分析年轻成年人接触不同程度的高空恐惧症的EEG模式:一项VR研究
Samuele Russo1, Imad Eddine Tibermacine2, Ahmed Tibermacine3
1Department of Psychology, Sapienza University of Rome, Rome, Italy.
Frontiers in human neuroscience
|May 21, 2024
概括
这项研究开发了一个实时电脑电图 (EEG) 工具来测量高空恐惧症的严重程度. 深度学习模型,特别是CNN,使用脑波数据准确地识别了高空恐惧程度,显示了个性化治疗的前景.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 计算神经科学是一种神经科学.
背景情况:
- 高空恐惧症,或高空恐惧症,是一种普遍而严重的恐惧症,影响着全球许多人.
- 目前对高空恐惧症的评估方法可能缺乏实时精度和客观测量.
研究的目的:
- 开发一种精确的实时仪器,使用电脑电图 (EEG) 信号评估高空恐惧症水平.
- 探索机器学习 (ML) 和深度学习 (DL) 技术在分类高空恐惧症严重性的有效性.
主要方法:
- 收集了18名被诊断患有高空恐惧症的人的EEG数据.
- 应用了各种ML / DL分类器,包括支持矢量分类器 (SVC),K-最近邻居 (KNN),随机森林 (RF),决策树 (DT),Adaboost,线性差异分析 (LDA),卷积神经网络 (CNN) 和人工神经网络 (ANN).
主要成果:
- 卷积神经网络 (CNN) 实现了96%的训练和99%的测试准确率;人工神经网络 (ANN) 实现了96%的训练和97%的测试准确率.
- 在Beta和GammaEEG频段和高空恐惧症严重程度之间发现了强烈的相关性,特别是在更高的水平上.
- 该方法有效地使用EEG数据对实时高空恐惧症程度进行了分类.
结论:
- 提出的基于EEG的方法提供了一种可靠和复杂的方法来评估高空恐惧症.
- 这种技术有可能促进对高空恐惧症的理解和治疗,从而实现量身定制的治疗干预.
