使用计算机视觉分析以视觉刺激标记EEG记录中的注意力不集中时间

科学领域:

• 神经科学
• 计算机科学
• 发展心理学

背景情况:

• 电脑电图 (EEG) 记录需要手动编码来识别参与者的注意力.
• 主观性和时间限制限制了手动注意力编码的准确性.

研究的目的:

• 开发和验证在EEG过程中自动检测注意力缺失的监督机器学习模型.
• 使用视频录制的计算机视觉特征进行注意力分析.
• 在编码参与者的注意力方面减少主观性和时间负担.

主要方法:

• 从参与者的视频中提取计算机视觉特征 (头部姿势,目光,面部地标).
• 在标记的视频上训练了一种多层感知器模型.
• 用一个小数据子集调整模型以适应新参与者.
• 使用接收器操作特征曲线下的面积和评分器间可靠性 (科恩卡帕) 评估模型性能.

主要成果:

• 获得了0.989的接收器操作特征曲线下的中位区域,用于检测注意力不集中.
• 经过训练的人类注释者获得了0.888的中位数互评值可靠性.
• 在9名参与者中,与人类注释的一致性在0.616至0.944之间.

结论:

• 自动工具可以在EEG记录期间可靠地检测注意力缺失.
• 提出的方法提供了一个可行的,不那么主观,更有效的替代手动编码.
• 公开可用的工具有助于在研究中采用这种自动化方法.