[发明专利]从脑电图信号解码个人的视觉注意

说明书

一种用于从脑电图信号确定个人的视觉注意焦点的方法。从至少一个图形对象生成(411)要显示的至少一个视觉刺激，视觉刺激是通过将由相应的调制信号在时间上进行参数化的基本变换的时间序列应用于图形对象而获得的动画图形对象。从通过个人将他的视觉注意力集中到视觉刺激之一产生的多个脑电图信号重构调制信号(414)。识别(415)与重构调制信号的统计依赖性程度高于第一阈值的调制信号相对应的视觉刺激。

技术领域

本说明书涉及一种用于从脑电图信号确定个人的视觉注意焦点的方法和系统。

背景技术

可以观察到各种专用于在多种应用中记录和利用脑电图信号(EEG信号)的便携式系统的出现。特别地，用于记录EEG信号的系统的小型化和用于EEG信号的实时解码的分析技术的实质性发展意味着现在可以设想使用既快速又可靠的新应用。

某些解码技术基于从EEG信号中提取电生理特征，从而可以预测环境中大脑活动与视觉刺激之间的持续关系。此处的困难在于，在EEG信号中实时识别视觉刺激的特定特征，这些特征属于个人在众多其他视觉输入中所注意的刺激。这样的解码必须是可靠的，也就是说，必须能够确定个人正在注意哪个特定内容，以便能够以足够的速度和精度触发与视觉刺激相对应的命令。

专利文献US8391966B2描述了一种用于分析由个体观察刺激产生的EEG信号的技术，每个刺激由以给定频率闪烁的光源构成。为了识别在给定时间观察到的视觉刺激，产生了各种特征以便将EEG信号分类为与不同刺激相对应的类别。

例如，将EEG信号分成连续的段，并且计算给定信号的段对之间的相关系数，以产生第一组特征。计算平均相关系数，然后将其与阈值进行比较，以确定用户是否正在观察刺激。而且，可以分析EEG信号与刺激之间的相关性以产生第二组特征：如果个体实际上正在观察刺激，则与该刺激的相关性程度将更高。可以从平均EEG信号计算自回归模型的系数，该模型的系数构成第三组特征。

该技术假定通过多组特征对EEG预先分类，该分类与基于阈值化、对最近邻居的搜索、神经网络等的区分方法相关联。因此，该技术取决于所用特征的相关性和所采用的分类方法。

此外，该技术仅限于采取闪光灯形式的刺激，极大地限制了其应用范围。

已知其他方法，例如，Guangyu Bin等人题为“An online multi-channel SSVEP-based brain computer interface using canonical correlation analysis method”(Journal of Neural Engineering,IOP Publishing,2009)的文件使用了修改的典型相关分析(CCA)方法。

因此，似乎需要一种可靠且实时的EEG解码技术，该技术可应用于用户与软件应用程序(例如包括文本、图像和/或菜单的软件应用程序)之间的脑机接口。

发明内容

根据第一方面，本发明的目的是一种用于根据脑电图信号确定个人的视觉注意的焦点的方法。该方法包括：从至少一个图形对象、从至少一个基本变换以及从包含至少一个调制信号的集合生成要显示的包含至少一个视觉刺激的集合，视觉刺激是通过将基本变换的时间序列应用于图形对象而获得的动画图形对象，所述基本变换的时间序列在时间上由相应的调制信号进行参数化；从所述个体产生的多个脑电图信号重构调制信号，以获得重构调制信号；计算所述重构调制信号与所述包含至少一个调制信号的集合中的每个调制信号之间的统计依赖性程度；识别与统计依赖性程度高于第一阈值的调制信号相对应的至少一个视觉刺激。