相关实验视频
Updated: Jun 27, 2026

10:36
fMRI Validation of fNIRS Measurements During a Naturalistic Task
Published on: June 15, 2015
20.8K
通过使用fNIRS进行数据增强和分类来探索心理压力的影响.
M N Afzal Khan1, Nada Zahour1, Usman Tariq1
1Department of Electrical Engineering, American University of Sharjah, Sharjah 26666, United Arab Emirates.
Sensors (Basel, Switzerland)
|January 25, 2025
概括
这项研究使用深度学习数据增强来准确检测使用功能近红外光谱 (fNIRS) 的与压力相关的大脑状态变化. 结果显示,大脑信号的分类准确度有所提高,突出显示了增强效果.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 机器学习 机器学习
背景情况:
- 准确识别大脑状态对于功能性脑成像至关重要.
- 参与者数量较少限制了机器学习在脑状态研究中的分类.
- 压力影响空间激活和连接,可以通过fNIRS进行测量.
研究的目的:
- 使用fNIRS数据对压力诱导的大脑状态进行分类.
- 通过使用深度卷积生成对抗网络 (DCGAN) 的数据增强来提高分类准确性.
- 为了研究双声节拍 (BBs) 对减轻压力的影响.
主要方法:
- 在Stroop颜色词任务 (SCWT) 中,从21名参与者的fNIRS数据上采用分类策略.
- 使用DCGAN进行数据增强,以增加数据集大小.
- 应用各种机器学习算法,包括LDA和CNN,用于分类.
- 引入双耳节拍 (16 Hz) 减轻压力.
主要成果:
- 在没有增强数据的情况下,CNN分类准确率达到73%.
- DCGAN数据增强显著提高了分类准确度,达到96%.
- 在BB刺激后,观察到大脑状态的统计学显著改善.
结论:
- fNIRS可以高精度地检测大脑状态的变化.
- 数据增强在克服脑信号分析数据稀缺方面是有效的.
- 双耳跳动显示出减轻压力和改善大脑状态的潜力.

