[go: up one dir, main page]

CN110998493A - 神经操作系统 - Google Patents

神经操作系统 Download PDF

Info

Publication number
CN110998493A
CN110998493A CN201880052041.1A CN201880052041A CN110998493A CN 110998493 A CN110998493 A CN 110998493A CN 201880052041 A CN201880052041 A CN 201880052041A CN 110998493 A CN110998493 A CN 110998493A
Authority
CN
China
Prior art keywords
operating system
computer
computer operating
end user
neurological
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201880052041.1A
Other languages
English (en)
Inventor
F·甘德
A·库玛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Co Of
Nuro Corp
Original Assignee
Co Of
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Co Of filed Critical Co Of
Publication of CN110998493A publication Critical patent/CN110998493A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04842—Selection of displayed objects or displayed text elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
    • G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
    • G06F3/0233—Character input methods
    • G06F3/0236—Character input methods using selection techniques to select from displayed items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/048—Indexing scheme relating to G06F3/048
    • G06F2203/04803—Split screen, i.e. subdividing the display area or the window area into separate subareas

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Dermatology (AREA)
  • Neurosurgery (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

描述了用于使用来自人脑的神经学信号与计算机操作系统进行人类交互的方法和系统。在一个实施例中，系统包括经修改的计算机操作系统以及以下方法：在不需要传统的计算机键盘、计算机鼠标或其他过去或当前计算机操作系统本机支持的输入方法的情况下，并且在不需要根据最终用户的任何电子硬件设备校准或根据最终用户的软件校准、也不需要计算机操作系统内的任何初步脑状态记录或任何神经学信号训练的情况下，捕获、读取和解释实时的基于人脑的信号，以在整个计算机操作系统中导航、与计算机操作系统交互并且操作计算机操作系统。

Description

神经操作系统
相关申请的交叉引用
本申请要求于2017年6月15日提交的具有相同名称的美国临时申请62/520,194的权益，其全部内容通过引用合并于此。
技术领域
本申请总体上涉及使用人类-电子接口的计算系统，并且更具体地涉及人脑与计算机系统交互。
背景技术
从1951年至今，计算机操作系统已要求人类生成并使用输入方法来允许将任何数据作为计算机兼容的输入被接收，以生成人机交互。
特别地，对于人类使用计算机操作系统，计算机操作系统必须本机地(natively)支持依赖于计算机操作系统和基于计算机的硬件或计算机软件之间的输入方法的这种交互，基于计算机的硬件或计算机软件即计算机键盘、计算机鼠标、计算机手写笔、计算机交互式笔显示器、基于人眼的触摸键入、基于人手的触摸键入、基于人手的运动手势、基于人前臂的运动手势、基于人肌肉记忆的自动输入、运动跟踪控制器、基于声音的控制器、对象识别系统、上下文敏感的单词预测系统或上下文敏感的动态缩写扩展系统。这些方法很麻烦并且要求用户的大量的学习时段和体力劳动。
发明内容
到目前为止，尚未对计算机操作系统进行主要构建或本质设计来支持或响应实时的基于人脑的输入方法。因此，需要一种新的计算机操作系统和计算机用户接口，其能够在无需进行任何打字、点击、滑动、人类头部跟踪或身体运动跟踪或任何其他种类输入的情况下，直接且严格地与人脑进行交互作为其唯一的操作方法。
一些方面涉及计算系统，计算系统包括一个或多个处理器、计算机可读存储介质、显示设备等，并且通信地耦合至提供来自用户的与脑有关的数据的数据源或传感器。计算系统可以执行操作系统或允许任何人严格地经由基于人脑的实时输入方法与该计算机操作系统进行交互的其他软件。这种新颖的交互通过计算机用户界面来实现，计算机用户界面被编程为响应由人脑、周围颅骨和人眼的神经肌肉活动发出的脑电图、肌电图和眼电图信号传输的模拟数字转换和分析。
在一些实施例中，神经操作系统体现了与硬件无关的智能数据访问计算范例，并且经由创新的计算机用户界面来管理人机交互和机人交互，该创新的计算机用户界面被设计为：在无需基于最终用户的硬件校准或软件校准、也无需根据最终用户的任何初步脑状态记录、且无需在计算机操作系统内进行任何神经学信号训练的情况下，允许计算机操作系统的更快且更流线式的使用和导航。
在一些实施例中，计算机操作系统可以附加地集成机器学习算法和经编程的自动装置，其基于以下参数中的单个参数或参数组合，针对最终用户学习、同化、记录、存档、修改、定制、组织和呈现与特定最终用户的偏好相匹配的预归类的内容：
·(i)最终用户的人口统计数据
·(ii)基于最终用户的计算机操作系统导航的模式识别
·(iii)基于最终用户的计算机操作系统使用趋势的模式识别
·(iv)最终用户相同或相似访问的内容的频率和重复级别
·(v)基于在最终用户与计算机操作系统之间的交互时最终用户的身体健康的、内容的优先级排序
·(vi)基于在最终用户与计算机操作系统之间的交互时最终用户的精神健康的、内容的优先级排序
·(vii)基于在最终用户与计算机操作系统之间的交互时最终用户的智力健康的、内容的优先级排序
·(viii)独立的生理功能或经由辅助看护接诊或在医学监督下的生理功能的状态
·(ix)最终用户专业资格
·(x)最终用户的专业活动
·(xi)在最终用户与计算机操作系统之间的交互时的、最终用户的专业活动
·(xii)天、周、月和年的时间
·(xiii)最终用户体温
·(xiv)最终用户周围的环境温度
·(xv)最终用户的物理地理位置。
在一些实施例中，提供了一种计算设备或计算系统，计算设备或计算系统使用静态和/或动态机器学习的算法生成和管理的经编程的计算机图形用户界面来执行与设备无关的计算机操作系统，计算机图形用户界面针对与之交互的任何人进行设计和构建。操作系统可以经由对基于人脑的实时或所记录的神经学信号的分析来操作和接收输入。一些方面可以并入以下中的一项或多项和/或与以下中的一项或多项协作：耦合到最终用户的人类头部以捕获被实时传输到计算机操作系统的基于人脑的实时神经学信号的计算机硬件和电子设备、电子无线数据传输协议、外部图形处理单元、外部图形电子显示器、非瞬态计算机可读存储介质和生物传感器装置。
附图说明
附图被并入本说明书中并构成本说明书的一部分，包括附图是为了提供对所公开主题的进一步理解。附图还图示了所公开的主题的示例实现并且与具体实施方式一起用于解释所公开的主题的实现的原理。没有试图比所公开的主题的基本理解和实践所公开的主题的各种方式所必需的更详细地示出结构细节。
如本文所使用的，表述“说明性”可以指代示例或示例性实施例。
在图示示例实施例的附图中：
图1是计算机操作系统的示例图形用户界面的说明性示意图。
图2是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的交互区0(108)；
图3是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的交互区1(109)；
图4是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的机器学习区2(110)；
图5是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于网格模式的机器学习区2(111)；
图6是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的机器学习区3(112)；
图7是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于网格模式的机器学习区3(111)；
图8是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于雷达操作模式的交互区4(114)；
图9是处于雷达操作模式的交互区4(114)的说明性示意图。
图10是处于雷达操作模式的交互区4(114)的说明性示意图；
图11是处于雷达操作模式的交互区4(114)的顺序的一系列说明性示意图；
图12是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于雷达操作模式的被称为交互区5的区域(127)；
图13是处于雷达操作模式的交互区5(127)的说明性示意图，其包括交互式图形圆元素；
图14是处于雷达操作模式的交互区5(127)的说明性示意图，其中图形圆元素(129)沿交互式图形线元素完全滑动；
图15是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的被称为交互区6的区域(136)；
图16是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的被称为交互区7的区域(137)；
图17是计算机操作系统(138)的示例实现的说明性图，该计算机操作系统经由与常规台式个人计算机设备(141)的有线视频缆线连接(140)在计算机监视器或电视(139)中显示；
图18是计算机操作系统(145)的示例实现的说明性图，该计算机操作系统在具有与便携式小型计算设备(诸如，Intel计算棒)(146)的直接物理通用串行总线(被称为USB)连接的计算机监视器或电视(144)中显示；
图19是计算机操作系统(150)的示例实现的说明性图，该计算机操作系统在互联网准备就绪的无线连接的电视(也称为智能电视装备)(149)中显示；
图20是计算机操作系统(153)的示例实现的说明性图，该计算机操作系统经由互联网准备就绪的无线连接的投影仪设备(也称为智能投影仪装备)(156)在物理墙或标准投影屏(154)上显示；
图21是计算机操作系统(159)的示例实现的说明性图，该计算机操作系统在诸如互联网准备就绪的、或通信网络准备就绪的无线连接的平板计算机中显示；
图22是基于本文提出的所有系统和方法、计算系统和相关联的软件的示例内部组件以及这些组件中的每个组件之间的交互性的说明性流程图；
图23是计算系统的神经学数据与相关联的响应之间的关系的说明性流程图；
图24是用于雷达状虚拟键盘的响应状态界面升级的示例的示意图；
图25是用于雷达状虚拟键盘的响应状态界面升级的示例的示意图；
图26是用于雷达状虚拟键盘向计算机操作系统中的交互区中的有利的字母数字键入的响应状态界面升级的三个示例的示意图；
图27是响应状态界面升级的三个示例的示意图；以及
图28是描绘可以执行本文描述的系统和方法的示例计算设备的组件的框图。
具体实施方式
在以下描述中，阐述具体细节是为了提供对所公开的示例实施例的透彻理解。然而，本领域的技术人员将认识到，可以在没有一个或多个这些特定细节或利用其他方法的情况下实践实施例，并且这些实施例仅是示例且本发明的范围不限于本文描述的特定实施例。
在其他情况下，为了避免不必要地混淆实施例的描述，没有详细描述与电子设备相关联的公知的结构，特别是模拟数字转换器和无线发射器或可穿戴电子设备，诸如支持蓝牙的设备、包括任何类型的生物信号测量传感器的可穿戴耳机、脑电图设备、用于通过数据网络通信的相机、全球定位系统(GPS)。
除非上下文另外要求，否则在整个说明书和权利要求书中，词语“包括”及其变型，诸如“包括了”和“包括有”，应当以开放式包括的含义即“包括但不限于”来解释。
在整个说明书中，对“一个实施例”或“实施例”的引用是指可以在一个或多个实施例中以任何合适的方式组合特定特征或特性。
除非内容不同地指示，否则如在本说明书和所附权利要求书中所使用的，单数形式“一”、“一个”和“该”包括复数引用物。注意，除非内容另有规定，否则术语“或”通常以其最宽泛的意义被采用，即，是指“和/或”。
本文提供的标题和摘要仅用于形式上的合规，并且不限制或告知本文描述的权利要求或实施例的范围或含义。
本文描述的各种实施例提供了用于与计算机系统进行人机交互的方法和系统，计算机系统包括被配置为接收从最终用户的人脑传输的神经学信号作为输入的操作系统。
在整个说明书和所附权利要求书中，所呈现的描述应当被认为是计算系统和操作系统的示例，计算系统被特别配置为使用从最终用户的人脑所传输的神经学信号来提供用于与操作系统的人机交互的可实现的架构，操作系统具有被呈现给最终用户的可表示的人机界面。然而，本领域技术人员将理解，本文描述的各种教导可以以各种其他形式和/或相关设计应用于最终用户。
图1是计算机操作系统的示例图形用户界面(GUI)的说明性示意图。GUI可以作为例如在计算设备141的存储器中执行的操作系统的一部分被呈现给用户(如图28所示)。GUI可以例如被呈现在计算设备141的显示设备(例如，监视器、投影仪、移动电话触摸屏或平板触摸屏等)上，或者通信地耦合到计算设备141。操作系统可以利用基于人脑的神经学信号作为输入。即，基于人脑的神经学信号可以用于对计算机操作系统进行控制、导航和操作中的至少一项，以及用于对静态和动态生成的算法内容进行显示、生成、优先级排序中的至少一项，以经由根据本系统、文章和方法的系统架构中的八个预编程区域(在图1中描绘为交互区100-107)进行人机交互。将理解，在图1的GUI中有8个预编程区域。
在一些实施例中，基于人脑的神经学信号可以包括EEG、EMG和EOG信号中的至少一个。操作系统可以同步或异步地将前述信号中的一个、两个或三个用作输入。这些信号可以从被放置在人类用户头部上的基于硬件的感测设备获得。例如，传感器可以被放置在人类头部的前额部分中的一个或多个上或者被放置在人类头部的Fp1、Fpz、Fp2和/或N1h、Nz、N2h和/或鼻梁区域中的一个或多个中。将理解，取决于所使用的感测设备和与其相关联的设备的灵敏度，头部的其他区域也是可能的。
在一些实施例中，8个预编程区域中的一个或多个以所谓的标准操作模式来操作。在其他实施例中，一个或多个预编程区域以所谓的“网格模式”来操作。在其他实施例中，一个或多个预编程区域以所谓的“雷达模式”来操作。这些模式将在下面进一步描述。尽管本示例实施例示出了8个交互区，但是本领域技术人员将理解，其他实施例可以包括多于或少于8个交互区。
在本发明的一个方面，如图1所示，神经操作系统是向用户呈现GUI的计算机操作系统，GUI包括提供计算机操作系统的神经学数据管理、神经学数据表示、静态内容管理、基于机器学习的算法生成的内容创建、分类和显示、导航、接口以及控制的八个交互区(100)(101)(102)(103)(104)(105)(106)(107)。
八个交互区(100)(101)(102)(103)(104)(105)(106)(107)彼此独立操作，并且还可以基于最终用户的被执行的用于处理的请求来一致操作。每个交互区的状态能够经由所接收的基于最终用户的人脑的神经学信号的传输、处理和管理，基于最终用户的被执行的用于处理的请求来改变。
图2是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的交互区0(108)。
图3是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的交互区1(109)。
图4是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的机器学习区2(110)。
图5是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于网格模式的机器学习区2(111)。
图6是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的机器学习区3(112)。
图7是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于网格模式的机器学习区3(111)。
图8是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于雷达操作模式的交互区4(114)。
图9是处于雷达操作模式的交互区4(114)的说明性示意图，交互区4具有二十个交互区域，二十个交互区域包括由八个导航小区(115)(116)(117)(118)(119)(120)(121)(122)、十二个网格控制小区(cell)(125)、独立的顺时针旋转的雷达状交互式图形线元素(123)和交互式图形圆元素组成的创新的神经学响应控制系统，该交互式图形圆元素能够在交互式图形线(124)的方向路径内滑动、停止滑动或继续滑动。将理解，在其他实施例中，存在多于或少于8个导航小区和多于或少于20个交互区域。此外，雷达状交互式图形线元素123可以逆时针旋转。
图10是处于雷达操作模式的交互区4(114)的说明性示意图，交互区4具有独立的交互式图形圆元素，该交互式图形圆元素沿交互式图形线元素(123)完全滑动并且能够经由基于人脑的神经学信号，通过激活十二个网格控制小区(125)中的一个二维且空间放置的网格控制小区(126)来启动和执行子例程嵌套的计算机代码。
图11是处于雷达操作模式的交互区4(114)的顺序的一系列说明性示意图，交互区4随时间处于各种状态，展示了在经由基于人脑的神经学信号的激活后，雷达状交互式图形线元素(123)的顺时针旋转以及交互式图形圆元素(124)沿交互式图形线(123)的方向路径从交互区4(114)的区域内的一个网格控制小区(125)到另一网格控制小区(125)的物理平移。
图12是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于雷达操作模式的被称为交互区5的区域(127)。
图13是处于雷达操作模式的交互区5(127)的说明性示意图，交互区5具有三十个交互区域，三十个交互区域包括创新的神经学响应控制系统，该创新的神经学响应控制系统由二十六个交互式的按字母顺序布置的基于字母的小区(134)、一个空格键写入控制小区(130)、一个返回键写入控制小区(131)、一个退格键写入控制小区(132)、一个输入方法切换控制小区(133)以及独立的顺时针旋转的雷达状交互式图形线元素(128)和交互式图形圆元素组成，交互式图形圆元素能够在交互式图形线(129)的方向路径内滑动、停止滑动或继续滑动。尽管描绘了30个交互区域，但是将理解，其他实施例可以包括多于或少于30个交互区域。
图14是处于雷达操作模式的交互区5(127)的说明性示意图，交互区5具有独立的交互式图形圆元素(129)，交互式图形圆元素(129)沿交互式图形线元素(128)完全滑动并且能够经由基于人脑的神经学信号来激活交互区5(127)中的三十个交互小区中的一个交互小区(135)(在本例中为字母L键写入控制小区)。
图15是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的被称为交互区6的区域(136)。
图16是计算机操作系统的图形用户界面的说明性示意图，该图形用户界面突出显示了处于标准操作模式的被称为交互区7的区域(137)。
图17是运行计算机操作系统(138)、并且经由与常规台式个人计算机设备(141)的有线视频缆线连接(140)在计算机监视器或电视(139)中显示的计算设备141的示例实现的说明性图。如图所示，最终用户佩戴作为无线头戴式耳机的电子设备，该无线头戴式耳机能够经由无线通信协议(143)(诸如用于在短距离上传输数据的BluetoothTM无线技术标准)从最终用户的人类头部(142)获取脑电图、肌电图和眼电图信号并将其传输到常规台式个人计算机设备(141)。将理解，在一些实施例中，诸如视频缆线连接140的有线连接可以替代地是无线的，反之亦然。
图18是计算机操作系统(145)的另一示例实现的说明性图，该计算机操作系统在具有与便携式小型计算设备(诸如，Intel计算棒)(146)的直接物理通用串行总线(被称为USB)连接的计算机监视器或电视(144)中显示。如图所示，最终用户佩戴作为无线头戴式耳机的电子设备，该无线头戴式耳机能够经由无线通信协议(148)(诸如用于在短距离上传输数据的BluetoothTM无线技术标准)从最终用户的人类头部(147)获取脑电图、肌电图和眼电图信号并将其传输到便携式小型计算设备(146)。
图19是计算机操作系统(150)的另一示例实现的说明性图，该计算机操作系统在互联网准备就绪的无线连接的电视(也称为智能电视装备)(149)中显示。最终用户佩戴作为无线头戴式耳机的电子设备，该无线头戴式耳机能够经由无线通信协议(152)(诸如用于在短距离上传输数据的BluetoothTM无线技术标准)从最终用户的人类头部(151)获取脑电图、肌电图和眼电图信号并将其传输到互联网准备就绪的无线连接的电视(149)。
图20是计算机操作系统(153)的另一示例实现的说明性图，该计算机操作系统经由互联网准备就绪的无线连接的投影仪设备(也称为智能投影仪装备)(156)在物理墙或标准投影屏(154)上显示。如图所示，最终用户佩戴作为无线头戴式耳机的电子设备，该无线头戴式耳机能够经由无线通信协议(157)(诸如用于在短距离上传输数据的BluetoothTM无线技术标准)从最终用户的人类头部(155)获取脑电图、肌电图和眼电图信号并将其传输到互联网准备就绪的无线连接的投影仪设备(156)。
图21是计算机操作系统(159)的另一示例实现的说明性图，该计算机操作系统在诸如互联网准备就绪的、或通信网络准备就绪的无线连接的平板计算机中显示，该平板计算机完全独立并被安装作为运输工具(160)(诸如，汽车、卡车、公共汽车、火车、船、飞机、直升机、水下潜艇、无人驾驶机器人、太空飞行器)中的单独的物理可移除的电子装备、或者作为附接到运输工具(160)(诸如，汽车、卡车、公共汽车、火车、船、飞机、直升机、水下潜艇、无人驾驶机器人、太空飞行器)并连接到运输工具自己的有线或无线数据管理、通信和计算系统(158)的物理固定的装备。最终用户佩戴作为无线头戴式耳机的电子设备，该无线头戴式耳机能够经由无线通信协议(162)(诸如用于在短距离上传输数据的BluetoothTM无线技术标准)从最终用户的人类头部(161)获取脑电图、肌电图和眼电图信号并将其传输到平板计算机(158)。
图22是示例计算机操作系统的内部组件以及这些组件中的每个组件之间的交互性的说明性流程图。
图23是在计算设备141上执行的计算机操作系统对神经学数据的持续或近持续的监测与基于对被传输到计算机操作系统的神经学数据以及由计算机操作系统内命令的交互和激活所生成的各种趋势、见解和动作的分析的计算机操作系统的响应状态之间的多维和双向关系的说明性流程图。
图24是用于雷达状虚拟键盘的响应状态界面升级的示例的示意图，该雷达状虚拟键盘允许基于计算机操作系统中的更慢、较低级雷达状虚拟键盘中的命令的交互和激活的先前准确度的、增强的且更快的基于字母的和/或其他嵌套的子例程命令。
图25是用于雷达状虚拟键盘的响应状态界面升级的示例的示意图，其中通过添加基于单词预测词典的模块来进一步升级增强的且更快的雷达状虚拟键盘，从而允许从雷达状虚拟键盘中更快地访问、选择单词并将单词键入到计算机操作系统中的交互区中。
图26是用于雷达状虚拟键盘向计算机操作系统中的交互区中的有利的字母数字键入的响应状态界面升级的三个示例的示意图。
图27是响应状态界面升级的三个示例的示意图，其中计算机操作系统中的交互区基于对被传输到计算机操作系统的神经学数据以及由计算机操作系统内命令的交互和激活所生成的各种趋势、见解和动作的分析来改变其架构以及特征或可访问内容的相关数目。
图29是图示了实现改进的雷达状指示系统的图形用户界面中区的示意图。振荡雷达172提供对沿移动线的任何四个图块的快速访问以用于快速选择。在一些实施例中，在图29的实施例中，不是雷达标记必须旋转360度来访问相对侧上的图块，而是标记沿线移动并基于与图块的相交来逐一突出显示图块。最终用户可以选择突出显示的图块并触发动作。该键盘布局的一些实施例基于Trie搜索算法，Trie搜索算法在顺序键入字母组时预测可能的单词。例如，选择“GHI”、“MNO”和“MNO”可以预测单词“Good”或“Gone”。此外，用户可以使用循环键170来循环通过所预测的单词列表，直到找到期望的单词。一旦被找到，最终用户就可以使用选择键171来选择该单词。这样的单词可以被用作使用AI/IOT键169来激活人工智能/物联网命令的命令。例如，命令可以触发例如Alexa来播放音乐、调暗灯光、控制室温等。图29的键盘布局和振荡雷达标记可以将雷达标记所行进的时间和距离减少2倍，这提高了操作效率。在一些实施例中，用户可以将光标停在安全区中，以避免在等待雷达标记继续移动时对图块的任何无意选择。
此外，在计算设备141上执行的神经操作系统可以被本领域技术人员认为是以下中的任一项：与电子设备上的已安装的在市场上可获得的基于本地的计算机操作系统互补的修改的基于本地的计算机操作系统、或与电子设备上的已安装的在市场上可获得的基于本地的计算机操作系统互补的修改的基于互联网的计算机操作系统、或与电子设备上的已安装的在市场上可获得的基于本地的计算机操作系统互补的修改的基于互联网web浏览器的基于本地的计算机操作系统、或嵌入在专用集成电路微芯片中的独立计算机操作系统、或独立计算机操作系统，只要电子设备具有发起与互联网的无线连接的技术能力并支持个人无线网络和/或短距离无线数据通信协议，诸如用于无线头戴式耳机之间的数据连接性的BluetoothTM无线技术标准，无线头戴式耳机能够捕获来自最终用户的人类头部的实时脑电图、肌电图和眼电图信号并将其传输到计算机。
如所描绘的，交互区0默认处于被称为标准操作模式的计算状态(108)，交互区1默认处于被称为标准操作模式的计算状态(109)，交互区2默认处于被称为处于标准操作模式的机器学习的计算状态(110)，交互区3默认处于被称为处于标准操作模式的机器学习的计算状态(112)，交互区4默认处于被称为雷达操作模式的计算状态(114)，交互区5默认处于被称为雷达操作模式的计算状态(127)，交互区6默认处于被称为标准操作模式的计算状态(136)，并且交互区7默认处于被称为标准操作模式的计算状态(137)。
可以经由使用位于交互区4(114)和交互区5(127)中的神经学地激活的导航控件来实现跨这些交互区的导航和/或从这些交互区中的一个导航到一个或若干其他交互区的方法。
如图9、图10和图11所示，在交互区4(114)中，导航控件系统以网格状的二维格式组装二十个预编程的交互式可执行小区，其中五个交互式可执行小区水平地彼此相邻，有四行这样的小区。尽管描绘了20个小区，但是将理解，其他实施例可以包括多于或少于20个小区。
如所描绘的，通过以下方法将这二十个预编程的交互式可执行小区进行逻辑地拆分：将这些交互式可执行小区中的十二个以子网格二维格式组装，其中四个交互式可执行小区水平地彼此相邻，有三行这样的小区。
以网格状格式的交互式可执行小区的这种第一组织被称为网格控制小区(125)。
如所描绘的，其余的八个交互式可执行小区被放置在网格控制小区的顶部和右方，并且被称为主页按钮导航控件(115)、后退按钮导航控件(116)、登出按钮导航控件(117)、应用切换按钮导航控件(118)、全屏显示按钮导航控件(119)、向上滚动导航控件(120)、向下滚动按钮导航控件(121)和键盘雷达激活按钮导航控件(122)。
网格控制小区(125)可以定义系统，该系统允许跨以下交互区中的一个或若干交互区即时或近即时地执行、激活和改变操作状态：交互区2、交互区3、交互区5、交互区6和/或交互区7。
此外，可以对网格控制小区(125)进行预编程，以逻辑地控制交互区2(102)和交互区3(103)中的次级操作状态，交互区2(102)和交互区3(103)分别被称为处于网格模式的机器学习区2(111)和处于网格模式的机器学习区3(113)。
当交互区2和3进入该次级操作状态时，可以经由交互小区的新的可执行集合来发起对本地或基于互联网的远程可访问静态和/或动态生成的算法内容进行可视化、接口和控制的方法，交互小区的新的可执行集合位于子网格二维格式的交互区2或交互区3中，在子网格二维格式中，四个交互式可执行小区水平地彼此相邻，有三行这样的小区，三行这样的小区与交互区4(114)中的网格控制小区(125)中所应用的接口方法和控制方法相匹配。
交互区4中的另一系统由交互式图形线元素(123)和交互式图形圆元素(124)组成，交互式图形线元素(123)和交互式图形圆元素(124)被编程为取决于彼此进行操作，并且在网格的区域边界内图形地叠置，网格由交互区4(114)中的二十个交互式可执行小区形成。交互式图形线元素(123)的一端自由附接到交互式图形圆元素(124)，并且交互式图形线元素(123)的另一端被编程为沿交互区4(114)中的二十个交互式可执行小区形成的网格的区域边界以顺时针旋转方式平移，类似于工业或军事环境中海上或航空电子导航系统中的扫描限定的地理区域的电子雷达显示系统。
用于激活交互区4(114)并且在交互区4(114)中执行预编程的交互小区(126)的示例方法可以在三个步骤中被发起。在计算机操作系统的启动后，交互式图形线元素(123)开始顺时针旋转，而交互式图形圆元素(124)保持居中于交互区4(114)中二十个交互式可执行小区所形成的网格。现在，最终用户能够通过对最终用户的神经学信号进行无校准和/或无训练的分析来触发交互式图形圆元素(124)的激活，首先停止交互式图形线元素(123)旋转并允许交互式图形圆元素(124)开始沿物理线移动，并朝向由交互区4(114)中的二十个交互式可执行小区所形成的网格边界移动。一旦最终用户估计交互式图形圆元素(124)已达到了基于网格的控制和交互小区执行的令人满意的叠置网格位置，就可以发起第二神经学触发来停止交互式图形圆元素(124)移动并立即重新激活交互式图形线元素(123)的顺时针旋转。此时，可以激活第三神经学触发，并且然后预先编程最接近交互式图形圆元素(123)的交互式网格控制小区(125)或导航控制小区(115)(116)(117)(118)(119)(120)(121)(122)可以利用立即执行的嵌套代码子例程(126)进行激活。
根据经由雷达状可视化和接口系统在计算机操作系统中激活了哪个交互小区，交互区2(110)或(111)、交互区3(112)或(113)、交互区5(127)、交互区6(136)和/或交互区7(137)可以发起它们自己的与交互区2(111)或交互区3(113)中的交互小区的匹配网格关联位置相关联的嵌套代码子例程，或与其他七个交互区中与来自交互区4(114)的交互小区的执行相关联的任一个交互区的操作和控制所需的特定特征相关联的代码子例程。
根据最终用户期望的控制、导航和执行，发起如图13和图14所示的次级雷达状导航系统的选项是可允许的并且经由被称为键盘雷达激活按钮(122)的交互式导航控制小区的激活来实现。在执行时，交互区4(114)将其神经学信号分析能力转移到交互区5(127)，并且类似地控制的叠置的雷达状虚拟键盘(128)(129)(130)(131)(132)(133)可供最终用户用于基于字母的和/或其他嵌套子例程命令的各种交互式执行、以及在从交互区2(110)(111)或从交互区3(112)(113)中可激活或在其中可激活的关联即时消息传递或(多个)通信平台模块中的基于字符的通信的即时输入、删除、编辑和控制。
在任何雷达状导航系统或雷达状虚拟键盘中的命令的所有交互和激活都受制于计算机操作系统进行的随时间的数据记录和分析，以确定在每个交互区内的每个所生成的命令的准确度、这样的所生成的命令在特定时间段内的唯一性以及对被传输到计算机操作系统的任何神经学信号的任何潜在的后续影响。
当发现在命令的交互和激活中缺乏准确度时，计算机操作系统可以提供可降级的选项，以允许雷达状导航系统或雷达状虚拟键盘的更简化的版本或减少用于使用的交互区的数目。
备选地，如果发现命令的交互和激活的准确度随着时间而提高，则计算机操作系统可以为更复杂或更加速的雷达状导航系统、雷达状虚拟键盘提供可升级的选项并增加用于使用的交互区的数目。
此外，如果发现命令的交互或激活正在影响被传输到计算机操作系统的实时神经学信号，则计算机操作系统可以进一步本地地或在远程系统中对所讨论的神经学活动进行监测、分类和归类，远程系统诸如分布式计算机网络或基于云的计算环境。
由于被传输到计算机操作系统中的持续或进行中的神经学数据，计算机操作系统可以经由诸如分布式计算机网络或基于云的计算环境的远程系统、内部地或外部地、经由各种黑箱机器学习方法进一步确定随时间的特定趋势或见解，黑箱机器学习方法诸如经由人工神经网络或特定数学或波形算法分析或特定签名提取对神经学数据进行过滤。
如图23、图24、图25、图26、图27所描绘的，对被传输到计算机操作系统的神经学数据的这样的进行中的监测、以及由于计算机操作系统中的先前交互或激活或新增强的和优化的交互和激活而进行的对被传输到计算机操作系统的神经学数据的趋势和见解的后续确定通过以下方式允许计算机操作系统本机地提供自适应和响应架构以对随时间的命令的某些或所有交互和激活进行个体级别的增强、引导、分类、格式化、呈现、精确确定、调度或优先级排序：基于对计算机操作系统的响应架构的使用的不断分析的相关发现以及计算机操作系统的每个交互区中的每个增强的动作、交互或激活随时间对神经学数据生成的后续多维和双向影响，自动升级计算机操作系统的每个交互区的组件。
通过基于被传输到计算机操作系统的神经学数据来提供响应状态接口可升级性，计算机操作系统能够本机地提供新的响应状态来内部地或在能够与计算机操作系统进行电子通信的外部兼容计算模块、应用或系统中修改某些功能或对某些功能进行优先级排序。例如，如果计算机操作系统确定通过雷达状虚拟键盘键入客户消息的准确度已达到设置的高准确度级别，则计算机操作系统可以允许将这样的客户消息传输到外部计算模块以用于短消息服务或经由合成语音与外部人工智能个人助理(诸如，Amazon Alexa或GoogleAssistant)进行自动交互。
如图1所示，计算机操作系统本机地组织、管理和显示在GUI中的各个交互区中的所有相关的功能性、特征、本地或远程可访问的静态或动态生成的算法内容，每个交互区携载单独的预编程指令集合和/或基于神经学的控制方法。此外，系统架构允许内部或第三方软件应用或应用编程接口的无限集成的内容生成、激活、执行、导航和内部管理。这样，提供了一种基于以下参数中的一个参数或任何参数的呈现与最终用户相关或由最终用户动态生成的任何信息、内容、数据和/或特征的方法：
·(i)最终用户的人口统计数据
·(ii)基于最终用户的计算机操作系统导航的模式识别
·(iii)基于最终用户的计算机操作系统使用趋势的模式识别
·(iv)最终用户相同或相似访问的内容的频率和重复级别
·(v)基于在最终用户与计算机操作系统之间的交互时最终用户的身体健康的、内容的优先级排序
·(vi)基于在最终用户与计算机操作系统之间的交互时最终用户的精神健康的、内容的优先级排序
·(vii)基于在最终用户与计算机操作系统之间的交互时最终用户的智力健康的、内容的优先级排序
·(viii)独立的生理功能或经由辅助看护接诊或在医学监督下的生理功能的状态
·(ix)最终用户专业资格
·(x)最终用户的专业活动
·(xi)在最终用户与计算机操作系统之间的交互时的、最终用户的专业活动
·(xii)天、周、月和年的时间
·(xiii)最终用户体温
·(xiv)最终用户周围的环境温度
·(xv)最终用户的物理地理位置。
该方法是被简化、流线化、优化的，并且向最终用户直接呈现与相关的功能性或内容的创新接口。这样的方法与人机交互的更经典的方法形成了鲜明的对比，在更经典的方法中，最终用户必须经历激活、搜索、选择的多个阶段，并最终获得对某些功能性或内容的访问权限。在一些实施例中，本系统和方法提供了一种计算机操作系统及其管理的接口，基于针对一个或多个特定最终用户的机器学习，计算机操作系统提供功能性的立即显示和改进的内容管理和内容生成系统。
在最终用户每次使用计算机操作系统时，用于计算机操作系统的机器学习方法随时间同化先前列出的参数，并且在交互区2(111)或交互区3(113)中的各种按网格组织的可执行交互小区中，对用于该最终用户的最相关的功能性和内容进行限定、组织、替换、下载、加载、呈现和可视化。
如图17、图18、图19、图20和图21所描绘的，对于本领域的技术人员，可以在物理和技术部署方面考虑用于计算机操作系统的各种实现场景，在用于机器学习集成的各种实现场景方面也同样成立。
图28是描绘示例计算设备141的组件的框图。计算设备141可以是任何合适的计算设备，诸如服务器、台式计算机、膝上型计算机、平板、智能电话等。计算设备141包括控制计算设备141的整体操作的一个或多个处理器2801。处理器2801经由存储器总线2803与包括存储器2804的若干组件交互，并且经由总线2809与加速器2802、存储装置2806和网络接口2810交互。可选地，处理器2801经由总线2809与I/O设备2808交互。总线2809可以是包括外围总线、视频总线等的任何类型的若干总线中的一个或多个。
每个处理器2801可以是任何合适类型的处理器，诸如实现例如ARM或x86指令集的中央处理器(CPU)，并且还可以包括诸如图形处理单元(GPU)、神经处理单元(NPU)、Al内核或任何其他合适的处理单元的专用处理器。加速器2802可以是例如加速的处理单元(例如，组合到单个管芯或芯片上的处理器和图形处理单元)。存储器2804包括由处理器2801可读的任何合适类型的系统存储器，诸如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步DRAM(SDRAM)、只读存储器(ROM)或其组合。在一个实施例中，存储器2801可以包括多于一个类型的存储器，诸如用于启动时使用的ROM以及用于程序和在执行程序时使用的数据存储的DRAM。存储装置2806可以包括被配置为存储数据、程序和其他信息并使数据、程序和其他信息能够经由总线2809访问的任何合适的非瞬态存储设备。存储装置2806可以包括例如固态驱动、硬盘驱动、磁盘驱动、光盘驱动、安全数字(SD)存储卡等中的一个或多个。
I/O设备2808包括例如诸如显示设备的用户接口设备，显示设备包括能够将绘制的图像显示为输出并以触摸形式接收输入的触摸敏感显示设备。在一些实施例中，I/O设备2808附加地或备选地包括扬声器、麦克风、相机、诸如加速度计和全球定位系统(GPS)接收器的传感器、小键盘等中的一个或多个。在一些实施例中，I/O设备2808包括用于将计算设备141连接到其他客户端设备或外部传感器(例如，用于测量最终用户的大脑活动的传感器)的端口。在示例实施例中，I/O设备2808包括用于连接至外围设备或主机计算设备的通用串行总线(USB)控制器。
网络接口2810能够将计算设备141连接到通信网络2814。在一些实施例中，网络接口2810包括有线接口(例如，有线以太网)和无线无线电(例如，WiFi、蓝牙或蜂窝(例如，GPRS、GSM、EDGE、CDMA、LTE等))中的一个或多个。网络接口2810使得计算设备141能够经由通信网络2814与诸如服务器的其他计算设备进行通信。网络接口2810也可以用于建立诸如虚拟专用网络(VPN)的虚拟网络接口。
计算设备141可以实现向最终用户呈现上述图形用户界面和相关联的功能性的如本文所述的操作系统。操作系统中的每个模块可以包括由计算设备141的处理器2801(以及可选地加速器2802)可执行的计算机可读指令。操作系统的模块的计算机可读指令由计算设备141的处理器2801执行。在其他实施例中，操作系统的一个或多个模块的计算机可读指令可以由远离计算设备141的一个或多个计算设备(例如，类似地包括处理设备和存储介质的后端或云计算系统)执行。
作为使用机器学习来适配其功能性和由最终用户访问的内容的计算机操作系统的一个实现示例，身体残疾的手截肢的八岁男孩可以与具有创伤后应激障碍的三十五岁受伤军人不同地使用的神经操作系统，还可以与由于严重的关节炎或缺乏关于如何使用传统计算机和标准计算机操作系统的知识而无法使用她的手来打字的、需要与其孩子、孙子、日常照料者和医生交互的八十岁祖母不同地使用神经操作系统。
机器学习区2(110)(111)和机器学习区3(112)(113)允许智能的、可修改的、适配每个最终用户的机人交互和人机交互，同时提供创新的基于神经学的交互式导航控件和新颖的通信控件，这些控件不依赖于标准和较慢的P300事件相关的潜在方法，因此绕过了其他当前可用的计算机操作系统的现有操作限制。
在本发明的另一实施例中，计算机操作系统以处于网格模式的机器学习区2(111)和处于标准操作模式的机器学习区3(112)来发起，其中所有其他交互区被加载。处于网格模式的机器学习区2(111)向最终用户呈现十二个网格格式的交互小区的选择，从而允许立即访问经由十二个经归类的启动板状的交互小区可访问的、与最终用户相关的静态和/或基于机器学习的算法组织的内容。然后，最终用户可以经由神经学响应的和已激活的交互区4来选择十二个交互小区中的一个，交互区4默认为网格控制小区(125)提供相同的二维网格状格式。在选择网格控制小区(126)后，处于网格模式的机器学习区2(111)将状态改变为处于标准操作模式的机器学习区2(110)，并且在该区的新状态下自动加载默认的最可能预测的和/或偏好的内容，并且处于标准操作模式的机器学习区3(112)将状态改变为处于网格模式的机器学习区3(113)，并且使用所有其他可用选项来自动更新自身，直到以网格状的十二个交互小区格式、并且以上面列出的用于每个最终用户的计算机操作系统的基于机器学习的接口的参数的一个或任何组合被排序的无限本地或远程可访问的静态或动态生成的算法内容。
此外，经由交互区4和任何网格控制小区(126)的执行，在属于处于网格模式的机器学习区3中(113)现在列出的相同的发起的类别中的内容之间切换的方法是可用的。
备选地，通过执行导航控制主页按钮(115)将接口重置为其初始化默认值，允许了在处于网格模式的初始机器学习区2的主要类别内容之间切换的方法。
备选地，可以通过多任务能力以及导航控制应用切换按钮(118)的执行来实现转移现在出现在处于标准操作模式的机器学习区2中的内容的方法，从而允许在处于标准操作模式的机器学习区2(110)中的原始内容现在以较小的格式出现在交互区6中，并且立即提供进一步的选择能力来从处于网格模式的机器学习区3(113)启动成处于标准操作模式的机器学习区2(110)。
备选地，如果需要导航控制全屏显示按钮(119)，则通过执行和后续的反向执行，将处于标准操作模式的机器学习区2(110)的界面扩展到支持退出的全屏模式，该模式以完全不透明的方式覆盖所有其他交互区。
备选地，经由执行导航控制向上滚动按钮(120)或导航向下滚动按钮(121)，可以发起对在处于标准操作模式的机器学习区2(110)中被呈现的较大内容进行向上或向下滚动的方法。
备选地，如果最终用户希望已访问除了处于网格模式的机器学习区3(113)中的前十二个交互式启动板状小区之外的任何内容可执行文件，则返回到处于网格模式的机器学习区3(113)中的先前列出的内容选项的方法是可用的，这样的返回到先前可访问的内容选项的方法经由导航控制后退按钮(116)的执行被发起。
在本发明的另一方面，机器学习区3(112)(113)基于经由交互区4(125)中的网格控制小区的、对机器学习区2(110)(111)中内容的默认选择或初始化执行的选择，呈现本地或远程可访问的静态或动态生成的算法内容。
此外，处于网格模式(113)的机器学习区3默认加载第十二个基于网格的交互小区(称为“更多”)。最终用户可以经由执行对交互区4(114)中的二维放置的网格控制小区(126)的匹配，导航地控制并启动在处于网格模式的机器学习区3(113)中的该第十二个基于网格的交互小区，从而允许将更多相关的和/或经机器学习优先级排序的内容的即时可用性被加载到处于网格模式的机器学习区3中的11个交互小区的新集合中，该新序列中保留作为“更多”的第十二个基于网格的交互小区进一步加载无限数目的新交互小区集合，如果新交互小区集合相关且可用或由机器学习选择和显示的话。该方法允许最终用户根据上文列出的机器学习分析的最终用户参数来浏览和访问预定的和/或智能组织的无限内容。
在本发明的另一方面，当计算机操作系统初始化以及显示各种连接性图标、电池状态以及与诸如无线连接的电子设备的外部组件相关的其他偏好辅助度量时，交互区0(108)诸如经由天气信息的和IP地理位置服务的应用编程接口来自动访问外部数据源，以地理定位并通知最终用户。
在本发明的另一方面，交互区1(109)是动态生成的生物反馈监测实时控制中心。它被设计以为最终用户或任何护理人员或助理持续示出最终用户的神经学信号。
交互区1显示最终用户的认知专注级别、思考级别、精神劳动级别、情绪类型(正或负)和欣赏级别，这些级别可以用于解释最终用户的精神健康。
在本发明的另一方面，交互区6被设计为帮助最终用户经由神经命令在计算机操作系统内执行多任务操作的方法。最终用户被允许一次在交互区6中保留一个内容，因此不会对最终用户造成认知超载。作为一个实现示例，最终用户可以将最初被加载到处于标准操作模式的机器学习区2(110)中的任何视频内容或基于音乐的内容最小化到交互区6中，并且经由执行基于网格的交互小区开始与朋友进行交互，该基于网格的交互小区用于将即时消息传递加载在处于标准操作模式的机器学习区2(110)中。
在本发明的另一方面，交互区7允许第三方经由IP连接来集成、发起并执行对计算机操作系统的实时远程监测、或经由IP连接来集成、发起并执行最终用户与被远程定位的第三方之间的实时视频会议会话。这样的实现的一个示例可以是医生检查从专门病房释放的身体残疾的患者，以进行基于家庭的康复。
设想了许多变型和实施例，包括：
(1)一种在没有任何初步或进行中的硬件校准或训练的情况下使用基于人脑的神经学信号与计算机操作系统进行交互的方法。
(2)一种在没有任何初步或进行中的软件校准或训练的情况下使用基于人脑的神经学信号与计算机操作系统进行交互的方法。
(3)一种使用基于人脑的神经学信号来控制计算机操作系统或经修改的计算机操作系统的方法。
(4)一种使用基于人脑的神经学信号来导航通过计算机操作系统的特征的方法。
(5)一种仅使用基于人脑的神经学信号来查看、改变或更新计算机操作系统的图形用户界面的内容的方法。
(6)一种计算机操作系统，被配置为支持从人脑接收的神经学数据的加密、解密和计算机兼容的解释；
(7)一种将来自人脑的神经命令处理、过滤和分类为用于计算机操作系统的基于神经学的功能的活跃计算机命令的方法。
(8)一种交互式图形用户界面系统，被设计用于最终用户与计算机操作系统之间的流线式交互，计算机操作系统被构建用于基于人脑的导航命令并且响应于基于人脑的导航命令。
(9)一种交互式图形用户界面系统，该交互式图形用户界面系统基于最终用户随时间的神经学能力和认知能力而被定制用于每个独立的最终用户。
(10)如上所述的方法，其中最终用户能够使用基于人脑的神经学信号来将外部计算机数据下载到计算机操作系统、计算机硬件或计算机软件应用中。
(11)如上所述的方法，其中最终用户能够使用基于人脑的神经学信号来将音乐数据文件下载或数字流式传输到计算机操作系统、计算机硬件或计算机软件应用中，并且后续播放音乐数据文件。
(12)如上所述的方法，其中最终用户能够使用基于人脑的神经学信号来将视频数据文件下载或数字流式传输到计算机操作系统、计算机硬件或计算机软件应用中，并且后续播放视频数据文件。
(13)如上所述的方法，其中最终用户能够使用基于人脑的神经学信号来将数据文件存储到计算机中，并且取回数据文件。
(14)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的身体健康状态。
(15)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的精神健康状态。
(16)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的认知警觉状态。
(17)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的精神压力状态。
(18)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的恐惧状态。
(19)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人对突然伤害或一组突然伤害的生理描述。
(20)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以向另一人或另一计算机操作系统警告从潜在的危险到立即威胁生命的危险的算法预测的可变状态。
(21)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以通过利用神经学控制的嵌入式实时视频会议软件应用与另一人进行通信。
(22)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以通过利用嵌入式预先记录的音频视觉消息与另一人进行通信。
(23)如上所述的方法，其中最终用户能够使用基于人脑的神经学信号，通过经由嵌入式神经学控制的数字雷达计算机代码定位界面的使用来定位预编程的计算机代码并且以这样的代码的技术执行为目标和启动所述这样的代码的技术执行，来控制和操作计算机操作系统。
(24)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以通过用较慢的常规字符拼写方法的非辅助、非归档、非预测、非P300事件相关的潜在脑机接口系统，利用虚拟键盘来键入文本消息，来与另一人进行通信，这样的虚拟键盘本身由嵌入式数字雷达字母定位接口进行神经学控制。
(25)如上所述的方法，其中最终用户能够经由计算机操作系统的使用来使用基于人脑的神经学信号，以通过用字符拼写方法的非P300常规脑机接口系统，利用虚拟键盘来键入数字辅助的基于预测文本的消息，来与另一人进行通信，这样的键盘本身由嵌入式数字雷达字母定位和单词定位接口进行神经学控制。
(26)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于最终用户的人口统计数据，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向最终用户显示数字形式的外部内容。
(27)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于最终用户对计算机操作系统导航的模式识别，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向最终用户显示数字形式的外部内容。
(28)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于最终用户对计算机操作系统使用趋势的模式识别，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向最终用户显示数字形式的外部内容。
(29)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于最终用户历史上相同或类似访问的内容的频率和重复级别，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向最终用户显示数字形式的外部内容。
(30)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于在最终用户与计算机操作系统之间的交互时最终用户的身体健康，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向最终用户显示数字形式的外部内容。
(31)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于在最终用户与计算机操作系统之间的交互时最终用户的精神健康，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向最终用户显示数字形式的外部内容。
(32)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统能够基于最终用户偏好和最终用户人口统计数据，在计算机操作系统用户界面内下载并且安装外部的神经学控制的第三方开发的软件应用或第三方开发的游戏应用。
(33)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统下载、组织、归类并且在计算机操作系统的用户界面中向最终用户呈现无限数量的静态预编程的内容或基于算法的动态生成的内容。
(34)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户经由从在线电子商务平台或在线电子支付网关进行的金融业务的完成来访问、显示、选择、查看、购买第三方商品或服务。
(35)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户经由在计算机操作系统的图形用户界面中显示的预编程的纯音频、纯视觉或音频视觉消息与另一人或动物或机器人进行通信。
(36)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户经由在远程定位的互联网web浏览器或支持web的移动软件应用中显示的、或经由计算机文件转移或上载/下载应用或基于计算机的过程或基于计算机的服务被递送到第三方的预编程的纯音频、纯视觉或音频视觉消息与另一人或动物或机器人进行通信。
(37)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收诸如法律、金融或医学咨询的技术支持或专家专业建议。
(38)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收立即的紧急医学辅助。
(39)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收立即的紧急医学救护或医学要求的运输辅助。
(40)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收立即的紧急警力辅助。
(41)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收立即的紧急消防辅助。
(42)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户登录到在线社交媒体消息传递平台，以与最终用户的联系人或消息传递平台的任何其他成员进行交互。
(43)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户登录到在线实时视频会议平台，以与最终用户的联系人或任何其他第三方个体进行交互。
(44)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户访问、查看和收听每日本地和国际新闻的视频广播或纯音频广播。
(45)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户访问、查看和收听音乐视频广播或纯音频音乐广播。
(46)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户访问、查看和收听在线预先记录的电影胶片、电影和/或电视连续剧或任何实时或预先记录的基于电视的广播。
(47)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户访问和控制本地或远程互联网连接的基于家庭的自动化装置。
(48)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户通过使用计算机操作系统来访问诸如个人或商业银行信息的被远程定位的或基于互联网云的金融记录，并且发起金融业务。
(49)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户集成、下载、购买、订阅、访问、查看、列出、添加、删除、搜索和执行计算机操作系统内的第三方开发的基于神经学信号的软件应用或第三方开发的基于神经学信号的软件游戏应用。
(50)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统是与静态或动态生成的内部或外部逻辑、数据、内容或信息相关联的、支持互联网web浏览器的内部指令执行系统。
(51)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统具有图形计算机界面，图形计算机界面由在计算机操作系统的图形用户界面或图形用户界面的部分的图形网格状表示内的线性或径向移动或平移的图形或图形集合所表示的、计算机代码的交互式定位和交互式执行来控制。
(52)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统具有充当计算机代码执行的二维接收器的、计算机操作系统的图形用户界面或图形用户界面的部分的图形网格状表示。
(53)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统具有以网格图形形式的代码执行的二维接收器，其中网格的每个小区是能够由原始代码执行激活并且后续生成自动次级子例程嵌套的代码执行的独立物理区域，代码执行的二维接收器本身能够启动和执行另外的子例程嵌套的代码执行，另外的子例程嵌套的代码执行由计算机操作系统或计算机操作系统的图形用户界面本地处理、或在接收后由其他第三方独立电子系统外部处理。
(54)如上所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统具有以下能力：通过计算计算机操作系统的图形用户界面内的图形元素的每个几何中心之间的数学差和/或物理距离，对由两个或更多个图形元素之间的交互所发起的代码执行进行辨别或优先级排序。
附图标记
100.系统架构-交互区0
101.系统架构-交互区1
102.系统架构-交互区2
103.系统架构-交互区3
104.系统架构-交互区4
105.系统架构-交互区5
106.系统架构-交互区6
107.系统架构-交互区7
108.系统架构-处于标准操作模式的交互区0
109.系统架构-处于标准操作模式的交互区1
110.系统架构-处于标准操作模式的机器学习区2
111.系统架构-处于网格模式的机器学习区2
112.系统架构-处于标准操作模式的机器学习区3
113.系统架构-处于网格模式的机器学习区3
114.系统架构-处于雷达操作模式的交互区4
115.神经学激活的导航控件-主页按钮
116.神经学激活的导航控件-后退按钮
117.神经学激活的导航控件-退出按钮
118.神经学激活的导航控件-应用切换按钮
119.神经学激活的导航控件-全屏显示按钮
120.神经学激活的导航控件-向上滚动按钮
121.神经学激活的导航控件-向下滚动按钮
122.神经学激活的导航控件-键盘雷达激活按钮
123.神经学激活的导航控件-雷达-交互式图形线元素
124.神经学激活的导航控件-雷达-交互式图形圆元素
125.神经学激活的导航控件-十二个网格控制小区
126.神经学激活的导航控件-一个激活的网格控制小区
127.系统架构-处于雷达操作模式的交互区5
128.神经学激活的导航控件-键盘雷达-交互式图形线元素
129.神经学激活的导航控件-键盘雷达-交互式图形圆元素
130.神经学激活的导航控件-键盘雷达-空格键写入控制小区
131.神经学激活的导航控件-键盘雷达-返回键写入控制小区
132.神经学激活的导航控件-键盘雷达-退格键写入控制小区
133.神经学激活的导航控件-键盘雷达-输入方法切换控制小区
134.神经学激活的导航控件-键盘雷达-基于字母的写入控制小区
135.神经学激活的导航控件-键盘雷达-基于字母的激活的写入控制小区
136.系统架构-处于标准操作模式的交互区6
137.系统架构-处于标准操作模式的交互区7
138.实现-示例#1-神经操作系统，其基于最终用户的神经学信号在计算机监视器或电视中显示，该神经学信号经由无线头戴式耳机被传输到互联网准备就绪的无线连接的常规台式个人计算机设备
139.实现-示例#1-计算机监视器或电视
140.实现-示例#1-有线视频缆线连接
141.实现-示例#1-互联网准备就绪的无线连接的常规台式个人计算机设备
142.实现-示例#1-最终用户穿戴无线头戴式耳机，无线头戴式耳机传输来自最终用户的头部的神经学信号
143.实现-示例#1-无线通信协议
144.实现-示例#2-计算机监视器或电视
145.实现-示例#2-神经操作系统，其基于最终用户的神经学信号在计算机监视器或电视中显示，该神经学信号经由无线头戴式耳机被传输到互联网准备就绪的无线连接的便携式小型计算设备
146.实现-示例#2-互联网准备就绪的无线连接的便携式小型计算设备
147.实现-示例#2-最终用户穿戴无线头戴式耳机，无线头戴式耳机传输来自最终用户的头部的神经学信号
148.实现-示例#2-无线通信协议
149.实现-示例#3-互联网准备就绪的无线连接的电视
150.实现-示例-神经操作系统，其基于最终用户的神经学信号在计算机监视器或电视中显示，该神经学信号经由无线头戴式耳机被传输到互联网准备就绪的无线连接的电视
151.实现-示例#3-最终用户穿戴无线头戴式耳机，无线头戴式耳机传输来自最终用户的头部的神经学信号
152.实现-示例#3-无线通信协议
153.实现-示例-神经操作系统，其基于最终用户的神经学信号在计算机监视器或电视中显示，该神经学信号经由无线头戴式耳机被传输到互联网准备就绪的无线连接的投影仪
154.实现-示例#4-住宅墙或办公室墙或已部署的投影幕
155.实现-示例#4-最终用户穿戴无线头戴式耳机，无线头戴式耳机传输来自最终用户的头部的神经学信号
156.实现-示例#4-互联网准备就绪的无线连接的投影仪
157.实现-示例#4-无线通信协议
158.实现-示例#5-互联网准备就绪的无线连接的平板计算机
159.实现-示例#5-神经操作系统，其基于最终用户的神经学信号在计算机监视器或电视中显示，该神经学信号经由无线头戴式耳机被传输到互联网准备就绪的无线连接的平板计算机
160.实现-示例#5-运输工具
161.实现-示例#5-最终用户穿戴无线头戴式耳机，无线头戴式耳机传输来自最终用户的头部的神经学信号
162.实现-示例#5-无线通信协议
163.神经学适应和响应接口-升级键盘雷达，其具有基于用户准确度和用安全区进行的对神经学数据的持续监测的振荡选择，以更容易地控制和暂停升级键盘雷达
164.神经学适应和响应接口-升级键盘雷达，每个交互区具有多字母选择能力
165.神经学适应和响应接口-选择器开关，用于覆盖键盘雷达接口的自动升级或降级
166.神经学适应和响应接口-升级删除键，其具有针对字母或单词删除的多状态删除
167.神经学适应和响应接口-升级空格键，其具有单词间距和语句构造的自动检测，以用于更快的客户消息传递
168.神经学适应和响应接口-升级断点/返回键，其具有语句结构的自动检测，以用于更快的客户消息传递
169.神经学适应和响应接口-经由来自客户消息传递的自动语音合成与外部人工智能个人助理的集成
170.神经学适应和响应接口-经由预测词典扫描的升级单词选择
171.神经学适应和响应接口-来自预测词典扫描的升级单词选择器
172.神经学适应和响应接口-通过振荡进行的360度选择的升级键盘雷达
173.神经学适应和响应接口-具有预测单词选择的升级键盘雷达
174.神经学适应和响应接口-具有预测词典模块的升级键盘雷达
175.神经学适应和响应接口-升级键盘雷达，其具有基于用户准确度和用附加的字母数字模块进行的对神经学数据的持续监测的振荡选择
176.神经学适应和响应接口-升级键盘雷达，其具有基于用户准确度和用附加的字母数字模块进行的对神经学数据的持续监测的振荡选择
177.神经学适应和响应接口-升级键盘雷达，其具有基于用户准确度和用附加的字母数字模块进行的对神经学数据的持续监测的振荡选择
178.神经学适应和响应接口-用于计算机操作系统的4位响应接口的示例
179.神经学适应和响应接口-用于计算机操作系统的9位响应接口的示例
180.神经学适应和响应接口-计算机操作系统的12位响应接口的示例
参考文献
以下通过引用整体并入于此。
专利:
KR20180036503；CN106681494；CN104360730；CN103845137；CN103543836；CN102866775；CN102184018；CN102129307；CN101968715；US20170329404A1；US2012245713；US2008235164；WO2014142962；WO9721165.
非专利文献：
S.U.Rehman；A.M.Kamboh；Y.Yang et al.International Conference onApplied Electronics(AE),p.1-4,2017,8-channel neural signal recording front-end integrated circuit.
B.Sumak；M.Spindler；M.Pusnik et al.40th International Convention onInformation and Communication Technology,Electronics and Microelectronics(MIPRO),p.576-581,2017,Design and development of contactless interaction withcomputers based on the Emotiv EPOC+device.
B.Jagadish；M.P.R.S.Kiran；P.Rajalakshmi et al.IEEE 19th InternationalConference on e-Health Networking,Applications and Services(Healthcom),p.1-5,2017,A novel system architecture for brain controlled loT enabledenvironments.
L.Goldsberry；W.Huang；N.F.Wymbs；S.T.Grafton；D.S.Bassett；A.Ribeiro etal.IEEE International Conference on Acoustics,Speech and Signal Processing(ICASSP),p.851-855,2017,Brain signal analytics from graph signal processingperspective.
P.Wang；J.Lu；B.Zhang；Z.Tang et al.5th International Conference onInformation Science and Technology(ICIST),p.315-322,2015,A review on transferlearning for brain-computer interface classification.
J.Tripathi；R.S.Tomar；S.Akashe et al.International Conference onCommunication
Networks(ICCN),p.223-227,2015,Neural signal front-end amplifier in 45nm technology.
J.C.Chung；W.M.Chen；C.Y.Wu et al.IEEE International Symposium onCircuits and Systems(ISCAS),p.1234-1237,2015,An 8-channel power-efficienttime-constant-enhanced analog front-end amplifier for neural signalacquisition.
E.Diana Teran Mejia；E.C.B.Vilca et al.IEEE ANDESCON,p.1,2014,Brainsignals acquired using a modular encephalograph for digital processing andBCI application.
H.Sepehrian；B.Gosselin et al.36th Annual International Conference ofthe IEEE Engineering in Medicine and Biology Society,p.5284-5287,2014,A low-power current-reuse dual-band analog front-end for multi-channel neuralsignal recording.
Connolly,John F et al.IEEE International Conference on Robotics andAutomation,20 3,Thought-controlled robots-Systems,studies and futurechallenges.
K.S.Hong；H.Santosa et al.International Conference on Robotics,Biomimetics,Intelligent Computational Systems,p.1-4,2013,Current BCItechnologies in brain engineering.
D.Hua；Z.Lei；C.Zhiming；G.Xiaoyan；W.Xinghua et al.IEEE InternationalConference on Green Computing and Communications and IEEE Internet of Thingsand IEEE Cyber,Physical and Social Computing,p.1817-1819,2013,Circuit Designof Analog Front-End for Neural Signal Detection.
A.T.Do；C.K.Lam；Y.S.Tan；K.S.Yeo；J.H.Cheong；X.Zou；L.Yao；K.W.Cheng；M.Jeet al.10th IEEE International NEWCAS Conference,p.525-528,2012,A 160 nW 25kS/s 9-bit SAR ADC for neural signal recording applications.
C.Matlack；C.Moritz；H.Chizeck et al.Annual International Conference ofthe IEEE
Engineering in Medicine and Biology Society,p.1699-1702,2012,Applyingbest practices from digital control systems to BMI implementation.
J.Mountney；D.Silage；I.Obeid et al.Annual International Conference ofthe IEEE
Engineering in Medicine and Biology,p.2674-2677,2010,Parallel fieldprogrammable gate array particle filtering architecture for real-time neuralsignal processing.
P.Rattanatamrong；A.Matsunaga；P.Raiturkar；D.Mesa；M.Zhao；B.Mahmoudi；J.
DiGiovanna；J.Principe；R.Figueiredo；J.Sanchez；J.Fortes et al.AnnualInternational Conference of the IEEE Engineering in Medicine and Biology,p.4339-4342,2010,Model development,testing and experimentation in aCyberWorkstation for Brain-Machine Interface research.
M.T.Wolf*；J.W.Burdick et al.IEEE Transactions on BiomedicalEngineering,Vol.56,No.11,p.2649-2659,2009,A Bayesian Clustering Method forTracking Neural Signals Over Successive Intervals.
T.Yoshida；Y.Masui；R.Eki；A.Iwata；M.Yoshida；K.Uematsu et al.IEEEInternational Symposium on Circuits and Systems,p.661-664,2009,A neuralsignal detection amplifier with low-frequency noise suppression.
D.H.Goldberg；A.G.Andreou et al.Neural Computation,Vol.19,No.10,p.2797-2839,2007,Distortion of Neural Signals by Spike Coding.
C.L.Rogers；J.G.Harris；J.C.Principe；J.C.Sanchez et al.3rdInternational IEEE/EMBS Conference on Neural Engineering,p.490-493,2007,APulse-Based Feature Extractor for Spike Sorting Neural Signals.
K.Mathieson；S.Kachiguine；C.Adams；W.Cunningham；D.Gunning；V.O'Shea；K.M.Smith；
E.J.Chichilnisky；A.M.Litke；A.Sher；M.Rahman et al.IEEE Transactions onNuclear Science,Vol.15,No.5,p.2027-2031,2004,Large-area microelectrode arraysfor recording of neural signals.
N.F.Ramsey；M.P.van de Heuvel；K.H.Kho；F.S.S.Leijten et al.IEEETransactions on Neural Systems and Rehabilitation Engineering,Vol.14,No.2,p.214-217,2006,Towards human BCI applications based on cognitive brainsystems:an investigation of neural signals recorded from the dorsolateralprefrontal cortex.
R.N.Vigario et al.Conference Proceedings of the 23rd AnnualInternational Conference of the IEEE Engineering in Medicine and BiologySociety,Vol.2,p.1970-1973,2001,From principal to independent componentanalysis of brain signals.
基金:
DeKoninck,Yves et al.Universite Laval,Discovery Grants Program-Individual,Tools to decipher neuronal signaling and computation,2016-2017.
Plourde,Eric et al.Universite de Sherbrooke,John R.Evans LeadersFund-Funding for research infrastructure/Fonds des leaders John R.Evans-Financement de I'infrastructure de recherche,Multichannel neural signalrecording instrumentation for the central auditory system,2015-2016.
Genov,Roman et al.University of Toronto,Collaborative Health ResearchProjects(NSERC),Fully implantable wireless multi-electrode ECoG monitoringsystem,2014-2015.
Connolly,John F et al.McMaster University,Engage Grants Program,Taking AIM:Development of an Alternative Interactive Modality for gaming andother digital media applications,2013-2014.
Cook,Erik et al.McGill University,Research Tools and Instruments-Category 1(<$150,000),Multichannel neural recordings:high resolutionsnapshots of cortical computation,2012-2013.
分类
G06F3/00用于将要被处理的数据转移为计算机能够处置的形式的输入布置；用于将数据从处理单元转移到输出单元的输出布置，例如，接口布置
G06F3/01用于用户和计算机之间的交互的输入布置或组合的输入和输出布置
G06F3/015基于神经系统活动检测的输入布置，神经系统活动检测例如脑电波(EEG)检测、肌电图(EMG)检测、皮肤电反应检测
G06F3/048基于图形用户界面[GUI]的交互技术
A61 M2230/10脑电图信号
A61 M2230/14眼电图[EOG]
A61 B5/0482使用生物反馈的脑电图
A61 B5/0488肌电图
A61 B5/04012心电图、脑电图、肌电图分析
A61 B5/4064评估脑
A61 B5/0024使用遥测技术远程监测患者，例如，经由通信网络传输生命信号，该通信网络的特征在于遥测系统的例如使用身体或个人区域网附接到患者的多个传感器单元的特征
权利要求书(按照条约第19条的修改)
1.一种在没有任何初步或进行中的硬件校准或训练的情况下使用基于人脑的神经学信号与计算机操作系统进行交互的方法。
2.一种在没有任何初步或进行中的软件校准或训练的情况下使用基于人脑的神经学信号与计算机操作系统进行交互的方法。
3.一种使用基于人脑的神经学信号来控制计算机操作系统或经修改的计算机操作系统的方法。
4.一种使用基于人脑的神经学信号来导航通过计算机操作系统的特征的方法。
5.一种仅使用基于人脑的神经学信号来查看、改变或更新计算机操作系统的图形用户界面的内容的方法。
6.一种计算机操作系统，被配置为支持从人脑接收的神经学数据的加密、解密和计算机兼容的解释。
7.一种将来自人脑的神经命令处理、过滤和分类为用于计算机操作系统的基于神经学的功能的活跃计算机命令的方法。
8.一种交互式图形用户界面系统，被设计用于最终用户与计算机操作系统之间的流线式交互，所述计算机操作系统被构建用于基于人脑的导航命令并且响应于所述基于人脑的导航命令。
9.一种交互式图形用户界面系统，所述交互式图形用户界面系统基于最终用户随时间的神经学能力和认知能力而被定制用于每个独立的所述最终用户。
10.根据权利要求1至4中任一项所述的方法，其中最终用户能够使用基于人脑的神经学信号来将外部计算机数据下载到计算机操作系统、计算机硬件或计算机软件应用中。
11.根据权利要求1至4中任一项所述的方法，其中最终用户能够使用基于人脑的神经学信号来将音乐数据文件下载或数字流式传输到计算机操作系统、计算机硬件或计算机软件应用中，并且后续播放所述音乐数据文件。
12.根据权利要求1至4中任一项所述的方法，其中最终用户能够使用基于人脑的神经学信号来将视频数据文件下载或数字流式传输到计算机操作系统、计算机硬件或计算机软件应用中，并且后续播放所述视频数据文件。
13.根据权利要求1至4中任一项所述的方法，其中最终用户能够使用基于人脑的神经学信号来将数据文件存储到计算机中，并且取回所述数据文件。
14.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的身体健康状态。
15.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的精神健康状态。
16.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的认知警觉状态。
17.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的精神压力状态。
18.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人自己的恐惧状态。
19.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以向另一独立的人或另一计算机操作系统或计算机硬件或计算机软件应用广播并且通信人对突然伤害或一组突然伤害的生理描述。
20.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以向另一人或另一计算机操作系统警告从潜在的危险到立即威胁生命的危险的算法预测的可变状态。
21.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以通过利用神经学控制的嵌入式实时视频会议软件应用与另一人进行通信。
22.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以通过利用嵌入式预先记录的音频视觉消息与另一人进行通信。
23.根据权利要求1至4中任一项所述的方法，其中最终用户能够使用基于人脑的神经学信号，通过经由嵌入式神经学控制的数字雷达计算机代码定位界面的使用来定位预编程的计算机代码并且以这样的代码的技术执行为目标和启动所述这样的代码的技术执行，来控制和操作计算机操作系统。
24.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以通过用较慢的常规字符拼写方法的非辅助、非归档、非预测、非P300事件相关的潜在脑机接口系统，利用虚拟键盘来键入文本消息，来与另一人进行通信，这样的虚拟键盘本身由嵌入式数字雷达字母定位接口进行神经学控制。
25.根据权利要求1至4中任一项所述的方法，其中最终用户能够经由计算机操作系统的所述使用来使用基于人脑的神经学信号，以通过用字符拼写方法的非P300常规脑机接口系统，利用虚拟键盘来键入数字辅助的基于预测文本的消息，来与另一人进行通信，这样的键盘本身由嵌入式数字雷达字母定位和单词定位接口进行神经学控制。
26.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于最终用户的人口统计数据，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向所述最终用户显示数字形式的外部内容。
27.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于最终用户对计算机操作系统导航的模式识别，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向所述最终用户显示数字形式的外部内容。
28.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于最终用户对计算机操作系统使用趋势的模式识别，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向所述最终用户显示数字形式的外部内容。
29.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于最终用户历史上相同或类似访问的内容的频率和重复级别，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向所述最终用户显示数字形式的外部内容。
30.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于在最终用户与所述计算机操作系统之间的交互时所述最终用户的身体健康，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向所述最终用户显示数字形式的外部内容。
31.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统基于在最终用户与所述计算机操作系统之间的交互时所述最终用户的精神健康，经由机器学习算法在计算机用户界面中独立地定位、选择、优先级排序、调度、组织、存储和向所述最终用户显示数字形式的外部内容。
32.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统能够基于最终用户偏好和最终用户人口统计数据，在计算机操作系统用户界面内下载并且安装外部的神经学控制的第三方开发的软件应用或第三方开发的游戏应用。
33.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统下载、组织、归类并且在所述计算机操作系统的用户界面中向最终用户呈现无限数量的静态预编程的内容或基于算法的动态生成的内容。
34.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户经由从在线电子商务平台或在线电子支付网关进行的金融业务的完成来访问、显示、选择、查看、购买第三方商品或服务。
35.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户经由在所述计算机操作系统的图形用户界面中显示的预编程的纯音频、纯视觉或音频视觉消息与另一人或动物或机器人进行通信。
36.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户经由在远程定位的互联网web浏览器或支持web的移动软件应用中显示的、或经由计算机文件转移或上载/下载应用或基于计算机的过程或基于计算机的服务被递送到第三方的预编程的纯音频、纯视觉或音频视觉消息与另一人或动物或机器人进行通信。
37.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收诸如法律、金融或医学咨询的技术支持或专家专业建议。
38.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收立即的紧急医学辅助。
39.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收立即的紧急医学救护或医学要求的运输辅助。
40.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收立即的紧急警力辅助。
41.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户与被远程定位的另一人进行通信，以接收立即的紧急消防辅助。
42.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户登录到在线社交媒体消息传递平台，以与所述最终用户的联系人或所述消息传递平台的任何其他成员进行交互。
43.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户登录到在线实时视频会议平台，以与所述最终用户的联系人或任何其他第三方个体进行交互。
44.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户访问、查看和收听每日本地和国际新闻的视频广播或纯音频广播。
45.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户访问、查看和收听音乐视频广播或纯音频音乐广播。
46.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户访问、查看和收听在线预先记录的电影胶片、电影和/或电视连续剧或任何实时或预先记录的基于电视的广播。
47.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户访问和控制本地或远程互联网连接的基于家庭的自动化装置。
48.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户通过使用所述计算机操作系统来访问诸如个人或商业银行信息的被远程定位的或基于互联网云的金融记录，并且发起金融业务。
49.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统允许最终用户集成、下载、购买、订阅、访问、查看、列出、添加、删除、搜索和执行所述计算机操作系统内的第三方开发的基于神经学信号的软件应用或第三方开发的基于神经学信号的软件游戏应用。
50.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统是与静态或动态生成的内部或外部逻辑、数据、内容或信息相关联的、支持互联网web浏览器的内部指令执行系统。
51.根据权利要求1至4中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统具有图形计算机界面，所述图形计算机界面由在所述计算机操作系统的图形用户界面或所述图形用户界面的部分的图形网格状表示内的线性或径向移动或平移的图形或图形集合所表示的、计算机代码的交互式定位和交互式执行来控制。
52.根据权利要求1至4或51中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统具有充当计算机代码执行的二维接收器的、所述计算机操作系统的图形用户界面或所述图形用户界面的部分的图形网格状表示。
53.根据权利要求1至4、51或52中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统具有以网格图形形式的代码执行的二维接收器，其中所述网格的每个小区是能够由原始代码执行激活并且后续生成自动次级子例程嵌套的代码执行的独立物理区域，所述代码执行的二维接收器本身能够启动和执行另外的子例程嵌套的代码执行，所述另外的子例程嵌套的代码执行由所述计算机操作系统或所述计算机操作系统的图形用户界面本地处理、或在接收后由其他第三方独立电子系统外部处理。
54.根据权利要求1至4、51、52或53中任一项所述的方法，其中由基于人脑的神经学信号控制的计算机操作系统具有以下能力：通过计算所述计算机操作系统的图形用户界面内的图形元素的每个几何中心之间的数学差和/或物理距离，对由两个或更多个图形元素之间的交互所发起的代码执行进行辨别或优先级排序。
55.根据权利要求1至4中任一项所述的方法，其中所述计算机操作系统被配置为经由机器学习技术随时间确定特定趋势，所述机器学习技术包括经由人工神经网络、数学或波形算法分析或特定签名提取中的至少一项来过滤神经学数据，其中所述神经学数据包括脑电图数据和/或眼电图数据中的至少一项。
56.根据权利要求1至4中任一项所述的方法，其中所述计算机操作系统被配置为基于经由机器学习技术的特定趋势的确定来随时间修改所述计算机操作系统的功能性，所述机器学习技术包括经由人工神经网络、数学或波形算法分析或特定签名提取中的至少一项来过滤神经学数据，其中所述神经学数据包括脑电图数据和/或眼电图数据中的至少一项。
57.一种计算设备，包括：
处理器；
存储器，其上存储有计算机可执行指令，所述计算机可执行指令在由所述处理器执行时，使所述处理器执行根据权利要求1至56中任一项所述的方法。
58.一种非瞬态计算机可读存储介质，其上存储有处理器可执行指令，所述处理器可执行指令在由处理器执行时，使所述处理器执行根据权利要求1至56中任一项所述的方法。

Claims (17)

1.一种使用神经学信号与计算设备进行交互的方法，所述方法包括：
由显示设备呈现图形用户界面，所述显示设备通信地耦合到计算设备；
响应于接收到与来自第一用户的神经学信号相对应的一个或多个信号，将所接收的所述一个或多个信号转换为用于控制所述图形用户界面的一个或多个命令；
响应于所述一个或多个命令，由所述图形用户界面执行一个或多个动作。
2.根据权利要求1所述的方法，其中将所接收的所述一个或多个信号转换为一个或多个命令包括：
将所接收的所述一个或多个信号从所述计算设备传输给远程服务器；
由所述远程服务器处理所接收的所述一个或多个信号，以获得用于控制所述图形用户界面的所述一个或多个命令；以及
将所述一个或多个命令从所述远程服务器传输给所述计算设备。
3.根据权利要求1所述的方法，还包括维护数据存储库，所述数据存储库用于存储与多个用户中的每个用户有关的用户数据。
4.根据权利要求1所述的方法，其中所述一个或多个动作包括以下中的至少一项：打开、查看、修改和更新文件。
5.根据权利要求1所述的方法，其中所述一个或多个动作包括以下中的一项或多项：打开和/或播放所述计算设备上的视频或音频文件。
6.根据权利要求1所述的方法，其中所述一个或多个动作包括向第二用户传输所述第一用户的以下中的至少一项：身体健康数据、精神健康数据、认知警觉数据、精神压力数据、恐惧级别数据和伤害的生理描述。
7.根据权利要求1所述的方法，其中所述一个或多个命令包括传输或播放预先记录的音频视觉消息。
8.根据权利要求1所述的方法，其中所述图形用户界面包括多个区域，每个区域与由所述图形用户界面提供的不同功能相对应。
9.根据权利要求8所述的方法，其中至少一个区域包括用于选择所述至少一个区域中的元素的神经学控制的旋转标记。
10.根据权利要求9所述的方法，其中所述至少一个区域包括键盘界面，所述键盘界面能够经由所述一个或多个命令由所述旋转标记选择。
11.根据权利要求1所述的方法，其中所述计算设备被配置为：存储所述一个或多个命令和所接收的所述信号中的一个或多个，并且基于所接收的所述信号和特定用户的命令来执行机器学习以生成针对所述特定用户的预测模型。
12.根据权利要求1所述的方法，其中所述一个或多个命令包括打开web浏览器或流式应用。
13.根据权利要求1所述的方法，其中所述一个或多个命令包括打开所述计算设备上的游戏应用。
14.根据权利要求8所述的方法，其中所述区中的至少一个区被划分为子区的网格。
15.根据权利要求14所述的方法，其中子区对应于代码段或指令，所述代码段或指令可操作以在经由所述一个或多个命令的选择时由所述计算设备执行。
16.一种计算设备，包括：
处理器；
存储器，其上存储有计算机可执行指令，所述计算机可执行指令在由所述处理器执行时，使所述处理器执行根据权利要求1至15中任一项所述的方法。
17.一种非瞬态计算机可读介质存储介质，其上存储有计算机可执行指令，所述计算机可执行指令在由计算机执行时，使所述计算机执行根据权利要求1至15中任一项所述的方法。
CN201880052041.1A 2017-06-15 2018-06-15 神经操作系统 Pending CN110998493A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762520194P 2017-06-15 2017-06-15
US62/520,194 2017-06-15
PCT/CA2018/000121 WO2018227273A1 (en) 2017-06-15 2018-06-15 Neural operating system

Publications (1)

Publication Number Publication Date
CN110998493A true CN110998493A (zh) 2020-04-10

Family

ID=64658725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880052041.1A Pending CN110998493A (zh) 2017-06-15 2018-06-15 神经操作系统

Country Status (5)

Country Link
US (1) US20200159323A1 (zh)
EP (1) EP3639121A4 (zh)
CN (1) CN110998493A (zh)
CA (1) CA3064604A1 (zh)
WO (1) WO2018227273A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11550299B2 (en) 2020-02-03 2023-01-10 Strong Force TX Portfolio 2018, LLC Automated robotic process selection and configuration
US11544782B2 (en) 2018-05-06 2023-01-03 Strong Force TX Portfolio 2018, LLC System and method of a smart contract and distributed ledger platform with blockchain custody service
US11669914B2 (en) 2018-05-06 2023-06-06 Strong Force TX Portfolio 2018, LLC Adaptive intelligence and shared infrastructure lending transaction enablement platform responsive to crowd sourced information
CA3098670A1 (en) 2018-05-06 2019-11-14 Strong Force TX Portfolio 2018, LLC Methods and systems for improving machines and systems that automate execution of distributed ledger and other transactions in spot and forward markets for energy, compute, storage and other resources
CN112422933A (zh) * 2019-08-21 2021-02-26 台达电子工业股份有限公司 投影装置、投影系统以及运行方法
US11982993B2 (en) 2020-02-03 2024-05-14 Strong Force TX Portfolio 2018, LLC AI solution selection for an automated robotic process
US11516665B2 (en) * 2020-05-18 2022-11-29 OpenPath Security Inc. Secure authorization via a dynamic interface on a visitor device
US11925433B2 (en) * 2020-07-17 2024-03-12 Daniel Hertz S.A. System and method for improving and adjusting PMC digital signals to provide health benefits to listeners
CN114020158B (zh) * 2021-11-26 2023-07-25 清华大学 网页搜索方法及装置、电子设备和存储介质
CN114661160A (zh) * 2022-03-30 2022-06-24 中国农业银行股份有限公司 一种自助设备的控制方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150338917A1 (en) * 2012-12-26 2015-11-26 Sia Technology Ltd. Device, system, and method of controlling electronic devices via thought
US9566174B1 (en) * 2013-11-13 2017-02-14 Hrl Laboratories, Llc System for controlling brain machine interfaces and neural prosthetic systems
CN106462798A (zh) * 2014-04-15 2017-02-22 英特尔公司 用于使用关联存储器的神经形态图压缩的方法、系统和计算机程序产品

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008097200A1 (en) * 2007-02-09 2008-08-14 Agency For Science, Technology And Research A system and method for classifying brain signals in a bci system
US20120083668A1 (en) * 2010-09-30 2012-04-05 Anantha Pradeep Systems and methods to modify a characteristic of a user device based on a neurological and/or physiological measurement
GB201109638D0 (en) * 2011-06-09 2011-07-20 Univ Ulster Control panel
US9983670B2 (en) * 2012-09-14 2018-05-29 Interaxon Inc. Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data
JP5888205B2 (ja) * 2012-11-02 2016-03-16 ソニー株式会社 画像表示装置並びに情報入力装置
US10365716B2 (en) * 2013-03-15 2019-07-30 Interaxon Inc. Wearable computing apparatus and method
WO2018020334A1 (en) * 2016-07-28 2018-02-01 Tata Consultancy Services Limited System and method for aiding communication

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150338917A1 (en) * 2012-12-26 2015-11-26 Sia Technology Ltd. Device, system, and method of controlling electronic devices via thought
US9566174B1 (en) * 2013-11-13 2017-02-14 Hrl Laboratories, Llc System for controlling brain machine interfaces and neural prosthetic systems
CN106462798A (zh) * 2014-04-15 2017-02-22 英特尔公司 用于使用关联存储器的神经形态图压缩的方法、系统和计算机程序产品

Also Published As

Publication number Publication date
EP3639121A1 (en) 2020-04-22
WO2018227273A1 (en) 2018-12-20
EP3639121A4 (en) 2021-03-17
US20200159323A1 (en) 2020-05-21
CA3064604A1 (en) 2018-12-20

Similar Documents

Publication Publication Date Title
CN110998493A (zh) 神经操作系统
US11402909B2 (en) Brain computer interface for augmented reality
Värbu et al. Past, present, and future of EEG-based BCI applications
US11561616B2 (en) Nonverbal multi-input and feedback devices for user intended computer control and communication of text, graphics and audio
Padfield et al. EEG-based brain-computer interfaces using motor-imagery: Techniques and challenges
AU2018367613B2 (en) Electromyography (EMG) assistive communications device with context-sensitive user interface
Heo et al. A novel wearable forehead EOG measurement system for human computer interfaces
Gomez-Gil et al. Steering a tractor by means of an EMG-based human-machine interface
Chang Electrooculograms for human–computer interaction: A review
AU2022268375B2 (en) Multiple switching electromyography (emg) assistive communications device
Martínez-Villaseñor et al. A concise review on sensor signal acquisition and transformation applied to human activity recognition and human–robot interaction
US12223108B2 (en) Multi-modal switching controller for communication and control
Rashid et al. Recent trends and open challenges in EEG based brain-computer interface systems
Ullah et al. Fusion-based body-worn IoT sensor platform for gesture recognition of autism spectrum disorder children
Craik et al. Design and validation of a low-cost mobile eeg-based brain–computer interface
Kosmyna et al. A Brain-Controlled Quadruped Robot: A Proof-of-Concept Demonstration
Lightbody et al. The brain computer interface: Barriers to becoming pervasive
Shatilov et al. Emerging natural user interfaces in mobile computing: A bottoms-up survey
Guimarães BedFeeling: sensing technologies for assistive communication in bed scenarios
Rashid et al. Investigating the possibility of brain actuated mobile robot through single-channel EEG headset
Uma et al. Analysis of Effect of RSVP Speller BCI Paradigm Along with CNN to Analysis P300 Signals
Sigalingging et al. Electromyography-based gesture recognition for quadriplegic users using hidden Markov model with improved particle swarm optimization
WO2022065386A1 (ja) 思考推論システム、推論モデル生成システム、思考推論装置、推論モデル生成方法、コンピュータプログラム、および推論モデル
Alao et al. Human Ability Improvement with Wireless Sensors in Human Computer Interaction

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200410

WD01 Invention patent application deemed withdrawn after publication