通过被动脑电脑接口,根据平均负的达波段振幅,评估跨认知任务的心理工作量
Guillermo I Gallegos Ayala1, David Haslacher1, Laurens R Krol2,3
1Department of Psychiatry and Neurosciences, Clinical Neurotechnology Laboratory, Charité - Universitätsmedizin Berlin, Berlin, Germany.
Frontiers in neuroergonomics
|January 18, 2024
概括
这项研究引入了用于脑计算机接口 (BCI) 的新算法,以使用脑电图 (EEG) 评估跨任务的心理工作负载. 新的正面度振荡方法对工作负载检测有希望,在特定的比较中表现优于以前的方法.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 信号处理 信号处理
背景情况:
- 大脑-计算机接口 (BCI) 提供实时的心理工作负载评估,以优化人机交互.
- 由于任务依赖的神经信号,对心理工作负载的分类具有挑战性,限制了对任务的分类器概括性.
- 之前用于跨任务心理工作负载分类的方法表现出有限的成功.
研究的目的:
- 引入和评估一种新的算法,用于从EEG数据中提取正面的THETA振荡.
- 展示算法在不同认知任务中检测心理工作负载的能力.
- 将新型算法的性能与现有的心理工作负载分类方法进行比较.
主要方法:
- 利用已公布的数据集调查依赖对象的任务转移.
- 应用了一种新的算法,从脑电图 (EEG) 记录中提取额头动.
- 雇佣过器银行用于数据分析和分类的共同空间模式.
主要成果:
- 这种新的算法在工作负载和无工作负载条件下实现了高二进制分类性能 (92.00%和92.35%).
- 在比较高与低工作负载条件时,性能不超过机会水平.
- 虽然提高了跨任务的稳定性,但独立组件分析预处理并没有比以前的方法提高性能.
结论:
- 拟议的正面太振荡算法显示了BCI应用程序中特定的心理工作负载比较的潜力.
- 在某些工作负载检测场景中,它可能会优于现有方法,特别是在与无工作负载状态区分时.
- 该算法在各种认知任务中的通用性需要进一步的调查和改进.
