开发一种基于EEG的方法,用于在游戏环境中使用可穿戴头带检测流量状态

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 人与计算机的交互

背景情况:

• 流动状态是一种与提高生产力和幸福感相关的峰值心理状态.
• 了解流动的神经支是研究的一个活跃领域.
• 消费者脑电图 (EEG) 设备为研究大脑活动提供了可访问的工具.

研究的目的:

• 开发和验证一种基于低频道EEG的方法来检测流量状态.
• 探索EEG信号的基于的特征在流量检测中的有效性.
• 评估随机森林分类器在使用消费级EEG数据识别流量的性能.

主要方法:

• 通过使用消费者EEG设备从参与者玩Tetris游戏中获取了29个EEG录音.
• 预处理的EEG信号,包括无声化和离散波段转换 (DWT) 来进行信号分解.
• 从EEG子频段中提取的斜率,分布和光谱特征.
• 采用随机森林分类器,随机采样 (RS) 和离开一个主体 (LOSO) 交叉验证.

主要成果:

• 随机森林分类器通过随机抽样验证实现了93%的平均准确性.
• 离开一个主体的交叉验证 (LOSO) 平均准确率为82%.
• 拟议的方法在从低频道EEG数据中检测流量状态方面表现强.

结论:

• 开发的方法显示了实践应用中实时流量状态检测的重大前景.
• 消费级EEG设备,结合先进的信号处理和机器学习,可以有效地识别流量.
• 这项研究有助于更深入地了解流动及其检测的神经相关性.