基于EEG信号的欺骗状态下的重量导向功能性大脑网络的分析
IEEE journal of biomedical and health informatics
|July 17, 2023
概括
这项研究显示,在使用电脑电图 (EEG) 的欺骗过程中,特定的大脑网络中的信息流更强. 规范化相移 (dPTE) 有效地识别谎言,为基于大脑的谎言检测技术提供了新的见解.
科学领域:
- 神经科学是一个神经科学.
- 认知神经科学 认知神经科学
- 大脑网络分析 脑网络分析
背景情况:
- 欺骗涉及复杂的大脑网络协作.
- 在欺骗过程中,功能性大脑网络的方向性仍然不清楚.
- 了解神经振荡的信息交互模式至关重要.
研究的目的:
- 在欺骗过程中调查大脑网络的有效连接.
- 为了揭示虚假神经振荡中的信息交互模式.
- 探索大脑网络分析用于谎言检测的潜力.
主要方法:
- 利用了来自40个说谎者和40个诚实的个人的脑电图 (EEG) 数据.
- 使用正常化相移 (dPTE) 构建重量定向功能大脑网络 (WDFBN).
- 分析了Delta,Theta,Alpha和Beta频段的连接矩阵.
主要成果:
- 在所有频段 (92.83% - 94.17%) 中,dPTE在检测欺骗方面表现出高准确度.
- 与诚实相比,欺骗在前,前和前网络中表现出更强的信息流.
- 在欺骗过程中,前额叶皮层在所有分析的频率范围内显示出激活.
结论:
- dPTE是识别欺骗的一个有价值的特征.
- WDFBN分析提供了对欺骗背后的神经机制的见解.
- 这项研究支持开发基于大脑网络的谎言检测系统.
