从EEG数据中提取的加权阶段滞后指数和连贯性特征使用的心理工作负载评估

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 生物医学工程 生物医学工程

背景情况:

• 电脑电图 (EEG) 是一种用于研究心理工作负载的非侵入性工具.
• 音量传导是EEG数据中的一个重要因素,影响了功能连接分析.
• 传统的EEG连贯性容易受到体积传导的影响,而加权的阶段滞后指数 (wPLI) 提供了更好的稳定性.

研究的目的:

• 为了比较wPLI的有效性和连贯性在分析功能连接的心理工作负载评估.
• 使用这些连接性措施,开发和评估各种心理工作负载领域的预测模型.

主要方法:

• 使用EEG连贯性和wPLI分析了功能连接性.
• 用LASSO特征选择的通用线性混合效应模型 (GLMM) 来进行模型开发.
• 基于基于连贯性,基于wPLI和结合特征的预测性表现的模型进行了比较.

主要成果:

• 使用连贯性和wPLI特征的组合模型在所有心理工作负载领域显示出优异的预测性能 (R2值在0.71到0.91之间).
• 任务复杂性和特定的大脑功能连接模式是感知心理工作负载 (p<0.05) 的显著预测因素.
• 综合方法显著提高了预测各种心理工作负载尺寸的准确性.

结论:

• 整合EEG连贯性和wPLI可以提高心理工作负载预测的准确性.
• 这种结合方法有望实现更可靠的基于EEG的心理工作量评估.
• 未来的研究应该专注于在更大,多样化的群体中验证这些发现,以确保可通用性.