开发使用功能性脑网络分析的认知工作量和绩效评估模型
Saeed Shadpour1, Ambreen Shafqat2, Serkan Toy3
1Department of Animal Biosciences, University of Guelph, Guelph, Ontario, N1G 2W1, Canada.
npj aging
|October 6, 2023
概括
来自大脑网络和光谱分析的脑电图 (EEG) 功能可以客观地评估认知工作量和表现. 这种方法可能有助于监测与年龄相关的认知变化,可能是通过引人入胜的电脑游戏.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 认知科学 认知科学
背景情况:
- 认知对于日常活动和技能获取至关重要.
- 需要对认知工作量和绩效进行客观评估.
- 脑电图 (EEG) 提供了一种非侵入性方法来监测大脑活动.
研究的目的:
- 利用EEG特征开发用于评估认知工作量和表现的模型.
- 探索EEG数据,认知任务和绩效指标之间的关系.
- 调查年龄,认知工作量和绩效之间的相关性.
主要方法:
- 从26名健康参与者中记录了124个大脑区域的EEG数据,这些参与者执行了机器人模拟器任务.
- 从EEG中提取功能性大脑网络 (连贯性) 和光谱特征 (功率光谱密度).
- 开发了使用EEG特征,主观工作负载 (SURG-TLX) 和客观绩效得分的线性模型.
主要成果:
- 来自光谱分析和功能性大脑网络的结合EEG特征有效评估认知工作量和表现.
- 在具有挑战性的任务 (匹配板3级) 和年龄 (0.54,p<0.01) 期间的认知工作量之间发现了显著的相关性.
- 研究结果表明,具有挑战性的电脑游戏可能有助于识别与年龄相关的认知工作量变化.
结论:
- 客观评估和监测认知工作量和表现是可行的,使用结合的EEG特征.
- 这项研究强调了挑战性认知任务,衰老和工作负载评估之间的潜在联系.
- 这项研究为先进的客观认知评估工具铺平了道路.
