专利名称：用于生成注意力水平表示的设备和方法
技术领域：
本发明大致涉及用于生成受试者注意力水平表示的设备和方法，并涉及计算机储存媒介，该计算机储存媒介上储存有计算机代码装置，该计算机代码装置用于命令计算机设备执行生成受试者注意力水平表示的方法。
背景技术：
注意力缺陷多动障碍(ADHD)是小孩中常见的行为障碍，其具有诸如注意力不集中和多动的症状。目前对ADHD的管理常常导致使用药理学兴奋剂药物。然而，家长可能关心这些药物的潜在的未知副作用，包括头痛、胃疼、失眠、食欲不振、身体生长迟缓，等等。最近，人们对基于心理社会方面的ADHD的治疗越来越感兴趣。虽然重要，但迄今为止，这种治疗已经证实不如药物治疗。然而，已经注意到，先进技术诸如脑-机接口(BCI)能够被用来改善基于心理方面的ADHD治疗。BCI在人脑和外部设备之间提供直接通信路径。其依赖诸如脑电图(EEG)的生物信号，因此是低成本和非侵入性的接口。各种研究已经证明了神经反馈(NFB)或EEG 生物反馈在ADHD治疗中的功效。美国专利第6402520号描述了基于各自的平均毫伏活动调整所测量的θ和β波活动(更具体地，为了减少θ波活动并增加β波活动)。然而，还没有建立所测量的平均毫伏θ和β活动与注意力之间的清楚和直接的对应。因此，该文献中的训练方法所涉及的用户仅学会控制它们的被测量的平均毫伏θ和β活动，这些活动并不是注意力的直接测量。因此，虽然用户可以开发用于控制被测量平均毫伏θ和β活动的机构，但这与获得更高的注意力水平并不直接对应。因此需要提供用于生成受试者注意力水平表示设备和方法，以求解决至少一个上述问题。
发明内容
根据本发明的第一方面，提供了一种用于生成受试者注意力水平表示的设备，包括测量来自受试者的大脑信号的装置；从大脑信号提取时间特征的装置；使用分类器将提取的时间特征分类以给出分数X1的装置；从大脑信号提取谱空间特征的装置；从提取的谱空间特征集合中选择含有专注状态与非专注状态之间的区别信息的谱空间特征的装置；使用分类器将提取的谱空间特征分类以给出分数&的装置；将分数X1和分数&结合以给出单一分数的装置；以及将所述单一分数呈现给受试者的装置。
呈现装置可以以游戏的形式呈现所述分数。呈现所述分数的装置可以基于所述分数自适应地调整游戏的至少一个控制参数。所述一个参数的调整可以包括使用所述分数与所述一个控制参数之间的关系在第一段时间内呈现所述游戏；确定受试者在第一段时间内的分数的代表值；
基于代表值调整关系；以及使用所述分数与所述一个控制参数之间的被修改的关系在第二段时间内呈现所述游戏。所述关系的调整可以是这样的，游戏在第二段时间内的难度水平与在第一段时间内的代表值成比例。从大脑信号提取时间特征的步骤可以包括在多个电极通道中的每个电极通道中计算大脑波形的统计量；以及将统计量连接成联合特征向量。大脑波形的统计量可以是标准偏差。从大脑信号提取谱空间特征的步骤可以包括使用滤波器组在离散频率窗口中提取各个大脑信号分量以获得大脑信号的谱特征；以及使用CSP阵列将CSP算法应用于每个谱特征以获得大脑信号的谱空间特征。从提取的谱空间特征集合选择含有专注状态和非专注状态之间的区别信息的谱空间特征的步骤还可以包括基于与专注状态和非专注状态相关的特征的相互依赖性选择谱空间特征。将分数X1和&结合以给出单一分数的步骤还可以包括根据等式(X-mx) /sx将分数X1和&标准化以给出Xln和x2n，其中mx和Sx分别是使用训练抽样从分类器得到的输出的平均值和标准偏差；将权重W1和W2分别分配给标准化的分数Xln和；以及根据等式xln*wi+&n*w2将分数Xln和结合以给出单一的分数。权重W1和W2可以根据等式Wi = (yi)P计算，其中，如果i = Lyi则是将提取的时间特征分类的分类精确度，如果i = 2，yi则是将提取的谱空间特征分类的分类精确度，并且P(P > 0)在单一分数的计算中控制Wi的功率。分类器可以包括线性判别分析分类器、神经网络、支持矢量机器、模糊接口系统、 树基分类器，模糊类型2和相关性矢量机器中的一个或多个。该设备可以使用训练数据以生成参数，该参数用于通过使用分类器将提取的时间特征分类、用于从大脑信号提取谱空间特征、用于从提取的谱空间特征集合选择包含专注状态和非专注状态之间的区别信息的谱空间特征、以及用于通过使用分类器将所选择的谱空间特征分类。该参数可以包括用于CSP算法的CSP的投影矩阵、用于基于交互信息选择谱空间特征的参数、和用于分类器的模型中的一个或者多个。使用训练数据生成参数的步骤还可以包括从执行一组任务的受试者收集训练数据；以及
通过机器学习方法确定所述参数。根据本发明的第二方面，提供了一种用于生成受试者注意力水平表示的方法，包括测量来自受试者的大脑信号；从大脑信号提取时间特征；使用分类器将提取的时间特征分类以给出分数X1 ；从大脑信号提取谱空间特征；从提取的谱空间特征集合中选择含有专注状态与非专注状态之间的区别信息的谱空间特征；使用分类器将提取的谱空间特征分类以给出分数& ；将分数X1和分数&结合以给出单一分数；以及
将所述单一分数呈现给受试者。将所述单一分数呈现给受试者的步骤可以包括以游戏的形式呈现所述分数。将所述单一分数呈现给受试者的步骤可以包括基于所述分数自适应地调整游戏的至少一个控制参数。调整所述一个参数的步骤可以包括使用所述分数与所述一个控制参数之间的关系在第一段时间内呈现所述游戏；确定受试者在第一段时间内的分数的代表值；基于代表值调整关系；以及使用所述分数与所述一个控制参数之间的被修改的关系在第二段时间内呈现所述游戏。调整所述关系的步骤可以是这样的，游戏在第二段时间内的难度水平与在第一段时间内的代表值成比例。从大脑信号提取时间特征的步骤可以包括在多个电极通道中的每个中计算大脑波形的统计量；以及将统计量连接成联合特征向量。大脑波形的统计量可以是标准偏差。从大脑信号提取谱空间特征的步骤可以包括使用滤波器组在离散频率窗口中提取各个大脑信号分量以获得大脑信号的谱特征；以及使用CSP阵列将CSP算法应用于每个谱特征以获得大脑信号的谱空间特征。从提取的谱空间特征集合选择含有专注状态和非专注状态之间的区别信息的谱空间特征的步骤还可以包括基于与专注状态和非专注状态相关的特征的相互依赖性选择谱空间特征。将分数X1和&结合以给出单一分数的步骤还可以包括根据等式(X-mx) /sx将分数X1和&标准化以给出Xln和x2n，其中mx和Sx分别是使用训练抽样从分类器得到的输出的平均值和标准偏差；将权重W1和W2分别分配给标准化的分数Xln和；以及根据等式Xln*wi+X2n*w2将分数Xln和结合以给出单一的分数。
权重W1和W2可以根据等式Wi = (yi)P计算，其中，如果i = Lyi则是将提取的时间特征分类的分类精确度，如果i = 2，yi则是将提取的谱空间特征分类的分类精确度，并且P(P > 0)在单一分数的计算中控制Wi的功率。分类器可以包括线性判别分析分类器、神经网络、支持矢量机器、模糊接口系统、 树基分类器，模糊类型2和相关性矢量机器中的一个或多个。该设备可以使用训练数据以生成参数，该参数用于通过使用分类器将提取的时间特征分类、用于从大脑信号提取谱空间特征、用于从提取的谱空间特征集合选择包含专注状态和非专注状态之间的区别信息的谱空间特征、以及用于通过使用分类器将所选择的谱空间特征分类。该参数可以包括用于CSP算法的CSP的投影矩阵、用于基于交互信息选择谱空间特征的参数、和用于分类器的模型中的一个或者多个。使用训练数据生成参数的步骤还包括从执行一组任务的受试者收集训练数据；以及通过机器学习方法确定所述参数。根据本发明的第三方面，提供了一种计算机存储媒介，其上存储有计算机代码工具，该计算机代码工具用于命令计算机设备执行生成受试者注意力水平表示的方法，该方法包括如下步骤测量来自受试者的大脑信号；从大脑信号提取时间特征；使用分类器将提取的时间特征分类以给出分数X1 ；从大脑信号提取谱空间特征；从提取的谱空间特征集合中选择含有专注状态与非专注状态之间的区别信息的谱空间特征；使用分类器将提取的谱空间特征分类以给出分数、；将分数X1和分数&结合以给出单一分数；以及将所述单一分数呈现给受试者。
对本领域技术人员来说，通过阅读下面的描述，仅通过实施例并结合附图，本发明的实施方式将被更好地理解并更容易显而易见，其中图1示出说明根据一个示例实施方式的用于生成受试者注意力水平表示的设备的概观的原理图；图2是根据示例实施方式的图1的设备对一个客户端实施的详细原理图；图3示出说明根据本发明的实施方式的专注度检测方法的流程图；图4示出根据本发明的实施方式的用于依赖受试者的模型训练方法的数据收集协议；图5示出说明根据本发明的实施方式的用于专注度检测的方法与依赖受试者的训练方法之间的连接的原理框图；图6示出用于实施示例实施方式的方法和系统的实验设备的图像；
图7示出说明根据示例实施方式的用于生成受试者注意力水平表示的方法的流程图；图8示出说明用于实施示例实施方式的方法和系统的计算机系统的原理图。
具体实施例方式本发明的示例实施方式提供基于BCI的系统，以求改善ADHD治疗，例如，改善用户的注意力。示例实施方式的BCI技术已经以计算机游戏的方式实施。玩家可以使用它们的注意力级别/水平和BCI设备来控制各种游戏参数，例如，鱼跃、速度赛车、解密部分等等。图1示出说明根据示例实施方式的用于生成受试者注意力水平表示设备100的概观的原理图。设备100包括多个客户端102a、102b... 102η，这些客户端通过网络连接 104(例如内联网或互联网)连接至服务器106。服务器106还连接至玩家管理器112，玩家管理器112优选地管理各客户端102的互联和数据流。在示例实施方式中，客户端102启动会话，例如，通过请求服务器106提供游戏。随后客户端102从服务器106下载游戏。由服务器106提供给客户端102的游戏程序110包括，用于EEG处理、分析和分类的算法114，注意力模型116以及嵌入其中的游戏118。可以开发各种类型的游戏以用于示例实施方式。在进行游戏时，客户端102能够保存信息(即数据108)并将其发回服务器106以更新储存在玩家管理器112上的相应玩家档案。此外， 示例实施方式的系统100有利地能够多用户操作。此外，当进行游戏时，用户(即玩家)能够示出他/她的注意力水平，例如，作为视觉反馈。这能够有利地帮助用户执行得更好。以下描述的一部分明确地或者暗含地涉及算法和对计算机存储器内数据的操作的功能或者符号表示。这些算法的描述和功能或者符号表示是数据处理领域内技术人员用于更有效地向本领域内其它技术人员表达他们工作实质的方法。此处通常将算法设想为生成期望结果的一系列有条理的步骤。这些步骤是命令对诸如能够存储、传送、组合、对比以及通过其它方式操控的电、磁或者光信号等物理量进行物理操控的步骤。除非特别说明，否则如以下可显而易见地，应该理解本说明书通篇使用的诸如“扫描”、“计算”、“确定”、“置换”、“生成”、“初始”、“输出”、“并置”、“提取”、“分类” “调节”等术语的讨论，涉及计算机系统或者类似电子设备的动作和处理，上述的电子设备将表示为计算机系统内物理量的数据操控和转换成同样表示为计算机系统或者其它信息存储、传输或者显示设备内物理量的其它数据。本说明书还公开了用于执行方法操作的设备。这种设备为所需的目的而特别构成，或者可以包括通用计算机或者其它由存储在计算机中的计算机程序选择性启动或者重新配置的其它设备。此处介绍的算法和显示不是固有地与任何具体计算机或者其它设备相关。各种通用机器可以根据此处讲授的程序一起使用。作为一种选择，用于执行所要求的方法步骤的更特殊的设备构造是可以适用的。常规的通用计算机的结构将在以下描述中介绍。此外，由于可以由计算机代码实施本文描述方法的各步骤对本领域的普通技术人员是显而易见的，因此本说明书还暗含地公开计算机程序。该计算机程序不趋向于限制于任何具体的编程语言及其执行。应该理解，可以使用多种编程语言及其代码以执行本文包含的公开的讲授。此外，该计算机程序不趋向于限制于任何具体的控制流。在不脱离本发明精神或者范围的情况下，有许多其它种类的、可以使用不同控制流的计算机程序。而且，可以并行地而不是顺序地执行计算机程序的一个或者多个步骤。这种计算机程序可以存储在任何计算机可读媒介上。计算机可读媒介可以包括诸如磁盘或者光盘、 存储器芯片或者适于与通用计算机接口的其它存储设备等存储设备。计算机可读媒介还可以包括诸如在因特网系统中的硬接线媒介，或者诸如在GSM移动电话系统中的无线媒介。 当在这种通用计算机上加载和执行计算机程序时，计算机程序有效地产生实施优选方法的步骤的设备。图2是根据示例实施方式的图1的设备对一个客户端的实施的详细原理图。该系统包括生理学数据采集模块204，注意力检测模块206，自适应控制模块210，接口控制模块 212，以及具有刺激生成器(用于向受试者(即玩家)202提供反馈)的呈现模块214。在示例实施方式中，生理数据采集模块204获得来自玩家202的生物信号并将结果提供给注意力检测模块206。注意力检测结果进而被提供给自适应控制模块210。接口控制模块210在自适应控制模块210与呈现模块214之间提供链接。物理数据采集在示例实施方式中，生理数据采集模块204用于记录来自受试者202的生理生物信号。该生物信号包括脑电图(EEG)、眼电图(EoG)、肌电图(EMG)。不同的传感器画面剪辑能够用于示例实施方式中的数据采集。例如，对于依赖刺激的应用(例如基于P300的游戏)，从头皮的中央顶骨区域收集EEG信号。对于随意注意力控制，从前额(pre-frontal) 区域收集EEG信号。在示例实施方式中，EEG信号首先穿过滤波器组并被分解成子频带，其中频带的数量N可以根据任务变化。设X(t)为多通道EEG/EMG/E0G信号，其被滤波以生成N个子频带信号Xi (t) = T(Xa)5Ai5Bi), i = 1, ... ,N (1)其中Ai, Bi是带通滤波器的系数。示例实施方式中的滤波器可以是无限脉冲响应(IIR)或有限脉冲响应(FIR)滤波器。此外，通过排除示例实施方式中的更低频率的滤波器(0-4Hz)，有利地去除的人为因素并改善了后续阶段中的检测精度。滤波信号随后被发送至对应于各频带的空间滤波器。示例实施方式中的空间滤波器基于公共空间模式(CSP)。CSP滤波器通过所涉及的两个等级的方差的连接最大化/最小化来训练。对于第i个频带，空间滤波信号Yiα)如下面所给出Yi(t) = WXi(t) (2)其中W是CSP的投影矩阵。W的行是稳态空间滤波器，T1的列是公共空间模式。等式(2)中所给出的空间滤波信号使EEG测量的两个等级的方差中的差异最大化。然而，仅将少量的m个空间滤波信号的方差在示例实施方式中用作分类特征。Yi (t)的前m行与后m行形成特征向量O/
Im
Oti 二lOg(Var(”(0)/Svar_))( 3 )
/=权利要求
1.一种用于生成受试者注意力水平表示的设备，包括测量来自所述受试者的大脑信号的装置；从所述大脑信号提取时间特征的装置；使用分类器将提取的时间特征分类以给出分数X1的装置；从所述大脑信号提取谱空间特征的装置；从提取的谱空间特征集合中选择含有专注状态与非专注状态之间的区别信息的谱空间特征的装置；使用分类器将提取的谱空间特征分类以给出分数&的装置；将分数X1和分数&结合以给出单一分数的装置；以及将所述单一分数呈现给所述受试者的装置。
2.如权利要求1所述的设备，其中呈现装置以游戏的形式呈现所述单一分数。
3.如权利要求2所述的设备，其中呈现所述单一分数的装置基于所述单一分数自适应地调整所述游戏的至少一个控制参数。
4.如权利要求3所述的设备，其中所述一个参数的调整包括使用所述单一分数与所述一个控制参数之间的关系在第一段时间内呈现所述游戏；确定所述受试者在所述第一段时间内的单一分数的代表值；基于所述代表值调整所述关系；以及使用所述单一分数与所述一个控制参数之间的被修改的关系在第二段时间内呈现所述游戏。
5.如权利要求4所述的设备，其中所述关系的调整是这样的，所述游戏在所述第二段时间内的难度水平与在所述第一段时间内的代表值成比例。
6.如前述权利要求中任一项所述的设备，其中从所述大脑信号提取所述时间特征的步骤包括在多个电极通道中的每个电极通道中计算大脑波形的统计量；以及将所述统计量连接成联合特征向量。
7.如权利要求6所述的设备，其中所述大脑波形的统计量是标准偏差。
8.如前述权利要求中任一项所述的设备，其中从所述大脑信号提取谱空间特征的步骤包括使用滤波器组在离散频率窗口中提取各个大脑信号分量以获得大脑信号的谱特征；以及使用CSP阵列将CSP算法应用于每个所述谱特征以获得大脑信号的谱空间特征。
9.如前述权利要求中任一项所述的设备，其中从提取的谱空间特征集合选择含有专注状态和非专注状态之间的区别信息的谱空间特征的步骤还包括基于与所述专注状态和非专注状态相关的特征的相互依赖性选择谱空间特征。
10.如前述权利要求中任一项所述的设备，其中将所述分数X1和&结合以给出单一分数的步骤还包括根据公式(X-mx) /sx将所述分数X1和&标准化以给出Xln和x2n，其中mx和Sx分别是使用训练抽样从所述分类器得到的输出的平均值和标准偏差；将权重W1和W2分别分配给标准化的分数Xln和；以及根据公式xln*Wl+&n*w2将分数Xln和结合以给出单一分数。
11.如权利要求10所述的设备，其中所述权重W1和W2根据公式Wi=(yi)p计算，其中， 如果i = 1，Yi则是将所述提取的时间特征分类的分类精确度，如果i = 2，yi则是将所述提取的谱空间特征分类的分类精确度，并且P (P > 0)在所述单一分数的计算中控制Wi的功率。
12.如前述权利要求中任一项所述的设备，其中所述分类器包括线性判别分析分类器、 神经网络、支持矢量机器、模糊接口系统、树基分类器，模糊类型2和相关性矢量机器中的一个或多个。
13.如前述权利要求中任一项所述的设备，其中所述设备使用训练数据以生成参数， 所述参数用于通过使用分类器将所述提取的时间特征分类、用于从大脑信号提取谱空间特征、用于从提取的谱空间特征集合选择包含所述专注状态和非专注状态之间的区别信息的谱空间特征、以及用于通过使用分类器将所选择的谱空间特征分类。
14.如权利要求13所述的设备，其中所述参数包括用于CSP算法的CSP的投影矩阵、用于基于交互信息选择谱空间特征的参数、和用于所述分类器的模型中的一个或者多个。
15.如权利要求13或14所述的设备，其中使用训练数据生成参数的步骤还包括 从执行一组任务的受试者中收集训练数据；以及通过机器学习方法确定所述参数。
16.一种用于生成受试者注意力水平表示的方法，包括 测量来自所述受试者的大脑信号；从所述大脑信号提取时间特征；使用分类器将提取的时间特征分类以给出分数X1 ；从所述大脑信号提取谱空间特征；从提取的谱空间特征集合中选择含有专注状态与非专注状态之间的区别信息的谱空间特征；使用分类器将提取的谱空间特征分类以给出分数&； 将分数X1和分数&结合以给出单一分数；以及将所述单一分数呈现给所述受试者。
17.如权利要求16所述的方法，其中将所述单一分数呈现给所述受试者的步骤包括以游戏的形式呈现所述分数。
18.如权利要求17所述的方法，其中将所述单一分数呈现给所述受试者的步骤包括基于所述分数自适应地调整所述游戏的至少一个控制参数。
19.如权利要求18所述的方法，其中调整所述一个参数的步骤包括使用所述单一分数与所述一个控制参数之间的关系在第一段时间内呈现所述游戏； 确定所述受试者在第一段时间内的单一分数的代表值； 基于所述代表值调整所述关系；以及使用所述单一分数与所述一个控制参数之间的被修改的关系在第二段时间内呈现所述游戏。
20.如权利要求19所述的方法，其中调整所述关系是这样的，所述游戏在所述第二段时间内的难度水平与在所述第一段时间内的代表值成比例。
21.如权利要求16至20中任一项所述的方法，其中从所述大脑信号提取所述时间特征的步骤包括在多个电极通道中的每个电极通道中计算大脑波形的统计量；以及将所述统计量连接成联合特征向量。
22.如权利要求21所述的方法，其中所述大脑波形的统计量是标准偏差。
23.如权利要求16至22中任一项所述的方法，其中从所述大脑信号提取谱空间特征的步骤包括使用滤波器组在离散频率窗口中提取各个大脑信号分量以获得大脑信号的谱特征；以及使用CSP阵列将CSP算法应用于每个所述谱特征以获得大脑信号的谱空间特征。
24.如权利要求16至23中任一项所述的方法，其中从提取的谱空间特征集合选择含有专注状态和非专注状态之间的区别信息的谱空间特征的步骤还包括基于与所述专注状态和非专注状态相关的特征的相互依赖性选择谱空间特征。
25.如权利要求16至M中任一项所述的方法，其中将所述分数X1和&结合以给出单一分数的步骤还包括根据公式(X-mx) /sx将所述分数X1和&标准化以给出Xln和x2n，其中mx和Sx分别是使用训练抽样从所述分类器得到的输出的平均值和标准偏差；将权重W1和W2分别分配给标准化的分数Xln和；以及根据公式xln*wi+&n*w2将分数xln和结合以给出单一的分数。
26.如权利要求25所述的方法，其中所述权重W1和W2根据公式Wi=(yi)p计算，其中，如果i = 1，Yi则是将所述提取的时间特征分类的分类精确度，如果i = 2，yi则是将所述提取的谱空间特征分类的分类精确度，并且P (P > 0)在所述单一分数的计算中控制Wi的功率。
27.如权利要求16至沈中任一项所述的方法，其中所述分类器包括线性判别分析分类器、神经网络、支持矢量机器、模糊接口系统、树基分类器，模糊类型2和相关性矢量机器中的一个或多个。
28.如权利要求16至27中任一项所述的方法，其中所述设备使用训练数据以生成参数，所述参数用于通过使用分类器将所述提取的时间特征分类、用于从大脑信号提取谱空间特征、用于从提取的谱空间特征集合选择包含所述专注状态和非专注状态之间的区别信息的谱空间特征、以及用于通过使用分类器将所选择的谱空间特征分类。
29.如权利要求观所述的方法，其中所述参数包括用于CSP算法的CSP的投影矩阵、用于基于交互信息选择谱空间特征的参数、和用于所述分类器的模型中的一个或者多个。
30.如权利要求观或四所述的方法，其中使用训练数据生成参数的步骤还包括从执行一组任务的受试者收集训练数据；以及通过机器学习方法确定所述参数。
31.一种计算机存储媒介，其上存储有计算机代码工具，所述计算机代码工具用于命令计算机设备执行生成受试者注意力水平表示的方法，所述方法包括如下步骤测量来自所述受试者的大脑信号；从所述大脑信号提取时间特征；使用分类器将提取的时间特征分类以给出分数X1 ；从所述大脑信号提取谱空间特征；从提取的谱空间特征集合中选择含有专注状态与非专注状态之间的区别信息的谱空间特征；使用分类器将提取的谱空间特征分类以给出分数&；将分数X1和分数&结合以给出单一分数；以及将所述单一分数呈现给所述受试者。
全文摘要
一种用于生成受试者注意力水平表示的设备和方法。该设备包括测量来自受试者的大脑信号的装置；从大脑信号提取时间特征的装置；使用分类器将提取的时间特征分类以给出分数x1的装置；从大脑信号提取谱空间特征的装置；从提取的谱空间特征集合中选择含有专注状态与非专注状态之间的区别信息的谱空间特征的装置；使用分类器将提取的谱空间特征分类以给出分数x2的装置；将分数x1和分数x2结合以给出单一分数的装置；以及将所述分数呈现给受试者的装置。
文档编号A61B5/0482GK102573619SQ200980157260
公开日2012年7月11日 申请日期2009年9月14日 优先权日2008年12月19日
发明者兰嘉·克里什楠, 关存太, 冯舜圣, 布莱姆·哈马蒂查莱弗, 张海宏, 李迪士, 林春源, 洪介卿, 王传初, 郑敬平, 陈政扬 申请人:心理卫生学院, 新加坡国立大学, 新加坡科技研究局