在认知游戏中基于EEG的参与监测
Yusuf Ahmed1,2, Martin Ferguson-Pell3, Kim Adams3
1Department of Occupational Therapy, Faculty of Rehabilitation Medicine, University of Alberta, 8205 114 St NW, Edmonton, AB T6G 2G4, Canada.
Sensors (Basel, Switzerland)
|April 12, 2025
概括
这项研究表明,脑电图 (EEG) 可以准确地测量年轻人和老年人对认知康复游戏的用户参与度. 这项技术为评估参与度水平的传统问卷提供了一个有希望的替代方案.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 老年学是指老年学的学科.
背景情况:
- 认知能力下降和痴呆症的预防是全球关键的健康问题.
- 认知康复游戏看起来很有前途,但其有效性取决于用户的参与.
- 对认知障碍患者来说,通过问卷评估参与度是很困难的.
研究的目的:
- 调查视频游戏难度,脑电图 (EEG) 参与度指数和自我报告的流量状态之间的联系.
- 开发一种机器学习算法,将用户参与分为高和低状态.
- 探索使用EEG用于成人和老年人的参与分析的可行性.
主要方法:
- 包括老年人在内的27名参与者在不同的难度级别上玩了一款电子游戏,而使用EPOCX收集了EEG数据.
- 参与者在每个困难级别后完成了职业任务的流量状态尺度.
- 开发了机器学习算法,以根据EEG信号对用户参与进行分类.
主要成果:
- 自我报告的参与度得分在最佳游戏难度水平上最高 (p = 0.027).
- 三个EEG指数的组合产生了最高的分类性能,F1得分为89% (主体内) 和81% (跨主体).
- 参与度分类实现了年轻成年人90%的F1分数,年长成年人85%.
结论:
- 脑电图数据可以有效地用于在不同年龄组的认知康复游戏中的参与分析.
- 基于EEG的机器学习模型在区分高用户参与度和低用户参与度方面显示出高准确度.
- 这种方法为评估认知能力下降的人群的参与提供了更客观和更容易获得的方法.
