視覚刺激によるEEG記録における注意欠陥期間を標識するためのコンピュータビジョン分析の利用

科学分野:

• 神経科学
• コンピュータ科学
• 発達心理学

背景:

• EEGの記録は,参加者の注意を識別するために手動でコード化する必要があります.
• 主観性と時間的な制約は 手動で注意をコードする精度を制限します

研究 の 目的:

• 電子電磁波 (EEG) の間における注意欠陥の自動検出のための監督された機械学習モデルを開発し,検証する.
• ビデオ録画から コンピュータービジョンの特徴を利用して 注意分析を行う.
• 参加者の注意をコード化するための主観性と時間の負担を軽減します.

主な方法:

• 参加者のビデオから コンピュータービジョンの特徴 (頭部姿勢,視線,顔の特徴) を抽出しました
• レーベル付きのビデオフレームで パーセプトンモデルを訓練した
• 小規模なデータサブセットを使用して新しい参加者を対象にモデルを調整しました.
• 受信器の動作特性曲線の下の面積と評価者間の信頼性 (コーエン・カッパ) を用いてモデルの性能を評価した.

主要な成果:

• 0.989の受信機の動作特性曲線の下の平均面積を達成しました.
• 訓練された人間のアノテーターで0.888の平均的なインターレーター信頼性を得ました.
• 9人の参加者の間で,0.616から0.944の範囲で,人間のアノテーションと一致を示した.

結論:

• 自動機器は,EEGの記録中に注意の欠如を確実に検出することができます.
• 提案された方法は,手作業によるコーディングの実現可能な,より主観的で,より効率的な代替案を提供します.
• 一般に利用可能なツールは,研究におけるこの自動化されたアプローチの採用を容易にする.