Einzeldurchlauf-Klassifizierung von kognitivem Stress mittels tragbarer, kabelloser Elektroenzephalografie
Emotiv
Aktualisiert am
10.06.2019
Einzeldurchlauf-Klassifizierung von kognitivem Stress mittels tragbarer, kabelloser Elektroenzephalografie
Emotiv
Aktualisiert am
10.06.2019
Einzeldurchlauf-Klassifizierung von kognitivem Stress mittels tragbarer, kabelloser Elektroenzephalografie
Emotiv
Aktualisiert am
10.06.2019
In dieser Arbeit wurde ein kostengünstiges drahtloses Elektroenzephalographie (EEG)-Headset verwendet, um die menschliche Reaktion auf verschiedene kognitive Stresszustände auf einer Single-Trial-Basis zu quantifizieren. Wir verwendeten einen Stroop-ähnlichen Farb-Wort-Interferenztest, um bei 18 Probanden leichte Stressreaktionen hervorzurufen, während wir das Kopfhaut-EEG aufzeichneten. Die von dreizehn Kopfhautpositionen aufgezeichneten Signale wurden mithilfe eines Algorithmus analysiert, der die Effektivwertspannungen in den Theta- (4–8 Hz), Alpha- (8–13 Hz) und Beta-Bands (13–30 Hz) unmittelbar nach dem Einsetzen der Stroop-Stimuli berechnet; den Mittelwert der Teager-Energie in jedem dieser drei Bänder sowie die Signal-Leitungslänge und die Anzahl der Spitzen des Breitband-EEG-Signals. Diese computergestützten Merkmale wurden während jeder Stimuluspräsentation aus den EEG-Signalen an dreizehn Elektroden extrahiert und als Eingaben für logistische Regression, quadratische Diskriminanzanalyse und k-Nächste-Nachbarn-Klassifikatoren verwendet.
In dieser Arbeit wurde ein kostengünstiges drahtloses Elektroenzephalographie (EEG)-Headset verwendet, um die menschliche Reaktion auf verschiedene kognitive Stresszustände auf einer Single-Trial-Basis zu quantifizieren. Wir verwendeten einen Stroop-ähnlichen Farb-Wort-Interferenztest, um bei 18 Probanden leichte Stressreaktionen hervorzurufen, während wir das Kopfhaut-EEG aufzeichneten. Die von dreizehn Kopfhautpositionen aufgezeichneten Signale wurden mithilfe eines Algorithmus analysiert, der die Effektivwertspannungen in den Theta- (4–8 Hz), Alpha- (8–13 Hz) und Beta-Bands (13–30 Hz) unmittelbar nach dem Einsetzen der Stroop-Stimuli berechnet; den Mittelwert der Teager-Energie in jedem dieser drei Bänder sowie die Signal-Leitungslänge und die Anzahl der Spitzen des Breitband-EEG-Signals. Diese computergestützten Merkmale wurden während jeder Stimuluspräsentation aus den EEG-Signalen an dreizehn Elektroden extrahiert und als Eingaben für logistische Regression, quadratische Diskriminanzanalyse und k-Nächste-Nachbarn-Klassifikatoren verwendet.
In dieser Arbeit wurde ein kostengünstiges drahtloses Elektroenzephalographie (EEG)-Headset verwendet, um die menschliche Reaktion auf verschiedene kognitive Stresszustände auf einer Single-Trial-Basis zu quantifizieren. Wir verwendeten einen Stroop-ähnlichen Farb-Wort-Interferenztest, um bei 18 Probanden leichte Stressreaktionen hervorzurufen, während wir das Kopfhaut-EEG aufzeichneten. Die von dreizehn Kopfhautpositionen aufgezeichneten Signale wurden mithilfe eines Algorithmus analysiert, der die Effektivwertspannungen in den Theta- (4–8 Hz), Alpha- (8–13 Hz) und Beta-Bands (13–30 Hz) unmittelbar nach dem Einsetzen der Stroop-Stimuli berechnet; den Mittelwert der Teager-Energie in jedem dieser drei Bänder sowie die Signal-Leitungslänge und die Anzahl der Spitzen des Breitband-EEG-Signals. Diese computergestützten Merkmale wurden während jeder Stimuluspräsentation aus den EEG-Signalen an dreizehn Elektroden extrahiert und als Eingaben für logistische Regression, quadratische Diskriminanzanalyse und k-Nächste-Nachbarn-Klassifikatoren verwendet.