基于EEG的注意力识别方法:时间域,频率域和非线性动态特征的融合
Di Chen1,2, Haiyun Huang2,3, Xiaoyu Bao1,2
1School of Automation Science and Engineering, South China University of Technology, Guangzhou, China.
Frontiers in neuroscience
|July 28, 2023
概括
这项研究引入了一种使用85名受试者的脑电图 (EEG) 数据来识别注意力的新方法. 这种新的方法实现了高精度,提供了对注意状态期间大脑活动的洞察.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 生物医学工程 生物医学工程
背景情况:
- 注意力是影响日常生活的关键认知功能.
- 电脑电图 (EEG) 为分析与注意力相关的大脑活动提供了高时间分辨率.
- 现有的注意力识别脑电脑接口 (BCI) 往往缺乏足够的对象,有效的范式或强大的跨对象分析.
研究的目的:
- 提出一种新的注意力范式和特征融合方法,以改善注意力识别.
- 开发和验证一个注意力识别框架,使用大量科目队列.
- 为了研究与注意状态相关的神经模式.
主要方法:
- 开发了一种新的注意力范式和功能融合技术,将时间,频率和非线性动态特征结合起来.
- 在85个受试者中构建和评估了注意力识别框架.
- 通过检查不同状态中的大脑激活来分析神经模式.
主要成果:
- 获得了个体内部平均分类准确率为85.05%±6.87%.
- 获得了主体间平均分类准确度为81.60%±9.93%.
- 在注意状态期间,在α,β和θ频段中确定了前额头和尾区域的减少激活.
结论:
- 这项研究提出了注意力识别的各种特征的新融合,推进了BCI的能力.
- 这些发现为注意力的神经相关性提供了新的见解.
- 开发的框架显示了在主体内和主体间的注意力识别方面显著的准确性.


