在芯片上检测心理压力:将可穿戴的耳后EEG设备与嵌入式微小神经网络集成在一起

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 检测心理压力对幸福至关重要,需要有效的,非侵入性的方法.
• 传统方法通常依赖于复杂的设备或主观报告.
• 脑电图 (EEG) 为大脑活动分析提供了高时间分辨率.

研究的目的:

• 开发一种高效的可穿戴系统,用于实时检测心理压力.
• 整合芯片上的神经网络与耳后脑电图 (BTE) 分析.
• 为了确定主要的脑电图频率波段,表明精神压力.

主要方法:

• 一个定制的可穿戴设备捕获了单通道BTEEEG信号.
• 使用了芯片上的信号转换成光谱和一个紧的卷积神经网络 (CNN).
• 在引发压力的认知任务期间,从15名参与者收集了EEG数据.
• 交叉验证 (LOOCV) 和十倍交叉验证 (CV) 用于绩效评估.

主要成果:

• LOOCV的准确度达到了91.72%,F1得分为0.8955.5.
• 10倍CV在未经训练的数据上表现出优异的性能,准确率为95.32%,F1得分为0.9421 .
• 贝塔频段 (13-30 Hz) 被确定为精神压力的最重要的指标.

结论:

• 集成的BTE EEG和芯片上的CNN系统为心理压力检测提供了高度准确和高效的解决方案.
• 在芯片上处理对于噪声过,信号转换和实时分类至关重要.
• 这项技术有望开发用于心理健康监测的先进医疗援助工具.