成版人豆奶app网站_亚洲人av在线不卡_国产精品自拍色网视频_日韩美女真空福利视频_午夜视频在线观看国产18_日韩AⅤ无禁无码网站_欧美理论片午午伦夜理片2021_女人把脱了让男生进去的软件_av高清国产在线观看_一级欧美牲交大片免费看

多模態手環與計算套件

系統介紹

  • 一款用于群體情緒狀態監測與分析的科研產品

  • 支持多種生理信號和行為數據的同步采集，支持自動、手動標記實驗過程中的特定事件

  • 實驗結束后數據將自動同步到云端，科研人員可下載原始數據和特征數據，并進行情緒狀態、心理壓力、疲勞水平、認知負荷等心理狀態的分析與評估

  • 與多個標準科研設備（Biopac, Polar, Shimmer）進行過對比，數據一致性達 0.95?以上

產品優勢

結合超掃描技術（Hyper-Scanning），可在多人同時參與社會互動過程中進行同步數據采集，通過不同個體會表現出相對一致性的變化，探究社會互動的生理和行為機制
結合經驗取樣法(ESM/EMA)，可在多個時間點反復收集個體的瞬時反應，通過捕捉這些即 時性數據，精準測量個體的日常行為和情緒體驗，具有較高的生態效度
提供豐富的具有先驗知識的特征指標的自動計算，支持原始數據和特征數據的批量下載，支持原始數據和特征數據的實時對接
集成一體化設計、體積小巧、方便攜帶，適用于缺網、缺電、高噪等極端作業環境下使用。支持局域網本地化部署，保障數據傳輸和存儲安全

產品構成

“多模態人因感知終端” 支持脈搏、皮膚電阻、皮膚溫度、運動加速度、角速度等生理和行為數據，以及環境數據的采集，并將數據傳輸到“邊緣計算終端”
“邊緣計算終端” 實時接收“多模態人因感知終端”的原始數據，實時對數據進行預處理與特征計算，并將原始數據與計算后的特征數據傳輸至“科研云平臺”
“實驗操作端” 實時監控“邊緣計算終端”的設備電量與網絡連接狀態，支持實驗過程中關鍵事件的同步標記，并將標記數據傳輸至“科研云平臺”
科研人員登錄“科研云平臺”下載原始數據，特征數據與事件標記，或提交定制化數據分析需求，對原始數據進行定制化數據處理與特征提取分析

適用場景1: 實驗室

  • 適用場景：實驗室，與其它科研設備同步使用

  • 產品標配：人因感知終端 + 邊緣計算終端 + 實驗操作端 + 科研云平臺

  • 可選配項：特征數據服務、API接口服務、數據實時監控平臺

貼片式心電記錄儀
生命體征+心理狀態的同步采集
睡眠體動監測儀
補充人體振動體征數據的同步采集
攝像頭
補充面部表情和運動姿態同步采集
指環式血氧儀
心率變異性+血氧的同步采集
運動心率帶
劇烈運動下抗運動偽跡效果更好

  • 可定制功能：可同步接入貼片式心電記錄儀、睡眠體動監測儀、運動心率帶、指環式血氧儀、攝像頭等多種可穿戴設備，豐富實驗場景，提供更多維度的數據交叉驗證

適用場景2：經驗取樣

  • 適用場景：在個體慣常所處的情境下，收集其在多個時間點的瞬時反應

  • 產品標配：人因感知終端 + 經驗采樣App（用戶自有手機） + 科研云平臺

  • 可選配項：邊緣計算終端、特征數據服務、API接口服務

主要軟件功能

  • 支持問卷的自動推送，計算并上傳問卷的得分

  • 支持語音的錄制

  • 支持日常生活事件的設置及主動標記

  • 可定制項：可定制問卷內容，采集各類手機交互行為

適用場景3：群體采集

  • 適用場景：多人同時參與一個活動時（如上課、訓練），同步采集多人數據

  • 產品標配：人因感知終端×N + 邊緣計算終端×N + 實驗操作端×1 + 科研云平臺

  • 可選配項：特征數據服務、API接口服務、數據實時監控平臺、裝備保障箱（設備收納和批量充電）、移動數據工作站

硬件構成

多模態人因數據感知終端PTES100
邊緣計算終端 PTEC100
實驗操作端 PTEM150
人因感知與計算裝備保障箱

多模態人因數據感知終端PTES100

基本參數
手環尺寸

  • 終端：48.5 × 36.5 ×14 mm

  • 腕帶：25 ×260 mm

  • 重量：約20 g

電池性能

  • 實時傳輸模式 48 小時

  • 一次充電時長 2 小時

  • 電池容量 420mAh

傳感器參數
脈搏波 PPG

  • 采樣頻率 100Hz

  • 1個綠色LED，1個紅色/紅外LED

  • 3個光電二極管

皮膚電阻 EDA

  • 采樣頻率 4Hz

  • 交流激勵源頻率 24Hz

  • 測量范圍 0.01~100μS

皮膚溫度

  • 采樣頻率 1Hz

  • 測量范圍 0~50°C

  • 測量精度 ±1°C

加速度 / 陀螺儀

  • 采樣頻率 20Hz

  • XYZ 三軸加速度測量范圍 ±2~±16g

  • XYZ 三軸角速度測量范圍 ±250~±2000dps

多環境傳感器

  • 溫度采樣頻率 1Hz，測量范圍 -20~65℃

  • 濕度采樣頻率 1Hz，測量范圍 0~100％

  • 氣壓采樣頻率 1Hz，測量范圍 300~1100hPa

其他參數

  • 芯片平臺：Apollo3 cortex M4 32位

  • CPU主頻：48MHz

  • 內存：32MB

  • BLE：4.2 LE

邊緣計算終端PTEC100

基本參數
產品尺寸

  • 118 × 59.5 × 22.5 mm

內存

  • 4GB+64GB

電池容量

  • 3700 mAh

硬件平臺

  • MT6762 2.0Ghz 八核

攝像頭

  • 前 800 萬 | 后 1600 萬

充電時長

  • 3 小時

防水等級

  • IP68三防認證

工作溫度

  • -35℃ - 70℃

網絡制式/WiFI

  • 全網通4G/2.4G+5.8G

實驗操作端PTEM150

基本參數
攝像頭

  • 前 800 萬 | 后 800 萬

屏幕尺寸

  • 11英寸

藍牙

  • BT 5.1

電池容量

  • 7000 mAh

連接

  • 雙頻 Wi-Fi

接口

  • USB 2.0

系統內存

  • 6G

存儲容量

  • 128GB

人因感知與計算裝備保障箱

基本參數
材質

  • pp材質

外觀顏色

  • 黑色

箱體結構配件

  • 鋁板/ 3D 面板等

電源規格

  • 12V 10A 桌面電源

輸入規格

  • USB3.0Type-A

輸出規格

  • 5V 2.1A

軟件構成

01

多模態數據采集助手

  • 設備綁定：對邊緣計算終端與多模態人因感知終端進行綁定

  • 設備狀態：記錄人因感知終端的連接狀態、采集時長、藍牙信號強度

  • 數據監控：針對脈搏、皮膚電阻、運動加速度、皮溫等數據的實時監控

  • 數據分析：可實時對多種生理和行為數據進行預處理與特征計算

02

經驗采樣

支持問卷自動推送和采集

支持錄音、視頻的采集

支持手機使用情況的采集

支持定時采集鬧鐘設定

支持日常生活事件的設置及主動標記

03

實驗操作端

  • 實驗控制：支持采集設備的結束控制

  • 設備監控：實時查看設備電量、采集狀態、采集時長的監控

  • 場景維護：支持實驗場景的維護，可修改實驗名稱及事件標記名稱

  • 主動事件標記：實驗過程中支持對設備進行主動標記，以及標記點的查看與編輯

  • 自動事件標記：提供 Python 、Matlab、Eprime 程序的API 接口

04

科研云平臺

默認公網環境使用
移動數據工作站-支持局域網本地部署

  • 用戶驗證：不同實驗員擁有獨立賬戶，保證數據隔離

  • 設備查看：支持管理員名下設備的查看

  • 數據下載：支持多種生理和行為原始數據的批量下載

  • 特征分析：支持不少于80種對情緒狀態敏感的先驗特征的計算和批量下載

  • 自動事件標記：提供 Python 、Matlab、Eprime 程序的API 接口

可定制項：支持外接設備采集的腦電、眼動軌跡、外周生理數據的批量下載，支持經驗采樣APP采集的問卷、錄音、手機使用數據的批量下載
05

科研智能云監控平臺

  • 設備監控：設備電量、連接狀態、采集時長、藍牙信號強度

  • 原始數據：脈搏波、皮膚電阻、加速度、角速度等

  • 先驗特征：心率、心率變異性、皮膚電導水平、電導反應、生命體征等

  • 事件標記：事件標記類型、標記時間

數據增值服務

先驗特征計算

支持心率、心率變異性（如時域特征SDNN、RMSSD、N20、N50、PN20、PN50、頻域特征PSD_HF、PSD_LF）、皮膚電導水平（SCL）和皮膚電導反應（SCR）的統計特征（如均值、方差、上升時間、幅度、一階差分、二階差分），以及皮膚電活動的高頻和低頻功率譜密度等80 多種對情緒狀態、心理壓力、認知負荷敏感的 先驗特征的自動計算
脈搏與皮膚電特征提取方法，可參考下列文獻
脈搏與皮膚電特征提取方法，可參考下列文獻

  • Zhang, Y., Zhao, G., Ge, Y., Shu, Y., Zhang, D., Liu, Y., & Sun, X. (2021). CPED: A Chinese Positive Emotion Database for Emotion Elicitation and Analysis. IEEE Transactions on Affective Computing, 14(2): 1417-1430.

  • Shu, Y., Yang, P., Liu, N., Zhang, S., Zhao, G., & Liu, Y. (2022). Emotion Distribution Learning based on Peripheral Physiological Signals. IEEE Transactions on Affective Computing, 14(3): 2470-2483.

  • Posada-Quintero, H. F., & Chon, K. H. (2020). Innovations in Electrodermal Activity Data Collection and Signal Processing: A systematic Review. Sensors, 20(2): 479, https://doi.org/10.3390/s20020479.

  • Shukla, J., Barreda-Angeles, M., Oliver, J., Nandi, G. C., & Puig, D. (2019). Feature Extraction and Selection for Emotion Recognition from Electrodermal Activity. IEEE Transactions on Affective Computing, 12(4): 857-869.

  • Rajendra Acharya, U., Paul Joseph, K., Kannathal, N., Lim, C. M., & Suri, J. S. (2006). Heart Rate Variability: A Review. Medical and biological engineering and computing, 44, 1031-1051, https://doi.org/10.1007/s11517-006-0119-0.

  • Zhang, X., Lyu, Y., Qu, T., Qiu, P., Luo, X., Zhang, J., Fan, S., & Shi, Y. (2019). Photoplethysmogram-based Cognitive Load Assessment Using Multi-Feature Fusion Model.ACM Transactions on Applied Perception, 16(4): 1-17.

提供API接口服務，支持二次定制開發

原始數據接口：脈搏、皮膚電阻、加速度、角速度、溫度、濕度、大氣壓等原始數據的實時對接
特征數據接口：80+先驗特征的實時對接
事件打點接口：通過外部程序以時間戳為標記點對采集的原始數據進行事件標記
接口調用支持語言：C、Java、Python、Matlab、 PHP、C#

應用方向

教育技術中的課堂
設計與評估

人居環境設計與
環境行為

精神與軀體障礙
早期識別

駕駛行為與交通安全

運動心理與康復

軍事訓練與效能評估

工業設計與用戶體驗

人際協同與社會互動

安全應急管理

智能控制與交互

教育技術中的課堂
設計與評估

人居環境設計與
環境行為

精神與軀體障礙
早期識別

駕駛行為與交通安全

運動心理與康復

軍事訓練與效能評估

工業設計與用戶體驗

人際協同與社會互動

安全應急管理

智能控制與交互

案例介紹

高生態效度 —— 貼合自然場景，數據采集成本低，評估客觀高效，研究結果具有更高生態效度。
1
通過生理反應同步表現評估師生情緒一致性
本研究以真實的課堂為場景，探索了依據生理指標評估人際情緒一致性的新方式。
課前，研究人員為教師與學生佩戴便攜式手環，用于收集他們在上課過程中的脈搏和皮膚電阻數據；采用“跟讀”范式，教師在課堂上朗誦詩歌，每讀完一句，學生們模仿教師的情感進行跟讀；課后，請師生對其主觀情緒體驗做出評價。
研究結果發現，師生之間的共同情緒，以及他們對彼此的情感感知，可以通過他們生理反應的同步性來體現。
Reference
Qi, H., W, Y., & Zhao, G. (2024). How dyadic emotional transmission shapes teacher-student relationship: effects of emotional convergence on cohesion in teacher-student interaction. Current Psychology, 10.1007/s12144-024-06089-z.
2
多模態數據分析老年人對居住環境的壓力感受
本研究依據老年人在戶外散步時的多種生理信號評估壓力，結合實時位置與環境信息，探討街道環境對老年人活動的影響。
研究者邀請10名65歲以上的老人散步，第一次散步佩戴智能手環，實時記錄皮膚電導反應與脈搏特征、位置、環境數據；第二次散步不戴手環，需要老人在散步時說出壓力感受；使用多模態數據創建模型、生成壓力熱點圖。
研究者創建的模型對老人在真實場景中壓力狀態及程度的識別準確率分別為 98.13% 和 98.25%；借助熱點圖可找出阻礙老人活動的地點、環境設施。
Reference
Torku, A., Chan, A., Yung, E., & Seo, J. (2022). Detecting stressful older adults-environment interactions to improve neighborhood mobility: A multimodal physiological sensing, machine learning, and risk hotspot analysis-based approach. Building and Environment, 224: 109533.
3
抑郁癥長期追蹤項目“心花計劃”
國內首個針對抑郁癥的追蹤研究，涵蓋抑郁癥患者和亞臨床抑郁狀態兩個群體。
借助可穿戴設備與智能硬件，建立反芻思維、自發思維、脈搏、皮膚電、運動水平、睡眠質量、手機交互行為和腦功能影像學的多維度指標體系，建立抑郁癥早期識別與預警系統。
開展移空療法、音樂治療、正念生活小組等多種形式的心理干預技術研究，形成可操作化的抑郁癥預防方案，提出用于驗證心理干預效果的過程化、個性化評價方法。
Reference
更多項目介紹和進展，詳見：http://ibcdr.psych.ac.cn/MindFlower 已通過中國臨床試驗注冊，注冊號：ChiCTR2200060396
4
駕駛過程中駕駛員心理壓力識別研究
本研究提出了一種在真實駕駛過程中對駕駛員心理壓力進行分類識別的算法模型。
本研究采用 MIT-BIH 數據集，通過可穿戴設備收集了 17 名駕駛員在實際駕駛過程中的心電、皮膚電阻、心率、肌電等多種生理數據。
研究人員對這些生理數據進行了預處理、特征提取等一系列規范化處理后，對結果進行了統計檢驗。結果表明，駕駛員在駕駛過程中的壓力水平分成三個等級時，各個壓力等級之間存在顯著差異；眾多生理特征中，從駕駛員腳部采集的皮膚電阻特征區分駕駛員壓力的準確率最高。
Reference
Memar, M., & Mokaribolhassan, A. (2021). Stress level classification using statistical analysis of skin conductance signal while driving. SN Applied Sciences, 3, 64, DOI: 10.1007/s42452-020-04134-7.
5
使用可穿戴式傳感器檢測射箭運動員心率與呼吸率
本研究提出一項新型智能紡織品（ 使用柔性材料制作的傳感器 ），通過呼吸與心跳引起的胸壁偏移測量運動員在射箭期間的呼吸頻率與心率。
研究者首先邀請 9 名參與者，穿戴智能紡織品、佩戴脈搏波傳感器，在其進行模擬射箭和靜態呼吸時采集呼吸率與心率，使用脈搏波傳感器數據驗證智能紡織品采集數據的準確性。隨后邀請 2 名專業運動員在 5 分鐘內完成 6 次射擊，同時使用智能紡織品記錄其呼吸頻率與心率。
結果表明，使用該傳感器檢測呼吸頻率，誤差小于 1.97%，檢測心率，誤差小于 5.74%；通過呼吸頻率和心率可有效識別運動員的射箭動作。
Reference
Lo Presti, D., Romano, C., Massaroni, C., D’Abbraccio, J., Massari, L., Caponero, M., et al. (2019). Cardio-Respiratory Monitoring in Archery Using a Smart Textile Based on Flexible Fiber Bragg Grating Sensors. Sensors, 19(16): 3581.
6
急性心理應激適應性訓練與訓練效果評估研究
本研究通過虛擬現實技術，搭建能夠有效誘發個體高應激反應的VR場景，研究個體在應激適應訓練期間的生理心理反應。
研究者邀請 44 名健康的男性大學生與 12 名男性飛行學員，要求他們佩戴VR裝置，在虛擬高空場景中完成多個工作記憶任務。使用手環記錄其實時心率，并收集唾液皮質醇和主觀體驗報告(壓力水平、積極/消極情緒)，以評估應激對其執行功能的影響。
結果表明，本研究創建的方法可有效誘發兩組參與者的急性應激反應，適應性訓練可顯著降低應激對工作記憶績效的影響。
Reference
汪杼彬. (2020). 一種基于高空虛擬現實的應激誘發新范式——有效性研究及其對工作記憶的影響，中國科學院大學，碩士論文.
7
使用多模態數據評估手機游戲玩家的參與度
本研究設計了基于實時生理與行為特征評估玩家游戲參與度的多模態信號采集系統，包含生理信號傳感器、智能手機傳感器、深度攝像頭。
研究者邀請 64 名玩家使用手機玩三類游戲(運動類、競速類、益智類)，并實時記錄玩家的脈搏波、皮膚電阻、觸屏動作、頭部位置等信息。該系統將實時數據分到多個預定處理窗口，對各窗口進行特征提取和分類，最后聚合多個窗口的分類結果輸出最終的游戲沉浸感(低、中、高)。
研究創建的模型評估個體玩家參與度的平均準確性達85%，評估不同類型游戲參與度的平均準確性達77%。
Reference
Huynh, S., Kim, S., Ko, J., Balan, R., & Lee, Y. (2018). EngageMon: Multi-modal engagement sensing for mobile games. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 2(1), 13: 1-27.
8
使用生理與行為表現預測團隊一致性
本研究設計了群體擊鼓任務，用于探究行為與生理信號的同步性對團隊一致性、團隊表現的影響。
參與者被分成51個組，每組3人，跟隨聽到的節奏擊鼓。一半小組聽到的節奏固定，可預測擊鼓時機，組內成員行為同步性較高；另一半小組聽到的節奏持續變化，行為同步性較低。期間持續采集參與者的心電活動，擊鼓結束后記錄參與者對行為同步性的主觀評價。
同步擊鼓任務可提升團隊成員生理信號同步性，表現出相近的心跳間隔；同步的生理信號與行為可以預測個體對團隊凝聚力的主觀感受。
Reference
Gordon, I., Gilboa, A., Cohen, S., Milstein, N., Haimovich, N., Pinhasi, S., & Siegman, S. (2020). Physiological and Behavioral Synchrony Predict Group Cohesion and Performance. Scientific Reports, 10: 8484.
9
探索消防員在模擬火災環境中的生理反應和安全性
本研究在不同的熱環境中，研究不同消防人員訓練的生理負擔，以檢查每消防員和消防教官在不同火災環境中的核心溫度和心率反應。
研究包括24名消防員和10名消防教官，實時記錄核心溫度，心率數據，在三種不同的模擬火災環境中參加了訓練，這些訓練通常用于模擬住宅結構的消防訓練。
研究發現盡管環境條件存在很大差異，但訓練環境中消防員的峰值核心溫度、心率在統計學上沒有差異。盡管核心溫度峰值相似，但與消防員相比，消防教官的心率明顯減弱，表明教官的工作量較少或壓力較小。
Reference
Horn, G. P., Stewart, J. W., Kesler, R. M., DeBlois, J. P., Kerber, S., Fent, K. W., ... & Smith, D. L. (2019). Firefighter and fire instructor’s physiological responses and safety in various training fire environments.?Safety Science,?116, 287-294.

服務客戶

中科院計算所
中科院自動化所
中科院軟件所
中科院蘇州醫工所
北京體科所
之江實驗室
海軍特色醫學中心
空軍特色醫學中心
新疆政法大學
清華大學
浙江大學
浙江師范
山東大學
西南交通大學
首都師范大學
人民大學
北京建筑大學
政法大學
天津大學
西南大學
武漢理工
華中師范
華東理工
華南師范
華南農業大學
第四軍醫大學
第二軍醫大學
海軍工程大學
海軍航空大學
天壇醫院
安定醫院
回龍觀醫院
北醫六院
空軍總醫院
民航第二研究所
中山大學第三附屬醫院
航空工業301所
中國試飛院
中國航天員中心
中船第719研究所
中電科15所
京東商城

京東商城

 科學原理

科學原理
聯系我們

聯系我們

您可以通過以下方式聯系我們

聯系我們
回到頂部

回到頂部

close

您可以通過以下方式聯系我們

聯系我們