走向一个独立于主体的基于EEG的神经指标,用于训练期间的任务熟练度
Bret Kenny1, Sarah D Power1,2
1Faculty of Medicine, Memorial University of Newfoundland, St. John's, NL, Canada.
Frontiers in neuroergonomics
|January 18, 2024
概括
一个基于脑电图 (EEG) 的新神经指标 (NI) 有效地跟踪了许多个人的任务能力进展. 这种脑-计算机接口的开发显示了提高培训有效性和效率的前景.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 人与计算机的交互
背景情况:
- 开发对认知状态的客观测量对于优化学习至关重要.
- 被动脑电脑接口 (BCI) 提供了实时反和增强训练的潜力.
- 从EEG对精神状态进行主体独立的分类是一个关键的挑战.
研究的目的:
- 调查基于脑电图 (EEG) 的神经指标 (NI) 的可行性,以跟踪任务能力.
- 评估心理状态的学科独立分类,以评估能力.
- 探索这种NI在被动BCI中的培训增强潜力.
主要方法:
- 15名参与者在虚拟环境中执行了一个空间知识获取任务.
- 记录了脑电图 (EEG) 数据,任务执行和感知到的确定性.
- 一台支持向量机分类器被训练在独立于主体的EEG数据上,以分类能力状态 (低/高).
- 从时代分类中得出一个神经指标 (NI),以量化熟练程度的进展.
主要成果:
- 基于EEG的神经指标有效地跟踪了15名参与者中9名参与者的任务能力进展.
- 从第一个到最后一个培训区块观察到NI的显著增加 (NI=0.15到NI=0.81).
- 对于成功的参与者来说,神经指标在第七个训练区块后达到平原.
结论:
- 一个独立于主体的基于EEG的神经指标显示了实时评估任务能力的潜力.
- 这种方法可以促进被动BCI的发展,以改善培训成果.
- 需要进一步的研究来完善神经指标及其在各种培训场景中的应用.
