使用EEG连接和卷积神经网络对心理压力水平的分类

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 精确的心理压力分类对于有效的干预至关重要.
• 电脑电图 (EEG) 提供了一种非侵入性方法来监测大脑活动.
• 卷积神经网络 (CNN) 显示出分析复杂生物信号的潜力.

研究的目的:

• 将四种不同的心理状态分类为:休息,控制警觉,压力和减压.
• 评估16 Hz双耳节拍刺激 (BBs) 在减轻诱导压力的有效性.
• 开发一种基于CNN的模型,使用EEG信号进行心理状态分类.

主要方法:

• 使用Stroop色词测试 (SCWT) 诱导精神压力,并使用16 Hz BBs减轻.
• EEG信号被记录并处理以使用相锁定值 (PLV) 估计功能连接.
• 采用CNN来根据EEG-PLV图像对四种心理状态进行分类,特别是在β频段.

主要成果:

• SCWT显著降低了70%的目标检测准确性 (p < .00001),而16 Hz BBs则提高了28% (p < .00470).
• 对于四种精神状态,在前额/后和顶区域观察到不同的功能连接模式.
• 该CNN模型使用β频段的EEG-PLV图像实现了高分类性能 (80.95%的准确性,81.96%的F-分数).

结论:

• 16 Hz BBs是减轻压力的有效干预措施.
• 与EEG-PLV图像相结合的CNN为分类各种精神状态提供了一个有希望的方法.
• 这种方法具有客观评估和心理压力的管理的潜力.