感知认知运动神经学习系统和方法技术领域
本公开涉及感知(perceptual)认知(cognitive)训练领域。更具体地，
本公开涉及一种感知认知运动神经(motor)学习系统和方法。
背景技术
在我们的日常活动中，我们不断地与我们的环境交换。该环境是动态的
并且需要各种对象、运动、速度、位置等的整合。作为结果，大脑的执行功
能不断地管理无数刺激。在许多现实生活情况中存在信息过载的风险。在时
间敏感的情况下快速处理刺激的不可预测性的能力是在办公室中、在体育中、
在学校中以及在危机管理情况中的现实生活需要。
施加到策略输入的注意力和关注力可以将体育活动中、学习新技术中、
面对危险情况中的输赢区别开来，并且导致成功的职业生涯。尤其在有压力
的情况下，注意力和关注力使得能够对数据进行过滤和区分优先次序，同时
忽略不相关的干扰项。
在老年人或具有某种伤残的人士的情况下，注意力和关注力中的不足可
能导致日常活动中的严重问题。例如，行进通过人群同时避免碰撞以及维持
方向和良好的运动神经控制需要流畅和连续的感知认知处理。有据可查的是，
健康的老化的作用可能影响感知认知处理。
注意力的损失和受损的冲动控制对于具有注意力缺陷紊乱、具有或不具
有活动过度的儿童以及对于自闭症儿童可以是严重的问题。
改善注意力和关注力的需要因此在范围广泛的个体中存在。该需要尤其
在具有学习障碍或具有退化的认知功能的人中存在。该需要还在需要“通观
全局(readthegame)”同时跟随球的轨迹的高端运动员以及需要处理大量信
息的许多行业的成员中存在。
因此，存在对有助于改善具有学习障碍的儿童、老人、在有压力的环境
中工作的运动员或专业人员的认知功能的解决方案的需要。
发明内容
根据本公开，提供一种感知认知运动神经学习系统。所述系统包括：用
于评测(evaluating)或改善在连续测试期间主体的感知认知能力的装置。所
述装置包括显示器，其被配置为向所述主体提供与环境的视觉接触。所述系
统还包括用于巩固(consolidate)使用由所述环境形成的单个空间区域进行的
第一连续测试的结果的部件，用于将所述环境分割为多个空间区域的部件，
以及用于巩固使用所述多个空间区域进行的第二连续测试的结果的部件。
根据本公开，还提供一种感知认知运动神经学习系统。所述系统包括用
于评测或改善在连续测试期间主体的感知认知能力的装置。所述装置包括显
示器，其被配置为向所述主体提供与环境的视觉接触。所述系统还包括训练
序列控制器。所述训练序列控制器被配置为巩固使用由所述环境形成的单个
空间区域进行的第一连续测试的结果，将所述环境分割为多个空间区域，以
及巩固使用所述多个空间区域进行的第二连续测试的结果。
本公开还涉及一种用于评测或改善主体的感知认知能力的方法。所述主
体经受训练序列。所述训练序列包括在环境中向所述主体呈现的多个连续测
试。使用由所述环境形成的单个空间区域进行的第一连续测试的结果被巩固。
所述环境被分割为多个空间区域。使用所述多个空间区域进行的第二连续测
试的结果被巩固。
上述和其他特征在阅读参考附图仅通过示例给出的说明性实施例的下列
非限制描述时将变得更明白。
附图说明
将参考附图仅通过示例描述本公开的实施例，其中：
图1是示出经受高要求(demanding)训练计划(regime)的运动员的学
习曲线的图；
图2是示出当使用感知认知运动神经系统时经受高要求训练计划的运动
员的学习曲线的图；
图3是完全沉浸式虚拟环境的示例的透视图；
图4是示出训练自定进度模式的示意图；
图5是示出结合图4的训练自定进度模式和速度的阶梯(上和下)变化
的额外使用的评估自定进度模式的示意图；
图6是示出使用多个测量标准确定速度阈值的示意图；
图7示出将一场景分割为多个空间区域；以及
图8示出形成分割的场景分布的东京的交通控制室。
具体实施方式
在各种附图中，相同标号表示相同特征。
本公开的各种方面总地解决改善认知功能的问题中的一个或多个。
下列描述公开NeuroTracker的“感知认知运动神经”学习系统(NT-LS)
的非限制性的、说明性的实施例。更具体地，描述NT-LS的下列三个(3)
特征：
1–NeuroTracker(NT)运动神经添加系统，其中在用于优化学习的非常
特定的条件下进行运动神经添加。
2–用于快速评估个人阈值的“自定进度”系统和方法。
3–引入NT-LS的新的一般概念。更具体地，表明可以如何调整NT-LS
用于逐渐增加用于体育和任何紧急决定动作采取和/或危机管理情况的训练
的现场相关性。
1–NT-运动神经添加系统
体育表现(也适用于像是在人群中导航的常见生活情况)涉及在大的区
域和在三维(3D)环境中快速处理复杂移动的能力，所述复杂移动包括方向
的突然改变和碰撞并且同时注意场景中(即环境中)的多个关键元素。来自
场景的信息与体育中或像是在人群中导航的现实生活需求中的特定运动神经
需求整合。换句话说，人类感知和理解在他们的环境中什么正在发生同时使
用特定动作与其物理交互。有证据表明专用视觉大脑系统，其中一些通路
(pathway)负责感知并且一些通路负责动作。虽然用于感知和用于动作的这
些专用视觉大脑系统包括独特的元素，但是它们最终结合。
根据来自科学的证据还认为，用于感知系统的视觉与用于动作系统的视
觉相比在进化程度上更复杂和更新。
感觉感知认知运动神经回路的最终转移和闭合涉及在训练中结合全部上
述能力。还希望隔离和巩固这些能力并且随后在训练中结合它们。本公开提
出在NT-LS上训练以建立该巩固，因为其涉及更复杂的感知视觉系统，并且
一旦巩固，就使用与NT整合的运动神经任务闭合视觉感知认知运动神经回
路。
1a)需要巩固处理的证据
初始研究已经表明在高要求的感知认知训练计划的开始处的增加的运动
神经需求对于获得阶段可以是有害的。图1是示出经受高要求训练计划的运
动员的学习曲线的图。该图表明在高要求的感知认知训练计划的开始处的增
加的运动神经需求对于主体的获得阶段可以是有害的。从高水平职业运动员
的训练发现的是如果比赛者从开始起站立地学习一任务，则他们的表现水平
较低并且他们的学习曲线较浅。为了对此进行进一步理解，初始研究之后跟
随当首先进行巩固随后在训练之上增加运动神经负载时着眼于训练的可转移
性的实验。可转移性的含义在于在一个条件下的学习的益处在另一条件下维
持。图2中示出该学习的结果，其是示出当使用感知认识运动神经系统时经
受高要求训练计划的运动员的学习曲线的图。该图示出，跟随当主体坐下时
的巩固，当站立时观察到的表现的损失很小，并且虽然在练习的条件下存在
初始的大的下降，但是运动员迅速重新获得他们的速度处理能力并且回到“坐
下”位置的通常学习曲线。最初的14个训练阶段(session)示出当坐下时的
处理能力的速度的通常进展，其后的接下来的6个阶段运动员站立，其后的
最后6个训练阶段运动员坐在BosuTM平衡球上处于难以维持平衡的位置。如
从图2可以观察到的，在巩固(坐下)之后，当站立时表现的损失很小，其
示出转移的证据。虽然在第三条件下(练习；坐在BosuTM平衡球上)存在初
始的大的下降，但是运动员迅速重新获得他们的速度处理能力并且回到“坐
下”位置的通常学习曲线。
1b)闭合回路
该部分描述用于最佳表现的视觉感知认知运动神经回路的闭合以NT技
术与视觉运动神经表现系统的客观测量的结合的方法和系统。主体经受根据
下列方案的训练序列：
[n1(CORE)；n2(CORE+MOTORa)；N3(CORE+MOTORb)]。
训练序列包括核心练习的n1次重复，其后跟随结合第一(通常轻度)运
动神经需求执行的核心练习的n2次重复，并且其后跟随结合第二(通常较重)
运动神经需求执行的核心练习的n3次重复。通常，n1、n2和n3的值为非负整
数。
作为非限制性示例，可以使用如以Faubert等的名义、在2009年9月29
日提交、并且以No.WO2010/037222A1在2010年4月8日公开的PCT专利
申请No.PCT/CA2009/001379(在下文中被称为“Faubert’222”)中描述的装
置执行训练，其全部内容通过引用合并于此。
在Faubert’222中引入的装置可以用于评测或改善主体的感知认知能力。
所述装置包括在连续测试期间在给定3D环境中移动的虚拟对象的显示器。
图3是完全沉浸式虚拟环境的示例的透视图。更具体地，显示器包括完全沉
浸式虚拟环境(FIVE)室101，例如来自FakespaceSystems的CAVETM自动
虚拟环境，其中主体完全沉浸在给定3D环境中，并且存在刺激。完全沉浸
式虚拟环境室101具有例如8×8×8英尺的大小，并且包括四个(4)投影表
面(三面墙102、103和104和地板105)。显示器在四个(4)投影表面(三
面墙102、103和104和地板105)上示出立体图像以形成其中存在虚拟对象
的给定3D环境。为了该目的，显示器包括投影仪106、107、108和109以
及相关联的平面反射器110、111、112和113，其分别用于在用作显示控制器
的计算机114的控制下在四个(4)投影表面(三面墙102、103和104和地
板105)上投影和显示图像。出于简化的目的并未示出计算机114和FIVE室
101的其他元件之间的互连。计算机114可以使用任何公知连接方法链接到
各种投影仪106、107、108和109以及其他网络元件。
用于评测或改善主体的感知认知能力的装置的显示器还包括例如在来自
加州的圣拉斐尔的Stereographics的液晶快门立体护目镜(未示出)的形式下
的快门视觉实现，以使能主体的3D立体感知，更具体地说，以使得主体能
够在3D中感知虚拟对象、虚拟对象的位置和3D环境。使用48Hz的刷新率
渲染立体图像，并且以96Hz关闭(shutter)护目镜以向主体的右眼和左眼每
秒传递48张图像。显示器进一步包括例如在例如来自佛蒙特的伯灵顿的
Ascensiontechnologycorp.,的FlockofBirdsTM的磁检测器的形式下的位置传
感器，该位置传感器安装到护目镜以便跟踪主体的头部的位置。计算机114
控制显示器以实时校正相对于被跟踪的主体的头部位置的视觉视角。显示控
制器(例如“Silicongraphics540”计算机)生成刺激并且记录主体的响应。
提供基本位于FIEV室101的中央位置的眼科椅106以使主体坐下。
Faubert’222的装置可以因此被用来支持用于评测或改善主体的感知认知
能力的方法。总之，该装置包括在连续测试期间在给定3D环境中移动的虚
拟对象的显示器，其中主体与在3D环境中移动的虚拟对象视觉接触。计算
机14控制投影仪106、107、108和109以改变3D环境中虚拟对象的移动的
速度。在每一次测试中，主体跟踪移动虚拟对象的子集(subset)，并且在测
试之后，主体识别被跟踪的对象。应记住，本文公开的训练和其他功能可以
可替换地使用任何其他适当设备来执行。
CORE表示包括使用如在Faubert’222中描述的装置的6-8分钟测试序列
的测试。
CORE+MOTORa表示包括对CORE测试的低水平简单运动神经负载添
加的测试。这可以是主体的站立位置，但是也可以是骑车，或仅仅在使用溜
冰鞋或滑冰鞋的情况下抓住栏杆或踏板。这意味着CORE+MOTORa测试被
校准，使得没有来自大脑的以例如跑步、滑冰或截球的有意义的模式移动四
肢的传出信号(移动的大脑命令)。
CORE+MOTORb表示更高一个水平的测试，MOTORb负载因此比
MOTORa负载更重。在CORE+MOTORb测试期间，主体被要求将CORE与
特定运动神经需求结合，该特定的运动神经需求适合于给定现实生活情况，
例如体育、机器或车辆的操作、危险情况、或任何其他类似目的。对于可以
在CORE+MOTORb测试期间表示的情况的类型没有先验限制。
整合在计算机114或单独的计算机(未示出)中的训练序列控制器控制
如在Faubert’222中描述的装置，以便执行训练序列。传感器还可以连接到主
体并且训练序列控制器用于监视在每一次测试期间主体的移动，具体地与
MOTORa添加和MOTORb运动有关的移动。
根据考虑可用的、收集的科学数据的实现方式的示例，在训练序列控制
器的控制下执行下列训练序列：
[n1(CORE)；n2(CORE+MOTORa)；n3(CORE+MOTORb)]。
其中：
n1＝10到15次重复；
n2＝6次重复；并且
n3＝6次重复。
更具体地，训练序列控制器控制如在Faubert’222中描述的装置，以便依
序执行一系列的10到15次CORE测试，一系列的6次CORE+MOTORa测
试以及一系列的6次CORE+MOTORb测试。在每一次测试之后，计算机114
通过例如计算机114的键盘与显示器的响应接口来收集主体关于被跟踪的虚
拟对象(例如球体)的标识的响应，用于这些响应的进一步分析(例如如在
上述Faubert’222中描述的分析)，在CORE+MOTORa和CORE+MOTORb测
试的情况下可能结合测试期间的主体的移动的分析，以确定主体的演进。这
种训练序列的分析取决于意欲的应用的要求可以限于图形的跟踪或可以复杂
得多。
使用实现方式的上述示例(n1＝10到15次重复；n2＝6次重复；并且n3＝6
次重复)，可以使用基于科学数据的方法增加运动神经技能并且其适合于任何
体育或复原训练。例如，可以容易地想象经受中风并且行走困难的某人使用
其中MOTORb变为在踏板上行走的这种方法而逐渐复原。下列也是MOTORb
的一些示例：
橄榄球：抓住横向传球；
曲棍球：接到传球并且投出球，或对于守门员来说停止球；
足球：接到和改变球的方向；
等等。
2–“自定进度”系统和方法
自定进度系统和方法解决NT-LS系统的用户(主体)的一些问题。这些
问题包括：
用于在例如在结合(初级挑选对象的征募)、快速吞吐量等的测试的情况
下比通常的6-8分钟CORE测试更快地得到速度阈值的技术。
即使主体失去对虚拟对象的跟踪，也使得主体在测试期间保持活跃的技
术(参见如在Faubert’222中描述的装置)。经典的CORE测试设置为使
得如果主体失去被跟踪的对象的一个或多个，则在持续6-8秒的测试期
间没有机会重置或重新调用。主体等待直到结束，给出响应并且再次开
始。
自定进度系统和方法通过允许主体保持活跃并且独自地和在线地对动态
虚拟场景作出若干件事来解决该问题。此外，存在两个版本的自定进度系统
和方法，训练模式和评估(测量)模式，虽然这两个版本并不是互斥的。
参考图4，其是示出训练自定进度模式的示意图，典型的CORE测试以
下列方式工作。如由训练序列控制器指引的，如在Faubert’222中描述的装置
的显示器向主体呈现如在图4的块31中看到的多个虚拟对象(典型地8个球
体)。然后，训练序列控制器通过改变颜色或闪光来指出子集(通常表示目标
对象的4个球体)(图4的块32)。然后，对象返回到它们的初始状态。训练
序列控制器随后如在图4的块33中所示开始在3D环境中的对象的移动。一
旦对象的移动开始，则主体可以使用可操作地连接到计算机114的用户接口
39以进行下列调整。
训练自定进度模式：在该情况下，主体可以通过用户接口39发出针对训
练序列控制器的命令，以执行下列动作：
管理速度，即通过按下按钮，或给出某些命令，例如对远程模块(未示
出)的语音命令，或通过由运动捕捉设备(未示出)检测的物理手势，
例如通过向上或向下移动手或分开或闭合手，使得动态3D环境中的虚
拟对象随意移动更快或更慢。远程模块或运动捕捉设备连接到包含训练
序列控制器的计算机114(图4的块34和36)。
允许在跟踪期间的任何时间的目标对象的重置、重新调用或重新指出，
并且允许高达某一限制的任何希望的长度(图4的块35)。
在测试期间的任何时间处，主体可以通过按下远程模块的按钮或通过任
何其他命令指示虚拟对象的给定速度是正确的跟踪速度(图4的块37)。
更具体地，当主体感觉速度正确并且他可以维持跟踪在该速度的目标对
象时，主体随后可以按下远程模块的按钮并且选择的速度由计算机114
自动接收和记录。可替换地，或此外，可操作地连接到计算机114的脑
电图(EEG)传感器(未示出)可以检测主体的脑电波。计算机114可
以分析脑电波以确定主体何时失去焦点并且不再能够维持目标对象跟
踪。计算机114可以例如确定正确的速度是在失去焦点检测之前的先前
的速度(较低)。当主体按下按钮时，或基于来自EEG传感器的检测，
目标被刷新，并且当按钮被释放时，或当EEG传感器示出脑电波重新对
焦时，指出(index)动作消失同时移动继续。该刷新可以被重复任何次
数(图4的块38)。也就是说，通过向自定进度系统提供反馈命令，一
个主体可以训练所希望的长时间。主体可以继续使用所述方法而不重置
或可以具有如所希望的多次休息。
取决于在训练自定进度模式中主体进行的调整的类型，用户接口39可以
包括一个或多个按钮、连接到语音检测器(未示出)的麦克风、运动捕捉设
备、键盘、脚踏板或任何其他人机接口。
评估自定进度模式：图5是示出结合图4的训练自定进度模式和速度的
阶梯(上和下)变化的额外使用的评估自定进度模式的示意图。评估自定进
度模式结合训练自定进度模式的操作(图5的块41)，除了其具有下列额外
操作(图5的块42)：
当在块41中已经终止预设次数的速度调整时，训练序列控制器使用例如
用于CORE测试并且如在Faubert’222的装置中描述的、速度的缩短的阶梯(上
和下)变化自动执行预设次数的测试。该过程确保由主体进行的或基于EEG
传感器检测进行的主体速度调整真实对应于如客观确定的速度阈值(图5的
块42)。
“自定进度”系统和方法具有下列特征：
1)它们可以非常快；
2)它们对于各种训练时间非常灵活；
3)它们允许主体停留在最大可训练性的“区域”中，其中在任何给定时
间对于任何主体保持正确的困难水平；以及
4)它们帮助开发主体的识别他们自己的内部精神状态并且通过进行适当
的调整对其进行响应的能力。
自定进度系统和方法不仅当在使用评估自定进度模式时通过计算给定响
应和速度的阶梯变化(图5的块42)的结果来评估速度阈值(图5的块43)，
而且还允许计算机114执行在确定速度阈值时有用的多次测量，同时主体参
与例如：
a)目标重新调用(recall)的次数(自定进度尝试的重复次数)；
b)每一次重新调用的时间(自定进度尝试的重复速率)；以及
c)在自定进度重新调用期间的速度值。
这在图6中示出，其是示出使用多次测量来确定速度阈值、并且可以用
于对于每一个主体开发响应简档和学习简档的示意图。
确定对于初始“巩固”阶段自定进度评估模式是否可以生成与CORE测
试类似的结果的该自定进度评估模式的效率已经被测试。在测试期间，对于
最初的4个训练阶段，主体使用评估自定进度模式(2次调整和6次阶梯尝
试)，其后是在第5阶段上的常规CORE评估测量，其后是另外4次评估自定
进度阶段，其后是作为第10个阶段的CORE阶段。发现第5、10和15个CORE
阶段分数很好地跟随自定进度分数，表明评估自定进度模式可以用于获得类
似的结果但是具有少得多的训练时间，即3分钟对使用CORE测试的6-8分
钟。
3–NT-LS的一般概念
下列部分呈现NT-LS的一般概念。NT-LS结合建立适用于当管理多个源
的信息时需要快速决定的任何情况的学习方案的协议。如在运动神经添加的
上述描述中表述的，在增加例如不同水平的感知运动神经技能的功能性负载
之前执行巩固。这同样适用于增加例如场景特异性和上下文信息的其他认知
负载，所述场景特异性和上下文信息向体育中的比赛手册示例或例如紧急疏
散的危机管理情况下的疏散演习发展。场景特异性和上下文信息可以涉及体
育场、建筑物、火车站和地铁站、机场、飞机、船、医院、学校或其中许多
事件和/或决定同时发生的任何其他物理空间。NT-LS使得能够建立在时间压
力下面临重要决定的个人的快速决定作出能力。
NT-LS使用在上文中描述的速度阈值巩固处理并且建立增加的认知负载
同时维持速度阈值协议。在下列段落中，出于说明的目的，美式足球将被用
作非限制性示例。在该示例中，四分卫需要最终处理包括跑卫、外接手、边
锋和其他比赛者的不同目标区域以作出良好传球发挥。四分卫首先处理近区，
并且随后扩展他按区域跟踪多个元素的能力。NT-LS可以以下列方式操作：
阶段1：建立主体处理分割的场景分布的能力。现在参考图7，其示出将
场景分割为多个空间区域。图7的左手侧示出3D场景。图7的右手侧示出
在分割为三个(3)空间区域之后的相同3D场景。在图7的示例中，空间区
域由示出移动对象的分离的体积(3D)空间组成。可以在更小或更大数量的
空间区域上进行分割。由训练序列控制器执行下列操作：
在12到15个训练阶段上的巩固。巩固可以使用CORE或使用评估自定
进度模式。
将跟踪分离(分割)为两个空间区域。作为示例，代替具有初始的唯一
区域来训练，可以划分要跟踪的多个元素，使得每一个不同的空间区域
包含包括少数目标的一些元素，如图7的右手侧上所示。
新的巩固回到初始的参考值(例如巩固的最后三个(3)值的几何平均速
度)。
将跟踪进一步划分(分割)到具有适用于所述情况的预定目标和干扰项
元素的、被进一步划分的更大数量的空间区域。
阶段2：建立主体处理不同观看视角的能力。一旦主体已经开发出处理
多个目标区域NT能力的能力，训练序列控制器就以类似于上述操作的方式
引入不同视觉特定视角。这些视角可以包括：
观看角度，例如从四分卫和从接手等的观看视角。
从水平到更倾斜的视角的观看角度，例如仿真足球比赛者从蹲下移动到
站立位置。
阶段3：建立生态有效的环境。由训练序列控制器执行下列操作：
一旦阶段1和2已经完成，训练序列控制器就可以移动到更现实的虚拟
环境，例如使用具有使用相同策略的渐进水平的虚拟体育场、替身。
训练序列控制器可以通过引入背景、情况上下文、可听噪声和声音等来
增加训练期间的负载，以建立训练的特异性，同时测量从头到尾的NT
速度阈值。
当然，作为客户的结果，该方式可以被适配和演进。
3a)特定替身(avatar)NT动画
当使用替身时，训练序列控制器以特定方式使它们成为动画，以允许NT
速度阈值测量。例如，相对于一些目标替身的动作特定移动，替身的随机生
物移动可以被实现。例如，非目标替身可以由非特定生物移动噪声组成(对
于生物移动噪声的描述，参见Legault,I.,Troje,N.F.和Faubert,J.(2012),
Healthyolderobserverscannotusebiological-motionpoint-lightinformation
efficientlywithin4mofthemselves,i-Perception,3(2),104-111,其公开通过引用
合并于此)。然而，目标替身可以具有对于仿真的比赛有意义的特定动作，例
如在一个方向上转身，向前或向后奔跑等。速度操纵遵循通常的NT规则，
在该通常的NT规则中当在时间曝光之后决定良好时速度增加，或如果做错
了则速度减小。替身或生物运动条件的这种操纵的实现方式被认为在感知认
知训练的上下文中是原始的。
3b)不同的认知任务
在上文中已经呈现了用于NT-LS的从一般到特定的开发的两个(2)元
素。这些元素包括a)空间定位(例如将体积空间分离为对于任务具有高显著
值的子区域)，以及b)改变目标和干扰项的特定属性，使得它们从例如一般
球体性质演进为例如人类替身的特定特征。
虽然这些元素目前使用涉及人类替身的示例来描述，其他示例可以涉及
移动车辆，为了在存在仿真的移动交通时训练主体对于碰撞避免采取适当决
定。当然，可以结合使用移动对象和替身。例如，交通仿真可以涉及移动车
辆和行人。
可以引入的第3组件是认知需求的性质。例如，代替在给定区域中在干
扰项中跟踪目标，相对于在另一区域中的运动跟踪任务，主体可以被要求执
行数学任务，因为这是在该区域中所需要的。为此，由图8示出在上文中引
入的分割的场景的概念的变体，其示出东京的交通控制室，形成分割的场景
分布。图8示出在操作者的视觉场景(视频监视器)的某一区域中的不同运
动组件，以及在大的上部面板中的可能的颜色编码评估。操作者被要求处理
空间上分布在他的视觉场景内的这些各种运动组件。训练序列控制器可以主
要用于训练操作者对在他的下部视觉场景中的对象的移动目标跟踪。同时，
可以执行上部视觉场景的分析以使用图案匹配识别一些颜色或一些图案。
NT-LS因此可以被制造为从一般学习系统演进到更特殊的学习系统。特
异性训练的每一个水平可以涉及使用NeuroTracker的相同基本原理，包括例
如通过导向目标追踪(homeinon)每一个任务可以被执行的最快速度的速度
阈值。
从一般到特定训练
总之，通过改变场景组件的三个(3)属性，NT-LS适用于从用于在压力
下管理复杂动态场景的基本属性的一般训练到增加的特异性训练：
空间配置，从大的一般体积空间到该空间的对于特定任务强调尤其重要
的区域的细分部分。
正在被处理或跟踪的元素从例如一般球体性质改变为诸如例如用于人群
移动的替身、移动对象交通中的移动车辆等的图像元素的更具体的特征。
可以从一般向特定变化的第三元素是在特定3D区域中执行的实际认知
任务。在一些情况下，所述任务包括目标跟踪。在其他情况下，所述任
务可能需要颜色编码识别、数学任务等。
本领域技术人员将认识到感知认知运动神经系统和方法的描述仅是说明
性的并且不意图以任何方式进行限制。受益于本公开的本领域普通技术人员
将容易地联想到其他实施例。此外，所公开的感知认知运动神经系统和方法
可以被自定义为向改善认知功能的现有需求和问题提供有价值的解决方案。
为了清楚，并未示出和描述感知认知运动神经系统和方法的实现方式的
全部常规特征。当然，将理解在感知认知运动神经系统和方法的任何这种实
际实现方式的开发中，可能需要做出多个特定于实现方式的决定，以便实现
开发者的特定目的，例如符合与应用、系统和业务有关的约束，并且这些特
定目的将从一个实现方式到另一个实现方式地或从一个开发者到另一个开发
者地变化。此外，将理解开发的努力可能是复杂的和耗时的，但对于受益于
本公开的感知认知训练领域的普通技术人员来说将仍然是常规工程任务。
根据本公开，可以使用各种类型的操作系统、计算平台、网络设备、计
算机程序和/或通用机器来实现本文描述的组件、处理操作和/或数据结构。此
外，本领域普通技术人员将认识到也可以使用具有较不通用的性质的设备、
例如硬连线设备、现场可编程门阵列(FPGA)或专用集成电路(ASIC)等。
其中通过计算机或机器实现包括一系列处理操作的方法，并且那些处理操作
可以被存储为可由机器读取的一系列指令，它们可以被存储在有形介质上。
本文描述的系统和模块可以包括软件、固件、硬件或适用于本文描述的
目的的软件、固件或硬件的任何组合。软件和其他模块可以驻留于服务器、
工作站、个人计算机、计算机化的平板、个人数字助理(PDA)以及适用于
本文描述的目的的其他设备。软件和其他模块可以经由本地存储器、经由网
络、经由浏览器或其他应用或经由适用于本文描述的目的的其他部件访问。
本文描述的数据结构可以包括计算机文件、变量、编程阵列、编程结构或适
用于本文描述的目的的任何电子信息存储方案或方法或其任何组合。
虽然在上文中已经通过其非限制性的、说明性的示例描述了本公开，但
是在所附权利要求的范围内可以随意修改这些实施例，而不背离本公开的精
神和性质。