刺激或一系 列的刺激的刺激呈现模块110。在一些例子中，刺激呈现模块110体现于例如包含处理器和 存储器单元的计算装置中。例如，刺激可包含任何刺激类型，包含视觉、听觉、嗅觉、触觉或 味觉刺激媒介。特定的刺激呈现结构111可W被配置为包括但不限于特定的一种或多种类 型的刺激、刺激呈现的持续期、跨刺激间隔、各呈现的重复次数（如果有的话）、与刺激的类 型相关联的大小和/或频率参数（例如，声音的强度或光的亮度或对比度水平）、与各刺激 的呈现相关的数字标记和刺激的标签或类别（例如，目标或非目标）。
[0071] 例如，基于刺激呈现模块110,系统100可包含与刺激呈现模块110通信W向被检 者121呈现刺激或一系列的刺激的刺激传输模块120。例如，刺激传输模块120可包含视觉 显示器、听觉扬声器和致动器中的至少一个，W提供嗅觉、触觉和/或味觉刺激。在一些实 现中，例如，刺激呈现模块110和刺激传输模块120可W被配置于例如诸如计算机或移动通 信和/或计算装置的同一装置。
[0072] 系统100包含用于通过刺激传输模块120在刺激或一系列的刺激的呈现之前、之 中和/或之后获取被检者121的生理信号和/或行为信号的生理和/或行为数据获取模块 130。例如，生理和/或行为数据获取模块130可包含但不限于脑电图巧EG)系统、屯、电图 巧CG)系统、肌电图（EMG)系统、电化学感测系统W及眼跟踪系统等。在一些实现中，例如， 生理和/或行为数据获取模块130可W包括与信号获取装置禪合的生理传感器，例如，EEG、 ECG、EMG，电化学或其他类型的传感器装置，该信号获取装置例如为诸如与存储器禪合的模 拟或数字放大器。例如，生理和/或行为数据获取模块130可W配置于具有刚性电极的标 准邸6系统或使用可配戴于被检者121身上的柔性电子的便携式邸6系统中。例如，生理 和/或行为数据获取模块130可配置于具有刚性电极的标准EMG系统或使用可配戴于被检 者121身上的柔性电子的便携式EMG系统中，该系统能够检测与困倦或面部表情相关的运 动。
[0073]系统100包含用于接收获取的生理信号和/或行为信号作为数据并且在一些实现 中在获取的数据上执行预处理分析技术的分析预处理模块140。例如，分析预处理模块140 可实现为识别生理数据（例如，EEG数据）中的示例性开始标记、将生理数据分段、过滤原 始信号W增加信号噪声等。在一些实现中，例如，分析预处理模块140可体现于与示例性装 置通信的计算机装置或体现生理和/或行为数据获取模块130的系统中。在一些实现中， 例如，分析预处理模块140可配置于体现生理和/或行为数据获取模块130的同一示例性 装置或系统中。
[0074] 系统100包括用于处理生理和/或行为数据W提供被检者121的认知或感觉评价 或者在一些例子提供组的认知或感觉评价的简档产生模块150。例如，简档产生模块150处 理生理和/或行为数据W产生包含与所选择的简档类别相关的一个或更多个定量值的信 息集152,例如，诸如知识评价或清醒简档的状态。例如，信息集152提供不止生理和神经生 理事件的测量。例如，简档可W提供某人（或组）的具体问题的知识水平（例如，确定给定 人关于特定主题、事件、掌握的技能或者甚至偏好的知识）和/或者有意识（或无意识的） 清醒度状态的个体（或组）评价。
[00巧]图1B表示的用于产生与例如通过简档产生模块150实现的认知和/或感觉简档 相关的信息集的示例性方法170的处理图。方法170可包括基于呈现的刺激和所选择的简 档类别识别与生理信号和/或行为信号相关的时间间隔。例如，时间间隔可包含邻接、断 开、连续、离散或单个时间点。方法170可包含将与时间间隔对应的数据（例如，生理和/ 或行为）组成为一个或更多个分组数据集的处理172。例如，处理172可包含基于单个刺激 的预先分配的类别和/或连续刺激的结合关系将生理和/或行为数据分组。方法170可包 含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的处理173。在一些实现中，例如，方法170可包含增强分组数据集 中的生理和/或行为数据的信号的处理。
[0076]图1C表示用于通过使用例如通过简档产生模块150实现的先前个体和/或组信 息产生与认知和/或感觉简档相关的信息集的示例性方法180的处理图。方法180可包括 基于呈现的刺激和所选择的简档类别识别与生理信号和/或行为信号相关的时间间隔。方 法180可包含将与时间间隔对应的数据（例如，生理和/或行为）组成为一个或更多个分 组数据集的处理182。例如，处理182可包含基于单个刺激的预先分配的类别和/或连续刺 激的结合关系将生理和/或行为数据分组。方法180可包含通过使用从被检者和/或其它 被检者（包含一个或更多个组）获取的先前生理数据和/或行为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 的处理182。
[0077] 图1D表示用于通过使用例如通过简档产生模块150实现的引导分类技术产生与 认知和/或感觉简档相关的信息集的示例性方法190的处理图。方法190可包括基于呈现 的刺激和所选择的简档类别识别与生理信号和/或行为信号相关的时间间隔。方法190可 包含将与时间间隔对应的数据（例如，生理和/或行为）组成为一个或更多个初始分组数 据集的处理192。方法190可包含通过使用包含初始分组数据集的统计测试将向被检者呈 现的一系列的刺激的各刺激分类的处理193。方法190可包含基于分类的刺激将与时间间 隔对应的生理和/或行为数据重新分组为一个或更多个分组数据集的处理194。方法190 可包含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的处理195。
[0078] 在一些例子中，简档产生模块150可通过语境特定参数实现引导分类算法，W从 例如包含但不限于基于AN0VA的技术151a、基于支持矢量机器的技术15化和最小描述长度 技术151c等的各种分类和统计方法引导和选择。在一些实现中，简档产生模块150可体现 于包含一个或更多个远程计算处理装置（例如，云中的服务器）的计算机系统或通信网络 (称为"云"）上。
[0079] 系统100包含大脑-机器界面模块160,W提炼产生的认知和/或感觉简档并且/ 或者开动用户与机器之间的交互作用。在一个例子中，大脑-机器界面模块160可基于从 简档产生模块150产生、例如从系统100的正在进行的实现或者通过系统100先前产生的 简档产生的个体被检者或组被检者的认知和/或感觉简档向刺激呈现模块110提供新刺激 或多个刺激的反馈传输。例如，大脑-机器界面模块160可适应性地改变或设计最佳地从 被分析处理的被检者提取信息的刺激范例，W使希望的目的最大化。例如，大脑-机器界面 模块160的一些实现可包含但不限于辅助学习和目标检测应用。
[0080] 在系统100的一些实现中，简档产生模块150、刺激呈现模块110、刺激传输模块 120和大脑-机器界面模块160 (在一些情况下，W及数据获取模块130)可体现于例如为 桌上型计算机、膝上型计算机或包含智能电话或平板电脑的移动通信装置的单个计算装置 中。在其它的构成中，模块150、110、120和160可被配置于相互通信并且包含模块150、110、 120和160的各种组合的两个或更多计算装置中。
[0081] 在一些实现中，系统100可被配置为仅包含生理和/或行为数据获取模块130和 简档产生模块150。在该些示例性实现中，系统100可使用当前在被检者周围中可用的环境 刺激（例如，光、声音、气味、味道和/或触觉接触）。在该种例子中，例如，在模块130被配 置为通过装置的输入从被检者接收行为响应并且/或者记录生理数据的情况下，系统100 可体现于单个计算装置上。
[0082] 公开的方法和系统的示例性实现
[0083] 描述用于提供被检者的认知和/或感觉评价的公开方法和系统的示例性实现，该 评价例如包含W下的简档类别中的至少一个；认知性能简档、感觉性能简档、认知和感觉性 能简档和/或清醒简档的状态。描述的示例性实施例包括通过使用各种刺激和听觉刺激引 出和提取通过EEG记录测量的各种大脑EPR(例如，MOO和P300)W产生提供与认知性能、 感觉性能和/或清醒度状态简档对应的定量值的信息集。在公开的方法和系统的一些例子 中，除了示例性的邸6记录生理数据W外或者作为其替代，可W使用眼睛跟踪数据。
[0084]例如，在记录来自被检者的邸6信号的同时呈现特定的刺激集，W引出事件有关 关注电势W及相关神经频率振荡。在示例性实现中使用的示例性ERP包含但不限于M00和 P300W及由我们关于奖励的感觉/概念的认知处理识别的ERP响应。如后面的部分所述， 公开的方法和系统的示例性应用使用该=种ERP作为解释性的例子，W描述可如何实现示 例性方法，例如，刺激设计和呈现、生理信号（例如，邸0记录、生理数据（例如，ER巧分析 和认知和/或感觉简档产生（例如，包含推断的认知和/或清醒度状态）。在一个例子中， 通过使用视觉和/或听觉刺激对于M00测量实现示例性的认知和/或感觉简档产生方法 的应用。在另一例子中，通过使用视觉和/或听觉刺激，对于P300测量W及与体验"奖励" 相关的ERP，实现示例性的认知和/或感觉简档产生方法的应用。另外，通过使用例如包含 非便携常规系统和可配戴电子系统的不同EEG记录技术实现示例性的认知和/或感觉简档 产生方法的应用。并且，示例性的认知和/或感觉简档产生方法被应用于一组人（例如，如 M00示例性实现所示）W及单个个体（例如，如P300示例性实现所示）。公开的认知和/ 或感觉简档产生方法和系统可被用于测量大脑标记，但是，此外，它将该信息评价和翻译成 创建个体知识评价和/或清醒简档的状态的新类型的有目的的数据。并且，在一些实现中， 例如，公开的方法和系统可使用该简档W引导大脑-机器界面系统。
[0085] 还描述通过特定的任务及其底层的屯、理和生理机制引导各特征调制的图案分类 器（例如，例如通过使用软件在计算机系统在实现的算法）。该些示例性分类器类可使用可 识别的认知和生理参数W构建分类方法中的相关特征W从神经信号推断大脑状态。例如， 示例性分类器可作为提供刺激、获取神经信号并重复的序列处理的一部分被应用于大脑读 取应用中。如何提供该些刺激的细节（例如，语境）可影响认知状态，该认知状态又影响获 取的信号的统计。可通过语境引导示例性分类器，因此，在该语境中，可调制特征。
[0086]I.N400
[0087] 在超过30岁的人身上发现的M00被识别为用于处理诸如词语、图片、符号等的感 觉项目之间的有意义的关系的标记。给予该种类型的大脑波的标记"M00"是由于它是峰 值处于项目开始之后约400毫秒的负行进偏移。M00振幅对共享接近语义关联的项目比对 不共享接近语义关联的项目更小（例如，对于跟随"猫"的"狗"比跟随"桌子"的"狗"小）。 如后面描述的那样，公开的方法可被应用W引出和提取N400ERP(例如，通过听觉刺激、视 觉刺激、两者或其它刺激媒介，包含但不限于嗅觉、触觉或味觉）并被用于随后推断认知相 关f目息。
[0088] I. 1通过视觉刺激范例的M00 [008引I. 1. 1示例性刺激
[0090]在一个示例性实现中，被检查的是37个成年被检者对八个类别的图像（例如，包 括动物身体、动物的脸、人脸、猴子脸、水果、家用物品、实验对象和场所）的大脑响应。例 如，每个类别使用18个刺激标本（例如，图像），总共144个标本。图像被分成12个呈现 块，并且，向各被检者呈现6个随机选择的块。从各种资源获得图像的池，并且，通过使用照 片编辑软件剪切图像并且将其放在测量356X356像素的白色背景上（在到显示器为57厘 米的距离上，为13. 18°X13. 18°的视角）。刺激被放置到1024X768像素的分辨率的全 屏幕、黑色的监视器背景上。
[00川通过使用Weber对比度式对亮度控制所有刺激，其中，L。和Lb代表内容和白色背 景的亮度值。计算机实现的处理使用（例如，通过使用MATLAB脚本被编程）上述的公式并 且当与白色背景比较时将内容的亮度调整到50%对比度。例如，处理首先使内容与其白色 背景分离。在本例子中，使用两个准则W确定像素是否会被识别为背景的一部分；首先，所 有背景像素需要具有等于255的RGB值（例如，8位灰度级图像的最大值）；其次，所有背 景像素需要直接与已识别的背景像素相邻。没有被识别为背景的所有剩余的像素被视为内 容。为了实现50 %对比度，处理然后计算内容的平均亮度并且通过对于每个内容像素任意 地添加或减小RGB值调整其值。
[009引在亮度控制之后，使用另一计算机实现的处理（例如，通过使用MATLAB脚本被编 程）W在各刺激标本上放置中屯、定位的固定点。例如，该有助于被检者保持固定并且使任 何频繁的眼睛扫视最小化。该示例性处理首先测量上载的图像的尺寸。它使用该些测量W 计算图像的中屯、并且通过使用圆的标准方程频繁产生固定点。通过将像素的红枪变为255、 将绿枪变为0并将藍枪变为0,修改中屯、周围7像素长度半径内的像素。
[0093] 最后，使用两种示例性方法W创建固定点和藍色正方形刺激。例如，对于固定点， 使用另一计算机实现的处理（例如，通过使用MATLAB脚本被编程）W创建具有350像素的 高度和宽度的黑色背景图像（例如，红枪等于0 ;绿枪等于0 ;藍枪等于0)。然后，示例性脚 本通过使用圆的标准方程运行嵌入的for循环，W例如通过将像素的红枪变为255、将绿枪 变为0并将藍枪变为0,将7像素长度半径内的像素变为红色。例如，对于藍色正方形刺激， 使用成像软件W创建157X157像素尺寸的图像，例如，其红枪等于0、绿枪等于0、藍枪等于 0。
[0094]I. 1. 2用于EEG记录的被检者准备
[0095] 为了对于邸6记录使示例性被检者做准备，各被检者坐在记录室内的椅子中W开 始邸6戴帽处理。例如，该处理包括在被检者的头上放置常规的邸6帽子并且用弹性下己 带子固定它。在一些例子中，基于被检者的头的估计尺寸，任意地使用56cm或58cm直径帽 子。然后，在帽子的电极中的每一个下面通过使用弯曲的塑料注射器注入Signa电极凝胶 (例如，来自Parker实验室）W在电极自身与被检者的头皮之间创建导电桥。并且，例如， 为了通过降低阻抗构建更强的导电性，使用木制的Q尖端W按