使用ERP组件和波形连贯性的图形理论方法在情绪和认知EEG数据上的应用
Sencer Melih Deniz1,2, Ahmet Ademoglu1, Adil Deniz Duru3
1Institute of Biomedical Engineering, Bogazici University, Istanbul 34684, Turkey.
Brain sciences
|July 29, 2025
概括
这项研究有效地使用脑电图 (EEG) 和图形理论来区分情绪和认知状态. 图形理论指标准确地分类情绪和认知负载,突出了EEG.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 信号处理 信号处理
背景情况:
- 情绪和认知是人类关键的心理过程,经常被单独研究.
- 生理学测量,特别是脑电图 (EEG),提供了对这些状态的客观见解.
- 通过EEG分析的事件相关潜力 (ERP) 提供了详细的时间和空间信息.
研究的目的:
- 在愉快/不愉快的情绪情绪之间进行区分.
- 为了区分低/高认知状态.
- 为了评估图形理论特征的有效性,从时空EEG组件进行分类.
主要方法:
- 使用脑电图 (EEG) 收集情绪和认知数据.
- 分析了单一试验ERP组件 (N100,N200,P300) 在delta,theta,alpha和beta频段的波形连贯性.
- 将图形理论分析应用于连接地图,并使用指标 (例如效率,聚类系数) 用于SVM,K-NN和LDA的分类.
主要成果:
- 对情绪状态 (高达92%) 和认知状态 (高达89%) 实现了高分类准确度.
- 证明了从波形连贯性获得的图形理论指标的有效性.
- 确定了带ERP组件作为特别有信息性的.
结论:
- 从带ERP组件的波段连贯性获得的图形理论指标,当与支持矢量机器 (SVM) 一起使用时,可以准确地区分情绪和认知状态.
- 这种方法提供了一种可靠的,客观的方法来评估心理状态.
- 突出了先进的信号处理技术在理解大脑功能方面的潜力.
