System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及晕动症的易感性,尤其涉及一种稳态诱发电位晕动易感性预测方法及装置。
技术介绍
1、晕动症是一种由运动引发的不适反应,其症状主要包括眼动紊乱、方向感迷失,以及出汗恶心呕吐等自主神经反应。由视觉引起的晕动症常见于各类虚拟的运动场景,如观看大屏幕电影,使用虚拟现实眼镜等。晕动症的存在,不仅限制3d投影、虚拟现实等技术的应用和普及;对于易感人群,更是困扰他们的普遍问题。
2、许多研究表明,不同个体对晕动症的易感性存在很大的差异。尽管面对相同的物理刺激,不同的人可能会表现出不同程度的症状,甚至不出现症状。目前测量个体易感性的方法主要依赖于个体对运动经验的主观报告。然而,主观报告法存在许多局限性,例如必须体验过各类运动刺激、回忆不可靠、受主观因素影响、报告数据不稳定等,因此实用价值不高。相关领域亟需更加有效的客观测量方法。
3、近来虽然出现了一些客观测量方法,但仍不够理想。例如,最近的一些研究发现,基于肠电、眼电、姿势变化等指标可以明显区分晕动症易感者和抵抗者,提供了客观测量个体易感性的可能性。然而,这些指标测量时间长、且主要依赖于外周生理活动的改变,因此仍然只能在晕动症状已经明显出现后进行测量,无法提前预测晕动症的发生,实际应用价值不高。对于3d投影、虚拟现实等新兴技术的体验来说,一种能够在晕动症状出现前就能快速地测量个体易感性并且预测其后续晕动程度的客观方法是十分必要的。
4、eeg是指脑电图(electroencephalogram),是通过在头皮上放置电极来测量头部神经元活动的电信号
5、1、目前基于eeg(或其他生物电)所提取的特征均与晕动症状相关,无法提前预测个体是否对晕动症易感,也无法预测后续出现晕动症症状的严重程度。
6、2、目前检测晕动症的特征均基于自发的脑电信号(eeg),与刺激事件没有锁定关系,持续受与检测刺激无关的许多其他大脑活动干扰(如眼动、注意、觉醒程度、情绪等等)。因而在实际应用过程中,数据来源信噪比受限,容易受眼动等噪音干扰,准确性难以保证。
7、3、近年的研究表明晕动症的易感性与运动视觉加工时中央视野的抑制活动有密切关系,其抑制程度可以预测晕动症易感性程度,以及视觉运动刺激暴露后的恶心程度。已有的晕动症检测方法主要是从观看视觉运动刺激时伴随eeg信号中提取特征,无法区分eeg信号产生的来源,因而无法测量到中央视野的加工情况。
技术实现思路
1、为此,本专利技术目的在于至少一定程度上解决现有技术中的不足,从而提出一种稳态诱发电位晕动易感性预测方法及装置。
2、第一方面,本专利技术提供了一种稳态诱发电位晕动易感性预测方法,所述方法包括:
3、获取全脑的电极与视觉刺激锁定的连续eeg信号,进行分段操作得到ssvep数据并进行处理;
4、提取处理后的所述ssvep数据与所述视觉刺激相关的特征信息,所述ssvep数据的特征信息包括峰值信息;
5、通过所述ssvep数据的特征信息绘制地形图,计算并得到所述ssvep数据在vip脑区和v1脑区的特征强度,所述全脑包括所述vip脑区和所述v1脑区;
6、联合对比所述ssvep数据的特征强度与正常状态下的数据得到预测结果。
7、第二方面,本专利技术提供了一种稳态诱发电位晕动易感性预测系统,所述系统包括:
8、获取模块:用于获取全脑的电极与视觉刺激锁定的连续eeg信号,进行分段操作得到ssvep数据并进行处理;
9、提取模块:用于提取处理后的所述ssvep数据与所述视觉刺激相关的特征信息,所述ssvep数据的特征信息包括峰值信息;
10、绘制模块:用于通过所述ssvep数据的特征信息绘制地形图,计算并得到所述ssvep数据在vip脑区和v1脑区的特征强度,所述全脑包括所述vip脑区和所述v1脑区;
11、预测模块:用于联合对比所述ssvep数据的特征强度与正常状态下的数据得到预测结果。
12、第三方面,本专利技术还提供了一种稳态诱发电位晕动易感性预测设备,包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如第一方面所述的稳态诱发电位晕动易感性预测方法中的各个步骤。
13、第四方面,本专利技术还提供了一种存储介质,其上存储有计算机程序,所述计算机程序被执行时,实现如第一方面所述的稳态诱发电位晕动易感性预测方法中的各个步骤。
14、本专利技术提供了一种稳态诱发电位晕动易感性预测方法及装置,所述方法包括:获取全脑的电极与视觉刺激锁定的连续eeg信号,进行分段操作得到ssvep数据并进行处理;提取处理后的所述ssvep数据与所述视觉刺激相关的特征信息,所述ssvep数据的特征信息包括峰值信息;通过所述ssvep数据的特征信息绘制地形图,计算并得到所述ssvep数据在vip脑区和v1脑区的特征强度,所述全脑包括所述vip脑区和所述v1脑区;联合对比所述ssvep数据的特征强度与正常状态下的数据得到预测结果。通过本专利技术提供的方法采用稳态诱发电位(ssvep)技术获取脑电信号,基于视觉刺激频率锁定的频率峰值能量来捕捉中央视野的视觉加工情况,且特征来源稳定,不容易受眼动等因素干扰,信噪比远远高于普通erp;还通过地形图定位个体加工中央视野信息的ssvep峰值位置来辅助提高对晕动症易感性的预测效果,可以达到90%以上的准确率。
本文档来自技高网...【技术保护点】
1.一种稳态诱发电位晕动易感性预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述获取全脑的电极与视觉刺激锁定的连续EEG信号,进行分段操作得到SSVEP数据并进行处理,包括:
3.根据权利要求2所述的方法,其特征在于,所述呈现高频周期性闪烁或对比度翻转的视觉图像包括呈现高频周期性闪烁或对比度翻转的中央视野和呈现运动图像的周围视野。
4.根据权利要求1所述的方法,其特征在于,所述提取处理后的所述SSVEP数据与所述视觉刺激相关的特征信息,所述SSVEP数据的特征信息包括峰值信息,包括:
5.根据权利要求1所述的方法,其特征在于,所述联合对比所述SSVEP数据的特征强度与正常状态下的数据得到预测结果,包括:
6.根据权利要求1所述的方法,其特征在于,所述联合对比所述SSVEP数据的特征强度与正常状态下的数据得到预测结果,还包括:
7.根据权利要求1所述的方法,其特征在于,所述得到SSVEP数据并进行处理,包括:
8.一种稳态诱发电位晕动易感性预测系统,其特征在于,所述
9.一种稳态诱发电位晕动易感性预测设备,包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1-7任一项所述的稳态诱发电位晕动易感性预测方法中的各个步骤。
10.一种存储设备,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-7任一项所述的稳态诱发电位晕动易感性预测方法中的各个步骤。
...【技术特征摘要】
1.一种稳态诱发电位晕动易感性预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述获取全脑的电极与视觉刺激锁定的连续eeg信号,进行分段操作得到ssvep数据并进行处理,包括:
3.根据权利要求2所述的方法,其特征在于,所述呈现高频周期性闪烁或对比度翻转的视觉图像包括呈现高频周期性闪烁或对比度翻转的中央视野和呈现运动图像的周围视野。
4.根据权利要求1所述的方法,其特征在于,所述提取处理后的所述ssvep数据与所述视觉刺激相关的特征信息,所述ssvep数据的特征信息包括峰值信息,包括:
5.根据权利要求1所述的方法,其特征在于,所述联合对比所述ssvep数据的特征强度与正常状态下的数据得到预测结果,包括:
6.根据权...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。