一个神经反引导的EEG和BCI框架,用于ADHD个性化注意力康复

科学领域:

• 神经科学和认知科学 神经科学和认知科学
• 人与计算机的交互
• 生物医学工程 生物医学工程

背景情况:

• 注意缺陷多动症 (ADHD) 给注意力和参与带来了挑战.
• 现有的认知训练系统往往缺乏个性化和适应性困难.
• 基于脑电图 (EEG) 的脑电脑交互 (BCI) 提供了提高注意力的潜力.

研究的目的:

• 开发和评估一个适应性的,多任务的EEG-BCI培训系统,以提高注意力.
• 整合实时神经反与机器学习进行个性化认知训练.
• 评估该系统在有或没有ADHD的个体中的有效性.

主要方法:

• 50名参与者 (25名ADHD,25名对照) 使用了基于Unity的滑雪游戏 (SkiSport) 与EEG神经反.
• 该系统根据来自NeuroSky TGAM传感器的EEG衍生注意力指标来调整游戏的难度.
• 机器学习模型 (SVR,XGBoost,MLP) 使用行为和EEG数据预测了最佳难度参数.

主要成果:

• 脑电图注意力得分平均增加了15% (21.5%的ADHD参与者).
• 个性化适应性训练导致额外的10%的注意力增加.
• 行为指标 (准确度,游戏成绩,完成时间) 整体上提高了19%.
• 在注意力预测方面,XGBoost表现出高预测精度 (R2=0.9826).

结论:

• 开发的EEG-BCI游戏有效地提高了ADHD患者的注意力相关指标.
• 在严的游戏中,机器学习驱动的个性化提供了一个可扩展的,非药物学的认知训练策略.
• 这种方法为短期的注意力调节和认知增强提供了潜力.