Einzelversuch kognitiver Stressklassifikation mithilfe tragbarer drahtloser Elektroenzephalografie
Teilen:
Diese Arbeit verwendete kostengünstige drahtlose Elektroenzephalographie (EEG)-Headsets, um die menschliche Reaktion auf verschiedene kognitive Stresszustände auf Basis einzelner Versuche zu quantifizieren. Wir verwendeten einen Stroop-Art Farb-Wort-Interferenztest, um bei 18 Probanden milde Stressreaktionen hervorzurufen, während wir das EEG am Kopf aufzeichneten. Signale, die von dreizehn Kopfstellen aufgezeichnet wurden, wurden mit einem Algorithmus analysiert, der die quadratischen Mittelspannungen in den Theta-(4–8 Hz), Alpha-(8–13 Hz) und Beta-(13–30 Hz) Bändern unmittelbar nach dem Auftreten der Stroop-Stimuli berechnet; das Mittel der Teager-Energie in jedem dieser drei Bänder; sowie die Breitenband-EEG-Signallänge und die Anzahl der Peaks. Diese computergestützten Merkmale wurden aus den EEG-Signalen an dreizehn Elektroden während jeder Stimuluspräsentation extrahiert und als Eingaben für logistische Regression, quadratische Diskriminanzanalyse und k-nächste Nachbarn-Classifier verwendet.
Diese Arbeit verwendete kostengünstige drahtlose Elektroenzephalographie (EEG)-Headsets, um die menschliche Reaktion auf verschiedene kognitive Stresszustände auf Basis einzelner Versuche zu quantifizieren. Wir verwendeten einen Stroop-Art Farb-Wort-Interferenztest, um bei 18 Probanden milde Stressreaktionen hervorzurufen, während wir das EEG am Kopf aufzeichneten. Signale, die von dreizehn Kopfstellen aufgezeichnet wurden, wurden mit einem Algorithmus analysiert, der die quadratischen Mittelspannungen in den Theta-(4–8 Hz), Alpha-(8–13 Hz) und Beta-(13–30 Hz) Bändern unmittelbar nach dem Auftreten der Stroop-Stimuli berechnet; das Mittel der Teager-Energie in jedem dieser drei Bänder; sowie die Breitenband-EEG-Signallänge und die Anzahl der Peaks. Diese computergestützten Merkmale wurden aus den EEG-Signalen an dreizehn Elektroden während jeder Stimuluspräsentation extrahiert und als Eingaben für logistische Regression, quadratische Diskriminanzanalyse und k-nächste Nachbarn-Classifier verwendet.
Diese Arbeit verwendete kostengünstige drahtlose Elektroenzephalographie (EEG)-Headsets, um die menschliche Reaktion auf verschiedene kognitive Stresszustände auf Basis einzelner Versuche zu quantifizieren. Wir verwendeten einen Stroop-Art Farb-Wort-Interferenztest, um bei 18 Probanden milde Stressreaktionen hervorzurufen, während wir das EEG am Kopf aufzeichneten. Signale, die von dreizehn Kopfstellen aufgezeichnet wurden, wurden mit einem Algorithmus analysiert, der die quadratischen Mittelspannungen in den Theta-(4–8 Hz), Alpha-(8–13 Hz) und Beta-(13–30 Hz) Bändern unmittelbar nach dem Auftreten der Stroop-Stimuli berechnet; das Mittel der Teager-Energie in jedem dieser drei Bänder; sowie die Breitenband-EEG-Signallänge und die Anzahl der Peaks. Diese computergestützten Merkmale wurden aus den EEG-Signalen an dreizehn Elektroden während jeder Stimuluspräsentation extrahiert und als Eingaben für logistische Regression, quadratische Diskriminanzanalyse und k-nächste Nachbarn-Classifier verwendet.
