本發(fā)明涉及一種評(píng)分方法，尤其是一種基于在黎曼流形(riemannianmanifold)中的神經(jīng)信號(hào)分析對(duì)受試者的神經(jīng)活動(dòng)進(jìn)行評(píng)分的方法。特別是本發(fā)明涉及一種實(shí)時(shí)評(píng)分與參考狀態(tài)相關(guān)的受試者的神經(jīng)信號(hào)的方法。所述方法可被用于外部或自行調(diào)制基礎(chǔ)腦活動(dòng)。
背景技術(shù)：
：實(shí)時(shí)確定與參考或目標(biāo)狀態(tài)相關(guān)的受試者的神經(jīng)活動(dòng)的位置仍然是一個(gè)挑戰(zhàn)并且呈現(xiàn)出許多優(yōu)勢(shì)。以分?jǐn)?shù)形式估算的與參考狀態(tài)相關(guān)的所述位置，隨后可被用于自行調(diào)制或外部調(diào)制。關(guān)鍵要素之一是能夠可靠和堅(jiān)定地分析和報(bào)告受試者的神經(jīng)活動(dòng)。在本發(fā)明中，神經(jīng)信號(hào)具有通過描述符命名為協(xié)方差矩陣的特征。協(xié)方差矩陣構(gòu)成了受試者的大腦活動(dòng)的良好指標(biāo)。所述方法已被用在barachant等人的(us2012/0071780)中和similowski等人的(wo2013/164462)中。然而，據(jù)申請(qǐng)人所知，沒有與參考狀態(tài)相關(guān)的使用在黎曼流形中的協(xié)方差矩陣連續(xù)評(píng)分受試者的大腦活動(dòng)的現(xiàn)有技術(shù)。barachant在us2012/0071780中公開了一種用于分類神經(jīng)信號(hào)的分類方法，該方法包括以下步驟：a)在確定的時(shí)間段內(nèi)使用多個(gè)電極來獲得多個(gè)神經(jīng)信號(hào)樣本；b)在非重疊窗口上估算所述神經(jīng)信號(hào)的協(xié)方差矩陣；和c)分類所述神經(jīng)信號(hào)，該分類要么在維度等于所述協(xié)方差矩陣的維度的對(duì)稱正定矩陣的黎曼流形中執(zhí)行，要么在所述黎曼流形的切線空間中執(zhí)行。barachant描述了兩類和多類分類。尤其是，barachant描述了一種在黎曼流形中分類神經(jīng)信號(hào)的方法。原則包括在黎曼流形上定義所謂的“分類中心”點(diǎn)，例如對(duì)應(yīng)于兩個(gè)不同的精神任務(wù)的p1和p2：想象移動(dòng)一只手和想象移動(dòng)一只腳。在要分類的腦活動(dòng)試驗(yàn)的協(xié)方差矩陣和相應(yīng)的分類中心點(diǎn)之間計(jì)算黎曼距離。如果腦活動(dòng)試驗(yàn)的協(xié)方差矩陣與點(diǎn)p1之間的黎曼距離小于腦活動(dòng)試驗(yàn)的協(xié)方差矩陣與點(diǎn)p2之間的黎曼距離，則所述腦活動(dòng)試驗(yàn)與第1類(移動(dòng)手)相關(guān)，反之其與第2類(移動(dòng)腳)相關(guān)。最后，分類步驟只考慮分類中心的距離的最小值。similowski公開了一種用于由所述患者的腦電活動(dòng)的分析來表征患者的生理狀態(tài)的方法。尤其是，similowski描述了一種用于檢測(cè)偏離參考生理狀態(tài)的患者的生理狀態(tài)的方法。所述方法首先包括確定對(duì)應(yīng)于參考生理狀態(tài)的幾個(gè)參考矩陣，然后循環(huán)重復(fù)以下步驟：a)實(shí)施腦電圖信號(hào)的實(shí)時(shí)測(cè)量和以不同頻段對(duì)該測(cè)量進(jìn)行濾波；b)對(duì)于每個(gè)頻段，在窗口/時(shí)期(epoch)上估算所述測(cè)量的空間協(xié)方差矩陣；c)對(duì)于每個(gè)m最后時(shí)期，計(jì)算參考生理狀態(tài)的距離，其被定義為在當(dāng)前空間協(xié)方差矩陣和參考空間協(xié)方差矩陣之間的最小距離的頻段上的和；d)將每個(gè)m距離與預(yù)定閾值進(jìn)行比較。如果一個(gè)m距離高于閾值，則認(rèn)為檢測(cè)到異常生理狀態(tài)。barachant等人公開了一種通過將神經(jīng)信號(hào)分配給具有最小距離的類來分類神經(jīng)信號(hào)的方法，而similowski等人公開了通過將神經(jīng)信號(hào)和參考狀態(tài)之間的距離與預(yù)定閾值進(jìn)行比較來檢測(cè)生理狀態(tài)的方法。這兩種方法應(yīng)用于協(xié)方差矩陣之間距離的基本處理，以最終獲得離散值(用于分類的類標(biāo)簽或用于檢測(cè)的二進(jìn)制狀態(tài))。本發(fā)明的目標(biāo)之一是向受試者實(shí)時(shí)報(bào)告與參考或目標(biāo)狀態(tài)相關(guān)的其神經(jīng)活動(dòng)的位置，并且可選擇地使所述受試者能夠通過自行調(diào)制或外部調(diào)制將其神經(jīng)活動(dòng)調(diào)制到所述目標(biāo)狀態(tài)。為此，本發(fā)明提供了一種用于評(píng)分與參考狀態(tài)相關(guān)的受試者的神經(jīng)信號(hào)的方法，其中該分?jǐn)?shù)被定義為距離的轉(zhuǎn)換，以確保在預(yù)定界限之間的連續(xù)和有界值。相反，由barachant等人和similowski等人提供的原始距離對(duì)受試者毫無意義。本發(fā)明通過實(shí)時(shí)報(bào)告與參考狀態(tài)相關(guān)的受試者的神經(jīng)信號(hào)的評(píng)分來提供受試者的神經(jīng)活動(dòng)的連續(xù)反饋。與barachant等人的將神經(jīng)信號(hào)在至少兩類之間進(jìn)行分類以及similowski等人的檢測(cè)神經(jīng)信號(hào)是否屬于分類(例如，超過閾值)相反；本發(fā)明連續(xù)和有界地評(píng)分與參考狀態(tài)相關(guān)的神經(jīng)信號(hào)，從而連續(xù)定位關(guān)于單個(gè)參考狀態(tài)的受試者的神經(jīng)活動(dòng)。將距離轉(zhuǎn)換成分?jǐn)?shù)通過具有適用于受試者的基線狀態(tài)的潛在超參數(shù)的非線性函數(shù)來完成。其允許具有存在于兩個(gè)預(yù)定界限之間的完整范圍內(nèi)的分?jǐn)?shù)，避免了總是給受試者好的分?jǐn)?shù)，或者相反總是給受試者不好的分?jǐn)?shù)。另一點(diǎn)涉及處理的速度和延遲。barachant等人等待試驗(yàn)結(jié)束(約3秒)來提取協(xié)方差矩陣并應(yīng)用其分類。像之前那樣，該構(gòu)架不能達(dá)到實(shí)時(shí)處理。similowski等人使用4至12秒移動(dòng)窗口來提取協(xié)方差矩陣。此外，檢測(cè)步驟考慮最后的m矩陣。如果處理是實(shí)時(shí)的，窗口的時(shí)長和所考慮的矩陣的數(shù)量m太高而不足以擁有實(shí)時(shí)響應(yīng)系統(tǒng)：其提供不適合神經(jīng)反饋的大腦活動(dòng)的會(huì)話平滑圖像。與這些方法相反，本發(fā)明在重疊的窗口上，例如在1.5s全部的0.125s的時(shí)期，提取協(xié)方差矩陣，從而實(shí)際上捕獲當(dāng)前的大腦狀態(tài)。技術(shù)實(shí)現(xiàn)要素：本發(fā)明公開了一種改進(jìn)的評(píng)分方法。在本發(fā)明中，受試者的神經(jīng)活動(dòng)被實(shí)時(shí)分析，并且通過有界連續(xù)分?jǐn)?shù)連續(xù)并可靠地向所述受試者報(bào)告關(guān)于參考狀態(tài)的神經(jīng)活動(dòng)的位置。所述受試者可返回調(diào)制和修改其神經(jīng)活動(dòng)并實(shí)時(shí)監(jiān)測(cè)所述演變，以便通過自行調(diào)制或外部調(diào)制將其神經(jīng)活動(dòng)導(dǎo)向所述參考狀態(tài)。本發(fā)明尤其涉及一種用于相對(duì)于參考狀態(tài)實(shí)時(shí)評(píng)分受試者的神經(jīng)信號(hào)的方法，所述參考狀態(tài)由k＝1...k參考協(xié)方差矩陣表征，該方法包括以下步驟：i.從受試者獲得神經(jīng)信號(hào)；ii.計(jì)算所述神經(jīng)的協(xié)方差矩陣；iii.計(jì)算所述協(xié)方差矩陣和k＝1...k參考協(xié)方差矩陣之間的黎曼距離dk；iv.基于在步驟iii中計(jì)算出的至少一個(gè)距離dk來實(shí)時(shí)計(jì)算連續(xù)分?jǐn)?shù)s。根據(jù)一個(gè)實(shí)施例，所述分?jǐn)?shù)限定于兩個(gè)預(yù)定值a和b之間。根據(jù)一個(gè)實(shí)施例，本發(fā)明涉及一種用于相對(duì)于參考狀態(tài)實(shí)時(shí)評(píng)分受試者的至少一個(gè)神經(jīng)信號(hào)的方法，所述參考狀態(tài)由k＝1...k參考協(xié)方差矩陣表征，該方法包括以下步驟：i.從受試者獲得至少一個(gè)神經(jīng)信號(hào)；ii.在至少一個(gè)頻段中濾波至少一個(gè)信號(hào)；可選擇地，級(jí)聯(lián)至少一個(gè)濾波的信號(hào)；iii.計(jì)算所述至少一個(gè)濾波的神經(jīng)信號(hào)的協(xié)方差矩陣；iv.計(jì)算所述協(xié)方差矩陣和k＝1...k參考協(xié)方差矩陣之間的黎曼距離dk；其中所述方法進(jìn)一步包括計(jì)算分?jǐn)?shù)s，所述分?jǐn)?shù)s是連續(xù)的、實(shí)時(shí)計(jì)算的、限定于兩個(gè)預(yù)定值a和b之間，并且基于在步驟iv中計(jì)算的至少一個(gè)距離dk。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)進(jìn)一步基于如下獲得的至少一個(gè)距離dr：﹣獲得表征基線狀態(tài)的r＝1...r基線協(xié)方差矩陣；﹣計(jì)算所述r＝1...r基線協(xié)方差矩陣和k＝1...k參考協(xié)方差矩陣之間的黎曼距離dr。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)基于至少一個(gè)距離dk、基于距離dr的幾何平均值以及基于距離dr的幾何標(biāo)準(zhǔn)偏差。根據(jù)一個(gè)實(shí)施例，獲得、在至少兩個(gè)頻段中濾波并級(jí)聯(lián)至少兩個(gè)神經(jīng)信號(hào)。根據(jù)一個(gè)實(shí)施例，協(xié)方差矩陣是一種時(shí)空頻率協(xié)方差矩陣。根據(jù)一個(gè)實(shí)施例，至少一個(gè)神經(jīng)信號(hào)通過腦皮層電圖、腦電圖、腦磁圖、磁共振成像、近紅外光譜、正電子發(fā)射斷層顯像或立體腦電圖來獲得。根據(jù)一個(gè)實(shí)施例，評(píng)分s是連續(xù)且有界的。根據(jù)一個(gè)實(shí)施例，步驟i還包括預(yù)處理所述至少一個(gè)神經(jīng)信號(hào)，優(yōu)選通過濾波來完成。根據(jù)一個(gè)實(shí)施例，協(xié)方差矩陣是一種時(shí)空頻率協(xié)方差矩陣。根據(jù)一個(gè)實(shí)施例，在維度等于所述協(xié)方差矩陣的維度的對(duì)稱正定矩陣的黎曼流形中估算黎曼距離。根據(jù)一個(gè)實(shí)施例，k＝1...k參考協(xié)方差矩陣通過黎曼集群方法由來自數(shù)據(jù)庫的表征參考狀態(tài)的神經(jīng)信號(hào)的p協(xié)方差矩陣獲得。根據(jù)一個(gè)實(shí)施例，黎曼集群方法選自均值漂移、k均值、平均或主要測(cè)地線分析。根據(jù)一個(gè)實(shí)施例，k＝1...k參考協(xié)方差矩陣通過均值漂移如下獲得：i.從數(shù)據(jù)庫獲得神經(jīng)信號(hào)的p＝1...p協(xié)方差矩陣xp，并定義諸如關(guān)于q＝1...q、p＝q和mq＝xp的q＝p模式的初始值；ii.定義超參數(shù)h和內(nèi)核窗口g；iii.對(duì)于每種模式mq：a.計(jì)算mq和每個(gè)矩陣xp之間的p距離d(mq，xp)；b.估算均值漂移矢量mh(mq)作為切矢量的加權(quán)和c.然后，計(jì)算其中指數(shù)映射具有切向空間上的點(diǎn)到黎曼流形上的點(diǎn)的鏈接；d.當(dāng)均值漂移矢量mh(mq)優(yōu)于閾值時(shí)，重復(fù)步驟a.到c.；e.如果均值漂移矢量不如閾值，則保留mq為局部模式；iv.通過融合距離不如h的模式來獲得k個(gè)不同的局部模式。根據(jù)另一個(gè)實(shí)施例，k＝1...k參考協(xié)方差矩陣通過k-均值如下獲得：i.定義超參數(shù)k；ii.從數(shù)據(jù)庫獲得神經(jīng)信號(hào)的p＝1...p協(xié)方差矩陣xp，并定義k＝1...k參考mk(來自數(shù)據(jù)庫的隨機(jī)或任意屬性)的初始值；iii.對(duì)于每個(gè)矩陣xp：a.計(jì)算xp和每個(gè)矩陣mk之間的k距離d(mk，xp)；b.使矩陣xp屬于給出最小距離的集群kpkp＝argmink＝1...kd(mk，xp)iv.將k參考矩陣更新為屬于它們各自集群的矩陣的黎曼均值：v.vi.重復(fù)步驟iii和iv，直到k參考矩陣不再從一個(gè)迭代更改為另一個(gè)迭代。根據(jù)一個(gè)實(shí)施例，k＝1...k參考協(xié)方差矩陣進(jìn)一步包括至少一個(gè)特定受試者協(xié)方差矩陣。本發(fā)明還涉及一種用于自行調(diào)制或外部調(diào)制受試者的神經(jīng)活動(dòng)的系統(tǒng)，該系統(tǒng)包括：﹣用于從受試者獲得至少一個(gè)神經(jīng)信號(hào)的獲取裝置；﹣用于實(shí)施根據(jù)本發(fā)明的方法的計(jì)算設(shè)備；﹣用于報(bào)告分?jǐn)?shù)s的輸出裝置。本發(fā)明還涉及一種用于自行調(diào)制受試者的神經(jīng)活動(dòng)以達(dá)到參考狀態(tài)的方法，所述方法包括連續(xù)地﹣從受試者獲得至少一個(gè)神經(jīng)信號(hào)；和﹣向受試者實(shí)時(shí)報(bào)告由根據(jù)本發(fā)明的方法獲得的分?jǐn)?shù)s。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制的所述方法是非治療性的。本發(fā)明還涉及一種用于外部調(diào)制受試者的神經(jīng)活動(dòng)以達(dá)到參考狀態(tài)的方法，所述方法連續(xù)包括：﹣從受試者獲得至少一個(gè)神經(jīng)信號(hào)；﹣向操作者實(shí)時(shí)報(bào)告由根據(jù)本發(fā)明的方法獲得的分?jǐn)?shù)s；和﹣將外部調(diào)制施加于受試者，以便將分?jǐn)?shù)s向由參考狀態(tài)定義的目標(biāo)分?jǐn)?shù)調(diào)制。根據(jù)一個(gè)實(shí)施例，用于外部調(diào)制的所述方法是非治療性的。根據(jù)一個(gè)實(shí)施例，外部調(diào)制通過深部腦刺激、電驚厥治療、磁驚厥治療、經(jīng)顱直流刺激、經(jīng)顱磁刺激、重復(fù)經(jīng)顱磁刺激或迷走神經(jīng)刺激來施加。根據(jù)一個(gè)實(shí)施例，外部調(diào)制還包括間接腦刺激，諸如任何感覺刺激(聽覺、視覺、體感覺)。定義說明在本發(fā)明中，下列術(shù)語具有如下含義：﹣本文所使用的單數(shù)形式“一”、“一個(gè)”和“所述”包括復(fù)數(shù)參考，除非上下文另有明確規(guī)定。﹣本文所使用的術(shù)語“約”是指大約、大致、大概或在…范圍內(nèi)。當(dāng)術(shù)語“約”結(jié)合數(shù)值范圍使用時(shí)，其通過延伸所闡述數(shù)值的上面和下面邊界來修改該范圍。通常，本文所使用的術(shù)語“約”通過20％的方差、優(yōu)選5％的方差將上面和下面數(shù)值更改為狀態(tài)值。﹣“基線狀態(tài)”是指受試者、受試者群體或不是參考狀態(tài)的非參考狀態(tài)群體的精神狀態(tài)。﹣“有界”：如果分?jǐn)?shù)s的值的設(shè)置是有界的，則分?jǐn)?shù)s是有界的。換句話說，存在實(shí)數(shù)b，使得|s|≤b。﹣校準(zhǔn)分?jǐn)?shù)”是指使用其中系數(shù)由先前獲得的數(shù)據(jù)導(dǎo)出的數(shù)學(xué)變換，將均值和標(biāo)準(zhǔn)差設(shè)置為期望值的分?jǐn)?shù)s。﹣“計(jì)算設(shè)備”是指能取得和執(zhí)行計(jì)算機(jī)程序的指令的、基于計(jì)算機(jī)的系統(tǒng)或包含處理器的系統(tǒng)或其他系統(tǒng)。﹣“不舒服”是指輕松或幸福感的缺失或減少。在一個(gè)實(shí)施例中，不舒服可能與疼痛的存在有關(guān)。﹣“疾病、不適或病癥”是指有缺陷的健康狀況，其中身體或精神系統(tǒng)受到影響。﹣“電極”是指用于與電路的非金屬部分建立電連接的導(dǎo)體。例如，eeg電極是通常由不銹鋼、錫、金、覆蓋有氯化銀涂層的銀制成的小金屬片；以特定位置放置在頭皮上。﹣“腦電圖”或“eeg”是指通過記錄來自頭皮的腦部電活動(dòng)來追蹤由腦電圖儀產(chǎn)生的腦電波。﹣“腦電圖儀”是指用于檢測(cè)和記錄腦電波的設(shè)備。﹣“時(shí)期”是指在獲得神經(jīng)信號(hào)期間所確定時(shí)段。﹣“外部或誘導(dǎo)調(diào)制”是指不由受試者誘導(dǎo)的大腦活動(dòng)的調(diào)制。所述調(diào)制可包括以下方法:o深部腦刺激(dbs)；o電驚厥治療(ect)；o磁痙攣治療(mst)；o經(jīng)顱直流電刺激(tdcs)；o經(jīng)顱磁刺激(tms)；o重復(fù)經(jīng)顱磁刺激(rtms)；或者o迷走神經(jīng)刺激(vns)。外部調(diào)制還包括本領(lǐng)域的一個(gè)技術(shù)人員已知的影響腦活動(dòng)的任何刺激方法，例如，藥物(鎮(zhèn)靜)或干預(yù)(機(jī)械通氣)。這種刺激還可經(jīng)由感覺神經(jīng)傳入：聽覺、視覺、軀體感覺刺激來間接影響大腦。外部調(diào)制還可包括以不同的相位頻率同時(shí)刺激大腦的兩半球的元素，以便以感興趣的頻率在大腦的特定區(qū)域(例如用于聽覺刺激的雙耳節(jié)拍)引起腦活動(dòng)。–“神經(jīng)信號(hào)”在本文中是指通過測(cè)量神經(jīng)活動(dòng)而獲得的信號(hào)。測(cè)量所述神經(jīng)活動(dòng)可通過：o腦深部電極；o腦皮層電圖(ecog)；o腦電圖(eeg)；o腦磁圖(meg)；–磁共振成像(mri)：擴(kuò)散mri，灌注mri，功能性mri(fmri)；–近紅外光譜(nirs)；–正電子發(fā)射斷層顯像(pet)；或者–立體腦電圖(seeg)。本發(fā)明涉及至少一個(gè)神經(jīng)信號(hào)或多個(gè)神經(jīng)信號(hào)的獲得和處理。–“實(shí)時(shí)”是指在時(shí)間延遲內(nèi)給出輸出的過程，所述時(shí)間延遲被認(rèn)為是短于充分執(zhí)行基本調(diào)制任務(wù)所需的時(shí)間延遲。因此，對(duì)于自行調(diào)制，實(shí)時(shí)是指在少于700ms、優(yōu)選少于500ms、更優(yōu)選少于400ms、甚至更優(yōu)選少于250ms的時(shí)間段內(nèi)實(shí)施的過程。對(duì)于外部調(diào)制，實(shí)時(shí)可能是指在少于10min、少于1min、少于30s、少于1s或少于700ms的時(shí)間段內(nèi)實(shí)施的過程，這取決于外部調(diào)制的頻率。–“參考狀態(tài)”是指實(shí)行確定任務(wù)諸如睜開眼睛休息、閉上眼睛休息、放松、冥想、專心、專注于特定思想的受試者或受試者群體的腦狀態(tài)的建模。–“黎曼流形”是指與歐幾里德空間局部同胚的可微分拓?fù)淇臻g，在該拓?fù)淇臻g上定義足夠規(guī)則的內(nèi)積。內(nèi)積使其能夠在黎曼流形上定義黎曼幾何。–“分?jǐn)?shù)”是指根據(jù)本發(fā)明在原始距離上獲得或計(jì)算的任何值。從本發(fā)明的意義上說，分?jǐn)?shù)是關(guān)于參考狀態(tài)的具有受試者的神經(jīng)活動(dòng)的位置特征的有界值。分?jǐn)?shù)是受試者可理解的值，存在于兩個(gè)定義值之間的完整范圍內(nèi)。–“自行調(diào)制”是指由受試者誘導(dǎo)的大腦活動(dòng)的調(diào)制。從本發(fā)明的意義上說，自行調(diào)制具有與神經(jīng)反饋相同的意義，并且是指受試者通過實(shí)時(shí)操作分?jǐn)?shù)s來控制其腦電活動(dòng)的能力。自行調(diào)制可包括認(rèn)知策略，諸如給予受試者的預(yù)定義指令。–“受試者”是指哺乳動(dòng)物，優(yōu)選人類。從本發(fā)明的意義上說，受試者可以是患者，即接受醫(yī)療照顧、正在接受治療或已經(jīng)接受過治療或疾病發(fā)展被監(jiān)測(cè)的人。–“對(duì)稱正定(spd)矩陣”是指其對(duì)角線對(duì)稱(即aij＝aji)并且具有嚴(yán)格為正的特征值的方形矩陣。c*c維度的spd矩陣具有c(c+1)/2個(gè)獨(dú)立元素；因此其可局部近似于c(c+1)/2維度的歐幾里得空間。其能夠示出spd空間具有黎曼流形的結(jié)構(gòu)。眾所周知協(xié)方差矩陣是對(duì)稱正定矩陣。–“治療”或“緩解”是指治療和預(yù)防或預(yù)防性措施；其中目的是防止或減緩(減輕)目標(biāo)病理狀態(tài)或不適。那些需要治療的患者包括那些已經(jīng)有不適的患者，以及那些易有不適的患者，或者那些要預(yù)防不適的患者。如果根據(jù)本發(fā)明的方法在接受治療后，患者示出較低的分?jǐn)?shù)，則受試者或哺乳動(dòng)物被成功地“治療”。具體實(shí)施方式本發(fā)明涉及一種相對(duì)于參考狀態(tài)實(shí)時(shí)評(píng)分受試者的神經(jīng)信號(hào)的方法，所述參考狀態(tài)由k＝1...k參考協(xié)方差矩陣表征，該方法包括以下步驟：i.從受試者來獲得神經(jīng)信號(hào)；ii.計(jì)算所述神經(jīng)信號(hào)的協(xié)方差矩陣；iii.計(jì)算協(xié)方差矩陣和k＝1...k參考矩陣之間的黎曼距離；iv.基于在步驟iii中估算的距離計(jì)算連續(xù)分?jǐn)?shù)s。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用磁共振成像(mri)、優(yōu)選fmri、擴(kuò)散mri或灌注mri來獲得。根據(jù)另一個(gè)實(shí)施例，神經(jīng)信號(hào)使用近紅外光譜(nirs)來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用腦磁圖(meg)來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用皮層腦電圖(ecog)來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用腦電圖(eeg)來獲得。在所述實(shí)施例中，不同類型的合適耳機(jī)或電極系統(tǒng)可用于獲得這種神經(jīng)信號(hào)。例子包括、但不限于：市場(chǎng)上可買到的來自emotiv的epoc耳機(jī)、市場(chǎng)上可買到的來自neurosky的mindset耳機(jī)、市場(chǎng)上可買到的來自senselabs的versus耳機(jī)、市場(chǎng)上可買到的來自wearable感測(cè)的dsi6耳機(jī)、市場(chǎng)上可買到的來自brainproducts的xpress系統(tǒng)、市場(chǎng)上可買到的來自tmsi的mobita系統(tǒng)、市場(chǎng)上可買到的來自tmsi的porti32系統(tǒng)、市場(chǎng)上可買到的來自brainproducts的actichamp系統(tǒng)以及市場(chǎng)上可買到的來自egi的geodesic系統(tǒng)。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用正電子發(fā)射斷層顯像(pet)來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用立體腦電圖(seeg)來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用植入微電極陣列來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用腦深部植入來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用本領(lǐng)域的一個(gè)技術(shù)人員已知的任何腦成像技術(shù)來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用一組傳感器和/或電極來獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)至少通過4、8、10、15、16、17、18、19、20、25、50、75、100、150、200、250電極來獲得。根據(jù)一個(gè)實(shí)施例，所分析的神經(jīng)信號(hào)為原始神經(jīng)信號(hào)或重建的神經(jīng)信號(hào)。根據(jù)一個(gè)實(shí)施例，所分析的神經(jīng)信號(hào)在分析之前由原始信號(hào)重建。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)通過本領(lǐng)域一個(gè)技術(shù)人員所已知的任何方法由重建神經(jīng)信號(hào)獲得。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)使用正電子發(fā)射斷層顯像(pet)來獲得。根據(jù)一個(gè)實(shí)施例，信號(hào)使用低分辨率腦電磁層析成像(loreta)來獲得。整體采集時(shí)間被細(xì)分為在本領(lǐng)域中稱為時(shí)期的周期。每個(gè)時(shí)期都與代表在所述時(shí)期期間獲得的時(shí)空信號(hào)的矩陣相關(guān)。時(shí)空神經(jīng)信號(hào)x由c波段、電極或傳感器以及n個(gè)時(shí)間樣本組成。例如，受試者裝有用于神經(jīng)信號(hào)采集的c電極。每個(gè)電極c＝1...c傳送作為時(shí)間函數(shù)的信號(hào)xc(n)。將該信號(hào)取樣以在離散時(shí)間操作：x(c,n)＝xc(n)，然后將其數(shù)字化。這產(chǎn)生了代表神經(jīng)信號(hào)組的矩陣。根據(jù)一個(gè)實(shí)施例，為了確保實(shí)時(shí)處理，重疊連續(xù)的時(shí)期。根據(jù)一個(gè)實(shí)施例，協(xié)方差矩陣是一種空間協(xié)方差矩陣。在實(shí)施例中，該空間協(xié)方差矩陣可以如下計(jì)算：n≥c，其中n是在該時(shí)期中的每個(gè)電極的樣本的數(shù)量，c是電極的數(shù)量。在另一個(gè)實(shí)施例中，空間協(xié)方差矩陣使用熟練的技術(shù)人員所已知的任何方法來計(jì)算，諸如barachanta.在2012年、法國格勒諾布爾大學(xué)博士學(xué)位論文commanderobusted'uneffecteurparuneinterfacecerveau-machineeegasynchrone中所公開的方法。根據(jù)一個(gè)實(shí)施例，信號(hào)被預(yù)處理。根據(jù)一個(gè)實(shí)施例，信號(hào)被置于中心。根據(jù)一個(gè)實(shí)施例，信號(hào)被濾波。根據(jù)一個(gè)實(shí)施例，信號(hào)被去噪。根據(jù)一個(gè)實(shí)施例，信號(hào)被清潔。根據(jù)一個(gè)實(shí)施例，信號(hào)被頻率濾波。根據(jù)一個(gè)實(shí)施例，頻率濾波的截止頻率是任意選取的。根據(jù)另一個(gè)實(shí)施例，由于初步的頻率研究，優(yōu)化了頻率濾波的截止頻率。根據(jù)一個(gè)實(shí)施例，協(xié)方差矩陣被歸一化。根據(jù)一個(gè)實(shí)施例，協(xié)方差矩陣被軌跡歸一化，這使其軌跡等于1：根據(jù)一個(gè)實(shí)施例，協(xié)方差矩陣被行列式歸一化，這使其行列式等于1：歸一化步驟，尤其是行列式歸一化允許會(huì)話到會(huì)話和/或受試者到受試者學(xué)習(xí)遷移：它將部分差異性從一個(gè)記錄遷移到另一個(gè)記錄。根據(jù)一個(gè)實(shí)施例，本發(fā)明的方法實(shí)時(shí)評(píng)分至少一個(gè)神經(jīng)信號(hào)。所述至少一個(gè)神經(jīng)信號(hào)在至少一個(gè)頻段中被濾波。根據(jù)一個(gè)實(shí)施例，本發(fā)明的方法實(shí)時(shí)評(píng)分在至少兩個(gè)頻段中濾波的至少兩個(gè)神經(jīng)信號(hào)。所述至少兩個(gè)濾波的神經(jīng)信號(hào)被進(jìn)一步級(jí)聯(lián)。根據(jù)一個(gè)實(shí)施例，信號(hào)在f頻段中被濾波；從而獲得f＝1...f濾波信號(hào)根據(jù)一個(gè)實(shí)施例，擴(kuò)展信號(hào)被定義為濾波信號(hào)的垂直級(jí)聯(lián)：根據(jù)一個(gè)實(shí)施例，協(xié)方差矩陣是一種時(shí)空頻率協(xié)方差矩陣。在一個(gè)實(shí)施例中，時(shí)空頻率協(xié)方差矩陣如下計(jì)算：n≥cf，其中n是在該時(shí)期中每個(gè)電極的樣本的數(shù)量，c是電極的數(shù)量。根據(jù)一個(gè)實(shí)施例，時(shí)空-頻率協(xié)方差矩陣可如前所述被其軌跡或其行列式歸一化。根據(jù)一個(gè)實(shí)施例，計(jì)算神經(jīng)信號(hào)的協(xié)方差矩陣的步驟包括在重疊窗口上計(jì)算所述神經(jīng)信號(hào)的協(xié)方差矩陣。根據(jù)一個(gè)實(shí)施例，計(jì)算神經(jīng)信號(hào)的協(xié)方差矩陣的步驟包括在重疊窗口上計(jì)算所述神經(jīng)信號(hào)的時(shí)空-頻率協(xié)方差矩陣，和使所述時(shí)空-頻率協(xié)方差矩陣歸一化。與給定時(shí)期相關(guān)聯(lián)的每個(gè)協(xié)方差矩陣都被認(rèn)為是黎曼流形上的點(diǎn)。為了定位與參考人群有關(guān)的受試者的神經(jīng)活動(dòng)，需要距離和均值計(jì)算。1999年、w和moonenb在ametricforcovariancematrices，quovadisgeodesia、第113-128頁中，已詳細(xì)說明了協(xié)方差矩陣所使用的度量。在實(shí)施例中，兩個(gè)協(xié)方差矩陣a和b之間的黎曼距離可被定義為仿射不變性距離：λi(a，b)特征值來自|λa-b|＝0。在另一個(gè)實(shí)施例中，黎曼距離使用本領(lǐng)域一個(gè)技術(shù)人員已知的任何其它距離來計(jì)算，諸如liy、wongkm，在2013年8月，信號(hào)處理專題的ieee期刊，第7卷，第4號(hào)，riemanniandistancesforsignalclassificationbypowerspectraldensity中描述的那些距離。根據(jù)一個(gè)實(shí)施例，在維度等于協(xié)方差矩陣維度的對(duì)稱正定矩陣的黎曼流形上估算黎曼距離。根據(jù)一個(gè)實(shí)施例，估算協(xié)方差矩陣和k＝1...k參考矩陣之間的黎曼距離。根據(jù)一個(gè)實(shí)施例，k＝1...k參考協(xié)方差矩陣通過黎曼集群方法由來自數(shù)據(jù)庫的神經(jīng)信號(hào)的p協(xié)方差矩陣獲得，具有p≥k。所述p協(xié)方差矩陣表征參考狀態(tài)。根據(jù)一個(gè)實(shí)施例，數(shù)據(jù)庫的p協(xié)方差矩陣是以用于不同受試者和/或神經(jīng)信號(hào)采集的不同會(huì)話的表征參考狀態(tài)的神經(jīng)信號(hào)的協(xié)方差矩陣。根據(jù)一個(gè)實(shí)施例，黎曼集群方法是從均值漂移、k均值、平均或主要測(cè)地線分析中選擇出來的。根據(jù)一個(gè)實(shí)施例，執(zhí)行在黎曼流形上的均值漂移。根據(jù)一個(gè)實(shí)施例，執(zhí)行在黎曼流形上的均值漂移，正如subbarao等人在intjcomputvis、第84卷、第1-20頁(2009)的nonlinearmeanshiftoverriemannianmanifolds中所公開的。根據(jù)一個(gè)實(shí)施例，均值漂移可被迭代地執(zhí)行。根據(jù)一個(gè)實(shí)施例，k參考協(xié)方差矩陣(也稱為模式)通過均值漂移來如下獲得：i.從數(shù)據(jù)庫獲得神經(jīng)信號(hào)的p＝1...p協(xié)方差矩陣xp，并定義諸如關(guān)于q＝1...q，p＝q和mq＝xp的q＝p模式的初始值；ii.定義超參數(shù)h和內(nèi)核窗口g；iii.對(duì)于每種模式mq：a.計(jì)算mq和每個(gè)矩陣xp之間的p距離d(mq，xp)；b.估算均值漂移矢量mh(mq)作為切矢量的加權(quán)和c.然后，計(jì)算其中指數(shù)映射具有切向空間上的點(diǎn)到黎曼流形上的點(diǎn)的鏈接；d.當(dāng)均值漂移矢量mh(mq)的范數(shù)優(yōu)于閾值時(shí)，重復(fù)步驟a.到c.；e.如果均值漂移矢量不如閾值，則保留mq為局部模式；iv.通過融合距離不如的模式來獲得不同的局部模式k；其中：用協(xié)方差矩陣的指數(shù)和對(duì)數(shù)函數(shù)expm和logm(參見barachant等人在生物醫(yī)學(xué)工程ieee期刊59,4(2012)920-928的multi-classbraincomputerinterfaceclassificationbyriemanniangeometry和congedom.在2013年、法國格勒諾布爾大學(xué)博士學(xué)位的eegsourceanalysis)。根據(jù)一個(gè)實(shí)施例，選定閾值以確保算法的收斂，并且該閾值優(yōu)選在10-1至10-3的范圍內(nèi)。根據(jù)一個(gè)實(shí)施例，執(zhí)行在黎曼流形上的k-均值。根據(jù)一個(gè)實(shí)施例，執(zhí)行在黎曼流形上的k-均值，正如congedom.在2013年、法國格勒諾布爾大學(xué)博士學(xué)位的eegsourceanalysis所公開的。根據(jù)一個(gè)實(shí)施例，k均值可被迭代地執(zhí)行。根據(jù)一個(gè)實(shí)施例，k參考協(xié)方差矩陣通過k均值如下獲得：i.定義超參數(shù)k；ii.從數(shù)據(jù)庫獲得神經(jīng)信號(hào)的p＝1...p協(xié)方差矩陣xp，并定義k＝1...k參考mk(來自數(shù)據(jù)庫的隨機(jī)或任意屬性)的初始值；iii.對(duì)于每個(gè)矩陣xp：a.計(jì)算xp和每個(gè)矩陣mk之間的k距離d(mk，xp)；b.使矩陣xp屬于指出最小距離的集群kpkp＝argmink＝1...kd(mk，xp)iv.更新k參考矩陣為屬于它們各自集群的矩陣的黎曼均值：v.重復(fù)步驟iii和iv，直到k參考矩陣不再從一個(gè)迭代更改為另一個(gè)迭代。在p.t.fletcher和s.joshi、2004年、醫(yī)學(xué)和生物醫(yī)學(xué)圖像分析的計(jì)算機(jī)視覺和數(shù)學(xué)方法、第87-98頁的“principalgeodesicanalysisonsymmetricspaces:statisticsofdiffusiontensors”中，描述了黎曼平均值。根據(jù)一個(gè)實(shí)施例，至少一個(gè)補(bǔ)充參考協(xié)方差矩陣是特定受試者。根據(jù)一個(gè)實(shí)施例，至少一個(gè)補(bǔ)充參考協(xié)方差矩陣通過估算從受試者的校準(zhǔn)會(huì)話獲得的協(xié)方差矩陣的黎曼均值來獲得。所述實(shí)施例能夠提供一種在用于受試者的隨后會(huì)話的活動(dòng)的可接受和刺激范圍之內(nèi)的反饋。根據(jù)一個(gè)實(shí)施例，k＝1…k參考協(xié)方差矩陣是特定受試者。根據(jù)一個(gè)實(shí)施例，k＝1...k參考協(xié)方差矩陣通過估算從受試者的不同會(huì)話獲得的協(xié)方差矩陣的黎曼均值來獲得。所述實(shí)施例能夠提供一種在用于受試者的隨后會(huì)話的活動(dòng)的可接受和刺激范圍之內(nèi)的反饋。根據(jù)一個(gè)實(shí)施例，計(jì)算基于每個(gè)協(xié)方差矩陣和k＝1...k參考矩陣之間的估算距離dk的有界連續(xù)分?jǐn)?shù)s。根據(jù)一個(gè)實(shí)施例，計(jì)算基于每個(gè)協(xié)方差矩陣和k＝1...k參考矩陣之間的估算距離dk中的至少一個(gè)的有界連續(xù)分?jǐn)?shù)s。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s基于每個(gè)協(xié)方差矩陣和k＝1...k參考矩陣之間的最小距離dk。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)被限定在兩個(gè)預(yù)定值a和b之間。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s進(jìn)一步基于基線狀態(tài)的協(xié)方差矩陣和k＝1...k參考矩陣之間的估算距離dr。實(shí)際上，為了對(duì)受試者有用，分?jǐn)?shù)必須限定在兩個(gè)預(yù)定界限之間。此外，為了確保分?jǐn)?shù)位于可能值的整個(gè)范圍之間，需要校準(zhǔn)從距離到分?jǐn)?shù)的轉(zhuǎn)換。多虧了校準(zhǔn)，才使分?jǐn)?shù)總是位于潛在值的完整范圍內(nèi)，從而避免了給予受試者準(zhǔn)恒分?jǐn)?shù)，例如總是好的分?jǐn)?shù)，或者相反，總是不好的分?jǐn)?shù)。優(yōu)選使用的所述分?jǐn)?shù)值的可用范圍極大地增強(qiáng)了神經(jīng)反饋效率。根據(jù)一個(gè)實(shí)施例，將分?jǐn)?shù)s進(jìn)行校準(zhǔn)。校準(zhǔn)是找到未知量(在給定時(shí)間的任何受試者的基線活動(dòng))與已知量諸如調(diào)制設(shè)備的操作范圍(例如，tdcs設(shè)備的電壓、揚(yáng)聲器的音量、或顯示器的下界限和上界限)之間的關(guān)系的過程。校準(zhǔn)過程通?？刂啤捌睢?零或均值的平均偏差)和方差(均值/偏差的平方平均偏差)。從統(tǒng)計(jì)學(xué)上講，未知數(shù)通常以能夠由統(tǒng)計(jì)學(xué)諸如均值和標(biāo)準(zhǔn)偏差來概括的分布(在本例子中，由基線會(huì)話計(jì)算的黎曼距離的分布)表征。因此，校準(zhǔn)程序可以依據(jù)找到的將該基線(不被控制的)分布轉(zhuǎn)換成調(diào)制設(shè)備諸如當(dāng)前刺激器、揚(yáng)聲器、屏幕等的操作范圍的映射函數(shù)來表示。特別是，需要限定于在兩個(gè)值之間的目標(biāo)分布。為了提高處理效果，還優(yōu)選最終分布將優(yōu)選使用操作值的可用范圍。從而使這些界限內(nèi)的方差最大化。根據(jù)所述實(shí)施例，為了校準(zhǔn)分?jǐn)?shù)，使用包括對(duì)應(yīng)于基線狀態(tài)即非參考或非目標(biāo)狀態(tài)的神經(jīng)信號(hào)的r＝1...r基線協(xié)方差矩陣的數(shù)據(jù)庫。所述數(shù)據(jù)庫包括在已知基線狀態(tài)下從不同受試者和/或神經(jīng)信號(hào)采集的不同會(huì)話獲得的神經(jīng)信號(hào)。根據(jù)一個(gè)實(shí)施例，數(shù)據(jù)庫包括對(duì)應(yīng)于從受試者的神經(jīng)信號(hào)采集的先前會(huì)話獲得的基線狀態(tài)的神經(jīng)信號(hào)的協(xié)方差矩陣。因此，分?jǐn)?shù)以特定受試者的方式進(jìn)行校準(zhǔn)。根據(jù)另一個(gè)實(shí)施例，分?jǐn)?shù)s以特定受試者的方式進(jìn)行校準(zhǔn)。所述實(shí)施例能夠提供一種在用于受試者的隨后會(huì)話的活動(dòng)的可接受和刺激范圍之內(nèi)的反饋。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s還基于每個(gè)r＝1...r基線協(xié)方差矩陣和k＝1...k參考矩陣之間的估算距離dr。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s還基于每個(gè)r＝1...r基線協(xié)方差矩陣和k＝1...k參考矩陣之間的估算距離dr中的至少一個(gè)。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)基于至少一個(gè)距離dk、基于距離dk的幾何平均值dr以及基于距離dr的幾何標(biāo)準(zhǔn)偏差。根據(jù)一個(gè)實(shí)施例，協(xié)方差矩陣和k＝1...k參考矩陣dk之間的黎曼距離使用以下公式轉(zhuǎn)換成幾何化z分?jǐn)?shù)(標(biāo)準(zhǔn)化的，即，一元的且零為中心的正態(tài)分布)：其中幾何平均值μ和幾何標(biāo)準(zhǔn)偏差σ在r＝1...r基線狀態(tài)距離dr上被計(jì)算為：和正如congedom.在2013年、法國格勒諾布爾大學(xué)博士學(xué)位的eegsourceanalysis所公開的。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s使用將分?jǐn)?shù)關(guān)聯(lián)到給定的標(biāo)準(zhǔn)化z分?jǐn)?shù)的有界函數(shù)來估算。根據(jù)優(yōu)選實(shí)施例，所述函數(shù)屬于s型函數(shù)族。根據(jù)優(yōu)選實(shí)施例，所述函數(shù)是一種邏輯函數(shù)，優(yōu)選地：其中，a是神經(jīng)反饋分?jǐn)?shù)的下界限，b是神經(jīng)反饋分?jǐn)?shù)的上界限。根據(jù)一個(gè)實(shí)施例，所述界限a、b是預(yù)定的(即它們被固定為參數(shù))。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s嚴(yán)格限定于a和b之間，其中a優(yōu)選等于0，b優(yōu)選等于10。可以選擇另一個(gè)非線性函數(shù)來由z分?jǐn)?shù)獲得分?jǐn)?shù)，諸如廣義邏輯函數(shù)、雙曲正切函數(shù)、反正切函數(shù)、誤差函數(shù)以及屬于s形函數(shù)族的所有其他函數(shù)。多虧了z分?jǐn)?shù)標(biāo)準(zhǔn)化和之后的給出適合于受試者的相對(duì)狀態(tài)的分?jǐn)?shù)的非線性函數(shù)，才可將距離轉(zhuǎn)換成分?jǐn)?shù)。其允許總是有分?jǐn)?shù)存在于潛在值的整個(gè)范圍內(nèi)，避免了給予受試者準(zhǔn)恒分?jǐn)?shù)，例如總是好的分?jǐn)?shù)，或者相反總是不好的分?jǐn)?shù)。捕獲患者的相對(duì)狀態(tài)的演變，對(duì)于神經(jīng)反饋效率，必需優(yōu)選使用分?jǐn)?shù)值的可用范圍。根據(jù)另一個(gè)實(shí)施例，分?jǐn)?shù)s使用邏輯函數(shù)來估算，優(yōu)選地：其中λ是如下所述選擇的參數(shù)根據(jù)所述實(shí)施例，使用包括對(duì)應(yīng)于非參考或非目標(biāo)狀態(tài)的神經(jīng)信號(hào)的基線協(xié)方差矩陣的數(shù)據(jù)庫。所述數(shù)據(jù)庫包括在已知基線狀態(tài)下從不同受試者和/或神經(jīng)信號(hào)采集的不同會(huì)話獲得的神經(jīng)信號(hào)。估算在所述數(shù)據(jù)庫的每個(gè)協(xié)方差矩陣和如上所述獲得的k＝1...k參考矩陣之間的黎曼距離。然后，將所述黎曼距離中的最大距離稱為dmax?？梢赃x擇參數(shù)λ，使得s形函數(shù)與距離dmax相關(guān)聯(lián)有界分?jǐn)?shù)，優(yōu)選等于9.5。根據(jù)另一個(gè)實(shí)施例，分?jǐn)?shù)s以特定受試者的方式被校準(zhǔn)。根據(jù)這種實(shí)施例，包括在已知基線狀態(tài)下從不同受試者和/或神經(jīng)信號(hào)采集的不同會(huì)話獲得的神經(jīng)信號(hào)協(xié)方差矩陣的數(shù)據(jù)庫，被從受試者神經(jīng)信號(hào)采集的先前會(huì)話獲得的協(xié)方差矩陣代替。所述實(shí)施例能夠提供一種在用于受試者的隨后會(huì)話的活動(dòng)的可接受和刺激范圍之內(nèi)的反饋。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s嚴(yán)格限定于a和b之間，其中a優(yōu)選等于0，b優(yōu)選等于10。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s不是來自距離閾值的二進(jìn)制。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s不是來自多級(jí)分類的分類標(biāo)簽。在一個(gè)實(shí)施例中，本發(fā)明用存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上的用于直接操作計(jì)算設(shè)備的計(jì)算機(jī)程序來實(shí)現(xiàn)。在一個(gè)實(shí)施例中，計(jì)算機(jī)程序包括神經(jīng)信號(hào)采集能力，優(yōu)選ecog、eeg、meg、mri、nirs、pet或seeg采集能力。在另一個(gè)實(shí)施例中，計(jì)算機(jī)程序與收集神經(jīng)信號(hào)數(shù)據(jù)(優(yōu)選ecog數(shù)據(jù)、eeg數(shù)據(jù)、meg數(shù)據(jù)、mri數(shù)據(jù)、nirs數(shù)據(jù)、pet數(shù)據(jù)或seeg數(shù)據(jù))的系統(tǒng)通信。本發(fā)明還涉及一種用于自行調(diào)制受試者的神經(jīng)活動(dòng)以達(dá)到參考狀態(tài)的方法，所述方法包括連續(xù)地：﹣從受試者獲得神經(jīng)信號(hào)；和﹣向受試者實(shí)時(shí)報(bào)告由根據(jù)本發(fā)明的方法獲得的連續(xù)分?jǐn)?shù)s。通過向受試者實(shí)時(shí)報(bào)告分?jǐn)?shù)s，受試者能夠控制腦電活動(dòng)，使得分?jǐn)?shù)s可由受試者實(shí)時(shí)操作。根據(jù)一個(gè)實(shí)施例，在自行調(diào)制的會(huì)話期間給予受試者指令；所述指令包括但不限于放松、正常呼吸、保持安靜、避免眼睛運(yùn)動(dòng)、避免肌肉緊張、避免吸吮運(yùn)動(dòng)、避免咀嚼、或避免任何運(yùn)動(dòng)。根據(jù)一個(gè)實(shí)施例，在自行調(diào)制的會(huì)話期間不給予受試者指令。本發(fā)明還涉及一種用于外部調(diào)制受試者的神經(jīng)活動(dòng)以達(dá)到參考狀態(tài)的方法，所述方法包括：﹣從受試者獲得神經(jīng)信號(hào)；﹣向操作者實(shí)時(shí)報(bào)告由根據(jù)本發(fā)明的方法獲得的分?jǐn)?shù)s；﹣對(duì)受試者施加外部調(diào)制，以使分?jǐn)?shù)s向由參考狀態(tài)定義的目標(biāo)分?jǐn)?shù)調(diào)整。優(yōu)選地施加使分?jǐn)?shù)s減少到最小的外部調(diào)制。根據(jù)一個(gè)實(shí)施例，用于外部調(diào)制受試者的神經(jīng)活動(dòng)以達(dá)到參考狀態(tài)的方法不是治療性的。根據(jù)一個(gè)實(shí)施例，訓(xùn)練者可以是向受試者施加外部調(diào)制的醫(yī)師或自動(dòng)化設(shè)備。根據(jù)一個(gè)實(shí)施例，外部調(diào)制通過間接腦刺激、深部腦刺激(dbs)、電驚厥治療(ect)、磁驚厥治療(mst)、經(jīng)顱直流刺激(tdcs)、經(jīng)顱磁刺激(tms)、重復(fù)經(jīng)顱磁刺激(rtms)或迷走神經(jīng)刺激(vns)來施加。根據(jù)一個(gè)實(shí)施例，外部調(diào)制包括間接腦刺激，諸如任何感覺刺激(聽覺、視覺、體感覺)。本發(fā)明還涉及一種用于自行調(diào)制或外部調(diào)制受試者的神經(jīng)活動(dòng)的系統(tǒng)，所述系統(tǒng)包括：﹣用于從受試者獲得神經(jīng)信號(hào)的獲取裝置；﹣用于實(shí)現(xiàn)根據(jù)本發(fā)明的方法的計(jì)算設(shè)備；﹣用于報(bào)告分?jǐn)?shù)s的輸出裝置。根據(jù)一個(gè)實(shí)施例，獲取裝置包括本領(lǐng)域一個(gè)技術(shù)人員已知的能夠獲得(即捕獲、記錄和/或傳輸)本發(fā)明所定義的神經(jīng)信號(hào)的任何裝置，優(yōu)選如上所述的電極或耳機(jī)。根據(jù)一個(gè)實(shí)施例，獲取裝置包括用于放大和/或?qū)⑸窠?jīng)信號(hào)從模擬格式轉(zhuǎn)換成數(shù)字格式的放大器單元。根據(jù)一個(gè)實(shí)施例，計(jì)算設(shè)備包括處理器和軟件程序。處理器接收數(shù)字化的神經(jīng)信號(hào)，并根據(jù)軟件程序的指令處理數(shù)字化的神經(jīng)信號(hào)以計(jì)算分?jǐn)?shù)s。根據(jù)一個(gè)實(shí)施例，計(jì)算設(shè)備包括存儲(chǔ)器。根據(jù)一個(gè)實(shí)施例，計(jì)算設(shè)備包括能夠遠(yuǎn)程實(shí)施根據(jù)本發(fā)明的方法的網(wǎng)絡(luò)連接。根據(jù)一個(gè)實(shí)施例，神經(jīng)信號(hào)被無線傳遞給計(jì)算設(shè)備。根據(jù)一個(gè)實(shí)施例，輸出裝置從計(jì)算設(shè)備無線接收分?jǐn)?shù)s。根據(jù)一個(gè)實(shí)施例，輸出裝置包括用于報(bào)告分?jǐn)?shù)s的任何裝置。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s使用受試者的任何感覺：視覺手段、聽覺手段、嗅覺手段、觸覺手段(例如振動(dòng)或觸覺反饋)和/或味覺手段來報(bào)告。優(yōu)選地，分?jǐn)?shù)s使用顯示器諸如屏幕：智能電話、電腦顯示器或電視；或頭戴式顯示器來報(bào)告。根據(jù)一個(gè)實(shí)施例，尤其是在自行調(diào)制的情況下，分?jǐn)?shù)s的報(bào)告使受試者能夠意識(shí)到訓(xùn)練的正確方向。根據(jù)一個(gè)實(shí)施例，分?jǐn)?shù)s的報(bào)告包括視覺報(bào)告，其中顯示表示受試者實(shí)時(shí)分?jǐn)?shù)s的目標(biāo)，所述目標(biāo)朝著或遠(yuǎn)離表示參考狀態(tài)所定義的目標(biāo)分?jǐn)?shù)的位置運(yùn)動(dòng)。根據(jù)使用聽覺手段來報(bào)告分?jǐn)?shù)s的實(shí)施例，向受試者報(bào)告其振幅由所述分?jǐn)?shù)s直接調(diào)制的聲音。聲音可以是簡單的嗶嗶聲、水流聲、波浪聲、雨聲、鐺鐺聲或能夠以振幅或頻率調(diào)制的任何其他聲音。根據(jù)使用視覺手段來報(bào)告分?jǐn)?shù)s的實(shí)施例，向受試者報(bào)告在屏幕上可由所述分?jǐn)?shù)s調(diào)制位置、大小、顏色或任何其他參數(shù)的物體。例如，它可以表示其高度由分?jǐn)?shù)s調(diào)制的飛機(jī)。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法被用在家庭護(hù)理或臨床使用中。本發(fā)明還涉及用于自行調(diào)制或外部調(diào)制以減輕受試者的不舒服的系統(tǒng)的使用。根據(jù)一個(gè)實(shí)施例，自行調(diào)制方法和/或外部調(diào)制方法是用于減輕或用于減輕受試者的不舒服。本發(fā)明還涉及一種用于減輕受試者的不舒服的方法，該方法包括本發(fā)明的用于自行調(diào)制或外部調(diào)制的系統(tǒng)的使用。根據(jù)一個(gè)實(shí)施例，不舒服是精神不舒服，諸如焦慮和壓力。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法被用于緩解慢性或急性疼痛、偏頭痛和抑郁癥。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法被用于達(dá)到以下目標(biāo)狀態(tài)：放松。根據(jù)該實(shí)施例，要緩解的不舒服可能是壓力或焦慮。本發(fā)明還涉及用于自行調(diào)制或外調(diào)制的系統(tǒng)，該系統(tǒng)用于治療或用于治療病癥、不適或疾病，諸如受試者、優(yōu)選有需要的患者的在下文所述的那些病癥、不適或疾病。根據(jù)一個(gè)實(shí)施例，自行調(diào)制方法和/或外部調(diào)制方法被用于治療或緩解患者的病癥、不適或疾病。本發(fā)明還涉及一種用于治療有需要的受試者的病癥、不適或疾病的方法，該方法包括本發(fā)明的用于自行調(diào)制或外部調(diào)制的系統(tǒng)的使用。使用本發(fā)明的自行調(diào)制方法和/或外部調(diào)制方法可治療的病癥、不適或疾病的實(shí)例包括但不限于，神經(jīng)退行性病癥、不適或疾病、精神病癥、疾病或不適、原發(fā)性失眠、慢性或急性疼痛、癲癇、抽動(dòng)穢語綜合癥、偏頭痛和抑郁癥。根據(jù)一個(gè)實(shí)施例，待治療的所述病癥、不適或疾病是神經(jīng)退行性病癥、不適或疾病，諸如帕金森病或阿爾茨海默氏病。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法能夠使用表面和侵入性基于eeg的神經(jīng)標(biāo)記物來治療帕金森病，以減少β活性過剩。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法能夠治療阿爾茨海默氏病以減少觀察到的阿爾茨海默病神經(jīng)標(biāo)志物并增加腦適應(yīng)性。根據(jù)一個(gè)實(shí)施例，待治療的所述病癥、不適或疾病是精神病癥、疾病或不適，諸如注意力缺陷/多動(dòng)癥、廣泛性發(fā)育障礙、孤獨(dú)癥、創(chuàng)傷后壓力癥、成癮和睡眠障礙。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法能夠通過減輕用于外部刺激的抑制/濾波電路的壓力和振幅來治療創(chuàng)傷后壓力癥。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法能夠通過集中的神經(jīng)調(diào)節(jié)和腦通路的學(xué)習(xí)來治療注意力缺陷/多動(dòng)癥。根據(jù)一個(gè)實(shí)施例，待治療的所述病癥、不適或疾病來自原發(fā)性失眠、慢性或急性疼痛、癲癇、抽動(dòng)穢語綜合癥、偏頭痛和抑郁癥。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法能夠通過識(shí)別入睡前的不同階段和所述階段的動(dòng)態(tài)反饋來治療原發(fā)性失眠。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法能夠通過減少抑制癥神經(jīng)標(biāo)記物和平衡對(duì)稱eeg活動(dòng)來治療抑郁癥。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法被用于改善重癥監(jiān)護(hù)室、手術(shù)室或普通病房的鎮(zhèn)靜。因此，本發(fā)明還涉及一種用于改善重癥監(jiān)護(hù)室、手術(shù)室或普通病房的鎮(zhèn)靜的方法，該方法包括本發(fā)明的用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法的使用。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法被用于通過在反磁刺激之前激活和重新執(zhí)行運(yùn)動(dòng)前神經(jīng)網(wǎng)絡(luò)來進(jìn)行軀體康復(fù)。本發(fā)明還涉及一種軀體康復(fù)的方法，該方法包括本發(fā)明的用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法的使用。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法被用于改善一些患者的特定腦活動(dòng)意義。因此，本發(fā)明還涉及一種用于改善患者的特定的腦活動(dòng)意義的方法，該方法包括本發(fā)明的用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法的使用。根據(jù)一個(gè)實(shí)施例，用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法被用于改善受試者諸如健康受試者(即，沒有呈現(xiàn)諸如上文列出的任何不舒服或疾病、不適或病癥的受試者)的技能，例如精確度。因此，本發(fā)明還涉及用于改善特定腦活動(dòng)意義和/或用于改善受試者技能的方法，該方法包括本發(fā)明的用于自行調(diào)制和/或外部調(diào)制的系統(tǒng)和/或方法的使用。鑒于以上詳細(xì)描述的觀點(diǎn)，本領(lǐng)域技術(shù)人員可實(shí)施根據(jù)本發(fā)明的方法。尤其是，實(shí)施該方法可使用以下工具：–用于線性代數(shù)的c++模板庫，諸如可在2014年11月13日檢索到的http://eigen.tuxfamily.org/index.php？title＝main_page上得到的；–專用于協(xié)方差矩陣估算和操作的一組函數(shù)：(i)諸如可在2014年11月13日檢索到的http://github.com/alexandrebarachant/covariancetoolbox上得到的matlabs；(ii)諸如可在http://github.com/alexandrebarachant/pyriemann上得到的python；–用于openvibe平臺(tái)的一組擴(kuò)展，諸如可在2014年11月13日檢索到的http://code.google.com/p/openvibe-gipsa-extensions/得到。openvibe平臺(tái)是一種bci(腦機(jī)接口)和實(shí)時(shí)神經(jīng)科學(xué)的軟件。其提供了用于數(shù)字信號(hào)處理和使eeg信號(hào)可視化的部件。其可以用c++、matlab和python的模塊進(jìn)行擴(kuò)展。示例本發(fā)明通過下面的例子來進(jìn)一步說明。示例1–用于自行調(diào)制受試者的神經(jīng)活動(dòng)的系統(tǒng)和方法的驗(yàn)證在詳細(xì)說明中提出的用于自行調(diào)制(即神經(jīng)反饋)的系統(tǒng)和方法已經(jīng)在實(shí)際數(shù)據(jù)上進(jìn)行了驗(yàn)證。目標(biāo)精神狀態(tài)是放松，即受試者是不緊張和不焦慮的狀態(tài)。eeg數(shù)據(jù)由特定受試者的會(huì)話組成，其中每個(gè)會(huì)話被分為兩部分：放松和專注。該技術(shù)的目的是在訓(xùn)練集(在放松期間隨機(jī)選擇的一些eeg時(shí)間窗口)上提取參考矩陣，并將這些參考應(yīng)用于測(cè)試數(shù)據(jù)(未包括在訓(xùn)練集內(nèi)的eeg時(shí)間窗口)。如果參考模型準(zhǔn)確地在未看見的數(shù)據(jù)(即，測(cè)試集)上識(shí)別出放松周期，則本方法將被認(rèn)為是成功的。材料和方法記錄腦電圖(eeg)數(shù)據(jù)使用emotivepoc耳機(jī)來收集：14個(gè)電極大致定位于擴(kuò)展的10/20位置af3、f7、f3、fc5、t7、p7、o1、o2、p8、t8、fc6、f4、f8、af4。epoc耳機(jī)使用在f4位置的共模傳感器(cms)電極和在f3位置的右腿驅(qū)動(dòng)(drl)電極，這些在更常規(guī)的采集系統(tǒng)中可與接地和參考相關(guān)。電極阻抗用epoc控制面板來可視地控制，使得所有傳感器顯示“綠色”。信號(hào)以2048hz(16位)被內(nèi)部數(shù)字化，然后在傳輸?shù)讲杉K之前被低通濾波并被下采樣為128hz。該耳機(jī)被無線連接到參與者筆記本電腦，并與neurort套件連接。數(shù)據(jù)由通過顯示在主屏上的用戶的方向分為兩部分的61個(gè)會(huì)話組成：i.眼睛睜開，放松1分鐘；和ii.眼睛睜開，專注1分鐘：保持強(qiáng)烈的思想，受試者從100間隔7倒數(shù)。群體eeg數(shù)據(jù)采集于巴黎和雷恩(法國)的來自61位年齡介于23至34歲之間的健康參與者。數(shù)據(jù)處理我們提供的方法是典型的單級(jí)：我們正在嘗試對(duì)一個(gè)活動(dòng)進(jìn)行建模，而不是嘗試區(qū)分兩者。因此，只考慮有將放松數(shù)據(jù)用于訓(xùn)練和用于每個(gè)放松會(huì)話：–在6個(gè)頻段(1-4-8-12-16-32hz)內(nèi)濾波原始信號(hào)；–在2s的所有0.0625s的重疊時(shí)期提取時(shí)空-頻率協(xié)方差矩陣，并使其正則化；和–在稱為受試者平均矩陣的放松部分上計(jì)算黎曼平均協(xié)方差矩陣。然后將該平均矩陣歸一化，即軌跡歸一化或行列式歸一化。最后，獲得總共達(dá)到61個(gè)獨(dú)立矩陣的每個(gè)參與者的一個(gè)平均矩陣。交叉驗(yàn)證程序使用留一法交叉驗(yàn)證程序意味著將61個(gè)受試者平均矩陣分為兩個(gè)集：由p＝60矩陣組成的訓(xùn)練集，由如下所述導(dǎo)出性能度量的單個(gè)留下矩陣組成的測(cè)試集。該程序被重復(fù)61次。最終報(bào)告所有61次嘗試的性能及其變化，以允許在技術(shù)與估算統(tǒng)計(jì)重要性之間進(jìn)行對(duì)比。數(shù)據(jù)集群目的是通過集群在訓(xùn)練集上提取參考矩陣，并在測(cè)試集上測(cè)試它們。如果測(cè)試的受試者在放松部分期間比在專注部分期間更接近于參考，則認(rèn)為根據(jù)本發(fā)明的方法是成功的。1.應(yīng)用集群算法(黎曼平均、黎曼k均值、黎曼均值漂移)以在訓(xùn)練集上估算k參考矩陣。2.考慮到與測(cè)試矩陣相關(guān)的eeg會(huì)話，在如前所述的放松部分和專注部分的時(shí)期上提取時(shí)空-頻率協(xié)方差矩陣，并將其歸一化。記錄k參考矩陣與每個(gè)時(shí)期的協(xié)防差矩陣之間的最小距離。性能評(píng)估對(duì)于每個(gè)測(cè)試的受試者，計(jì)算放松部分的距離幾何平均值，然后計(jì)算專注部分的距離幾何平均值。如果放松期間的距離幾何平均值低于專注期間的距離幾何平均值，則認(rèn)為神經(jīng)反饋是有效的。這項(xiàng)評(píng)估是對(duì)61位測(cè)試受試者進(jìn)行的。歸一化已經(jīng)對(duì)協(xié)方差距陣測(cè)試了兩種類型的歸一化：對(duì)其結(jié)果進(jìn)行比較的行列式和軌跡歸一化。與現(xiàn)有技術(shù)的比較常規(guī)qeeg技術(shù)被認(rèn)為是現(xiàn)有技術(shù)，并且如下所述被用于檢測(cè)(benchmark)我們的技術(shù)。先前的驗(yàn)證過程被應(yīng)用于相同的光譜功率。其在所有電極和先前選擇的6個(gè)頻段(1-4-8-12-16-32hz)的重疊時(shí)期上被計(jì)算。對(duì)于每個(gè)放松會(huì)話，計(jì)算稱為受試者平均頻譜的平均頻譜。在留一法過程中，計(jì)算訓(xùn)練集的受試者平均頻譜的平均值和標(biāo)準(zhǔn)偏差。考慮到與測(cè)試的受試者相關(guān)的eeg會(huì)話，如前所述，在放松部分和專注部分的時(shí)期上提取頻譜。然后使用在訓(xùn)練集上估算的平均值和標(biāo)準(zhǔn)偏差將它們轉(zhuǎn)變?yōu)閦分?jǐn)?shù)。每個(gè)z分?jǐn)?shù)頻譜的frobenius范數(shù)被記錄為關(guān)于放松qeeg模型的距離。對(duì)于每個(gè)測(cè)試的受試者，計(jì)算放松部分的距離均值，然后計(jì)算專注部分的距離均值。如果放松期間的距離均值低于一個(gè)專注期間的距離均值，則認(rèn)為神經(jīng)反饋是有效的。該評(píng)估使用與先前描述的61位受試者完全相同的倍數(shù)來進(jìn)行。結(jié)果下面以成功會(huì)話的百分比(即，“放松”會(huì)話的平均測(cè)地距離低于一個(gè)受試者專注的平均測(cè)地距離的會(huì)話百分比)的形式，給出該驗(yàn)證框架的結(jié)果。關(guān)于表1和2，行列式歸一化給出了比軌跡歸一化更好的結(jié)果。通過行列式歸一化似乎提供了兩種精神狀態(tài)之間的更好辨識(shí)力。此外，k均值方法似乎是測(cè)試的黎曼集群方法中最有效的算法。關(guān)于表3，由黎曼集群獲得的結(jié)果優(yōu)于由傳統(tǒng)qeeg獲得的結(jié)果；從而驗(yàn)證了根據(jù)本發(fā)明的方法的關(guān)聯(lián)性和效率。表1：用矩陣的軌跡歸一化得到的結(jié)果集群方法黎曼平均值黎曼k均值黎曼均值漂移性能百分比63.967.262.2表2：用矩陣的行列式歸一化得到的結(jié)果集群方法黎曼平均值黎曼k均值黎曼均值漂移性能百分比67.270.562.2表3：比較傳統(tǒng)qeeg和黎曼幾何的結(jié)果方法qeeg黎曼k均值性能百分比59.0270.5結(jié)論本實(shí)驗(yàn)驗(yàn)證了本發(fā)明提出的神經(jīng)反饋方法。根據(jù)該結(jié)果，黎曼集群提供了較好的受試者之間的歸納，因?yàn)樵谟?xùn)練中估算的參考矩陣充分地應(yīng)用到了不同受試者的測(cè)試數(shù)據(jù)。實(shí)際上，使用相同的輸入?yún)?shù)，基于神經(jīng)反饋，由黎曼集群獲得的結(jié)果優(yōu)于傳統(tǒng)qeeg獲得的結(jié)果，我們認(rèn)為這是神經(jīng)反饋程序的現(xiàn)有技術(shù)。平均來說，測(cè)試的受試者在放松部分期間比在專注部分期間更接近于參考。這為無需校準(zhǔn)的有效神經(jīng)反饋技術(shù)鋪平了道路。示例2-自行調(diào)制在受試者群體中，特定的記錄方式(ecog、eeg、meg、mrinirs或pet)允許收集神經(jīng)信號(hào)的數(shù)據(jù)。分析該數(shù)據(jù)以適用于定義目標(biāo)活動(dòng)(即，參考狀態(tài))的模型。實(shí)時(shí)地，受試者的特定活動(dòng)可與根據(jù)本發(fā)明的方法的目標(biāo)進(jìn)行比較，并且腦活動(dòng)可自行調(diào)制以達(dá)到期望的目標(biāo)。對(duì)于每個(gè)應(yīng)用程序，會(huì)話的頻率和時(shí)長將根據(jù)具體情況而有所不同。示例3-外部調(diào)制在受試者群體中，特定的記錄方式(ecog、eeg、meg、mrinirs或pet)允許收集神經(jīng)信號(hào)的數(shù)據(jù)。分析該數(shù)據(jù)以適用于定義目標(biāo)活動(dòng)的模型。實(shí)時(shí)地，受試者的特定活動(dòng)可與根據(jù)本發(fā)明方法的目標(biāo)進(jìn)行比較，并且可外部調(diào)制腦活動(dòng)以達(dá)到期望的目標(biāo)。對(duì)于每個(gè)應(yīng)用程序，會(huì)話的頻率和時(shí)長將根據(jù)具體情況而有所不同。現(xiàn)在我們呈現(xiàn)了使用所述建模技術(shù)的兩個(gè)應(yīng)用程序。一個(gè)應(yīng)用程序示例了在臨床環(huán)境中的使用，而另一個(gè)專注于家庭的解決方案。示例4-adhd(注意力缺陷多動(dòng)障礙)的詳細(xì)實(shí)例首先，在特定條件下例如睜眼、閉眼、專注或放松條件下，從健康志愿者群體收集eeg數(shù)據(jù)。完成此參考數(shù)據(jù)集的收集一次，并嘗試同樣地覆蓋應(yīng)用程序的感興趣的年齡范圍。每個(gè)受試者的記錄將足夠維續(xù)約30分鐘，并將使用傳統(tǒng)eeg采集系統(tǒng)，諸如如上文所述的那些，尤其是市場(chǎng)上可買到的來自emotiv的epoc。來自該數(shù)據(jù)集的每個(gè)2s-長時(shí)間窗口將被轉(zhuǎn)換為協(xié)方差矩陣，并被置為黎曼流形中的點(diǎn)。這些假象周期將被迭代地識(shí)別。然后，將根據(jù)如上所述的黎曼集群方法來確定參考(即，k＝1...k參考協(xié)方差矩陣)的中心。adhd兒童和青少年通常是處理合并癥諸如閱讀困難的醫(yī)療及輔助醫(yī)療從業(yè)人員。adhd的治療主要包括藥物治療，但最近的證據(jù)表明，這些患者顯示出不同的eeg圖案，并由此實(shí)施神經(jīng)反饋協(xié)議以將其更正為腦的更正常的電活動(dòng)。我們提供使用更準(zhǔn)確和直觀的反饋達(dá)到使用上述參考狀態(tài)的正常活動(dòng)?；颊邅淼桨惭beeg數(shù)據(jù)收集系統(tǒng)的醫(yī)生診所。這可使用具有需要單獨(dú)設(shè)置的20個(gè)或更多電極的臨床或研究eeg系統(tǒng)來完成。整個(gè)安裝程序可能需要花費(fèi)多達(dá)20分鐘的時(shí)間。還可以使用另外的eeg系統(tǒng)以顯著減少安裝時(shí)間。應(yīng)用程序控制信號(hào)，并確保數(shù)據(jù)被充分收集。尤其是，基線記錄確保信號(hào)不超出可接受的限額被偽造。如果是這樣，則以聽覺和視覺指令的形式向操作者提供反饋，以指示如何解釋它。操作者決定了神經(jīng)反饋會(huì)話的時(shí)長，并選定了反饋類型，其中由根據(jù)本發(fā)明的方法獲得的分?jǐn)?shù)s可被表示為(非窮舉列表)：–聲音，其振幅由分?jǐn)?shù)s、協(xié)方差矩陣與k＝1...k參考協(xié)方差矩陣之間黎曼距離的函數(shù)直接調(diào)制；聲音可以是簡單的嗶嗶聲、水流聲、波浪聲、雨聲、鐺鐺聲或可以幅度或頻率調(diào)制的任何其他聲音；–在屏幕上的可調(diào)制位置、大小、顏色或任何其他參數(shù)的物體；例如，其可以表示飛機(jī)，其高度由分?jǐn)?shù)s、協(xié)方差矩陣和k＝1...k參考協(xié)方差矩陣之間的黎曼距離的函數(shù)調(diào)制。在會(huì)話結(jié)束時(shí)，將給醫(yī)生和患者一些早期的結(jié)果：會(huì)話的總結(jié)、不同會(huì)話之間的演化、與健康群體或具有類似模式的一組患者的比較。該數(shù)據(jù)最終用于校準(zhǔn)模型，并提供一種在用于隨后會(huì)話的活動(dòng)的可接受和刺激范圍之內(nèi)的反饋。示例5-原發(fā)性失眠的詳細(xì)實(shí)例非常類似的程序可用在作為其他醫(yī)療條件的家庭。原發(fā)性失眠是一種與任何有機(jī)來源無關(guān)的失眠類型。結(jié)果表明，原發(fā)性失眠患者群體在入睡前會(huì)增加額葉區(qū)域的β活性。因此，這個(gè)群體是神經(jīng)反饋協(xié)議的良好候選者，其真正的影響只能在家庭應(yīng)用中看到。在自愿的基礎(chǔ)上或者遵循醫(yī)學(xué)劑量學(xué)，每次會(huì)話應(yīng)發(fā)生在就寢之前不久。受試者將使用我們將學(xué)習(xí)安裝在他身上的、易于使用的普通消費(fèi)者eeg設(shè)備。他登錄到連接eeg耳機(jī)的安全網(wǎng)站，并檢索他個(gè)人數(shù)據(jù)和參數(shù)。數(shù)據(jù)流傳輸?shù)竭h(yuǎn)程的實(shí)時(shí)分析服務(wù)器，并且提取的信息發(fā)送回web應(yīng)用程序，例如，該應(yīng)用程序可顯示指導(dǎo)受試者獲得良好的信號(hào)質(zhì)量的信息：例如信號(hào)質(zhì)量的實(shí)時(shí)2或3d局部解剖熱力圖。計(jì)算出好的信號(hào)需要花費(fèi)不到5分鐘的時(shí)間。一旦完成，受試者就可在完全像上述應(yīng)用程序一樣操作的幾個(gè)反饋應(yīng)用程序之間進(jìn)行選擇。實(shí)時(shí)地將他的大腦活動(dòng)與先前識(shí)別的參考協(xié)方差矩陣進(jìn)行比較，并且以視覺或聽覺的反饋形式(以描述為臨床adhd的類似方式)返回對(duì)其計(jì)算的距離。患者可以選擇會(huì)話的時(shí)長。在協(xié)議結(jié)束時(shí)，網(wǎng)頁存儲(chǔ)并顯示與性能、分?jǐn)?shù)s的演變以及與群體和/或其他受試者的比較有關(guān)的信息。當(dāng)前第1頁12