[go: up one dir, main page]

CN111008610B - 一种信息相关脑电位诱发实验方法 - Google Patents

一种信息相关脑电位诱发实验方法 Download PDF

Info

Publication number
CN111008610B
CN111008610B CN201911324186.5A CN201911324186A CN111008610B CN 111008610 B CN111008610 B CN 111008610B CN 201911324186 A CN201911324186 A CN 201911324186A CN 111008610 B CN111008610 B CN 111008610B
Authority
CN
China
Prior art keywords
stimulus
information
evoked
eeg
potential
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
CN201911324186.5A
Other languages
English (en)
Other versions
CN111008610A (zh
Inventor
李海峰
李洪伟
马琳
薄洪健
丰上
徐聪
陈婧
房春英
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.)
Harbin Institute of Technology Shenzhen
Original Assignee
Harbin Institute of Technology Shenzhen
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 Harbin Institute of Technology Shenzhen filed Critical Harbin Institute of Technology Shenzhen
Priority to CN201911324186.5A priority Critical patent/CN111008610B/zh
Publication of CN111008610A publication Critical patent/CN111008610A/zh
Application granted granted Critical
Publication of CN111008610B publication Critical patent/CN111008610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12Classification; Matching
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02Preprocessing
    • G06F2218/04Denoising

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种信息相关脑电位诱发实验方法,包括:步骤1,使用含有信息的刺激作为偏差,使用听觉材料和视觉材料分别进行了听觉Informational‑Oddball实验和视觉Informational‑Oddball实验。步骤2,将EEG信号分离成相互独立的信号,去除眼电、肌电等伪迹信号后,将留下的信号还原得到干净的EEG成分。步骤3,对EEG数据进行处理后,得到两种类型的诱发电位,使用配对T检验来检验两种诱发电位的差异,若差异显著,则说明,在有信息加工阶段,相关脑区确实发生了电位变化,从而证明IRP的存在。步骤4,用目标刺激的诱发电位减去偏差刺激的诱发电位,提取出IRP。本发明的有点在于:提出了信息相关脑电位和诱发实验范式,验证了实验的准确性,扩展了传统ERP。

Description

一种信息相关脑电位诱发实验方法
技术领域
本发明涉及脑科学与类脑智能技术领域,特别涉及一种信息相关脑电位诱发实验方法。
背景技术
我们的脑是由千亿计的神经细胞相互联结而形成的神经网络,这些细胞通过突触互相连接,建立起彼此之间以百万亿计的人脑神经连接。当大脑活动时,信息在这些神经网络连接之间传递、协同交互,共同实现大脑的复杂功能。
脑神经细胞在活动时会伴随电位变化,这些电位变化在头皮表面被检测到,称之为脑电信号(Electroencephalogram,EEG)。学者们通过EEG开始了对人类大脑的探索。脑神经基础生理活动规律研究、认知心理学相关的脑活动规律探索、各种疾病状态下脑功能与认知活动的相关性研究等,使我们开始一步一步解释人体中最复杂的器官---大脑。
事件相关电位(event-related potential,ERP),是研究与认知相关的脑活动规律的常用方法。当外界给予某种特定的刺激,作用于人脑的某一部位,在给予刺激或撤销刺激时,在脑区引起的有规律的电位变化,称之为事件相关电位。ERP是按照时间锁定事件将EEG片段以点对点的方式进行迭加平均而得到的。如图1所示。EEG信号被认为是由诱发电位和自发电位组成的。由于人脑对于相同类型的刺激产生的诱发电位是相似的,自发电位是随机的。那么在相同刺激下,相同ERP波形和随机噪声的试次迭加平均在一起时,噪声就会减少,ERP保持不变,随着次数的增加,噪声就会逐渐消失,只留下纯净的ERP成分。
实验范式是ERP研究工作的重要组成部分。经过多年的研究,形成了Oddball、Go-Nogo、stroop等经典范式,同时人们在研究过程中也针对不同的研究问题对经典范式进行变形或提出新型范式。Dimitriadis等人采用标准Oddball听觉实验范式来研究轻度认知障碍,实验分为目标刺激和偏差刺激,目标刺激出现的概率为80%,偏差刺激出现的概率为20%,比较被试对两种刺激的反应来检测MCI。Warren使用视觉Oddball实验发现视觉Oddball实验引发的N2成分的位置是可变的,N2成分出现的位置与当时脑正在进行的任务相关。Patrick D.Gajewski等人设计了一个购物认知实验范式用以研究人们在进行购买决策时的脑活动。他们发现当不正常的购买决策与N2和P3a成分相关,并且会加强CNV。Haifeng Li等人使用Stroop实验范式,研究听觉认知冲突,发现存在早期认知冲突控制效应,说明认知控制在早期冲突加工阶段就发挥出重要的调控作用,而不仅仅在冲突信息感知之后才发生作用;并据此提出了一个三阶段认知冲突控制机制模型。
ERP自发现至今已有50多年的历史。科学家们发现了与注意力相关、信息感知、分析判断、决策、工作记忆内容更新等一系列认知过程相关联的ERP成分,同时也得出与疾病、老化甚至与智力差异相关联的特征性变化。研究者们逐渐总结出了ERP中的常见成分,如与视觉相关的C1、P1、N1、P2,与听觉相关的ABRs、N1、MMN。这些成分与人们的心理认知活动息息相关。此外研究者们还发现许多与人们心理因素相关的成分。
脑对刺激的加工遵循层级加工的的组织原则,即存在初、中、高级脑区组成的加工通路,初级层次分辨频率、音强、音色、亮度、对比度、颜色、单个物体的朝向和运动方向等基本物理属性,中级皮层判别多个物体间的运动关系、场景中物体的空间布局和表面特征、区分前景和背景等,高级皮层则可以对复杂环境下的抽象物体进行识别、对语义进行识别、引导身体不同部位与环境进行交互行为等。我们将这三个阶段分别称之为物理加工阶段、模式加工阶段和信息加工阶段。
当前ERP的研究成果多聚集于物理加工阶段和模式加工阶段中,对信息加工阶段的研究较少。尚无法通过事件相关电位的方法来对大脑的信息加工过程进行研究。
发明内容
本发明针对现有技术的缺陷,提供了一种信息相关脑电位诱发实验方法,解决了现有技术中存在的缺陷。
为了实现以上发明目的,本发明采取的技术方案如下:
一种信息相关脑电位诱发实验方法,包括:
步骤1,使用含有信息的刺激作为偏差,同时将偏差刺激按照物理模式属性划分为基本单元,将基本单元的排列顺序打乱,从而导致刺激所含信息消失但其物理属性和模式属性保持不变。使用听觉材料和视觉材料分别进行了听觉Informational-Oddball实验和视觉Informational-Oddball实验。
步骤2,EEG数据处理;
首先对脑电信号进行预览,人工剔除较为明显的干扰噪声,以及典型的因被试头部的运动产生的大幅度数据漂移;使用全电极的均值作为参考电极;其次,对脑电信号做1-45Hz的带通滤波,去除市电与电器频率干扰,最后,对脑电信号做ICA分解,将EEG信号分离成相互独立的信号,去除眼电、肌电等伪迹信号后,将留下的信号还原得到干净的EEG成分。
在对数据进行预处理后,对于听觉Informational-Oddball实验得到的EEG信号,以语音的结束时间为事件起始点,事件前取200ms,事件后取800ms,对EEG信号进行分段,按照锁时锁相的原则,对EEG片段进行叠加平均,得到听觉通道下标准刺激和偏差刺激的诱发波形。对于视觉Informational-Oddball实验得到的EEG信号,以图片出现时刻作为事件起始点,事件前取200ms,事件后取800ms,对EEG信号进行分段,按照锁时锁相的原则,对EEG片段进行叠加平均,得到视觉通道标准刺激和偏差刺激的诱发波形。
步骤3,在对EEG数据进行处理后,得到两种类型的诱发电位,一种是由偏差刺激引发的ERP成分,另一种是由标准刺激引发的诱发电位。其中,标准刺激含有物理属性和模式属性,意味着脑会进行物理加工和模式加工。而偏差刺激除了物理属性和模式属性外,还存在信息属性,这意味着脑在对偏差刺激进行加工时,还会有信息加工阶段。使用配对T检验来检验两种诱发电位的差异,若差异显著,则说明,在有信息加工阶段,相关脑区确实发生了电位变化,从而证明IRP的存在。
步骤4,提取IRP;
需要用目标刺激的诱发电位减去偏差刺激的诱发电位,即可提取出IRP。
假设S1i代表第i个偏差刺激产生的EEG信号,S2i代表第i个标准刺激产生的EEG信号,则平均IRP信号可通过下列公式求得。其中N1代表偏差刺激的总数,N2代表标准刺激的总数。
与现有技术相比,本发明的优点在于:提出了信息相关脑电位,并提出了相应的诱发实验范式,并从行为学和统计学上验证了实验的准确性。扩展了传统ERP,将诱发电位应用于脑信息加工的研究中。对神经科学的发展具有重要意义。
附图说明
图1为本发明实施例ERP叠加平均示意图;
图2是本发明实施例Informational-Oddball实验的ERP波形叠加结果图;
图3是本发明实施例Informational-Oddball实验T检验结果图;
图4是本发明实施例Informational-Oddball实验的IRP波形图;
图5是本发明实施例听觉实验刺激材料示例;
图6是本发明实施例Informational-Oddball视觉刺激示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下根据附图并列举实施例,对本发明做进一步详细说明。
脑活动通常都伴随着电位变化,因此,本发明认为脑在进行信息加工时,相关脑区会发生电位变化,并且电位变化存在一定的规律。本发明将脑在进行信息加工时的相应脑区的电位变化称之为信息相关脑电位(Information Related Potential,IRP)。
本发明设计了两个信息加工相关的Oddball认知实验,我们称之为Informational-Oddball认识实验,简称分别从视觉和听觉上对上述问题进行探讨。本发明重点关注刺激的信息属性。因此,在实验刺激的选择上,我们遵循“有信息为偏差刺激,打乱基本信号单元构造标准刺激”的思想。使用含有信息的刺激作为偏差,同时将偏差刺激按照物理模式属性划分为基本单元,将基本单元的排列顺序打乱,从而导致刺激所含信息消失但其物理属性和模式属性保持不变。使用听觉材料和视觉材料分别进行了听觉Informational-Oddball实验和视觉Informational-Oddball实验。
具体表现为,假设刺激共包含n个基本单元,用Sn={s1,s2,s3...sn}表示。按照基本单元的顺序,三个邻近的基本单元连续出现时构成模式P,即Pi={si,si+1,si+2},i=1,2...n-2。按照同样的构造,三个邻近的模式连续出现时构成信息I,即Ik={pk,pk+1,pk+2},k=1,2...n-2。因此,当刺激的基本信号单元的顺序被打乱时,刺激的模式属性和信息属性发生改变,按照模式单元将进行打乱,则导致刺激的信息属性发生改变,而物理属性和模式属性不变。
图2是视觉Informational-Oddball实验的波形叠加结果。其中红线代表偏差刺激的诱发电位,蓝线代表目标刺激的诱发电位。从图2中,我们可以明显看出目标刺激与偏差刺激均有诱发电位形成,但二者的诱发电位并不完全相同。我们使用配对T检验来检测两种诱发成分是否有差异显著性,检验结果如图3所示。
T检验的结果说明,在大部分脑区,目标刺激与偏差刺激的差异显著,说明脑在进行信息加工时确实能产生IRP。从图2中,我们可以看出,两种刺激的诱发电位存在相似性。这说明,脑对刺激进行加工产生ERP,而差异性则说明,脑在处理含有信息的刺激时会产生其他诱发成分,从而造成差异。
目标刺激的诱发电位是由信息相关电位与事件相关电位组合叠加形成。所以,如果我们想提取IRP,则只需要用目标刺激的诱发电位减去偏差刺激的诱发电位,即可提取出IRP。
具体表现为,假设S1i代表第i个偏差刺激产生的EEG信号,S2i代表第i个标准刺激产生的EEG信号,则平均IRP信号可通过下列公式求得。其中N1代表偏差刺激的总数,N2代表标准刺激的总数。
对视觉Informational-Oddball实验结果做减法处理,提取各个脑区的IRP波形,如图4所示。从前额区IRP波形图中,我们可以看出,刺激发生后,额区出现了长达200ms的负电位,在200ms时电位开始发生波动,其中在300ms处形成一个正波,为与ERP区分开,记为IP300,在400ms与600ms处形成明显的负波,分别记为IN400与IN600。
在额区,IRP发生了明显的左右脑区域性差异。在左额叶,我们在400ms处观察到明显的负波,IN400,而在额中线附近,只检测到IP300和IN600的负波,而右额叶,我们只检测到300ms的正波,以及0~200ms左右的负电位。
由于右侧中央区和右颞叶没有通过配对T检验,我们只分析了左颞叶和左侧中央区。其中在左颞叶检测的明显的IN400和IP600,同样,在左中央区检测到I N400,并且左侧中央区在500~750ms处检测到明显的正波。
在顶叶,无论左脑还是右脑,我们均检测到明显的IN300成分,并在0~200ms处检测到明显的正电位。
而在枕叶,我们看到0~300ms段,IRP的波幅一直为正值,且在不断变化,并在300ms处达到最低点,并在560ms处检测到IN560。
实验范式说明
实验基于经典Oddball范式。与传统Oddball实验范式的差异在于刺激材料的选择。在本发明的实验范式中,我们使用含有信息的刺激作为偏差刺激,不含有信息的刺激作为标准刺激。
传统Oddball实验范式中,常见的刺激材料有正负三角形、黑白三角形、三角形和圆形。信息按照自底向上的模式被加工,可以将刺激的属性按照自底向上的原则分为三类:物理属性、模式属性和信息属性。物理属性是指刺激的频率、音强、音色、亮度、对比度、颜色、单个物体的朝向和运动方向等基本物理属性;模式属性是指物体间的运动关系、场景中物体的空间布局和表面特征、区分前景和背景等;信息属性是指抽象物体进行识别、对语义进行识别、引导身体不同部位与环境进行交互行为等。按照这个分类,我们可以看出传统Oddball实验范式集中与比较刺激的物理属性和模式属性中,缺少对信息属性的研究。
因此,本发明重点关注刺激的信息属性。因此,在实验刺激的选择上,我们遵循“有信息为偏差刺激,打乱基本信号单元构造标准刺激”的思想。使用含有信息的刺激作为偏差,同时将偏差刺激按照物理模式属性划分为基本单元,将基本单元的排列顺序打乱,从而导致刺激所含信息消失但其物理属性和模式属性保持不变。
听觉Informational-Oddball实验的刺激材料由两百余段时长约为1s的音频片段组成。每个音频片段包含两个或三个中文数字发音(yi,er,san,si,wu,liu,qi,ba,jiu,shi分别对应数字1到10,中文两位数发音都是由这十个音按语法排列形成的)。这些发音组成以下几种情况。
(1)只包含两个数字,如“san wu,”“si ba”等。这样的数字发音在是中文35,48的简略发音;
(2)包含三个数字,其中“shi”在中间,如“san shi wu,”“si shi ba”等。这样的数字发音是中文35,48的完整发音;
(3)包含三个数字,且“shi”不在中间,如“shi wu ba,”“wu ba shi,”“si ba shi”等。这样的数字在中文发音中不具有任何数字意义。
具体如图5所示。其中“san shi wu”、“shi wu ba”的物理属性是相同的,只是发音顺序发生了改变。从物理属性角度,两种数字引发的ERP应该是相同的。如果实际测量中,二者的诱发电位不同,则说明其诱发电位中应该含有信息处理时形成的诱发电位。每种类型的数字组合有近百段,无相同发音。数字发音是通过专业录音员录制,录制过程中保证每个数字组合的发音时长近似。
视觉Informational-Oddball实验的刺激材料使用两组特殊构造的图片,共一百余张。
第一组为若干个圆心角大于180度的扇形组成,同一幅图片的扇形具有相同形状。标准刺激的扇形开口方向和空间位置是随机的,如图6a所示。偏差刺激的扇形其开口方向能在空间构成正多边形,如图6b所示。
第二组图片则是有花鸟等彩色图组成,标准刺激是单纯的花鸟图案,其位置排列为随机排列,如图6c所示。偏差刺激中花鸟的能在视觉中形成人脸的图案。如图6d所示。
两组图片的标准刺激和偏差刺激的图片的物理属性是完全一直的,只有其包含的信息存在差异。
实验数据处理方法
EEG数据处理
原始脑电信号在采集过程中受到各种噪声干扰,以及与包含其他认知心理学活动不相关的神经反应引起的电活动,而真正与脑认知相关的电位变化只有几微伏,通常远小于神经细胞自发活动引起的电位变化(几十微伏以上),因此对脑电信号数据研究前需要对测量到的脑电信号进行预处理。本发明首先对脑电信号进行预览,人工剔除较为明显的干扰噪声,以及典型的因被试头部的运动产生的大幅度数据漂移;使用全电极的均值作为参考电极;其次,对脑电信号做1-45Hz的带通滤波,去除市电与电器频率干扰,最后,对脑电信号做ICA分解,将EEG信号分离成相互独立的信号,去除眼电、肌电等伪迹信号后,将留下的信号还原得到干净的EEG成分。
在对数据进行预处理后,对于听觉Informational-Oddball实验得到的EEG信号,以语音的结束时间为事件起始点,事件前取200ms,事件后取800ms,对EEG信号进行分段,按照锁时锁相的原则,对EEG片段进行叠加平均,得到听觉通道下标准刺激和偏差刺激的诱发波形。对于视觉Informational-Oddball实验得到的EEG信号,以图片出现时刻作为事件起始点,事件前取200ms,事件后取800ms,对EEG信号进行分段,按照锁时锁相的原则,对EEG片段进行叠加平均,得到视觉通道标准刺激和偏差刺激的诱发波形。
统计学方法
配对T检验:在对EEG数据进行处理后,我们会得到两种类型的诱发电位,一种是由偏差刺激引发的ERP成分,另一种是由标准刺激引发的诱发电位。其中,标准刺激含有物理属性和模式属性,意味着脑会进行物理加工和模式加工。而偏差刺激除了物理属性和模式属性外,还存在信息属性,这意味着脑在对偏差刺激进行加工时,还会有信息加工阶段。我们使用配对T检验来检验两种诱发电位的差异,若差异显著,则说明,在有信息加工阶段,相关脑区确实发生了电位变化,从而证明IRP的存在。
本发明提出了信息相关脑电位这一概念,并在视觉中证明了IRP的存在及其性质。IRP的提出为人们研究复杂环境下的脑认知机制提供了新思路,是对认知科学的丰富与发展,具有重大理论意义和实用价值。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的实施方法,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。

Claims (1)

1.一种信息相关脑电位诱发实验方法,其特征在于,包括:
步骤1,使用含有信息的刺激作为偏差,同时将偏差刺激按照物理模式属性划分为基本单元,将基本单元的排列顺序打乱,从而导致刺激所含信息消失但其物理属性和模式属性保持不变;使用听觉材料和视觉材料分别进行了听觉Informational-Oddball实验和视觉Informational-Oddball实验;
步骤2,EEG数据处理;
首先对脑电信号进行预览,人工剔除较为明显的干扰噪声,以及典型的因被试头部的运动产生的大幅度数据漂移;使用全电极的均值作为参考电极;其次,对脑电信号做1-45Hz的带通滤波,去除市电与电器频率干扰,最后,对脑电信号做ICA分解,将EEG信号分离成相互独立的信号,去除眼电、肌电伪迹信号后,将留下的信号还原得到干净的EEG成分;
在对数据进行预处理后,对于听觉Informational-Oddball实验得到的EEG信号,以语音的结束时间为事件起始点,事件前取200ms,事件后取800ms,对EE G信号进行分段,按照锁时锁相的原则,对EEG片段进行叠加平均,得到听觉通道下标准刺激和偏差刺激的诱发波形;对于视觉Informational-Oddball实验得到的EEG信号,以图片出现时刻作为事件起始点,事件前取200ms,事件后取800ms,对EEG信号进行分段,按照锁时锁相的原则,对EEG片段进行叠加平均,得到视觉通道标准刺激和偏差刺激的诱发波形;标准刺激是单纯的花鸟图案,其位置排列为随机排列,偏差刺激中花鸟的能在视觉中形成人脸的图案;
步骤3,在对EEG数据进行处理后,得到两种类型的诱发电位,一种是由偏差刺激引发的ERP成分,另一种是由标准刺激引发的诱发电位;其中,标准刺激含有物理属性和模式属性,意味着脑会进行物理加工和模式加工;而偏差刺激除了物理属性和模式属性外,还存在信息属性,这意味着脑在对偏差刺激进行加工时,还会有信息加工阶段;使用配对T检验来检验两种诱发电位的差异,若差异显著,则说明,在有信息加工阶段,相关脑区确实发生了电位变化,从而证明IRP的存在;
步骤4,提取IRP;
需要用目标刺激的诱发电位减去偏差刺激的诱发电位,即可提取出IRP;
假设S1i代表第i个偏差刺激产生的EEG信号,S2i代表第i个标准刺激产生的EEG信号,则平均IRP信号可通过下列公式求得;其中N1代表偏差刺激的总数,N2代表标准刺激的总数;
CN201911324186.5A 2019-12-16 2019-12-16 一种信息相关脑电位诱发实验方法 Active CN111008610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911324186.5A CN111008610B (zh) 2019-12-16 2019-12-16 一种信息相关脑电位诱发实验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911324186.5A CN111008610B (zh) 2019-12-16 2019-12-16 一种信息相关脑电位诱发实验方法

Publications (2)

Publication Number Publication Date
CN111008610A CN111008610A (zh) 2020-04-14
CN111008610B true CN111008610B (zh) 2024-03-22

Family

ID=70117309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911324186.5A Active CN111008610B (zh) 2019-12-16 2019-12-16 一种信息相关脑电位诱发实验方法

Country Status (1)

Country Link
CN (1) CN111008610B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113407026B (zh) * 2021-05-27 2022-11-18 清华大学 增强无毛发区脑电响应强度的脑-机接口系统和方法
CN115177251B (zh) * 2022-06-24 2025-09-30 南方医科大学 基于心跳诱发电位的心理压力监测方法及装置
CN116869553A (zh) * 2023-07-14 2023-10-13 中国人民解放军海军工程大学 一种基于多模态脑电信号的时变脑网络构建方法
CN117936066B (zh) * 2023-09-11 2024-12-17 天津大学 一种基于视觉Oddball范式的iNPH预测方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102441232A (zh) * 2011-09-21 2012-05-09 北京大学人民医院 一种植入式膀胱功能修复系统
CN104503916A (zh) * 2015-01-05 2015-04-08 中国石油大学(华东) 一种系统界面可用性定量评估方法
CN104545900A (zh) * 2014-12-29 2015-04-29 中国医学科学院生物医学工程研究所 一种基于配对样本t检验的事件相关电位分析方法
CN104605839A (zh) * 2015-02-05 2015-05-13 广州市润杰医疗器械有限公司 一种昏迷患者苏醒预测方法
CN104902814A (zh) * 2012-10-12 2015-09-09 加利福尼亚大学董事会 检测生理信号的额部电极传感器的配置和空间放置
CN105496404A (zh) * 2015-11-25 2016-04-20 华南理工大学 基于脑机接口辅助crs-r量表听觉惊吓的评估方法
CN106484106A (zh) * 2016-09-26 2017-03-08 苏州神经元电子科技有限公司 视敏度自动识别的非注意事件相关电位脑‑机接口方法
CN106725452A (zh) * 2016-11-29 2017-05-31 太原理工大学 基于情感诱发的脑电信号识别方法
CN108510308A (zh) * 2018-02-26 2018-09-07 昆明理工大学 一种基于脑电信号特征的影院排片系统及方法
CN110338820A (zh) * 2019-06-13 2019-10-18 四川大学 一种抑郁症和精神分裂症识别方法
CN110338785A (zh) * 2019-06-11 2019-10-18 太原理工大学 基于脑电信号的动态脑网络节点一致性行为分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI482611B (zh) * 2012-08-16 2015-05-01 Univ Nat Yang Ming Emotional brainwave imaging method

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102441232A (zh) * 2011-09-21 2012-05-09 北京大学人民医院 一种植入式膀胱功能修复系统
CN104902814A (zh) * 2012-10-12 2015-09-09 加利福尼亚大学董事会 检测生理信号的额部电极传感器的配置和空间放置
CN104545900A (zh) * 2014-12-29 2015-04-29 中国医学科学院生物医学工程研究所 一种基于配对样本t检验的事件相关电位分析方法
CN104503916A (zh) * 2015-01-05 2015-04-08 中国石油大学(华东) 一种系统界面可用性定量评估方法
CN104605839A (zh) * 2015-02-05 2015-05-13 广州市润杰医疗器械有限公司 一种昏迷患者苏醒预测方法
CN105496404A (zh) * 2015-11-25 2016-04-20 华南理工大学 基于脑机接口辅助crs-r量表听觉惊吓的评估方法
CN106484106A (zh) * 2016-09-26 2017-03-08 苏州神经元电子科技有限公司 视敏度自动识别的非注意事件相关电位脑‑机接口方法
CN106725452A (zh) * 2016-11-29 2017-05-31 太原理工大学 基于情感诱发的脑电信号识别方法
CN108510308A (zh) * 2018-02-26 2018-09-07 昆明理工大学 一种基于脑电信号特征的影院排片系统及方法
CN110338785A (zh) * 2019-06-11 2019-10-18 太原理工大学 基于脑电信号的动态脑网络节点一致性行为分析方法
CN110338820A (zh) * 2019-06-13 2019-10-18 四川大学 一种抑郁症和精神分裂症识别方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
/n/-/l / 音位合并现象的神经机制:来自MMN 的证据;吴盈等;《心理科学》;第42卷(第2期);第2.4节 *
Human Visual System Automatically Encodes Sequential Regularities of Discrete Events;M. Kimura et al;《Journal of Cognitive Neuroscience》;第1124-1139页 *
亚峰著.《基于脑电技术的数字界面可用性评价方法研究》.2019,第115-117页. *
刘国联,蒋孝锋编著.《服装心理认知评价》.2017,第137-138页. *
注意和非注意条件下面孔表情识别的ERP研究;李围;《中国优秀硕士学位论文全文数据库 信息科技辑》;第2012年卷(第8期);第2.4.2、4.2.2、4.2.5节、图4-3、第16页 *
谢鼎华主编.《基础与应用听力学》.2003,第223页. *

Also Published As

Publication number Publication date
CN111008610A (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN111008610B (zh) 一种信息相关脑电位诱发实验方法
Dimigen et al. Regression-based analysis of combined EEG and eye-tracking data: Theory and applications
Campanella et al. Right N170 modulation in a face discrimination task: an account for categorical perception of familiar faces
Luck et al. ERP components and selective attention
Campanella et al. Categorical perception of happiness and fear facial expressions: an ERP study
Ménoret et al. Neural correlates of non-verbal social interactions: a dual-EEG study
George et al. Facing the gaze of others
Mehmood et al. EEG based emotion recognition from human brain using Hjorth parameters and SVM
Pegna et al. Visual recognition of faces, objects, and words using degraded stimuli: where and when it occurs
Bentin et al. Processing the trees and the forest during initial stages of face perception: Electrophysiological evidence
CN111012342B (zh) 一种基于p300的视听双通道竞争机制脑-机接口方法
Das et al. Using rapid visually evoked EEG activity for person identification
Donohue et al. The rapid distraction of attentional resources toward the source of incongruent stimulus input during multisensory conflict
CN112732082A (zh) 基于附加汉字默读运动想象方式的脑-机接口方法
Li et al. Comparison of the ERP-based BCI performance among chromatic (RGB) semitransparent face patterns
Lang et al. Precursors of insight in event-related brain potentials
Bianco et al. Preparatory ERPs in visual, auditory, and somatosensory discriminative motor tasks
Matsumoto et al. Classifying P300 responses to vowel stimuli for auditory brain-computer interface
Quinzi et al. The independency of the Bereitschaftspotential from previous stimulus‐locked P3 in visuomotor response tasks
Mehmood et al. Towards emotion recognition of EEG brain signals using Hjorth parameters and SVM
Tangermann et al. No surprise-fixed sequence event-related potentials for brain-computer interfaces
Shemyakina et al. Machine-learning applications for differentiation across states/stages of creative thinking based on time-series and time-frequency features of EEG/ERP signals
Meshriky et al. An intermixed color paradigm for P300 spellers: A comparison with gray-scale spellers
Mendoza-Montoya et al. P300-based brain–computer interface for communication and control
Liao et al. Single-trial EEG predicts memory retrieval using leave-one-subject-out classification

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