或更多个计算机被配置为通过 响应基于认知-感觉简档类别创建的一系列的刺激的呈现处理从个体获取的生理数据和 行为数据中的一个或两个产生包含表征个体的认知性能水平、感觉性能水平、或者认知和 感觉性能水平的一个或更多个定量值的信息集。一个或更多个计算机被配置为向远程计算 机装置提供产生的信息集。
[0016] 系统的实现可任选地包含W下的示例性特征中的一个或更多个。例如，一个或更 多个计算机可处理生理数据和行为数据中的一个或两个W产生信息集，其中，处理包含；基 于呈现的刺激和所选择的简档类别在生理数据和/或行为数据内选择关注的时间间隔；将 与选择的关注的时间间隔对应的生理数据和/或行为数据组成为一个或更多个分组数据 集；和提供跨着分组数据集的或者分组数据集内的关系的统计测量W产生一个或更多个定 量值。
[0017] 在另一方面中，一种用于提供被检者的认知或感觉评价的方法包括；选择指示认 知感觉功能的一个或更多个方面的认知-感觉简档类别；向被检者呈现一系列的刺激，该 一系列的刺激基于选择的认知-感觉简档类别；在呈现该一系列的刺激之前、之中和之后 获取被检者的生理信号，W产生生理数据；和处理生理数据，W产生包含与选择的认知-感 觉简档类别相关的一个或更多个定量值的信息集。
[0018] 方法的实现可任选地包括W下的示例性特征中的一个或更多个。例如，一系列的 刺激可包含基于选择的认知-感觉简档类别的视觉、听觉、嗅觉、触觉或味觉刺激媒介中的 至少一个。例如，一个或更多个定量值包含指示基于被检者的关注、记忆、学习能力、虚构特 性、图案整合能力、语义整合能力、目标检测能力、情绪效价、偏好或清醒度状态中的至少一 个的认知和感觉性能中的一个或两个的水平的定量分数，并且，定量分数指示在特定时间 的水平。在方法的一些实现中，例如，处理可包含：基于呈现的刺激和选择的认知-感觉简 档类别识别与生理信号相关的时间间隔；将与时间间隔对应的生理数据组成为一个或更多 个分组数据集；和提供跨着分组数据集的或者分组数据集内的关系的统计测量，W产生所 选择的认知-感觉简档类别的一个或更多个定量值。在一些实现中，例如，方法还可包括： 处理生理数据W增加分组数据集的信号噪声比。例如，分组可基于单个刺激的预先分配的 类别或连续刺激的结合关系中的至少一个被确定。在方法的一些实现中，例如，处理可包 括；基于呈现的刺激和选择的认知-感觉简档类别识别与生理信号相关的时间间隔；将与 时间间隔对应的生理数据组成为一个或更多个分组数据集；和通过使用从被检者或其它被 检者获取的先前生理数据提供跨着分组数据集的或者分组数据集内的关系的统计测量，W 产生所选择的简档类别的一个或更多个定量值。在方法的一些实现中，例如，处理可包括： 基于呈现的刺激和选择的认知-感觉简档类别识别与生理信号相关的时间间隔；将与时间 间隔对应的生理数据组成为一个或更多个初始分组数据集；通过使用包含初始分组数据集 的统计试验，将向被检者呈现的一系列刺激之中的各刺激分类；基于分类的刺激，将与时间 间隔对应的生理数据重新组成为一个或更多个分组数据集；和提供跨着分组数据集的或者 分组数据集内的关系的统计测量，W产生所选择的认知-感觉简档类别的一个或更多个定 量值。在一些实现中，例如，方法还可包括；通过使用产生的被检者的信息集，形成修改的一 系列的刺激；和向被检者呈现修改的一系列的刺激。在一些实现中，例如，方法还可包括： 在呈现该修改的一系列的刺激之前、之中和之后获取被检者的生理信号，W产生新的生理 数据；和处理新的生理数据，W产生包含与选择的认知-感觉简档类别相关的一个或更多 个增强定量值的增强信息集。在一些实现中，例如，方法还可包括：创建认知-感觉简档类 别中的每一个的初始序列的刺激。在一些实现中，例如，方法还可包括；基于产生的被检者 的信息集，产生机器与被检者之间的交互作用。
【附图说明】
[0019] 图1A表示用于获取、分析和评价生理信号W产生清醒简档的个体或组知识和/或 状态的公开技术的示例性系统的示图。
[0020] 图1B~1D表示用于产生示例性认知和/或感觉简档的定量信息集的示例性方法 的处理示图。
[0021] 图2表示呈现的视觉刺激的示例性次序的示图。
[0022] 图3表示提供来自组统计分析的示例性结果的数据示图，该组统计分析表示使用 视觉刺激的概念类别变化之间的区分的大脑图案。
[002引 图4表示通过使用视觉刺激跨着多个尝试收集的代表350ms~450ms的时间窗口 的一个轴上的邸6数据的S维示图。
[0024]图5A和图5B表示在不同的视觉刺激条件下来自两个示例性电极信道的个体示例 性被检者的平均和标准偏差的数据示图。
[0025]图6表示视觉刺激范例的被检者监督分类器的示例性性能的数据示图和相应的 表格。
[0026] 图7表示用于提供个性化知识和/或清醒简档的引导分类算法和它们的随后的总 结统计的示例性实现的说明图。
[0027]图8表示属于来自示例性被检者的示例性电极信道的监督分类器的示例性特征。 [002引图9表示被检者的示例性个体知识评价简档（IKE巧的示图。
[0029] 图10表示用于估计属于规定来自类A的数据和来自类B的数据是否来自同一统 计分布有关的示例性假说试验的P值的非参数过程的示图。
[0030] 图11表示使用视觉刺激的AA-B的示例性rANOVA分析的数据示图和相应的数据 表格。
[0031] 图12表示使用视觉刺激的AA-B的示例性NML参数分析的数据示图和相应的数据 表格。
[0032] 图13表示使用视觉刺激的AA-B的示例性NML非参数分析的数据示图和相应的数 据表格。
[0033]图14表示个体被检者的个体知识评价简档和基于组的被检者的组知识评价简档 的例子的示图。
[0034] 图15表示呈现的听觉刺激的示例性序列的示图。
[0035] 图16表示提供来自组统计分析的示例性结果的数据示图，该组统计分析表示听 觉刺激的语境变化之间的区分的大脑图案。
[0036] 图17表示通过使用听觉刺激跨着多个尝试收集的代表350ms~450ms的时间窗 口的一个轴上的邸6数据的S维示图。
[0037]图18A和图18B表示在不同的听觉刺激条件下来自两个示例性电极信道的个体示 例性被检者的平均和标准偏差的数据示图。
[003引图19表示听觉刺激范例的被检者监督分类器的示例性性能的数据示图和相应的 表格。
[0039] 图20表示用于提供个性化知识和/或清醒简档的引导分类算法和它们的随后的 总结统计的示例性实现的说明图。
[0040]图21表示属于来自示例性被检者的示例性电极信道的监督分类器的示例性特 征。
[0041] 图22表示被检者的示例性清醒简档个体状态（ISAP)的示图。
[0042] 图23表示使用听觉刺激的I-C的示例性rANOVA分析的数据示图和相应的数据表 格。
[0043] 图24表示使用听觉刺激的I-C的示例性NML参数分析的数据示图和相应的数据 表格。
[0044] 图25表示使用听觉刺激的I-C的示例性NML非参数分析的数据示图和相应的数 据表格。
[0045] 图26表示个体被检者的清醒简档个体状态和基于组的被检者的清醒简档组状态 的例子的示图。
[0046] 图27表示呈现的视觉刺激的示例性序列的示图。
[0047] 图28A和图28B表示使用示例性刚性电极EEG系统的示例性方法的实现的示例性 结果的图像和数据示图。
[004引 图29A和图29B表示使用示例性柔性电子EEG系统的示例性方法的实现的示例性 结果的图像和数据示图。
[0049] 图30~33表示使用刚性电极EEG系统和柔性表皮电子传感器EEG系统的IKEP 定量分析的示例性结果的示图。
[0050] 图34A表示用于在用于提炼认知和/或感觉简档的公开方法中使用大脑机器界面 的示例性模型的框图。
[0051] 图34B表示用于自适应地设计最佳地提取希望的信息的刺激范例的示例性方法 的处理示图。
[0052] 图35表示单位间隔[0, 1]线向所有可能的字符次序的组的映射。
[0053] 图36表示计算示例性最佳地图之后的映射，例如，其中，系统应用它并且重新绘 制所有可能的语句。
[0054] 图37表示用于代表单个知识或清醒（W)作为示图、例如反映分类和关系的例子的 说明图。
[0055] 图38表示内部知识W是两个维度中的点、例如反映图片中的点的示例性情况的示 例性图像。
【具体实施方式】
[0056] 对于各种各样的应用来说，建立某人的大脑信号与他/她的认知/感觉状态（例 如，思想）之间的可靠的相关性是有价值的希望的目的。在基础科学上得到深入研究的该 些相关性是各种翻译成专口化的应用的尝试的焦点，诸如评价认知损伤和使得身体受损者 能够通信。
[0057] 用于表征认知和生理状态的一些系统依赖于各种行为和大脑成像技术，例如，诸 如功能共振磁成像（fMRI)和脑电图巧EG)。例如，fMRI通过相关代谢功能（例如，血流中 的氧消耗）间接测量大脑功能，而邸6通过记录源自由神经细胞产生的电气活动的在头皮 上呈现的电场的变化直接测量大脑活动。现有的技术一般着眼于一种类别的"大脑读取"， 因此是出于该目的被设计的。
[0058] 与使用的特定的大脑成像系统无关，当前技术主要通过使用依赖于被测试被检者 "操作行为"（例如，请求被检者响应呈现的刺激产生行为）的方法框架推断个体认知信息， 并且，基于并且限于通过数学算法创建"大脑响应模板"的先验被测试特定知识类别推断知 识。该种技术在几个方面受到限制，包括需要来自被检者的活动参与和协作、通过"训练"数 学算法的类别的类型和数量评价知识和使用被检者特定模板（即，只适用单个被检者）。
[0059] 为了确定关于被检者的感觉和/或认知信息，方法应考虑用于引起被检者响应的 刺激的类型（例如，对于视觉刺激，为图像，书面文字等；对于听觉刺激，为口头语言、动物 的叫声、声音合成等）、持续时间、跨刺激间隔，每个呈现的重复次数、声音或亮度或对比度 水平、与各刺激的呈现的开始相关的数字标记、记录传感器和系统。并且，使用的生理参数 (例如，电压、功率、频率等）、用于分析的有关时间窗口和分析结构可影响大脑信号记录和 相关认知评价。来自该些参数中的一个或多个的偏差或错误可产生有用或伪像从动无用方 法之间的差异。
[0060] 公开用于使用生理（例如，大脑信号）和/或行为信息W产生与个体和/或组认 知和/或感觉性能、生理状态和行为偏好有关的认知和/或感觉简档的方法、系统和装置。
[0061] 例如，公开的方法和系统可用于评价和推断个体概念知识（例如，一些人如何归 类不同的信息W及他们会在特定的主题上具有什么知识）、清醒度的状态（例如，在不表示 任何明显行为的情况下，个体如何有意识或者没有意识）和屯、理和行为偏好（例如，对于诸 如鞋、汽车、书籍等的某些项目的个人更多意图和/或偏好）。例如，公开的技术可被用于各 种教育、健康、娱乐和市场应用中。
[0062] 在一些实现中，例如，刺激引起的脑电图巧EG)信号数据和行为响应数据被一起 使用W产生新颖和专口化的一组测试和分析方法（例如，包括但不限于视觉和听觉刺激、 机器掌握和其它统计算法等）W关联个体大脑信号与认知信息并且潜在地引导大脑机器 界面。
[0063] 公开的方法可使用每个人共同的大脑标记。例如，公开的方法和系统可使用不是 被检者或类别特有的呈现刺激。公开的技术的实现可允许推断不限于先验类别的知识和清 醒度，可跨着每个人被一般化，并且可通过完全被动的方式提取信息（例如，不需要人的服 从或任何类型的明显行为响应）。该方法可用于个体感觉和认知性能和清醒度状态的直接 评价/评估w及大脑-机器界面系统的驱动。例如，公开的系统和方法的实现可提供个性 化的认知和/或感觉性能评价，并且，在些实现中，提供组认知和/或感觉性能评价。
[0064] 公开的技术可扩展并且适用于广泛的应用并且可提供"非触知的"大脑读取或评 价情况的方案（例如，在个体不能或者不愿产生明显的行为响应时）。例如，公开的系统和 方法可在临床环境中被用于昏迷或W其他方式没有响应的患者身上，例如，包括处于生命 支持系统上的患者的实例，提供关于患者的认知状态和/或认知能力的简档。
[0065] 公开的系统和方法可W有效地被诸如既不是神经学家、屯、理学家也不是专口医师 的用户的非专家使用，W提供被检者或多个被检者的认知和/或感觉简档。例如，公开的系 统可安全精确地被一般的顾客使用，从而允许自由用于广泛的环境和位置中，从而明显降 低使用成本并减少使用要求。例如，非专家用户可实现公开的系统和方法W获得被评价的 人的清醒和思想信息简档，例如，该被评价的人任意为他们自身或其它人。
[0066] 公开的方法和系统的示例性实施例
[0067] 图1A表示用于获取、分析和评价生理信号W产生个体或组认知和/或感觉简档的 公开技术的示例性模块系统100的示图。例如，系统可被实现为提供指示被检者在评价时 的认知和/或感觉能力的认知性能简档、感觉性能简档、W及认知和感觉性能简档。例如， 认知和/或感觉简档的类型可由用户（例如，诸如被检者或系统操作系统）选择W提供包 含认知和/或感觉性能的定量水平的一组信息，例如，包含但不限于；关注、记忆、学习、虚 构、图案整合、语义整合、目标检测、情绪效价、偏好和清醒度状态。系统允许操作员选择产 生的简档的类型。
[0068] 在一些实现中，系统可被实现为仅通过使用从被检者获取的生理数据、例如在没 有从被检者激发的明显的行为响应的情况下提供认知和/或感觉简档。在其它的实现中， 系统可被实现为通过使用行为数据或来自被检者的生理和行为数据提供认知和/或感觉 简档。在一些实现中，系统可被实现为提供包含来自被检者的先前获取的生理和/或行为 数据或来自其它被检者的数据（例如，组数据）的认知和/或感觉简档。由此，系统可例如 被实现为提供关于组的认知和/或感觉简档。
[0069] 如图1A所示，系统100被配置为包含可在各种不同的实施例中配置的独立的模块 单元或装置。
[0070] 系统100包括用于配置特定的刺激呈现结构111W向被检者121呈现