一种认知训练自主感知装置及方法

技术领域

本申请涉及认知训练技术领域，具体而言，涉及一种认知训练自主感知装置及方法。

背景技术

认知训练是认知功能障碍康复的重要干预手段，大量研究证实认知训练可有效促进认知功能恢复。重度认知障碍、意识障碍患者的认知功能康复一直是神经康复领域的重点与难点，究其原因是上述患者不能准确或无法表达自己感受，配合度、参与度低，其在认知训练时的自主反应如何，目前尚无法精准检测与感知。而患者的配合度与参与度很大程度上决定了认知训练的干预效果，治疗师可根据患者的参与度或自主反应来实时调整认知训练策略，这对实现患者的精准、个体化康复训练大有裨益。因此探寻一种可感知重度认知障碍、意识障碍患者在认知训练时的自主反应的装置或设备尤为必要。

目前，主要通过床旁脑电图(bedside electroencephalogram,BEEG)来检测重度认知障碍、意识障碍患者在认知训练时的自主表现。BEEG是一种通过放置在大脑皮质的电极来记录大脑皮质的神经电活动，反映大脑神经元在时间和空间上的电生理状态，从而直接、动态监测脑功能变化过程的神经电生理检测技术。常用的BEEG多为可移动式脑电图仪器，主要由脑电主机、电极帽和显示屏幕组成。BEEG主要通过频域分析提取不同波形的频谱、频率作为脑电特征，然后基于傅里叶变换计算脑电节律的能量分布，并结合Cox回归分析来实现受试者神经功能活动的判别。但是，BEEG在临床应用中不仅工作量大、费时费力，而且结果解读过度依赖医生的临床经验和专业素养，主观性强。

发明内容

有鉴于此，本申请的目的在于提供一种认知训练自主感知装置及方法，能够通过采集意识障碍患者的多源神经数据，快速、可靠检测意识障碍患者的自主反应。

第一方面，本申请实施例提供一种认知训练自主感知装置，所述装置包括：

认知训练模块，用于对意识障碍患者进行认知训练；

数据采集模块，用于在对意识障碍患者进行认知训练时，采集意识障碍患者的多源神经数据；其中，所述多源神经数据包括意识障碍患者进行认知训练时的呼吸数据、心率数据、脑氧数据和眼动数据；

自主反应识别模块，用于对采集的多源神经数据进行分析得到意识障碍患者的预后评估结果，并根据所述预后评估结果对该意识障碍患者的认知训练进行调节。

第二方面，本申请实施例提供一种认知训练自主感知方法，应用于第一方面所述的认知训练自主感知装置，所述方法包括以下步骤：

基于认知训练模块对意识障碍患者进行认知训练；

在对意识障碍患者进行认知训练时，基于数据采集模块采集意识障碍患者的多源神经数据；其中，所述多源神经数据包括意识障碍患者进行认知训练时的呼吸数据、心率数据、脑氧数据和眼动数据；

基于自主反应识别模块对采集的多源神经数据进行分析得到意识障碍患者的预后评估结果，以根据所述预后评估结果对该意识障碍患者的认知训练进行调节。

在一些实施例中，基于认知训练模块中播放的音视频对意识障碍患者进行认知训练。

在一些实施例中，所述在对意识障碍患者进行认知训练时，基于数据采集模块采集意识障碍患者的多源神经数据，包括以下步骤：

分别设置意识障碍患者的呼吸数据阈值、心率数据阈值、脑氧数据阈值和眼动数据阈值；

对采集的多源神经数据进行异常监测；其中，若采集的意识障碍患者的呼吸数据、心率数据、脑氧数据或眼动数据超过相应设定的数据阈值，判断当前采集的意识障碍患者的多源神经数据发生异常；

获取意识障碍患者的多源神经数据发生异常的时间点，并基于认知训练模块重新对意识障碍患者进行之前在该时间点的认知训练，且采集相应的多源神经数据。

在一些实施例中，所述眼动数据阈值包括第一眼动数据阈值和第二眼动数据阈值，并通过如下方式判断采集的意识障碍患者的眼动数据是否超过设定的眼动阈值：

获取采集的意识障碍患者的眼动数据中的眼动轨迹点；其中，第i个眼动轨迹点为m

计算相邻眼动轨迹点之间的欧式距离；其中，第i个眼动轨迹点m

计算单位时间内相邻眼动轨迹点的运动方向变化率Δα；其中，第i个眼动轨迹点m

若计算出的任一相邻眼动轨迹点之间的欧式距离超过设定的第一眼动阈值，或者计算出的任一相邻眼动轨迹点的运动方向变化率过设定的第二眼动阈值，均判断采集的意识障碍患者的眼动数据是否超过相应设定的阈值。

在一些实施例中，基于自主反应识别模块中训练好的自主反应识别模型对采集的多源神经数据进行分析得到意识障碍患者的预后评估结果，其中，所述自主反应识别模型基于YOLOv5网络结构构建；所述YOLOv5网络结构包括：

输入端，用于输入数据采集模块采集的意识障碍患者的多源神经数据；

主干网络层，包括Focus结构和CSP简化结构，用于对所述多源神经数据进行特征提取；

NECK层，包括FPN结构和PAN结构，用于对所述多源神经数据提取的特征进行融合；

输出端，包括GIOU_Loss函数，用于输出意识障碍患者的预后评估结果。

在一些实施例中，所述预后评估结果包括不良和良好两种情况；其中，若预后评估结果为不良，维持该意识障碍患者的认知训练强度；若预后评估结果为良好，加大该意识障碍患者的认知训练强度。

在一些实施例中，通过如下方式训练自主反应识别模型：

获取若干意识障碍患者进行认知训练时的多源神经数据样本，并将所述多源神经数据样本中的呼吸数据、心率数据、脑氧数据和眼动数据转换为维度相同的特征向量；

对所有的特征向量进行归一化处理，并将归一化处理的特征向量乘以对应的特征权重后共同组成特征矩阵；

根据意识障碍患者进行认知训练的多源神经数据样本，设置对应的预后评估结果标签；

根据所述特征矩阵和对应的预后评估结果标签进行模型训练；其中，加载预构建的自主反应识别模型的原始权重文件，通过对与已标注的多源神经数据的类别的对比，不断地回归、调整预构建的自主反应识别模型的识别精度，直至损失函数超过设定的阈值，得到训练好的自主反应识别模型；其中，所述损失函数的计算公式为：

y′为通过网络得到的实际结果，y为实际的标签，n为迭代次数，y1、y2、y3、y4分别代表呼吸数据、心率数据、脑氧数据和眼动数据的特征向量。

第三方面，本申请实施例提供的一种电子设备，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述任一项所述的认知训练自主感知方法的步骤。

第四方面，本申请实施例提供的一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述任一项所述的认知训练自主感知方法的步骤。

本申请所述的一种认知训练自主感知装置及方法，基于认知训练模块对意识障碍患者进行认知训练；对意识障碍患者进行认知训练时，基于数据采集模块采集意识障碍患者的多源神经数据；其中，所述多源神经数据包括意识障碍患者进行认知训练时的呼吸数据、心率数据、脑氧数据和眼动数据；基于自主反应识别模块对采集的多源神经数据进行分析得到意识障碍患者的预后评估结果，以根据所述预后评估结果对该意识障碍患者的认知训练进行调节。相比现有技术BEEG采集脑电信息并进行人工分析的方式，一方面更易获取多源神经数据，操作简单；另一方面基于深度学习的自主反应识别模块检测意识障碍患者的自主反应，更加客观可靠。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所述认知训练自主感知装置的结构框图；

图2示出了本申请实施例所述现有技术中BEEG的检测流程图；

图3示出了本申请实施例所述认知训练自主感知方法的流程图；

图4示出了本申请实施例所述在对意识障碍患者进行认知训练时，基于数据采集模块采集意识障碍患者的多源神经数据的流程图；

图5示出了本申请实施例所述YOLOv5网络结构的结构示意图；

图6示出了本申请实施例所述电子设备的结构框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。

BEEG作为目前重度认知障碍、意识障碍患者自主反应的常用检测技术，其检测流程可以参见说明书附图2，具体不再阐述。虽然BEEG对判别上述患者的自主感知具有一定鉴定价值，但其在临床应用中仍存在以下不足：

(1)设备昂贵，目前常用的便携、性能稳定的BEEG设备造价动辄上百万，只有极少数大医院方能用得起，使其临床推广受限；

(2)穿戴麻烦且耗时长，覆盖全脑的BEEG电极帽多达64导联以上，穿卸非常麻烦，耗时长达15～20分钟，长头发女患者耗时更甚；

(3)患者测后需洗头，电极帽与头皮之间需用导电胶来介导接触，检测结束后患者头皮上往往遗留不少导电胶，黏腻难褪，需通过洗头来清除，而给意识障碍患者洗头除需经病情允许外，在床旁实施起来更是诸多不便；

(4)易受外界环境干扰：数据采集过程中容易受到患者毛发多少与长短、外界噪音、天气温度等因素影响；

(5)受患者体位影响，患者处于坐位、仰卧位、侧卧位等不同体位对电极帽的受压部位、面积、压力均不同，从而对BEEG数据采集产生不同程度的影响；

(6)结果解读依赖医生临床经验。

可见，BEEG在采集意识障碍患者的脑电数据时较为麻烦，有较多的影响因素，耗费治疗师的大量精力，并且检测结果较为依赖医生的临床经验和专业素养，不利于临床普及与推广。基于此，本申请提供一种认知训练自主感知装置、方法、电子设备及存储介质，基于深度学习的自主反应识别模块对采集的多源神经数据，检测意识障碍患者的自主反应，操作简单且结果客观可靠。

参见说明书附图1，本申请提供的一种认知训练自主感知装置，所述装置包括：

认知训练模块101，用于对意识障碍患者进行认知训练；

数据采集模块102，用于在对意识障碍患者进行认知训练时，采集意识障碍患者的多源神经数据；其中，所述多源神经数据包括意识障碍患者进行认知训练时的呼吸数据、心率数据、脑氧数据和眼动数据；

自主反应识别模块103，用于对采集的多源神经数据进行分析得到意识障碍患者的预后评估结果，并根据所述预后评估结果对该意识障碍患者的认知训练进行调节。

具体的，所述认知训练模块101包括朝向意识障碍患者设置的第一显示屏，通过所述第一显示屏向意识障碍患者播放音视频，以对该意识障碍患者的视觉和听觉进行感官刺激，达到认知训练的效果。其中，向意识障碍患者播放的音视频被分为不同的等级，难度可循序渐进增加，并且等级越高的音视频素材更丰富，能够对意识障碍患者的视觉和听觉达到更强烈的感官刺激。

在本申请中，基于数据采集模块102对意识障碍患者的预后评估结果，来调节意识障碍患者在进行认知训练时所播放的音视频等级。另外，需要说明的是，本申请提供的认知训练自主感知装置还包括登录模块，首次登录时，需建立意识障碍患者档案，输入意识障碍患者基本临床信息与功能状况，记录、储存意识障碍患者个体化信息，生成序列编号，下次凭意识障碍患者姓名或编号即可登录系统，读取患者信息与检测记录。

在其他实施例中，除了对意识障碍患者播放音视频以进行认知训练之外，还可以通过其他方式对意识障碍患者进行认知训练，例如，予以意识障碍患者四肢、躯干接触不同材质、形状、大小的物品，以多维刺激其触觉，对此本申请并不对此进行限制和固定。

其中，所述数据采集模块102包括便携式口罩、便携式手环和眼动仪，将所述便携式呼吸器佩戴在意识障碍患者的口鼻处，以采集意识障碍患者的呼吸数据；将所述便携式手环佩戴在意识障碍患者的手腕上，以采集意识障碍患者的心率数据和脑氧数据；将所述眼动仪在意识障碍患者的眼镜上，以采集意识障碍患者的眼动数据。

显然的，本申请在采集意识障碍患者的多源神经数据时，只通过对意识障碍患者佩戴便携式呼吸器、便携式手环和眼动仪，便可实现对意识障碍患者的呼吸数据、心率数据、脑氧数据和眼动数据的采集，相比现有技术BEEG通过多达64导联电极帽采集脑电数据的方式，大大降低医护人员的劳力，并且节省时间。其中，便携式呼吸器和便携式手环应为本领域技术人员所熟知的技术手段，在此不作赘述。对于眼动仪，是一种能够跟踪测量眼球位置及眼球运动信息的一种设备，通过测量眼睛的注视点的位置或者眼球相对头部的运动而实现对眼球运动的追踪，在本申请中，所采集的意识障碍患者的眼动数据为意识障碍患者在观看第一显示屏中的视频时，眼动点在第一显示屏上的坐标(x,y)。

另外，所述数据采集模块102还包括朝向医护人员设置的第二显示屏，用于将采集到的多源神经数据实时显示到第二显示屏中，便于医护人员对其进行监测。其中，之所以将第二显示屏与第一显示屏分开设置是为了避免多源神经数据的显示会对意识障碍患者的认知训练造成干扰。

其中，所述自主反应识别模块103的输入端连接所述数据采集模块102的输出端，即数据采集模块102将采集的意识障碍患者的多源神经数据发送至自主反应识别模块103，由自主反应识别模块103对意识障碍患者的多源神经数据进行检测。所述自主反应识别模块103基于深度学习的自主反应识别模型对采集的多源神经数据进行分析得到意识障碍患者的预后评估结果，并将所述预后评估结果保存到认知训练自主感知装置的数据库中，用以在对该意识障碍患者进行下次认知训练时，根据所述预后评估结果对该意识障碍患者的认知训练进行针对性调节。

在本申请中，所述预后评估结果包括不良和良好两种情况；其中，若预后评估结果为不良，维持该意识障碍患者的认知训练强度，即继续播放与上次认知训练等级一样的音视频，对意识障碍患者的视觉和听觉进行刺激；若预后评估结果为良好，加大该意识障碍患者的认知训练强度，即播放相比上次认知训练内容更丰富、等级更高的音视频，对意识障碍患者的视觉和听觉进行更加强烈的刺激。

本申请提供的一种认知训练自主感知装置，采集意识障碍患者的多源神经数据相比现有技术BEEG采集脑电数据更加快捷方便，并且基于深度学习的自主反应识别模型对采集的多源神经数据进行分析，以检测意识障碍患者的自主反应，并及时调整意识障碍患者的认知训练方案及策略，相比现有技术BEEG更加客观可靠，且不需要专业的医护人员就可操作，便于推广。

基于同一发明构思，本申请实施例中还提供了一种认知训练自主感知方法。

在一实施例中，参见说明书附图3，本申请提供的一种认知训练自主感知方法，应用于上述的认知训练自主感知装置，所述方法包括以下步骤：

S1、基于认知训练模块对意识障碍患者进行认知训练；

S2、在对意识障碍患者进行认知训练时，基于数据采集模块采集意识障碍患者的多源神经数据；其中，所述多源神经数据包括意识障碍患者进行认知训练时的呼吸数据、心率数据、脑氧数据和眼动数据；

S3、基于自主反应识别模块对采集的多源神经数据进行分析得到意识障碍患者的预后评估结果，以根据所述预后评估结果对该意识障碍患者的认知训练进行调节。

由于本申请实施例中的方法解决问题的原理与本申请实施例上述一种认知训练自主感知装置相似，因此方法的实施可以参见认知训练自主感知方法的实施，重复之处不再赘述。

其中，在步骤S2中，参数说明书附图4，在对意识障碍患者进行认知训练时，基于数据采集模块采集意识障碍患者的多源神经数据，包括以下步骤：

S201、分别设置意识障碍患者的呼吸数据阈值、心率数据阈值、脑氧数据阈值和眼动数据阈值；

S202、对采集的多源神经数据进行异常监测；其中，若采集的意识障碍患者的呼吸数据、心率数据、脑氧数据或眼动数据超过相应设定的数据阈值，判断当前采集的意识障碍患者的多源神经数据发生异常；

S203、获取意识障碍患者的多源神经数据发生异常的时间点，并基于认知训练模块重新对意识障碍患者进行之前在该时间点的认知训练，且采集相应的多源神经数据。

由于正常成人的呼吸频率的正常值为12-20次/分，如紧张、发热、肺炎、哮喘、呼吸衰竭等会加快呼吸频率，在睡眠状态或者应用麻醉药时，呼吸频率会变慢；正常成人的心率的正常值为60-100次/分，如紧张、发热、贫血、甲状腺功能亢进以及心力衰竭等会加快呼吸频率，在颅内压升高、胆汁淤积性黄疸、甲状腺功能减退、房室传导阻滞或者某些药物反应时，呼吸频率会变慢；正常成人的大脑的氧饱和度的正常值在95％-100％之间，如果脑血氧饱和度低，有可能出现大脑缺氧症状，应及时对大脑血氧饱和度进行监测，必要时候应用低流量吸氧等，来改善大脑的血氧饱和度。并且呼吸数据、心率数据、脑氧数据的采集较为成熟，可以直接通过设置的相应数据阈值进行比较，在该实施例中，将12-20次/分作为呼吸数据阈值；将60-100次/分作为心率数据阈值；将95％-100％作为脑氧数据阈值。例如，在一意识障碍患者进行认知训练过程中，采集到的呼吸数据、心率数据、脑氧数据如表一所示，可见，该意识障碍患者在t11、t15时刻超过了设定的呼吸数据阈值，在t15、t18时刻超过了设定的心率数据阈值，t1、t11、t18时刻超过了设定的脑氧数据阈值，此时在朝向医护人员的第二显示屏中进行异常告警，以提示医护人员对t1、t11、t15、t18时刻第一显示屏所播放的音视频，再次对该意识障碍患者进行播放，并重新采集此时的呼吸数据、心率数据、脑氧数据，以避免外界因素造成的数据异常。

/>

表一

由于，采集的眼动数据为眼动点在第一显示屏上的坐标(x,y)，没有可以直接用来比较的相应数据阈值，所以需要对眼动数据进行预处理。在该实施例中，对眼动数据进行预处理之后得到相邻眼动轨迹点之间的欧式距离以及单位时间内相邻眼动轨迹点的运动方向变化率，并将眼动数据阈值设置为第一眼动数据阈值和第二眼动数据阈值，其中，第一眼动数据阈值用以与相邻眼动轨迹点之间的欧式距离进行比较，第二眼动数据阈值用以与单位时间内相邻眼动轨迹点的运动方向变化率进行比较。

具体的，通过如下方式对眼动数据进行预处理，以得到相邻眼动轨迹点之间的欧式距离以及单位时间内相邻眼动轨迹点的运动方向变化率：

获取采集的意识障碍患者的眼动数据中的眼动轨迹点；其中，第i个眼动轨迹点为m

计算相邻眼动轨迹点之间的欧式距离；其中，第i个眼动轨迹点m

计算单位时间内相邻眼动轨迹点的运动方向变化率Δα；其中，第i个眼动轨迹点m

通过计算出的相邻眼动轨迹点之间的欧式距离以及单位时间内相邻眼动轨迹点的运动方向变化率，能够反映出第一显示屏播放的视频是否对意识障碍患者起到刺激的效果。其中，若计算出的任一相邻眼动轨迹点之间的欧式距离超过设定的第一眼动阈值，或者计算出的任一相邻眼动轨迹点的运动方向变化率过设定的第二眼动阈值，均可判断采集的意识障碍患者的眼动数据是否超过相应设定的阈值。

其中，在步骤S3中，在检测意识障碍患者的自主反应时，是基于训练好的自主反应识别模型对采集的多源神经数据进行分析，最终得到意识障碍患者的预后评估结果。其中，所述自主反应识别模型基于YOLOv5网络结构构建，参见说明书附图5，所述YOLOv5网络结构包括：输入端，用于输入数据采集模块采集的意识障碍患者的多源神经数据，并对所述多源神经数据进行数据增强；主干网络层，包括Focus结构和CSP简化结构，用于对所述多源神经数据中的呼吸数据、心率数据、脑氧数据和眼动数据进行特征提取；NECK层，包括FPN结构和PAN结构，用于对所述多源神经数据提取的特征进行融合；输出端，包括GIOU_Loss函数，用于输出意识障碍患者的预后评估结果，其中，在主干网络层和Neck层中，采用借鉴CSPnet设计的CSPX结构，以加强网络特征融合的能力。

另外，通过如下方式对预构建的自主反应识别模型进行训练：先获取若干意识障碍患者的多源神经数据，作为多源神经数据样本，并将所述多源神经数据样本中的呼吸数据、心率数据、脑氧数据和眼动数据转换为维度相同的特征向量；且对所有的特征向量进行归一化处理，并将归一化处理的特征向量乘以对应的特征权重后共同组成特征矩阵；同时根据意识障碍患者进行认知训练的多源神经数据样本，设置对应的预后评估结果标签；其中，所述多源神经数据的预后评估结果标签包括不良和良好两个类别；最后根据所述特征矩阵和对应的预后评估结果标签进行模型训练；先加载预构建的自主反应识别模型的原始权重文件，再通过对与已标注的多源神经数据的类别的对比，不断地回归、调整预构建的自主反应识别模型的识别精度，直至损失函数超过设定的阈值，得到训练好的自主反应识别模型；其中，所述损失函数的计算公式为：

y′为通过网络得到的实际结果，y为实际的标签，n为迭代次数，y1、y2、y3、y4分别代表呼吸数据、心率数据、脑氧数据和眼动数据的特征向量。

其中，根据所述预后评估结果对该意识障碍患者的认知训练进行调节时，若将步骤S2所采集的意识障碍患者进行认知训练时的多源神经数据输入训练好的自主反应识别模型，经自主反应识别模型分析输出的结果为良好，则加大该意识障碍患者的认知训练强度；若经自主反应识别模型分析输出的结果为不良，维持该意识障碍患者的认知训练强度。

本申请提供的一种认知训练自主感知方法，采集意识障碍患者在认知训练时的呼吸、心率、脑氧、眼动等多源神经信息，并基于深度学习的自主反应识别模型对采集的多源神经信息进行分析，智能识别意识障碍患者的自主反应，即预后评估结果为良好或者不良，进而调节该意识障碍患者的认知训练强度或者制定精准、个体化的认知训练方案与策略，提高认知训练对意识障碍患者的干预效果。而现有技术通过提取脑电信号来识别意识障碍患者的自主反应，不仅穿卸电极帽麻烦、耗时长，而且无法根据患者自主反应来实时调整认知训练策略。

基于本发明的同一构思，说明书附图6所示，本申请实施例提供的一种电子设备600的结构，该电子设备600包括：至少一个处理器601，至少一个网络接口604或者其他用户接口603，存储器605，至少一个通信总线602。通信总线602用于实现这些组件之间的连接通信。该电子设备600可选的包含用户接口603，包括显示器(例如，触摸屏、LCD、CRT、全息成像(Holographic)或者投影(Projector)等)，键盘或者点击设备(例如，鼠标，轨迹球(trackball)，触感板或者触摸屏等)。

存储器605可以包括只读存储器和随机存取存储器，并向处理器601提供指令和数据。存储器605的一部分还可以包括非易失性随机存取存储器(NVRAM)。

在一些实施方式中，存储器605存储了如下的元素，可保护模块或者数据结构，或者他们的子集，或者他们的扩展集：

操作系统6051，包含各种系统程序，用于实现各种基础业务以及处理基于硬件的任务；

应用程序模块6052，包含各种应用程序，例如桌面(launcher)、媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。

在本申请实施例中，通过调用存储器605存储的程序或指令，处理器601用于执行如一种认知训练自主感知方法中的步骤，能够通过采集意识障碍患者的多源神经数据，快速、可靠检测意识障碍患者的自主反应。

本申请还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如认知训练自主感知方法中的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述认知训练自主感知方法。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。