シングルチャネル脳波を用いたハイブリッド畳み込みニューラルネットワークとTransformerを組み合わせた新しい精神的疲労検出方法
Hongyu Zhu1, Qingkai Zhen1, Qi Chen1
1China Institute of Sport Science, Beijing 100061, P. R. China.
まとめ
この研究では、正確な精神的疲労検出のための新しいハイブリッドCNN-Transformerモデルを紹介します。このモデルは、アスリートの認知的状態を監視するための効率的かつ客観的なアプローチを提供します。
科学分野:
- 神経科学
- 人工知能
- スポーツ科学
背景:
- 認知タスクによって誘発される精神的疲労は、アスリートのパフォーマンスと安全性に悪影響を与えます。
- 精神的疲労の現在の評価方法は、しばしば主観的またはリソース集約的です。
- 精神的疲労を検出するための効率的かつ客観的なツールの必要性が存在します。
研究 の 目的:
- 正確な精神的疲労認識のためのハイブリッド畳み込みニューラルネットワーク（CNN）-Transformerモデルの開発と検証。
- 多様なデータセットを使用して、従来のメソッドと比較してモデルのパフォーマンスを評価すること。
- デバイス開発の可能性のために、精神的疲労検出に関与する主要な脳領域を特定すること。
主な方法:
- 特徴抽出のためにCNNと依存関係モデリングのためにTransformerを組み合わせたハイブリッドモデルを提案しました。
- SEEDおよびSADTデータセットでモデルをトレーニングおよび評価しました。
- 疲労検出のための重要な脳領域を特定するためにチャネル分析を実行しました。
主要な成果:
- ハイブリッドCNN-Transformerモデルは、高い精度（SEEDで78.07％、SADTで85.42％）を達成しました。
- 提案されたモデルは、精神的疲労認識において従来のメソッドよりも優れたパフォーマンスを示しました。
- 後頭部領域の信号が疲労検出に重要であることが特定され、被験者間での一般化を示しました。
結論:
- 開発されたハイブリッドモデルは、精神的疲労検出のための効率的かつ客観的なソリューションを提供します。
- 調査結果は、リアルタイムの精神的疲労監視のためのポータブルデバイスを作成する可能性を支持しています。
- この技術は、アスリートのトレーニング、パフォーマンスの最適化、および怪我の予防に役立ちます。