基于EEG的森林和城市步行环境的区分使用机器学习

科学领域:

• 环境神经科学 环境神经科学
• 认知神经科学 认知神经科学
• 神经科学是一个神经科学.

背景情况:

• 了解环境对神经活动的影响对于认知研究至关重要.
• 以前的研究并没有专门分析森林环境中行走后的神经变化.

研究的目的:

• 通过使用脑电图 (EEG) 研究森林与城市步行对大脑活动的影响.
• 使用机器学习区分与不同环境相关的神经模式.

主要方法:

• 收集了30名参与者在森林和城市环境中散步前后的EEG数据.
• 在Theta,Alpha,Beta和Gamma频段进行了光谱分析.
• 利用随机森林,支持向量机和多层感知子分类器来分析EEG数据.

主要成果:

• 低贝塔频段在区分森林和城市步行环境方面显示了最高的分类精度 (0.78).
• 在自然环境和城市环境中散步后观察到明显的EEG模式.

结论:

• 这项研究是首次证明后步行森林暴露的神经效应.
• 这些发现支持自然暴露的认知益处,并突出了EEG和机器学习在环境神经科学中的实用性.