中年成年人基于ERP的认知负载解码:对阿尔茨海默氏症风险的影响

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 生物医学工程 生物医学工程

背景情况:

• 中年人面临着巨大的工作压力和健康风险.
• 现有的基于脑电图 (EEG) 的认知负荷研究不足以解决这一人口问题.
• 了解中年人的认知负载对于职业健康和诊断至关重要.

研究的目的:

• 调查中年个体中脑电图信号对认知负载的高时间分辨率解码.
• 在不同认知需求下,分析抑制和更新任务期间的大脑激活模式.
• 评估基于EEG的认知负载监测对这一群体的可行性.

主要方法:

• 利用来自多源干扰任务 (MSIT) 和斯特恩伯格记忆任务 (STMT) 的公开可用的EEG数据.
• 分析了与事件相关的潜在 (ERP) 头皮地图,以检查大脑激活模式和认知负载.
• 采用多变量模式识别,统计分析和错误发现率 (FDR) 校正用于验证.

主要成果:

• 解码器有效地分类了不同的任务,MSIT在认知负载分类方面表现优于STMT.
• 分析了大脑激活的时空属性,以改善分类器的开发.
• 组级比较探讨了阿尔茨海默病 (AD) 风险对认知负载解码的影响.

结论:

• 开发的基于EEG的认知负载解码程序对中年成年人来说是可行的.
• 该方法可用于高风险职业的实时工作负载监控.
• 医学诊断中纵向观测的潜力,特别是关于认知健康.