增强生物反驱动的自导虚拟现实暴露疗法,通过使用机器学习从多式联络数据的兴奋检测通过机器学习
Muhammad Arifur Rahman1, David J Brown1, Mufti Mahmud2,3,4
1Department of Computer Science, Nottingham Trent University, Clifton Lane, Nottingham, NG11 8NS, UK.
Brain informatics
|June 21, 2023
概括
虚拟现实暴露疗法 (VRET) 使用机器学习从生理数据中检测焦虑唤起. 这使生物反干预能够帮助个人在安全的虚拟环境中管理公开演讲焦虑 (PSA).
科学领域:
- 心理学 心理学 心理学
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 公共演讲焦虑 (PSA) 是一种常见的社会焦虑,影响着许多人.
- 虚拟现实暴露疗法 (VRET) 为焦虑治疗提供了一个安全的,可控的环境.
- 实时检测生理性兴奋对于有效的VRET至关重要,但仍然是一个挑战.
研究的目的:
- 探索机器学习 (ML) 模型,利用生理数据预测兴奋状态.
- 在VRET中开发有效的ML模型和参数选择的管道.
- 实施VRET的生物反框架,以帮助焦虑管理.
主要方法:
- 利用公开可用的数据集,包括脑电图 (EEG) 和心率变化 (HRV).
- 研究了各种ML模型来预测兴奋状态.
- 开发并测试了一条用于ML模型选择和参数优化的管道.
- 实施了生物反系统,提供心率和大脑横向性指数反.
主要成果:
- 通过使用带有EEG和HRV数据的ML模型,成功预测了兴奋状态.
- 证明了 ML 模型选择的拟议管道的有效性.
- 实施了VRET的功能生物反框架.
结论:
- ML模型可以有效地从生理信号中检测焦虑诱导的兴奋.
- 拟议的管道有助于在VRET中选择最佳的ML模型来检测兴奋.
- 与VRET集成的生物反显示了心理干预和减少焦虑的前景.
