意力集中或注意力不集中的概率的评分；和(d)将所述评分呈现给所述对象。在具体的实施方案中，步骤(c)包括将对象特定EEG脑信号与来自对象池的标记EEG脑信号比较，且基于比较确定对象注意力集中或注意力不集中的概率。

[0006] 在有关方面，本发明的特征在于一种用于生成对象注意力水平的表示的方法，该方法包括：(i)提供源自来自对象池的脑电图(EEG)脑信号的对象独立性模型，所述对象独立性模型包括与(a)注意力集中状态，(b)第一注意力不集中的状态，或(c)以对象的困倦水平为特征的第二注意力不集中状态相关联的标记脑信号；(ii)提供从对象获得的对象特定EEG脑信号；(iii)基于对象独立性模型和对象特定脑信号，计算表示对象注意力集中或注意力不集中的概率的评分；和(iv)将所述评分呈现给所述对象。在具体的实施方案中，步骤(iii)包括将对象特定EEG脑信号与来自对象池的标记EEG脑信号比较，且基于比较确定对象注意力集中或注意力不集中的概率。该方法还可以包括：(x1)将评分输入到视频游戏中；(x2)将具有至少一个输出的视频游戏呈现给对象；(x3)向所述对象呈现对应于所述评分的至少一个信号；以及(x4)如果评分超过预定阈值或落在预定范围之外，改变游戏的难度或进度。

[0007] EEG脑信号可以使用选自傅立叶变换分析、小波分析、绝对功率分析、相对功率分析、相位分析、相干性分析、振幅对称性分析和/或反向EEG分析(例如，脑中电活动的定位)的方法或本领域已知的任何其他方法来处理以产生一个或多个EEG参数。在任何上述方法的一个实施方案中，EEG脑信号可以选自一个或多个频带的相对功率。在另一个实施方案中，EEG脑信号选自一个或多个频带的绝对功率。在有关方面，本发明的特征在于一种用于生成对象中的注意力水平的表示的系统，包括：(i)用于从对象收集EEG数据的EEG头戴式装置；和(ii)配备有算法的处理器，所述算法用于根据本发明的方法计算表示对象注意力集中或注意力不集中的概率的评分。

[0008] 如本文所用，术语“响应时间值”是指响应时间或使用响应时间计算的值，当指示对象在指定的刺激呈现给对象时激活设备，同时记录对象的一个或多个EEG脑信号时测量。响应时间值可以例如是从响应时间和在测量响应时间时收集的相符的EEG脑信号计算的复合值。或者，响应时间值可以从测量响应时间，在不包括任何相符的EEG脑信号的情况下计算。

[0009] 如本文所用，术语“困倦水平”是指发现对象处于困倦注意力不集中状态的频率或程度，其特征在于例如对象的δ和θEEG脑信号中的提高的相对功率(例如，相对于α和β的EEG信号的功率)和/或缓慢响应时间，如当指示对象在指定的刺激呈现给对象时激活设备，同时记录对象的一个或多个EEG脑信号时测量。

[0010] 从以下详述、附图和权利要求，本发明的其他特征和优点将显而易见。

[0011] 附图简述图1是描绘三个聚类模型的表示的图像。在优选的实施方案中，三个聚类对应于：(i)注意力集中聚类，(ii)第一注意力不集中聚类，以及(iii)第二注意力不集中聚类。类似的模型使用如实施例2中所述的EEG、反应时间和年龄数据生成。

[0012] 图2是描绘包括服务器和本地设备的系统的流程图，用于使用本发明的方法在特定对象中(例如在游戏性能中)生成和使用实时注意力测量。

[0013] 图3A是描绘用于从来自多个对象(“训练集”)的数据池创建对象独立性模型的过程的流程图。图3B是描绘使用本发明的方法创建对象特定的注意力模型的过程的流程图。

[0014] 图4是描述用于在游戏或其他活动期间创建对象特定的注意力评分的过程的流程图。

[0015] 图5是描绘用于从来自多个对象(“训练集”)的数据池创建对象独立性模型的备选过程的流程图。困倦测量可以如实施例3中的描述计算。全局模型可以包括一个三聚类模型，包括：(i)以由困倦测量识别的对象的困倦水平为特征的注意力不集中状态，(ii)注意力集中状态，以及(iii)非困倦的注意力不集中状态(例如，白日梦注意力不集中)。基于EEG脑信号和相符的反应时间或其组合，可以标记注意力集中和非困倦的注意力不集中的EEG状态。

[0016] 详述本发明的特征在于用于监测对象的实时注意力的系统和装置。所述方法包括校准程序，以识别当对象注意力集中时的时间段。例如，精神运动警觉任务(PVT)可以与EEG数据收集试验联合用于校准程序。在每个PVT试验期间的反应时间用作试验期间的指标注意力状态(即，其中短反应时间表明对象在试验期间注意力集中，且缓慢反应时间表明对象在试验期间注意力不集中)。仅基于PVT反应时间的EEG特征的分类将导致错误和不一致性(例如，其中对象随机响应且没有集中注意力，或他们对先前刺激的反应可能如此延迟以至于落入后续刺激的快速响应范围内)。为了解决这个问题，当性能(即反应时间)和EEG特征二者同时指示高注意力水平状态时，本发明的方法和系统将对象识别为处于注意力集中状态。因此，本发明的方法包括使用反应时间和EEG信号或其组合分类EEG特征。

[0017] 已知PVT反应时间受年龄影响，特别是对于幼儿(Venker等，Sleep＆Breathing，11(4)，217-24)。在青春期后期中平稳之前，整个童年的RT表现提高(加速)。这种关系可以使用例如方程(a)线性近似：， (a)
其中RTadj是经调节的RT，且AgeNorm是没有进行调节的名义年龄，且k是调节因子(毫秒/岁)。或者，这种关系可以使用例如方程(b)渐近近似：
， (b)
其中m是调节因子(单位为岁)。在另一个备选方案中，调节可以通过包含年龄范围内的规范数据的查找表进行。

[0018] 如实施例中所述，我们在我们的EEG特征分类中识别三个分组：(i)与注意力不集中相关联的且以长反应时间(与注意力集中组相比)为特征的那些EEG特征和与困倦(困倦组)相关联的EEG活动；(ii)与注意力不集中相关联的且以长反应时间(与注意力集中组相比)为特征的那些EEG特征和与非困倦注意力不集中(白日梦注意力不集中组)相关联的EEG活动；和(iii)与注意力集中相关联的且以较短反应时间(与注意力不集中组相比)为特征的那些EEG特征和与注意力集中相关联的EEG活动。然后，我们使用最能区分这三个分组的EEG特征来产生一个用于实时识别注意力集中和注意力不集中状态的模型。

[0019] EEG数据收集本发明的特征在于利用EEG数据的方法和系统。例如，可以使用头戴式装置形式的电极系统收集EEG数据。适用于本发明的头戴式装置包括例如U.S.S.N.14/179,416中描述的那些，通过引用并入本文。国际10-20系统提供标准化电极位置，且最近开发了更高密度的系统(有时称为10-10系统)。本发明的头戴式装置可以设计成(i)直观且方便地将电传感器放置在儿童(即，没有经过重要的头戴式装置佩戴训练)前额上的10-10系统的位置AF3和AF4(以及任选地放置在乳突处的接地电极)，(ii)应对不同年龄的儿童中头部尺寸的变化，以及(iii)佩戴舒适。例如，本发明的头戴式装置的具体实施方案被定尺寸和构造为适应从第
5个百分点的8岁女孩至第95个百分点的18岁男孩的头部尺寸范围。虽然本发明的头戴式装置是为8-18岁的小孩设计的，但它也适合大多数成年人，因为18岁男孩的头部尺寸接近成年人头部尺寸。

[0020] 头戴式装置包含测量由外部计算机处理的EEG信号的电传感器。电传感器可以包括用于测量用户的EEG信号的一个或多个电极。电极可以是干电极或湿电极(即，干电极可以在电极和用户皮肤之间不具有导电材料(通常为湿材料)的情况下获得信号，且湿材料确实需要这种导电材料)。电传感器可以包括干电极，例如干织物电极。适用于本发明的方法和系统的织物电极包括在美国专利公开号20090112077中描述的那些，通过引用并入本文。电传感器可以包含衬垫以有助于用户的舒适且还有助于调节和改善皮肤接触。

[0021] 收集的EEG数据被传送到计算机进行处理，如本文所述。

[0022] EEG处理本发明的方法和系统利用多通道EEG采集从对象的脑活动的各个频带收集数据以在注意力状态之间区分。在警觉状态中观察到相对较大的β(约16-32Hz)活动，而α(约8-16Hz)活动在警惕但精神上较不繁忙状态中占优势，且θ(约4-8Hz)活动随注意力缺失而增加(Streitberg等，Neuropsychobiology Vol.17，105-117，1987)。任选地，可以在不将EEG数据分解成频带的情况下执行本发明的方法。例如，EEG数据可以从频率变换到时域数据，其中在本发明的方法中使用的EEG特征具有特定的宽度。或者，可以利用基于相空间的分析程序来识别注意力集中或注意力不集中特有的EEG特征。

[0023] 除了不同频带之外，该方法还可以包括在大脑的不同记录位点量化EEG信号。在一个实施方案中，在AF3和AF4电极之间测量电压差，其感测背侧前扣带回皮质中的电活动。已经观察到在利用功能性磁共振成像(fMRI)的研究中，当注意力缺失时，背侧前扣带回皮质变得活跃(Uddin等，Journal of Neuroscience Methods，169：249(2008))。因此，当患有ADHD的儿童使用包括AF3和AF4处的传感器的头戴式装置时，监测从该区域获得的脑信号应当是能提供信息的。颞叶涉及某些形式的ADHD，因此一些实施方案在乳突过程中的一个或两个上包括电极(Rubia等，Biological Psychiatry，62：999(2007))。

[0024] 对EEG通道进行去噪，以除去非EEG伪影(artifact)例如眨眼和运动、肌肉活动等。该去噪步骤对于避免将大量伪影引入随后导出的EEG特征是必要的。可根据已知的小波变换技术进行去噪(参见例如Zikov等，Engineering in Medicine and Biology, 2002.
24th Annual Conference and the Annual Fall Meeting of the Biomedical Engineering Society EMBS/BMES Conference, 2002. Proceedings of the Second Joint. Vol. 1. IEEE, 2002)。在优选的实施方案中，去噪的EEG通道被归一化以产生相对于所有频带上的总功率的功率测量。细节在实施例中提供。

[0025] 注意力集中和注意力不集中的全局模型使用由预处理产生的EEG成分生成全局模型。全局模型是基于来自大量个人的数据的对象独立性模型。对每个对象进行校准以允许对该模型进行微调以改善区分该对象的注意力集中和注意力不集中状态的能力。

[0026] 全局模型可以通过预处理成分与其他相关参数的结合而得到。在一个实施方案中，除了EEG特征之外，全局模型还可以包括因素例如年龄、反应时间(RT)，后两者从精神运动警觉任务(PVT，如下所述)获得(Dinges & Powell, Behavioral Research Methods, Instrumentation, and Computers, 17:652 (1985))。这些另外的参数可用于提供模型开发，更好地区分注意力集中和注意力不集中状态。任选地，预处理成分乘以年龄以加权每个EEG特征特性。在另一个实施方案中，预处理成分乘以相应的RT以加权每个EEG特征特性。在一个实施方案中，预处理的EEG成分乘以年龄和相应的RT二者。这为随后的分析给出探索年龄、RT和EEG特征特性的相互作用的自由度。在另一个实施方案中，通过年龄调节RT以解释RT中与年龄有关的变化。在另一个实施方案中，预处理成分乘以ADHD-RS评分，为随后分析给出探索ADHD严重性与其他变量的相互作用的自由度。

[0027] 这些RT加权变量可以通过使用Z变换进一步归一化，为随后的主成分分析做准备，主成分分析对变量大小的相对差异敏感。复合值可以用于描述用EEG特征在区分注意力集中和注意力不集中状态方面说明的方差。或者，可以基于EEG特征和相符的反应时间值说明方差。在一个实施方案中，该操作涉及主成分分析和随后的聚类分析。可以执行主成分分析以生成一组正交(不相关)的潜在区分变量，从而防止模型开发中的多重共线性问题。在另一个实施方案中，首先标记包含困倦的EEG指示(升高的δ和/或θ活动)的片段并将其与数据集分开，且对剩余的数据集进行后续逻辑回归。回归在一个连续区(continum)上将注意力集中实例与注意力不集中的情况分开。另外的细节在实施例中提供。

[0028] EEG数据的对象特定模型和分类尽管如上所述，不同频带内的对象的脑活动与他或她的注意力状态相关，在对象之间的脑活动特性存在显著差异。在一个个体的注意力状态之间最佳区分的频带组中的相对功率可能与另一个体的不完全相同。因此，为了得到用于评估任务中的精神参与的EEG注意力指数，开发对象依赖性EEG至状态的映射特性(在此称为对象依赖性模型)可以提供特定对象注意力的更准确表示。

[0029] 本发明的一个方面涉及算法对个体用户的个性化。在本发明的一个方面中，每个单独的用户通过经历PVT任务开始，利用同时EEG测量。如上所述执行EEG特征的预处理，且来自PVT试验的数据被映射到来自上述全局模型的主成分限定的空间。对个体对象的数据进行聚类分析，并将这些聚类的质心与全局模型的质心比较。使用逻辑回归操作，如下所述得到具有与聚类之一相关联的注意力状态的用户的概率。

[0030] 在本发明的另一个方面，在PVT的上下文之外监测个体对象的脑状态。在该实施方案中，对象的EEG特征被映射到从上述RT独立性规程得到的聚类。另外的细节在实施例中提供。

[0031] 使用该模型监测对象的注意力集中和注意力不集中本发明的方法和系统允许实时确定具有特定注意力状态的对象的概率。在聚类分析或逻辑回归之后，得自在给定时间间隔期间记录的EEG的测量EEG值被输入到对象特定模型中并用于计算注意力概率。另外的细节在实施例中提供。

[0032] 应用本发明的方法和系统可以用于监测执行需要注意力的任务的任何个体的注意力水平。
可以检测、记录和分析对象的注意力水平，以确定对象是否注意力集中。如果观察到对象注意力不集中，可能会提示对象注意。任选地，可以提醒第三方(例如，可能是教师或父母)对象的注意力状态。

[0033] 本发明的方法和系统可以通过提供进行训练的对象的注意力水平的实时测量来用于训练注意力。例如，本发明的方法和系统可以加入训练系统例如前馈训练系统中，以提高对象的注意力。

[0034] 本发明的一个方面涉及使用输出值来指导由对象控制的视频游戏。优选地，用于生成和显示视频动画的手段还包括用于在同时处理测量的电活动时保持视频动画的手段。此外，处理手段能够存储电活动测量并将测量结果与全局模型比较。

[0035] 在某些实施方案中，视频游戏的元素由对象的注意力状态控制。优选地，随着注意力水平改变，通过本发明的方法连续执行该控制，而不是在特定的注意力状态下。因此激发对象保持适当的注意力水平，以便成功地玩游戏。

[0036] 注意力训练系统本发明的方法和系统可以被集成为更大系统的一部分以用于注意力测量和训练。该系统可以包括用于监测对象的脑功能的EEG头戴式设备。头戴式设备可以向在配备有软件包的计算机上运行的训练程序提供输入。该系统还可以包括服务器，在该服务器上存储有训练程序软件，或存储全局模型。数据可以在服务器上、在计算机上和/或在头戴式设备上处理。通过头戴式装置检测并通过训练程序处理的数据通过电子接口(例如可视显示器)呈现给对象。可以将显示器布置在对象的视野中以提供源自对象的EEG数据的连续信息。电子接口可以容纳在诸如个人台式计算机、笔记本电脑、平板电脑、智能电话或游戏系统的设备中。

[0037] 提出以下实施例以向本领域的普通技术人员提供关于如何执行、进行和评估本文所要求保护的方法和系统的完整公开和描述，且旨在纯粹是本发明的示例，且并不旨在限制发明人视为其发明的范围。

[0038] 实施例1：收集用反应时间数据标注的EEG。

[0039] 向对象给予精神运动警觉任务(PVT)，测量对象对刺激的反应时间，同时记录对象的脑活动。该过程用于获得关于在任何情况下给定组的EEG特征是否与注意力集中或注意力不集中相关联的信息。也可以使用除PVT之外的注意力测量。在数据收集期间，PVT对于在对象中引起注意力集中或注意力不集中状态也很有用。这通过长时间段内在不同间隔下给予刺激来实现，在此期间，对象必须试图保持警觉地参与任务。激发注意力的情况倾向于导致更长的反应时间，且这种情况随着时间的推移会变得更加频繁。

[0040] 通过触敏视频监测器如下给予PVT：以2至10秒的随机间隔出现光刺激，且指导对象在刺激之后尽可能快地触摸屏幕。这在10分钟时间内完成。测量并记录每次试验的反应时间。针对每个对象收集约80至100个反应时间。

[0041] 与PVT反应时间组合，选择紧接在刺激之前的一秒片段的EEG特性用于分析。该时间片段表示相对静止的状态，它提供了对象在刺激时脑状态的指示，而不受对象对刺激的响应的影响。完整的响应包括可视化、记忆、预期和行动。

[0042] EEG特征从每个一秒片段提取。该特征可以包括7个频带的每一个中的功率，每个功率除以所有频带的总功率，因此代表与试验反应时间相关联的给定PVT试验的每个频带中的相对功率。在两个通道(AF3和AF4)下收集EEG数据，得到给定PVT反应时间的14个频率特征。

[0043] 实施例2：通过聚类分析的EEG分类。

[0044] EEG和PVT反应时间数据用于将EEG特征分类为在实施例1中描述的试验过程期间在对象中观察到的注意力集中和注意力不集中状态的特征。

[0045] 将EEG和PVT反应时间数据汇集。汇集的数据中的每个EEG特征乘以其试验的反应时间，且还乘以特定对象的年龄以创建用于分析的变量(方程的一般形式在方程1中示出)。

[0046] lba_θ_乳突_r=潜伏期*b_θ_乳突_r*年龄 (1)，其中lba_θ_乳突_r是复合变量，潜伏期是反应时间，b_θ_乳突_r是4-8Hz乳突通道频率范围内的相对EEG功率。

[0047] 每个变量类型在整个类似变量池中进行Z变换(方程的一般形式如方程2所示)。

[0048] lba_θ_乳突_rz=(lba_θ_乳突_r - E)/F (2)，其中lba_θ_乳突_rz是Z变换的复合变量，且E和F是在分析中导出的常量。

[0049] 接下来，变量提交用于主成分分析(PCA)。可以提交全部变量或变量的子集用于分析。例如，可以使用方程3(下面)，其中A至D是从PCA导出的常量。

[0050] prin2=A*lba_δ_前额_rz + B*lba_θ_乳突_rz - C*lba_α_前额_rz - D*lba_α_乳突_rz - D*lba_θ_前额_rz (3)，其中A、B、C和D是在分析中导出的常量。

[0051] 选择主成分用于聚类。可以使用几种方法进行选择，包括选择解释数据中最大方差的两个(将会是PCA 1和2)。相反，为了创建我们的模型，我们选择了主成分，这些成分允许形成最适合我们模型的聚类，其中存在一个具有与默认模式网络中的高频活动增加相关联的长反应时间的聚类，一个与显著更长反应时间(与δ和θ频率EEG活动增加相关联)相关联的聚类，和第三试验聚类，其具有比其他两组显著更短的反应时间且比第一组更少默认模式网络高频活动以及比第二组更少的θ和δ功率。

[0052] 与汇集的数据一起，使用SAS软件将两个主成分提交用于聚类分析。进行K均值聚类。聚类可以一次或迭代进行以优化所得的注意力模型。聚类分析的结果是其质心坐标(注意力集中和注意力不集中)被限定的至少两个聚类的模型。在该研究中，观察到的最佳拟合产生三个质心坐标(一个注意力集中质心和两个注意力不集中质心)。

[0053] 实施例3：通过逻辑回归的EEG分类EEG和PVT反应时间数据用于将EEG特征分类为在实施例1中描述的试验过程期间在对象中观察到的注意力集中和注意力不集中状态的特征。

[0054] 将EEG和PVT反应时间数据汇集。检查EEG频带(b_δ_乳突_r，b_θ_乳突_r等)的相对功率用于证明EEG减慢(即增加δ和θ频带中的功率)，与较长反应时间相符，表明困倦。创建复合测量并分配阈值。如果复合测量超过阈值，则将试验分配给注意力不集中的困倦组。

[0055] 剩余的试验进行逻辑回归以发现EEG特征与反应时间的相关性(见图5)。检查相关系数(例如，皮尔森r)，并将相关性较弱的特征从进一步分析中除去。剩余的EEG特征被加权并组合以形成复合测量。所得的测量被归一化以创建注意力指数。

[0056] 实施例4：注意力集中和注意力不集中的实时全局模型。

[0057] 来自实施例2的EEG和反应时间数据分类用于仅基于在PVT任务环境外收集的EEG数据来创建注意力集中和注意力不集中的实时全局模型。

[0058] 目标是产生一个适合用于评估EEG特征的模型，作为在对象以评估注意力的能力具有实用性的某种方式参与(例如帮助学习，或一些其他任务，或没有特别任务)时实时指示注意力水平的手段。对于这样的应用，EEG片段将不需要伴随其他注意力测量，例如PVT反应时间值。

[0059] 为了使用来自实施例2的上述聚类分析分类，开发一种仅使用EEG数据来将不包括反应时间数据的新数据点分配给聚类的方法。

[0060] 汇集的数据集中的每个特征都乘以特定对象的年龄以创建用于分析的变量(方程的一般形式在方程4中显示)。

[0061] lba_θ_乳突_r = b_θ_乳突_r *年龄 (4)每个变量类型在整个类似变量池中进行Z变换(方程的一般形式在方程5中显示)。

[0062] ba_θ_乳突_rz = (ba_θ_乳突_r - G)/H (5)接下来，提交变量用于主成分分析(PCA)。可以提交全部变量或变量的子集用于分析。

[0063] 进行逻辑回归，将不包含反应时间的主成分映射到由响应时间以及年龄和EEG测量创建的聚类。这得到这样的方程：该方程产生随后在一段时间期间收集的EEG数据表明该对象在该时间段期间处于特定注意力聚类中的概率(方程的一般形式在方程6中显示)。

[0064] 试验_clus1=J + K*prin1 + L *prin2 - M*prin3 + 1.4302*prin4 - N*prin5 (6)，其中试验_clus1是聚类1中成员的概率，prinl-5是得自PCA分析的主成分1至5。

[0065] 这是用于分类新的EEG数据以进行实时注意力水平监测的方程形式。

[0066] 根据不同的对象分组可以生成各种全局模型。例如，对于8-12岁和13-18岁的对象，为了更好地捕获例如RT对数据方差的贡献，或对于由病症汇集的对象(例如ADHD或ADD)，可以导出单独的全局模型。

[0067] 或者，来自实施例3的EEG和反应时间数据分类可以用于仅基于在PVT任务环境之外收集的EEG数据创建注意力集中和注意力不集中的实时全局模型。

[0068] 实施例5：评估对象的实时注意力。

[0069] 来自实施例4的注意力模型用于评估在EEG信号监测期间对象的实时注意力状态。从个体收集EEG特征并将其应用于在实施例4的全局模型(或如果需要，对象特定模型)中形成的逻辑回归方程，以计算加权特征从当前时间窗口到每组预定义的聚类中心的接近度或距离。对这些距离评分然后基于与注意力集中聚类中心和注意力不集中聚类中心的相对距离转换成注意力集中或注意力不集中状态的概率。然后可以在一系列离散或重叠的时间窗口上重复该过程，以便在任何给定时刻提供注意力水平的评分。该过程可以相对实时或作为后处理技术进行。其他细节如下提供。

[0070] 如上所述，基于聚类分析的注意力模型使用注意力集中特有的一个质心(即一个状态)和注意力不集中特有的两个质心(即两个状态)产生，其中一个注意力不集中状态是注意力不集中但非困倦状态，且另一个是困倦状态(这种方法可以容易地扩展到任意数量的注意力集中或注意力不集中状态)。首先，我们计算对象处于注意力不集中状态1，概率为p1，且处于注意力不集中状态2，概率为p2。然后，注意力指数I_att用方程7形式的任何函数f进行。

[0071] I_att=f(p1，p2) (7)在方程7中，f的输出被限制在0和1之间，范围为低注意力到高注意力(显而易见的是，在使用或呈现之前，I_att的值可以根据需要缩放或变换)。例如，f(p1，p2)= 1-max(1，p1 + p2)。使用概率的变换和线性加权函数作为指数的输入计算评分，例如，
f(p1,p2)=1-exp(a0 + a1*ln(p1 + p2))，其中a0和a1的值被选择为使I_att保持在限制内，同时最大化特定数据集中的指数的区分能力。

[0072] 儿童映射程序的形式允许针对儿童的正常或注意力缺陷能力进行调整。

[0073] 其他实施方案本说明书中提到的所有出版物、专利和专利申请均通过引用并入本文，其程度如同每个独立的出版物或专利申请被具体地和单独地指出通过引用并入。

[0074] 虽然已经结合其具体的实施方案描述了本发明，但应当理解的是，它能够被进一步修改，且本申请旨在涵盖本发明的任何变型、用途或修改，本发明的任何变型、用途或修改总体上遵循本发明的原则且包括在本发明所属领域内的已知或惯用实践内的本公开内容的这种偏离，且可以应用于前面提出的基本特征，且在权利要求的范围内。

[0075] 其他实施方案在权利要求内。

标题	发布/更新时间	阅读量
一种脑机接口系统-专利编号CN106843509B	2020-05-13	561
一种脑机接口方法-专利编号CN108319367A	2020-05-14	567
一种多态脑机接口系统-专利编号CN106909226A	2020-05-15	696
一种脑机接口系统-专利编号CN106843509A	2020-05-15	358
脑机接口系统及方法-专利编号CN102985002B	2020-05-11	377
一种机器人及脑机接口-专利编号CN103529938A	2020-05-11	514
脑机接口家电遥控装置-专利编号CN100353390C	2020-05-12	423
脑机接口家电遥控装置-专利编号CN1710621A	2020-05-12	578
用于脑机接口的系统-专利编号CN106062669B	2020-05-13	1088
一种脑机接口通信装置-专利编号CN108498093A	2020-05-14	285

用于监测和提高注意力的方法和系统

用于监测和提高注意力的方法和系统

IPRDB

热门服务

关于我们

友情链接

联系方式