1.1.
什么是脑机接口（BCI）？从Neuralink到教育应用
选修
1.2.
脑电波基础：Delta/Theta/Alpha/Beta波与专注力的关系
选修
1.3.
项目分层目标（初中：使用模拟数据+游戏 / 高中：连接真实硬件 / 大学：实现注意力检测算法）
选修
1.4.
硬件方案介绍：Neurosky MindWave / OpenBCI / 低成本摄像头替代方案
选修
1.5.
开发环境搭建（Python + Pygame + pyserial + opencv-python）
选修
1.6.
项目最终演示：用专注力控制飞船躲避陨石
选修
2.1.
时间处理：time.sleep()与精确延时
选修
2.2.
列表与队列：使用collections.deque实现滑动窗口
选修
2.3.
实时绘图基础：Matplotlib动态模式（plt.ion()）
选修
2.4.
多线程入门：为什么需要线程？（数据读取与游戏主循环分离）
选修
2.5.
实战：编写一个模拟数据源，每0.1秒生成随机专注力值（0-100），并实时绘制折线图
选修
3.1.
认识Neurosky MindWave：蓝牙配对与ThinkGear芯片
选修
3.2.
串口通信基础：pyserial库，找到正确的COM口（Windows）或/dev/tty.*（Mac）
选修
3.3.
解析ThinkGear数据包：协议格式（SYNC, LENGTH, PAYLOAD, CHECKSUM）
选修
3.4.
提取专注力（Attention）值和冥想（Meditation）值
选修
3.5.
实现数据读取线程：持续读取、校验、存入全局队列
选修
3.6.
无硬件模式：使用鼠标移动模拟专注力值（便于开发和演示）
选修
4.1.
为什么可以用摄像头？——面部表情与专注度的关联
选修
4.2.
MediaPipe人脸检测库入门：获取面部关键点
选修
4.3.
眨眼检测：计算眼睛纵横比（EAR），统计眨眼频率
选修
4.4.
哈欠检测：计算嘴巴纵横比（MAR）
选修
4.5.
简单专注力模型：专注力 = 100 - (眨眼频率过高罚分) - (哈欠罚分)
选修
4.6.
实战：编写摄像头专注力估计模块，输出0-100数值
选修
5.1.
问题：原始专注力数据抖动剧烈，直接控制游戏体验差
选修
5.2.
移动平均滤波：计算最近N个值的均值
选修
5.3.
指数加权移动平均（EWMA）：更平滑，响应更快
选修
5.5.
对比不同滤波效果：使用Matplotlib叠加显示
选修
5.6.
实现可配置滤波器：用户可在界面选择滤波类型和窗口大小
选修
6.1.
Pygame安装与初始化：创建窗口、设置标题、游戏循环
选修
6.2.
图像与精灵：加载玩家飞船图片、陨石图片、背景星空
选修
6.3.
玩家控制：键盘方向键移动飞船（作为对照实验）
选修
6.4.
碰撞检测：矩形碰撞（Rect.colliderect）
选修
6.5.
分数与生命值系统：每避开一个陨石加10分，碰撞减1命
选修
6.6.
实战：制作一个完整的键盘控制版躲避游戏
选修
7.1.
将键盘控制改为专注力控制：专注力 > 70 → 飞船自动上升/加速；专注力 < 30 → 下降/减速
选修
7.2.
映射函数设计：专注力值 → 飞船Y坐标速度（非线性映射使变化更明显）
选修
7.3.
实现“校准”环节：游戏开始前，采集10秒数据，计算用户平均专注力作为基准
选修
7.4.
死区设置：专注力在40-60之间时飞船不移动，避免抖动
选修
7.5.
多线程整合：数据线程持续更新全局专注力值，主线程读取并控制飞船
选修
7.6.
添加可视化反馈：屏幕上方显示当前专注力数值和进度条
选修
8.1.
为什么需要自适应？——太简单无聊，太难挫败
选修
8.2.
动态陨石生成间隔：专注力越高，陨石生成越快（挑战高手）
选修
8.3.
动态陨石速度：专注力越高，陨石下落速度越快
选修
8.4.
实现“心流”控制：当用户连续10秒专注力>80时，提示“进入挑战模式”
选修
8.5.
分数倍率系统：专注力>90时得分×2
选修
8.6.
分层适配：初中仅实现固定难度 / 高中+大学实现完整自适应
选修
9.1.
游戏过程数据记录：每0.5秒记录（时间戳、专注力值、是否碰撞、分数）
选修
9.2.
使用Pandas存储数据：DataFrame追加行
选修
9.3.
游戏结束后生成报告：专注力曲线图、平均专注力、最高专注力、专注力>70的时间占比
选修
9.4.
报告导出为PDF：使用ReportLab库，包含图表和文字总结
选修
9.5.
历史记录对比：保存多次训练结果，展示进步曲线
选修
9.6.
实战：为自己的一次完整游戏生成PDF报告
选修
10.1.
实时音效反馈：专注力高时播放鼓舞音效，低时播放白噪音
选修
10.2.
视觉反馈：专注力高时屏幕边缘发光（光晕效果），低时变灰
选修
10.3.
触觉反馈（可选）：使用游戏手柄震动（pygame.joystick）
选修
10.4.
实现“放松训练模式”：专门用于冥想训练，反馈Meditation值
选修
10.5.
数据导出为CSV：供用户进一步分析（导入SPSS/Excel）
选修
10.6.
分层适配：初中实现音效 / 高中实现视觉 / 大学实现全部+手柄
选修
11.1.
统一配置文件：config.yaml存储串口号、滤波参数、游戏难度系数
选修
11.2.
模块化重构：将数据读取、滤波、游戏、报告生成拆分为独立模块
选修
11.3.
异常处理：蓝牙断开自动重连、摄像头打开失败降级到模拟模式
选修
11.4.
性能调优：降低Matplotlib绘图频率避免卡顿
选修
11.5.
跨平台测试：Windows/Mac/Linux的串口差异处理
选修
11.6.
打包为可执行文件：使用PyInstaller生成.exe/.app
选修
12.1.
演示准备：连接MindWave（或使用鼠标模拟），录制屏幕+真人头部画面
选修
12.2.
答辩要点：技术实现、创新点（低成本BCI游戏）、应用场景（ADHD辅助训练）
选修
12.3.
伦理讨论：脑电数据隐私、是否会造成用户焦虑？
选修
12.4.
拓展方向1：多人竞技模式（两个头环比谁更专注）
选修
12.5.
拓展方向2：结合VR/AR（需要Unity + 脑机接口插件）
选修
12.6.
拓展方向3：用于老人认知训练（预防阿尔茨海默症）
选修
