在虚拟现实疗法中使用生物传感器和卷积神经网络实时分类焦虑

科学领域:

• 心理学 心理学 心理学
• 计算机科学 计算机科学
• 生物医学工程 生物医学工程

背景情况:

• 虚拟现实暴露疗法 (VRET) 为治疗焦虑症提供了一种实用且具有成本效益的方法.
• 来自生物传感器 (心率,电皮活动,大脑活动) 的客观,持续的反可以增强VRET.
• 开发客观的反机制对于定制VRET和改善治疗结果至关重要.

研究的目的:

• 开发和验证一个虚拟现实 (VR) 适应情绪Stroop颜色-Word任务来评估焦虑.
• 要区分三种不同的焦虑水平:没有焦虑,轻度焦虑和严重焦虑.
• 使用实时VR数据创建一个用于机器学习的焦虑级别分类数据集.

主要方法:

• 开发了一个VR环境,实现了一个情绪化的Stroop Color-Word任务.
• 使用生物传感器收集生理数据 (心率,电皮活动,额头大脑活动).
• 在VR处理的数据上训练了一个卷积神经网络 (CNN),用于焦虑级别的分类.

主要成果:

• 在29名年龄在18-65岁的参与者身上验证了VR Stroop任务环境.
• 美国有线电视新闻网 (CNN) 的一项模型在使用离开-一个-退出交叉验证来区分焦虑水平时,取得了75%的准确性.
• 该系统展示了在VR中实时准确区分不同焦虑状态的能力.

结论:

• 开发的VR系统有效地区分了无,轻度和严重的焦虑水平.
• 整合到VR中的客观生理反可以支持焦虑评估.
• 这种方法有望提高焦虑障碍认知行为疗法的客观性和有效性.