專利名稱：用于生成注意力水平表示的設(shè)備和方法
技術(shù)領(lǐng)域：
本發(fā)明大致涉及用于生成受試者注意力水平表示的設(shè)備和方法，并涉及計(jì)算機(jī)儲(chǔ)存媒介，該計(jì)算機(jī)儲(chǔ)存媒介上儲(chǔ)存有計(jì)算機(jī)代碼裝置，該計(jì)算機(jī)代碼裝置用于命令計(jì)算機(jī)設(shè)備執(zhí)行生成受試者注意力水平表示的方法。
背景技術(shù)：
注意力缺陷多動(dòng)障礙(ADHD)是小孩中常見的行為障礙，其具有諸如注意力不集中和多動(dòng)的癥狀。目前對(duì)ADHD的管理常常導(dǎo)致使用藥理學(xué)興奮劑藥物。然而，家長(zhǎng)可能關(guān)心這些藥物的潛在的未知副作用，包括頭痛、胃疼、失眠、食欲不振、身體生長(zhǎng)遲緩，等等。最近，人們對(duì)基于心理社會(huì)方面的ADHD的治療越來越感興趣。雖然重要，但迄今為止，這種治療已經(jīng)證實(shí)不如藥物治療。然而，已經(jīng)注意到，先進(jìn)技術(shù)諸如腦-機(jī)接口(BCI)能夠被用來改善基于心理方面的ADHD治療。BCI在人腦和外部設(shè)備之間提供直接通信路徑。其依賴諸如腦電圖(EEG)的生物信號(hào)，因此是低成本和非侵入性的接口。各種研究已經(jīng)證明了神經(jīng)反饋(NFB)或EEG 生物反饋在ADHD治療中的功效。美國(guó)專利第6402520號(hào)描述了基于各自的平均毫伏活動(dòng)調(diào)整所測(cè)量的θ和β波活動(dòng)(更具體地，為了減少θ波活動(dòng)并增加β波活動(dòng))。然而，還沒有建立所測(cè)量的平均毫伏θ和β活動(dòng)與注意力之間的清楚和直接的對(duì)應(yīng)。因此，該文獻(xiàn)中的訓(xùn)練方法所涉及的用戶僅學(xué)會(huì)控制它們的被測(cè)量的平均毫伏θ和β活動(dòng)，這些活動(dòng)并不是注意力的直接測(cè)量。因此，雖然用戶可以開發(fā)用于控制被測(cè)量平均毫伏θ和β活動(dòng)的機(jī)構(gòu)，但這與獲得更高的注意力水平并不直接對(duì)應(yīng)。因此需要提供用于生成受試者注意力水平表示設(shè)備和方法，以求解決至少一個(gè)上述問題。

發(fā)明內(nèi)容
根據(jù)本發(fā)明的第一方面，提供了一種用于生成受試者注意力水平表示的設(shè)備，包括測(cè)量來自受試者的大腦信號(hào)的裝置；從大腦信號(hào)提取時(shí)間特征的裝置；使用分類器將提取的時(shí)間特征分類以給出分?jǐn)?shù)X1的裝置；從大腦信號(hào)提取譜空間特征的裝置；從提取的譜空間特征集合中選擇含有專注狀態(tài)與非專注狀態(tài)之間的區(qū)別信息的譜空間特征的裝置；使用分類器將提取的譜空間特征分類以給出分?jǐn)?shù)&的裝置；將分?jǐn)?shù)X1和分?jǐn)?shù)&結(jié)合以給出單一分?jǐn)?shù)的裝置；以及將所述單一分?jǐn)?shù)呈現(xiàn)給受試者的裝置。
呈現(xiàn)裝置可以以游戲的形式呈現(xiàn)所述分?jǐn)?shù)。呈現(xiàn)所述分?jǐn)?shù)的裝置可以基于所述分?jǐn)?shù)自適應(yīng)地調(diào)整游戲的至少一個(gè)控制參數(shù)。所述一個(gè)參數(shù)的調(diào)整可以包括使用所述分?jǐn)?shù)與所述一個(gè)控制參數(shù)之間的關(guān)系在第一段時(shí)間內(nèi)呈現(xiàn)所述游戲；確定受試者在第一段時(shí)間內(nèi)的分?jǐn)?shù)的代表值；
基于代表值調(diào)整關(guān)系；以及使用所述分?jǐn)?shù)與所述一個(gè)控制參數(shù)之間的被修改的關(guān)系在第二段時(shí)間內(nèi)呈現(xiàn)所述游戲。所述關(guān)系的調(diào)整可以是這樣的，游戲在第二段時(shí)間內(nèi)的難度水平與在第一段時(shí)間內(nèi)的代表值成比例。從大腦信號(hào)提取時(shí)間特征的步驟可以包括在多個(gè)電極通道中的每個(gè)電極通道中計(jì)算大腦波形的統(tǒng)計(jì)量；以及將統(tǒng)計(jì)量連接成聯(lián)合特征向量。大腦波形的統(tǒng)計(jì)量可以是標(biāo)準(zhǔn)偏差。從大腦信號(hào)提取譜空間特征的步驟可以包括使用濾波器組在離散頻率窗口中提取各個(gè)大腦信號(hào)分量以獲得大腦信號(hào)的譜特征；以及使用CSP陣列將CSP算法應(yīng)用于每個(gè)譜特征以獲得大腦信號(hào)的譜空間特征。從提取的譜空間特征集合選擇含有專注狀態(tài)和非專注狀態(tài)之間的區(qū)別信息的譜空間特征的步驟還可以包括基于與專注狀態(tài)和非專注狀態(tài)相關(guān)的特征的相互依賴性選擇譜空間特征。將分?jǐn)?shù)X1和&結(jié)合以給出單一分?jǐn)?shù)的步驟還可以包括根據(jù)等式(X-mx) /sx將分?jǐn)?shù)X1和&標(biāo)準(zhǔn)化以給出Xln和x2n，其中mx和Sx分別是使用訓(xùn)練抽樣從分類器得到的輸出的平均值和標(biāo)準(zhǔn)偏差；將權(quán)重W1和W2分別分配給標(biāo)準(zhǔn)化的分?jǐn)?shù)Xln和；以及根據(jù)等式xln*wi+&n*w2將分?jǐn)?shù)Xln和結(jié)合以給出單一的分?jǐn)?shù)。權(quán)重W1和W2可以根據(jù)等式Wi = (yi)P計(jì)算，其中，如果i = Lyi則是將提取的時(shí)間特征分類的分類精確度，如果i = 2，yi則是將提取的譜空間特征分類的分類精確度，并且P(P > 0)在單一分?jǐn)?shù)的計(jì)算中控制Wi的功率。分類器可以包括線性判別分析分類器、神經(jīng)網(wǎng)絡(luò)、支持矢量機(jī)器、模糊接口系統(tǒng)、 樹基分類器，模糊類型2和相關(guān)性矢量機(jī)器中的一個(gè)或多個(gè)。該設(shè)備可以使用訓(xùn)練數(shù)據(jù)以生成參數(shù)，該參數(shù)用于通過使用分類器將提取的時(shí)間特征分類、用于從大腦信號(hào)提取譜空間特征、用于從提取的譜空間特征集合選擇包含專注狀態(tài)和非專注狀態(tài)之間的區(qū)別信息的譜空間特征、以及用于通過使用分類器將所選擇的譜空間特征分類。該參數(shù)可以包括用于CSP算法的CSP的投影矩陣、用于基于交互信息選擇譜空間特征的參數(shù)、和用于分類器的模型中的一個(gè)或者多個(gè)。使用訓(xùn)練數(shù)據(jù)生成參數(shù)的步驟還可以包括從執(zhí)行一組任務(wù)的受試者收集訓(xùn)練數(shù)據(jù)；以及
通過機(jī)器學(xué)習(xí)方法確定所述參數(shù)。根據(jù)本發(fā)明的第二方面，提供了一種用于生成受試者注意力水平表示的方法，包括測(cè)量來自受試者的大腦信號(hào)；從大腦信號(hào)提取時(shí)間特征；使用分類器將提取的時(shí)間特征分類以給出分?jǐn)?shù)X1 ；從大腦信號(hào)提取譜空間特征；從提取的譜空間特征集合中選擇含有專注狀態(tài)與非專注狀態(tài)之間的區(qū)別信息的譜空間特征；使用分類器將提取的譜空間特征分類以給出分?jǐn)?shù)& ；將分?jǐn)?shù)X1和分?jǐn)?shù)&結(jié)合以給出單一分?jǐn)?shù)；以及
將所述單一分?jǐn)?shù)呈現(xiàn)給受試者。將所述單一分?jǐn)?shù)呈現(xiàn)給受試者的步驟可以包括以游戲的形式呈現(xiàn)所述分?jǐn)?shù)。將所述單一分?jǐn)?shù)呈現(xiàn)給受試者的步驟可以包括基于所述分?jǐn)?shù)自適應(yīng)地調(diào)整游戲的至少一個(gè)控制參數(shù)。調(diào)整所述一個(gè)參數(shù)的步驟可以包括使用所述分?jǐn)?shù)與所述一個(gè)控制參數(shù)之間的關(guān)系在第一段時(shí)間內(nèi)呈現(xiàn)所述游戲；確定受試者在第一段時(shí)間內(nèi)的分?jǐn)?shù)的代表值；基于代表值調(diào)整關(guān)系；以及使用所述分?jǐn)?shù)與所述一個(gè)控制參數(shù)之間的被修改的關(guān)系在第二段時(shí)間內(nèi)呈現(xiàn)所述游戲。調(diào)整所述關(guān)系的步驟可以是這樣的，游戲在第二段時(shí)間內(nèi)的難度水平與在第一段時(shí)間內(nèi)的代表值成比例。從大腦信號(hào)提取時(shí)間特征的步驟可以包括在多個(gè)電極通道中的每個(gè)中計(jì)算大腦波形的統(tǒng)計(jì)量；以及將統(tǒng)計(jì)量連接成聯(lián)合特征向量。大腦波形的統(tǒng)計(jì)量可以是標(biāo)準(zhǔn)偏差。從大腦信號(hào)提取譜空間特征的步驟可以包括使用濾波器組在離散頻率窗口中提取各個(gè)大腦信號(hào)分量以獲得大腦信號(hào)的譜特征；以及使用CSP陣列將CSP算法應(yīng)用于每個(gè)譜特征以獲得大腦信號(hào)的譜空間特征。從提取的譜空間特征集合選擇含有專注狀態(tài)和非專注狀態(tài)之間的區(qū)別信息的譜空間特征的步驟還可以包括基于與專注狀態(tài)和非專注狀態(tài)相關(guān)的特征的相互依賴性選擇譜空間特征。將分?jǐn)?shù)X1和&結(jié)合以給出單一分?jǐn)?shù)的步驟還可以包括根據(jù)等式(X-mx) /sx將分?jǐn)?shù)X1和&標(biāo)準(zhǔn)化以給出Xln和x2n，其中mx和Sx分別是使用訓(xùn)練抽樣從分類器得到的輸出的平均值和標(biāo)準(zhǔn)偏差；將權(quán)重W1和W2分別分配給標(biāo)準(zhǔn)化的分?jǐn)?shù)Xln和；以及根據(jù)等式Xln*wi+X2n*w2將分?jǐn)?shù)Xln和結(jié)合以給出單一的分?jǐn)?shù)。
權(quán)重W1和W2可以根據(jù)等式Wi = (yi)P計(jì)算，其中，如果i = Lyi則是將提取的時(shí)間特征分類的分類精確度，如果i = 2，yi則是將提取的譜空間特征分類的分類精確度，并且P(P > 0)在單一分?jǐn)?shù)的計(jì)算中控制Wi的功率。分類器可以包括線性判別分析分類器、神經(jīng)網(wǎng)絡(luò)、支持矢量機(jī)器、模糊接口系統(tǒng)、 樹基分類器，模糊類型2和相關(guān)性矢量機(jī)器中的一個(gè)或多個(gè)。該設(shè)備可以使用訓(xùn)練數(shù)據(jù)以生成參數(shù)，該參數(shù)用于通過使用分類器將提取的時(shí)間特征分類、用于從大腦信號(hào)提取譜空間特征、用于從提取的譜空間特征集合選擇包含專注狀態(tài)和非專注狀態(tài)之間的區(qū)別信息的譜空間特征、以及用于通過使用分類器將所選擇的譜空間特征分類。該參數(shù)可以包括用于CSP算法的CSP的投影矩陣、用于基于交互信息選擇譜空間特征的參數(shù)、和用于分類器的模型中的一個(gè)或者多個(gè)。使用訓(xùn)練數(shù)據(jù)生成參數(shù)的步驟還包括從執(zhí)行一組任務(wù)的受試者收集訓(xùn)練數(shù)據(jù)；以及通過機(jī)器學(xué)習(xí)方法確定所述參數(shù)。根據(jù)本發(fā)明的第三方面，提供了一種計(jì)算機(jī)存儲(chǔ)媒介，其上存儲(chǔ)有計(jì)算機(jī)代碼工具，該計(jì)算機(jī)代碼工具用于命令計(jì)算機(jī)設(shè)備執(zhí)行生成受試者注意力水平表示的方法，該方法包括如下步驟測(cè)量來自受試者的大腦信號(hào)；從大腦信號(hào)提取時(shí)間特征；使用分類器將提取的時(shí)間特征分類以給出分?jǐn)?shù)X1 ；從大腦信號(hào)提取譜空間特征；從提取的譜空間特征集合中選擇含有專注狀態(tài)與非專注狀態(tài)之間的區(qū)別信息的譜空間特征；使用分類器將提取的譜空間特征分類以給出分?jǐn)?shù)、；將分?jǐn)?shù)X1和分?jǐn)?shù)&結(jié)合以給出單一分?jǐn)?shù)；以及將所述單一分?jǐn)?shù)呈現(xiàn)給受試者。


對(duì)本領(lǐng)域技術(shù)人員來說，通過閱讀下面的描述，僅通過實(shí)施例并結(jié)合附圖，本發(fā)明的實(shí)施方式將被更好地理解并更容易顯而易見，其中圖1示出說明根據(jù)一個(gè)示例實(shí)施方式的用于生成受試者注意力水平表示的設(shè)備的概觀的原理圖；圖2是根據(jù)示例實(shí)施方式的圖1的設(shè)備對(duì)一個(gè)客戶端實(shí)施的詳細(xì)原理圖；圖3示出說明根據(jù)本發(fā)明的實(shí)施方式的專注度檢測(cè)方法的流程圖；圖4示出根據(jù)本發(fā)明的實(shí)施方式的用于依賴受試者的模型訓(xùn)練方法的數(shù)據(jù)收集協(xié)議；圖5示出說明根據(jù)本發(fā)明的實(shí)施方式的用于專注度檢測(cè)的方法與依賴受試者的訓(xùn)練方法之間的連接的原理框圖；圖6示出用于實(shí)施示例實(shí)施方式的方法和系統(tǒng)的實(shí)驗(yàn)設(shè)備的圖像；
圖7示出說明根據(jù)示例實(shí)施方式的用于生成受試者注意力水平表示的方法的流程圖；圖8示出說明用于實(shí)施示例實(shí)施方式的方法和系統(tǒng)的計(jì)算機(jī)系統(tǒng)的原理圖。
具體實(shí)施例方式本發(fā)明的示例實(shí)施方式提供基于BCI的系統(tǒng)，以求改善ADHD治療，例如，改善用戶的注意力。示例實(shí)施方式的BCI技術(shù)已經(jīng)以計(jì)算機(jī)游戲的方式實(shí)施。玩家可以使用它們的注意力級(jí)別/水平和BCI設(shè)備來控制各種游戲參數(shù)，例如，魚躍、速度賽車、解密部分等等。圖1示出說明根據(jù)示例實(shí)施方式的用于生成受試者注意力水平表示設(shè)備100的概觀的原理圖。設(shè)備100包括多個(gè)客戶端102a、102b... 102η，這些客戶端通過網(wǎng)絡(luò)連接 104(例如內(nèi)聯(lián)網(wǎng)或互聯(lián)網(wǎng))連接至服務(wù)器106。服務(wù)器106還連接至玩家管理器112，玩家管理器112優(yōu)選地管理各客戶端102的互聯(lián)和數(shù)據(jù)流。在示例實(shí)施方式中，客戶端102啟動(dòng)會(huì)話，例如，通過請(qǐng)求服務(wù)器106提供游戲。隨后客戶端102從服務(wù)器106下載游戲。由服務(wù)器106提供給客戶端102的游戲程序110包括，用于EEG處理、分析和分類的算法114，注意力模型116以及嵌入其中的游戲118?？梢蚤_發(fā)各種類型的游戲以用于示例實(shí)施方式。在進(jìn)行游戲時(shí)，客戶端102能夠保存信息(即數(shù)據(jù)108)并將其發(fā)回服務(wù)器106以更新儲(chǔ)存在玩家管理器112上的相應(yīng)玩家檔案。此外， 示例實(shí)施方式的系統(tǒng)100有利地能夠多用戶操作。此外，當(dāng)進(jìn)行游戲時(shí)，用戶(即玩家)能夠示出他/她的注意力水平，例如，作為視覺反饋。這能夠有利地幫助用戶執(zhí)行得更好。以下描述的一部分明確地或者暗含地涉及算法和對(duì)計(jì)算機(jī)存儲(chǔ)器內(nèi)數(shù)據(jù)的操作的功能或者符號(hào)表示。這些算法的描述和功能或者符號(hào)表示是數(shù)據(jù)處理領(lǐng)域內(nèi)技術(shù)人員用于更有效地向本領(lǐng)域內(nèi)其它技術(shù)人員表達(dá)他們工作實(shí)質(zhì)的方法。此處通常將算法設(shè)想為生成期望結(jié)果的一系列有條理的步驟。這些步驟是命令對(duì)諸如能夠存儲(chǔ)、傳送、組合、對(duì)比以及通過其它方式操控的電、磁或者光信號(hào)等物理量進(jìn)行物理操控的步驟。除非特別說明，否則如以下可顯而易見地，應(yīng)該理解本說明書通篇使用的諸如“掃描”、“計(jì)算”、“確定”、“置換”、“生成”、“初始”、“輸出”、“并置”、“提取”、“分類” “調(diào)節(jié)”等術(shù)語的討論，涉及計(jì)算機(jī)系統(tǒng)或者類似電子設(shè)備的動(dòng)作和處理，上述的電子設(shè)備將表示為計(jì)算機(jī)系統(tǒng)內(nèi)物理量的數(shù)據(jù)操控和轉(zhuǎn)換成同樣表示為計(jì)算機(jī)系統(tǒng)或者其它信息存儲(chǔ)、傳輸或者顯示設(shè)備內(nèi)物理量的其它數(shù)據(jù)。本說明書還公開了用于執(zhí)行方法操作的設(shè)備。這種設(shè)備為所需的目的而特別構(gòu)成，或者可以包括通用計(jì)算機(jī)或者其它由存儲(chǔ)在計(jì)算機(jī)中的計(jì)算機(jī)程序選擇性啟動(dòng)或者重新配置的其它設(shè)備。此處介紹的算法和顯示不是固有地與任何具體計(jì)算機(jī)或者其它設(shè)備相關(guān)。各種通用機(jī)器可以根據(jù)此處講授的程序一起使用。作為一種選擇，用于執(zhí)行所要求的方法步驟的更特殊的設(shè)備構(gòu)造是可以適用的。常規(guī)的通用計(jì)算機(jī)的結(jié)構(gòu)將在以下描述中介紹。此外，由于可以由計(jì)算機(jī)代碼實(shí)施本文描述方法的各步驟對(duì)本領(lǐng)域的普通技術(shù)人員是顯而易見的，因此本說明書還暗含地公開計(jì)算機(jī)程序。該計(jì)算機(jī)程序不趨向于限制于任何具體的編程語言及其執(zhí)行。應(yīng)該理解，可以使用多種編程語言及其代碼以執(zhí)行本文包含的公開的講授。此外，該計(jì)算機(jī)程序不趨向于限制于任何具體的控制流。在不脫離本發(fā)明精神或者范圍的情況下，有許多其它種類的、可以使用不同控制流的計(jì)算機(jī)程序。而且，可以并行地而不是順序地執(zhí)行計(jì)算機(jī)程序的一個(gè)或者多個(gè)步驟。這種計(jì)算機(jī)程序可以存儲(chǔ)在任何計(jì)算機(jī)可讀媒介上。計(jì)算機(jī)可讀媒介可以包括諸如磁盤或者光盤、 存儲(chǔ)器芯片或者適于與通用計(jì)算機(jī)接口的其它存儲(chǔ)設(shè)備等存儲(chǔ)設(shè)備。計(jì)算機(jī)可讀媒介還可以包括諸如在因特網(wǎng)系統(tǒng)中的硬接線媒介，或者諸如在GSM移動(dòng)電話系統(tǒng)中的無線媒介。 當(dāng)在這種通用計(jì)算機(jī)上加載和執(zhí)行計(jì)算機(jī)程序時(shí)，計(jì)算機(jī)程序有效地產(chǎn)生實(shí)施優(yōu)選方法的步驟的設(shè)備。圖2是根據(jù)示例實(shí)施方式的圖1的設(shè)備對(duì)一個(gè)客戶端的實(shí)施的詳細(xì)原理圖。該系統(tǒng)包括生理學(xué)數(shù)據(jù)采集模塊204，注意力檢測(cè)模塊206，自適應(yīng)控制模塊210，接口控制模塊 212，以及具有刺激生成器(用于向受試者(即玩家)202提供反饋)的呈現(xiàn)模塊214。在示例實(shí)施方式中，生理數(shù)據(jù)采集模塊204獲得來自玩家202的生物信號(hào)并將結(jié)果提供給注意力檢測(cè)模塊206。注意力檢測(cè)結(jié)果進(jìn)而被提供給自適應(yīng)控制模塊210。接口控制模塊210在自適應(yīng)控制模塊210與呈現(xiàn)模塊214之間提供鏈接。物理數(shù)據(jù)采集在示例實(shí)施方式中，生理數(shù)據(jù)采集模塊204用于記錄來自受試者202的生理生物信號(hào)。該生物信號(hào)包括腦電圖(EEG)、眼電圖(EoG)、肌電圖(EMG)。不同的傳感器畫面剪輯能夠用于示例實(shí)施方式中的數(shù)據(jù)采集。例如，對(duì)于依賴刺激的應(yīng)用(例如基于P300的游戲)，從頭皮的中央頂骨區(qū)域收集EEG信號(hào)。對(duì)于隨意注意力控制，從前額(pre-frontal) 區(qū)域收集EEG信號(hào)。在示例實(shí)施方式中，EEG信號(hào)首先穿過濾波器組并被分解成子頻帶，其中頻帶的數(shù)量N可以根據(jù)任務(wù)變化。設(shè)X(t)為多通道EEG/EMG/E0G信號(hào)，其被濾波以生成N個(gè)子頻帶信號(hào)Xi (t) = T(Xa)5Ai5Bi), i = 1, ... ,N (1)其中Ai, Bi是帶通濾波器的系數(shù)。示例實(shí)施方式中的濾波器可以是無限脈沖響應(yīng)(IIR)或有限脈沖響應(yīng)(FIR)濾波器。此外，通過排除示例實(shí)施方式中的更低頻率的濾波器(0-4Hz)，有利地去除的人為因素并改善了后續(xù)階段中的檢測(cè)精度。濾波信號(hào)隨后被發(fā)送至對(duì)應(yīng)于各頻帶的空間濾波器。示例實(shí)施方式中的空間濾波器基于公共空間模式(CSP)。CSP濾波器通過所涉及的兩個(gè)等級(jí)的方差的連接最大化/最小化來訓(xùn)練。對(duì)于第i個(gè)頻帶，空間濾波信號(hào)Yiα)如下面所給出Yi(t) = WXi(t) (2)其中W是CSP的投影矩陣。W的行是穩(wěn)態(tài)空間濾波器，T1的列是公共空間模式。等式(2)中所給出的空間濾波信號(hào)使EEG測(cè)量的兩個(gè)等級(jí)的方差中的差異最大化。然而，僅將少量的m個(gè)空間濾波信號(hào)的方差在示例實(shí)施方式中用作分類特征。Yi (t)的前m行與后m行形成特征向量O/
Im
Oti 二lOg(Var(”(0)/Svar_))( 3 )
/=權(quán)利要求
1.一種用于生成受試者注意力水平表示的設(shè)備，包括測(cè)量來自所述受試者的大腦信號(hào)的裝置；從所述大腦信號(hào)提取時(shí)間特征的裝置；使用分類器將提取的時(shí)間特征分類以給出分?jǐn)?shù)X1的裝置；從所述大腦信號(hào)提取譜空間特征的裝置；從提取的譜空間特征集合中選擇含有專注狀態(tài)與非專注狀態(tài)之間的區(qū)別信息的譜空間特征的裝置；使用分類器將提取的譜空間特征分類以給出分?jǐn)?shù)&的裝置；將分?jǐn)?shù)X1和分?jǐn)?shù)&結(jié)合以給出單一分?jǐn)?shù)的裝置；以及將所述單一分?jǐn)?shù)呈現(xiàn)給所述受試者的裝置。
2.如權(quán)利要求1所述的設(shè)備，其中呈現(xiàn)裝置以游戲的形式呈現(xiàn)所述單一分?jǐn)?shù)。
3.如權(quán)利要求2所述的設(shè)備，其中呈現(xiàn)所述單一分?jǐn)?shù)的裝置基于所述單一分?jǐn)?shù)自適應(yīng)地調(diào)整所述游戲的至少一個(gè)控制參數(shù)。
4.如權(quán)利要求3所述的設(shè)備，其中所述一個(gè)參數(shù)的調(diào)整包括使用所述單一分?jǐn)?shù)與所述一個(gè)控制參數(shù)之間的關(guān)系在第一段時(shí)間內(nèi)呈現(xiàn)所述游戲；確定所述受試者在所述第一段時(shí)間內(nèi)的單一分?jǐn)?shù)的代表值；基于所述代表值調(diào)整所述關(guān)系；以及使用所述單一分?jǐn)?shù)與所述一個(gè)控制參數(shù)之間的被修改的關(guān)系在第二段時(shí)間內(nèi)呈現(xiàn)所述游戲。
5.如權(quán)利要求4所述的設(shè)備，其中所述關(guān)系的調(diào)整是這樣的，所述游戲在所述第二段時(shí)間內(nèi)的難度水平與在所述第一段時(shí)間內(nèi)的代表值成比例。
6.如前述權(quán)利要求中任一項(xiàng)所述的設(shè)備，其中從所述大腦信號(hào)提取所述時(shí)間特征的步驟包括在多個(gè)電極通道中的每個(gè)電極通道中計(jì)算大腦波形的統(tǒng)計(jì)量；以及將所述統(tǒng)計(jì)量連接成聯(lián)合特征向量。
7.如權(quán)利要求6所述的設(shè)備，其中所述大腦波形的統(tǒng)計(jì)量是標(biāo)準(zhǔn)偏差。
8.如前述權(quán)利要求中任一項(xiàng)所述的設(shè)備，其中從所述大腦信號(hào)提取譜空間特征的步驟包括使用濾波器組在離散頻率窗口中提取各個(gè)大腦信號(hào)分量以獲得大腦信號(hào)的譜特征；以及使用CSP陣列將CSP算法應(yīng)用于每個(gè)所述譜特征以獲得大腦信號(hào)的譜空間特征。
9.如前述權(quán)利要求中任一項(xiàng)所述的設(shè)備，其中從提取的譜空間特征集合選擇含有專注狀態(tài)和非專注狀態(tài)之間的區(qū)別信息的譜空間特征的步驟還包括基于與所述專注狀態(tài)和非專注狀態(tài)相關(guān)的特征的相互依賴性選擇譜空間特征。
10.如前述權(quán)利要求中任一項(xiàng)所述的設(shè)備，其中將所述分?jǐn)?shù)X1和&結(jié)合以給出單一分?jǐn)?shù)的步驟還包括根據(jù)公式(X-mx) /sx將所述分?jǐn)?shù)X1和&標(biāo)準(zhǔn)化以給出Xln和x2n，其中mx和Sx分別是使用訓(xùn)練抽樣從所述分類器得到的輸出的平均值和標(biāo)準(zhǔn)偏差；將權(quán)重W1和W2分別分配給標(biāo)準(zhǔn)化的分?jǐn)?shù)Xln和；以及根據(jù)公式xln*Wl+&n*w2將分?jǐn)?shù)Xln和結(jié)合以給出單一分?jǐn)?shù)。
11.如權(quán)利要求10所述的設(shè)備，其中所述權(quán)重W1和W2根據(jù)公式Wi=(yi)p計(jì)算，其中， 如果i = 1，Yi則是將所述提取的時(shí)間特征分類的分類精確度，如果i = 2，yi則是將所述提取的譜空間特征分類的分類精確度，并且P (P > 0)在所述單一分?jǐn)?shù)的計(jì)算中控制Wi的功率。
12.如前述權(quán)利要求中任一項(xiàng)所述的設(shè)備，其中所述分類器包括線性判別分析分類器、 神經(jīng)網(wǎng)絡(luò)、支持矢量機(jī)器、模糊接口系統(tǒng)、樹基分類器，模糊類型2和相關(guān)性矢量機(jī)器中的一個(gè)或多個(gè)。
13.如前述權(quán)利要求中任一項(xiàng)所述的設(shè)備，其中所述設(shè)備使用訓(xùn)練數(shù)據(jù)以生成參數(shù)， 所述參數(shù)用于通過使用分類器將所述提取的時(shí)間特征分類、用于從大腦信號(hào)提取譜空間特征、用于從提取的譜空間特征集合選擇包含所述專注狀態(tài)和非專注狀態(tài)之間的區(qū)別信息的譜空間特征、以及用于通過使用分類器將所選擇的譜空間特征分類。
14.如權(quán)利要求13所述的設(shè)備，其中所述參數(shù)包括用于CSP算法的CSP的投影矩陣、用于基于交互信息選擇譜空間特征的參數(shù)、和用于所述分類器的模型中的一個(gè)或者多個(gè)。
15.如權(quán)利要求13或14所述的設(shè)備，其中使用訓(xùn)練數(shù)據(jù)生成參數(shù)的步驟還包括 從執(zhí)行一組任務(wù)的受試者中收集訓(xùn)練數(shù)據(jù)；以及通過機(jī)器學(xué)習(xí)方法確定所述參數(shù)。
16.一種用于生成受試者注意力水平表示的方法，包括 測(cè)量來自所述受試者的大腦信號(hào)；從所述大腦信號(hào)提取時(shí)間特征；使用分類器將提取的時(shí)間特征分類以給出分?jǐn)?shù)X1 ；從所述大腦信號(hào)提取譜空間特征；從提取的譜空間特征集合中選擇含有專注狀態(tài)與非專注狀態(tài)之間的區(qū)別信息的譜空間特征；使用分類器將提取的譜空間特征分類以給出分?jǐn)?shù)&； 將分?jǐn)?shù)X1和分?jǐn)?shù)&結(jié)合以給出單一分?jǐn)?shù)；以及將所述單一分?jǐn)?shù)呈現(xiàn)給所述受試者。
17.如權(quán)利要求16所述的方法，其中將所述單一分?jǐn)?shù)呈現(xiàn)給所述受試者的步驟包括以游戲的形式呈現(xiàn)所述分?jǐn)?shù)。
18.如權(quán)利要求17所述的方法，其中將所述單一分?jǐn)?shù)呈現(xiàn)給所述受試者的步驟包括基于所述分?jǐn)?shù)自適應(yīng)地調(diào)整所述游戲的至少一個(gè)控制參數(shù)。
19.如權(quán)利要求18所述的方法，其中調(diào)整所述一個(gè)參數(shù)的步驟包括使用所述單一分?jǐn)?shù)與所述一個(gè)控制參數(shù)之間的關(guān)系在第一段時(shí)間內(nèi)呈現(xiàn)所述游戲； 確定所述受試者在第一段時(shí)間內(nèi)的單一分?jǐn)?shù)的代表值； 基于所述代表值調(diào)整所述關(guān)系；以及使用所述單一分?jǐn)?shù)與所述一個(gè)控制參數(shù)之間的被修改的關(guān)系在第二段時(shí)間內(nèi)呈現(xiàn)所述游戲。
20.如權(quán)利要求19所述的方法，其中調(diào)整所述關(guān)系是這樣的，所述游戲在所述第二段時(shí)間內(nèi)的難度水平與在所述第一段時(shí)間內(nèi)的代表值成比例。
21.如權(quán)利要求16至20中任一項(xiàng)所述的方法，其中從所述大腦信號(hào)提取所述時(shí)間特征的步驟包括在多個(gè)電極通道中的每個(gè)電極通道中計(jì)算大腦波形的統(tǒng)計(jì)量；以及將所述統(tǒng)計(jì)量連接成聯(lián)合特征向量。
22.如權(quán)利要求21所述的方法，其中所述大腦波形的統(tǒng)計(jì)量是標(biāo)準(zhǔn)偏差。
23.如權(quán)利要求16至22中任一項(xiàng)所述的方法，其中從所述大腦信號(hào)提取譜空間特征的步驟包括使用濾波器組在離散頻率窗口中提取各個(gè)大腦信號(hào)分量以獲得大腦信號(hào)的譜特征；以及使用CSP陣列將CSP算法應(yīng)用于每個(gè)所述譜特征以獲得大腦信號(hào)的譜空間特征。
24.如權(quán)利要求16至23中任一項(xiàng)所述的方法，其中從提取的譜空間特征集合選擇含有專注狀態(tài)和非專注狀態(tài)之間的區(qū)別信息的譜空間特征的步驟還包括基于與所述專注狀態(tài)和非專注狀態(tài)相關(guān)的特征的相互依賴性選擇譜空間特征。
25.如權(quán)利要求16至M中任一項(xiàng)所述的方法，其中將所述分?jǐn)?shù)X1和&結(jié)合以給出單一分?jǐn)?shù)的步驟還包括根據(jù)公式(X-mx) /sx將所述分?jǐn)?shù)X1和&標(biāo)準(zhǔn)化以給出Xln和x2n，其中mx和Sx分別是使用訓(xùn)練抽樣從所述分類器得到的輸出的平均值和標(biāo)準(zhǔn)偏差；將權(quán)重W1和W2分別分配給標(biāo)準(zhǔn)化的分?jǐn)?shù)Xln和；以及根據(jù)公式xln*wi+&n*w2將分?jǐn)?shù)xln和結(jié)合以給出單一的分?jǐn)?shù)。
26.如權(quán)利要求25所述的方法，其中所述權(quán)重W1和W2根據(jù)公式Wi=(yi)p計(jì)算，其中，如果i = 1，Yi則是將所述提取的時(shí)間特征分類的分類精確度，如果i = 2，yi則是將所述提取的譜空間特征分類的分類精確度，并且P (P > 0)在所述單一分?jǐn)?shù)的計(jì)算中控制Wi的功率。
27.如權(quán)利要求16至沈中任一項(xiàng)所述的方法，其中所述分類器包括線性判別分析分類器、神經(jīng)網(wǎng)絡(luò)、支持矢量機(jī)器、模糊接口系統(tǒng)、樹基分類器，模糊類型2和相關(guān)性矢量機(jī)器中的一個(gè)或多個(gè)。
28.如權(quán)利要求16至27中任一項(xiàng)所述的方法，其中所述設(shè)備使用訓(xùn)練數(shù)據(jù)以生成參數(shù)，所述參數(shù)用于通過使用分類器將所述提取的時(shí)間特征分類、用于從大腦信號(hào)提取譜空間特征、用于從提取的譜空間特征集合選擇包含所述專注狀態(tài)和非專注狀態(tài)之間的區(qū)別信息的譜空間特征、以及用于通過使用分類器將所選擇的譜空間特征分類。
29.如權(quán)利要求觀所述的方法，其中所述參數(shù)包括用于CSP算法的CSP的投影矩陣、用于基于交互信息選擇譜空間特征的參數(shù)、和用于所述分類器的模型中的一個(gè)或者多個(gè)。
30.如權(quán)利要求觀或四所述的方法，其中使用訓(xùn)練數(shù)據(jù)生成參數(shù)的步驟還包括從執(zhí)行一組任務(wù)的受試者收集訓(xùn)練數(shù)據(jù)；以及通過機(jī)器學(xué)習(xí)方法確定所述參數(shù)。
31.一種計(jì)算機(jī)存儲(chǔ)媒介，其上存儲(chǔ)有計(jì)算機(jī)代碼工具，所述計(jì)算機(jī)代碼工具用于命令計(jì)算機(jī)設(shè)備執(zhí)行生成受試者注意力水平表示的方法，所述方法包括如下步驟測(cè)量來自所述受試者的大腦信號(hào)；從所述大腦信號(hào)提取時(shí)間特征；使用分類器將提取的時(shí)間特征分類以給出分?jǐn)?shù)X1 ；從所述大腦信號(hào)提取譜空間特征；從提取的譜空間特征集合中選擇含有專注狀態(tài)與非專注狀態(tài)之間的區(qū)別信息的譜空間特征；使用分類器將提取的譜空間特征分類以給出分?jǐn)?shù)&；將分?jǐn)?shù)X1和分?jǐn)?shù)&結(jié)合以給出單一分?jǐn)?shù)；以及將所述單一分?jǐn)?shù)呈現(xiàn)給所述受試者。
全文摘要
一種用于生成受試者注意力水平表示的設(shè)備和方法。該設(shè)備包括測(cè)量來自受試者的大腦信號(hào)的裝置；從大腦信號(hào)提取時(shí)間特征的裝置；使用分類器將提取的時(shí)間特征分類以給出分?jǐn)?shù)x1的裝置；從大腦信號(hào)提取譜空間特征的裝置；從提取的譜空間特征集合中選擇含有專注狀態(tài)與非專注狀態(tài)之間的區(qū)別信息的譜空間特征的裝置；使用分類器將提取的譜空間特征分類以給出分?jǐn)?shù)x2的裝置；將分?jǐn)?shù)x1和分?jǐn)?shù)x2結(jié)合以給出單一分?jǐn)?shù)的裝置；以及將所述分?jǐn)?shù)呈現(xiàn)給受試者的裝置。
文檔編號(hào)A61B5/0482GK102573619SQ200980157260
公開日2012年7月11日 申請(qǐng)日期2009年9月14日 優(yōu)先權(quán)日2008年12月19日
發(fā)明者蘭嘉·克里什楠, 關(guān)存太, 馮舜圣, 布萊姆·哈馬蒂查萊弗, 張海宏, 李迪士, 林春源, 洪介卿, 王傳初, 鄭敬平, 陳政揚(yáng) 申請(qǐng)人:心理衛(wèi)生學(xué)院, 新加坡國(guó)立大學(xué), 新加坡科技研究局