从生理学上可解释的DNN仅使用来自EEG装置的眼相关大脑活动来识别精神疲劳

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:

• 识别精神疲劳对于工作效率和内容参与度至关重要.
• 大脑活动和眼睛运动是关键的生物标志物,但模型缺乏生理基础.
• 与眼相关的大脑活动提供了一个潜在的生理机制来检测疲劳.

研究的目的:

• 提出一种生理上可解释的深度神经网络 (DNN),用于识别精神疲劳.
• 使用单个EEG设备提取和平均眼相关的脑电图 (EEG) 特征.
• 验证框架的准确性和心理生理学基础.

主要方法:

• 使用深度神经网络 (DNN) 架构.
• 提取的脑电图 (EEG) 功能特别与眼有关.
• 平均提取与闪相关的EEG特征用于分析.
• 使用整个头皮的EEG数据验证了模型.

主要成果:

• 在精神疲劳识别方面获得了0.73的平均准确度.
• 获得了0.72的宏观F1评分,表明了强的表现.
• 证明该框架有效地利用了心理生理机制.
• 证实该模型能够捕捉与眼相关的大脑活动,这表明精神疲劳.

结论:

• 拟议的DNN框架通过分析眼相关的EEG信号,准确地识别精神疲劳.
• 这种方法可以从生理上解释,并利用心理生理机制.
• 这种方法显示出开发有效,紧的精神疲劳识别系统的潜力.