游戏障碍中的神经效率和注意力不稳定:基于任务的头脑电图和机器学习研究

科学领域:

• 神经科学是一个神经科学.
• 行为成研究 行为成研究
• 计算精神病学是一种计算精神病学.

背景情况:

• 游戏障碍 (GD) 是一种已知的行为成,具有已知的静止状态障碍.
• 在GD中活跃游戏过程中的神经生理动力学仍然在很大程度上未被探索.
• 了解基于任务的神经活动对于开发客观诊断工具至关重要.

研究的目的:

• 为了确定基于任务的脑电图 (EEG) 生物标志物,特定于游戏障碍.
• 评估这些EEG生物标志物的诊断实用性,用于GD检测.
• 探索GD和没有GD的个体在主动游戏期间的神经生理差异.

主要方法:

• 在手机游戏期间从30名参与者 (15名GD,15名对照者) 收集了尾EEG (O1/O2) 数据.
• 从EEG数据中提取了光谱,时间和非线性复杂性特征.
• 利用随机森林进行特征相关性排名和Leave-One-Subject-Out交叉验证,与五个机器学习模型进行分类.

主要成果:

• 游戏障碍组在游戏过程中表现出"光谱减速":增加了Delta/Theta功率和降低了Beta活动.
• 贝塔变异性成为一个关键的生物标志物,表明GD的注意力稳定性发生了变化.
• 一个决策树分类器在区分GD和控制组时实现了80.0%的准确性.

结论:

• 独特的神经生理模式,包括增加的低频功率,与游戏中游戏障碍有关.
• 尾部EEG生物标志物,特别是Beta变异性,显示出作为GD客观查指标的希望.
• 这些发现表明,尽管有活跃的任务参与,但在GD中存在潜在的"神经效率"或自动化处理.