在240天的隔离期间,使用EEG信号和机器学习检测宇航员的压力水平
概括
在长时间的太空任务中检测心理压力至关重要. 这项研究表明,脑电图 (EEG) 和机器学习可以准确地识别压力水平,使用大脑活动模式在监禁期间.
科学领域:
- 神经科学是一个神经科学.
- 太空医学 太空医学
- 心理生理学 心理生理学
背景情况:
- 长期的太空任务需要有效的方法来监测宇航员的心理压力.
- 早期发现高压力对于维持机组人员的福祉和任务的成功至关重要.
研究的目的:
- 调查电脑电图 (EEG) 结合机器学习 (ML) 在模拟的240天太空任务中检测心理压力的实用性.
- 为了将EEG衍生的功能连接与生理压力标志物相关联.
主要方法:
- 在240天的监禁研究中,利用脑电图 (EEG) 记录大脑活动.
- 使用α氨基酶水平,反应时间 (RT),目标检测精度和EEG功能连接性 (相锁定值 - PLV) 来量化压力.
- 应用多个机器学习模型 (LDA,SVM,KNN,NB,DT) 来根据EEG数据对压力水平进行分类.
主要成果:
- 阿尔法氨基酶水平每60天显著增加,与增加的压力相关.
- 脑电图功能连接模式在不同大脑区域有所不同.
- 机器学习模型在区分四个压力级别时实现了高分类准确率 (高达91.8%).
结论:
- 脑电图与机器学习相结合,提供了一种可行的方法,用于在孤立和封闭的环境中检测高水平的心理压力.
- 这种方法有望在长时间太空飞行期间实时监测宇航员心理健康.
