[發明專利]基于腦機交互的注意力狀態即時檢測系統及檢測方法

無效

• 申請號: 200710017810.8
• 申請日: 2007-05-09
• 公開（公告）號: CN101049236A
• 公開（公告）日: 2007-10-10
• 發明（設計）人: 黃力宇;王偉榮;田捷
• 申請（專利權）人: 西安電子科技大學
• 主分類號: A61B5/0476
• 分類號: A61B5/0476;G06F17/00;G06Q50/00
• 代理公司: 陜西電子工業專利中心
• 代理人: 王品華;黎漢華

技術領域

本發明屬于信息處理技術領域，涉及醫學信息處理，具體地說是一種涉及利用計算機與人腦的信息交互實現注意力狀態的即時檢測，可用于對兒童注意力狀態的即時識別，為確診和醫治注意缺陷障礙性疾病提供依據。

背景技術

注意缺陷障礙ADD是兒童時期最常見的行為障礙性疾病，這種疾病以主動注意的選擇性和穩定性差、易沖動、易分心為主要特征，常見的繼發障礙有學習困難、品行障礙以及某些情緒障礙，例如抑郁、自閉或孤獨癥等。

通常，臨床上對ADD的診斷主要靠醫師聽取家長的口述來主觀決定患者的病情。近年來，一些客觀評定ADD的設備以陸續開始研制，如申請號為00218646.2、200420021337.2和200310109026.1的專利文獻均公開了評定ADD的有關儀器，但這些儀器都是在短時間內測試，通過兒童視覺追蹤目標光點運動測定眼角膜和視網膜間的電信號反應曲線，將測定的曲線與標準參考曲線進行比較，根據偏離程度確定患者的病種和程度。由于ADD兒童在短時間內注意力完全可能集中，特別是在看到自己感興趣的東西時，注意力短時間內還可能相當集中，所以，上述測定方法的生理依據并不可靠，這也是所述專利產品難以為臨床醫師接受的主要原因。

另外，在對ADD兒童確診后，更重要的是治療。由于藥物治療的顯效率僅為60％左右，且副作用嚴重，因此，近年來利用非藥物方法干預注意缺陷障礙ADD等心身類疾患的方法引起人們的重視。其中，基于腦電生物反饋的神經反饋療法在臨床上普遍使用，療效好且無副作用。例如申請號為200510124550.5的專利文獻記載的方法屬于這種方法矯治ADD兒童，但是，目前臨床上使用的腦電反饋儀器存在以下兩方面的缺陷，大大限制了其療效的提高。

(1)僅是通過簡單的腦電EEG頻域分析來確定患者的注意狀態，即計算腦電圖中的θ、α波和β波的多少，有些系統直接簡化到只看θ/β比值的大小，由于這些標準對每個患者在任何時候都是一樣的，而實際上不同患者的EEG表現是有差異的，即使是同一個患者在不同的精神狀態下腦電表現也是變化的，因此無法根據患者的腦電EEG特征對患者進行個性化確定。

(2)由于所測波形之間的簡單關系是通過比較正常兒童與ADD兒童的腦電EEG得來的，并不完全代表患者測試當時的注意品質，因而用這些標準來進行實時的生物反饋是不盡合理的。

發明的內容

本發明的目的是克服上述現有技術的缺點，提供一種基于腦機交互的注意力狀態即時檢測系統及其檢測方法，該方法可以在受試者與計算機較長時間的互動中，提取腦電和事件相關電位ERP，建立一個自適應的個性化可動態更新的神經網絡數據融合分析系統，并利用受試者對特定目標的反應和事件相關電位ERP中包含的注意信息，對網絡的節點參數進行監督修正，實現對患者注意力的個性化即時確定。

本發明的目的是這樣實現的：

本發明依據注意意識直接受控于大腦，利用腦神經信息如腦電圖、事件相關電位等生理信號提取即時注意特征比利用眼部生理信號更合理的可行性，確定其基于腦機交互的注意力狀態即時檢測系統及其檢測方法的技術方案。

目前專門針對注意相關自發腦電的研究較少，而注意事件相關電位的研究相對較多。腦電生理學研究顯示：當受試者注意到刺激因素的某一特征時，特定負責對該類特征進行加工的腦區域神經元活動將會加強，腦誘發電位波幅增大。研究證明，事件相關電位ERP中的P300波幅可以作為腦力工作負荷的評價指標。注意力越集中，P300波幅相應增大。已有的研究表明，當受試者處于主動注意狀態時，在腦電電極分布的FZ、CZ位置上，其事件相關電位ERP的P3-N2峰峰幅值顯著增加，且FZ、CZ位置的腦電功率明顯增大，這也從另一個角度證明了當受試者注意力集中，腦力工作負荷較大。而事件相關電位ERP的P2-N1峰-峰幅值降低，表明在主動注意狀態下大腦除增加能量投入外，可能還對大腦信息處理過程中的有效資源進行了重新分配。

以上研究結論說明，根據事件相關電位ERP可提取到不同注意狀態的特征值。但是，由于事件相關電位ERP的采集需要通過疊加過程來獲得，因此要求外部環境必須給予受試者幾十次的重復刺激，隨著計算機和大腦之間的交互技術的發展，同時提取腦電EEG和事件相關電位ERP在臨床上己完全沒有障礙。本發明的技術方案正是采用從腦電與事件相關電位ERP特征信息的非線性融合分類中準確提取出個性化注意力腦電特征。