基于EEG的欺骗检测使用加权双视角可见度图分析

科学领域:

• 神经科学是一个神经科学.
• 信号处理 信号处理
• 图形理论 图形理论

背景情况:

• 在许多领域中,欺骗检测至关重要.
• 结合信号处理的神经科学研究提供了对欺骗的更深入的见解.
• 电脑电图 (EEG) 信号为大脑活动提供了一个窗口.

研究的目的:

• 使用EEG信号来解码受指示的欺骗.
• 引入和验证用于欺骗检测的加权双视角可见度图 (WDPVG) 方法.
• 探索与欺骗行为相关的大脑网络动态.

主要方法:

• 收集了22名参与者进行视觉任务的EEG数据,其中包括指示欺骗.
• 应用WDPVG方法将EEG时代转换为复杂的网络.
• 提取了六个基于图形的特征 (强度,聚类系数,路径长度,模块化) 来表示大脑动态.
• 使用K近邻 (KNN),支持矢量机 (SVM) 和决策树 (DT) 算法进行分类欺骗.

主要成果:

• 获得的分类准确率为66.64% (KNN),86.25% (SVM) 和82.46% (DT).
• 分析了脑电图网络的特征分布在脑叶,比较说实话和说谎状态.
• 确定了额叶和额叶叶片作为参与区分欺骗的关键区域.

结论:

• 该WDPVG方法是有效的解码欺骗来自EEG信号.
• 这项研究提供了对欺骗行为神经基础的洞察.
• 这些发现为未来的真实世界欺骗检测应用提供了一个框架.