ردیابی حجم کار ذهنی با سنسور EEG موبایل - Emotiv

ردیابی بار کاری ذهنی با استفاده از یک حسگر نوار مغزی (EEG) همراه

کووک مین لای

به‌روزرسانی در

۱۳ مرداد ۱۴۰۰

ردیابی حجم کار ذهنی با سنسور EEG موبایل - Emotiv

ردیابی بار کاری ذهنی با استفاده از یک حسگر نوار مغزی (EEG) همراه

کووک مین لای

به‌روزرسانی در

۱۳ مرداد ۱۴۰۰

ردیابی حجم کار ذهنی با سنسور EEG موبایل - Emotiv

ردیابی بار کاری ذهنی با استفاده از یک حسگر نوار مغزی (EEG) همراه

کووک مین لای

به‌روزرسانی در

۱۳ مرداد ۱۴۰۰

چکیده

هدف از پژوهش حاضر، ارزیابی این موضوست که آیا می‌توان از سیستم الکتروآنسفالوگرافی (EEG) همراه برای ردیابی بار ذهنی استفاده کرد یا خیر؛ بار ذهنی یک جنبه مهم از عملکرد یادگیری محسوب می‌شود و ممکن است منبع ارزشمندی از اطلاعات در ارزیابی روش‌های آموزش شناختی باشد.

بیست و پنج فرد سالم یک آزمون N-back سه‌سپهری را با استفاده از یک سیستم کاملاً همراه، شامل ارائه‌ی تکلیف مبتنی بر تبلت و جمع‌آوری داده‌های EEG با یک دستگاه EEG همراه توسط خودِ فرد، در تشخیص دو نقطه زمانی انجام دادند. یک رویکرد تحلیلی دوگانه، شامل تحلیل واریانس استاندارد و شبکه عصبی مصنوعی برای تمایز سطوحِ بار شناختی، انتخاب شد. یافته‌های ما نشاك می‌دهند که این سیستم برای تشخیص تغییراتِ بار شناختی، که با تغییرات در لوب‌های مختلف در باندهای فرکانسی گوناگون منعکس می‌شود، مناسب است. بهویژه، ما شاهد کاهش آلفای پس‌سری و افزایش تتای پیشانی، آهیانه و پس‌سری با افزایش بار شناختی بودیم. تمایز میان مشخص‌ترین سطوحِ بار شناختی، توسط مدل‌های یڢپارچه‌ی یادگیری ماشین با دقت 86% قابل تفکیک بود.

نتیجه‌گیری‌ها

در تحقیق حاضر، ما یڡ سیستم کاملثً همراه را برای تکالیف آموزشِ شناختی همراه با ثبت EEG برای تشخیص بار شنؠ ارزیابی کردیم. این سیستم مبتنی بر یک دستگاه EEG همراه ترکیبِ با یک تبلت برای نمایش تڡ لیف شناختی بود تا امکان نصب آسان و انجام خودآزمایی را فراهم کند. تحلیل داده‌های رفتاری، تفاوت‌ها در عملکرد تکلیف را بسته به درجه سختی تکلیف تأیید کرد. علاوه بر این، ما کاملاً کاَ هش قدرت باند فرکانسی آلفای پس‌سری و ا؟فزایش قدرت باند فرکانسی تتای پیشانی را در پی افزایش درجه سختی تکلیف مشاهده کردیم، که فرضیه‌ی اصلی ما را تأیید می‌کند. همچنین، طبقه‌بندی خودکار تلاش شناختی نشان داد که رویکرد یادگیری ماشین، بین مشخص‌ترین سطوحِ بار شناختی با دقت 86% تمایز قائل می‌شود. یافته‌های ما پیشنهاد می‌کنند که استفاده از یڡ سیستم کاملثً همراه برای تشخیص سطوحِ مختلف بار شنؠری، مانند آنچه که در تغییرات قدرت باندهای فرکانسی منعکس می‌شود، امکان‌پذیر است. عكس‌العملِ کاربران دربارهی کارایی تجهیزات نیز فقط با یک جلسهی آموزش حضوری اولیه جهت نصب الکترودها، مناسب ارزیابی گردید. برای ارزیابی نتایج در نمونه‌های متنوع‌ترِ جامعه شاملِ طیف سنی وسیع‌تر همراه با گروهِ بیماران، تحقیقاتِ بیشتری در آینده مورد نیاز است.

متن کامل مقاله را اینجا بخوانید

چکیده

هدف از پژوهش حاضر، ارزیابی این موضوست که آیا می‌توان از سیستم الکتروآنسفالوگرافی (EEG) همراه برای ردیابی بار ذهنی استفاده کرد یا خیر؛ بار ذهنی یک جنبه مهم از عملکرد یادگیری محسوب می‌شود و ممکن است منبع ارزشمندی از اطلاعات در ارزیابی روش‌های آموزش شناختی باشد.

بیست و پنج فرد سالم یک آزمون N-back سه‌سپهری را با استفاده از یک سیستم کاملاً همراه، شامل ارائه‌ی تکلیف مبتنی بر تبلت و جمع‌آوری داده‌های EEG با یک دستگاه EEG همراه توسط خودِ فرد، در تشخیص دو نقطه زمانی انجام دادند. یک رویکرد تحلیلی دوگانه، شامل تحلیل واریانس استاندارد و شبکه عصبی مصنوعی برای تمایز سطوحِ بار شناختی، انتخاب شد. یافته‌های ما نشاك می‌دهند که این سیستم برای تشخیص تغییراتِ بار شناختی، که با تغییرات در لوب‌های مختلف در باندهای فرکانسی گوناگون منعکس می‌شود، مناسب است. بهویژه، ما شاهد کاهش آلفای پس‌سری و افزایش تتای پیشانی، آهیانه و پس‌سری با افزایش بار شناختی بودیم. تمایز میان مشخص‌ترین سطوحِ بار شناختی، توسط مدل‌های یڢپارچه‌ی یادگیری ماشین با دقت 86% قابل تفکیک بود.

نتیجه‌گیری‌ها

در تحقیق حاضر، ما یڡ سیستم کاملثً همراه را برای تکالیف آموزشِ شناختی همراه با ثبت EEG برای تشخیص بار شنؠ ارزیابی کردیم. این سیستم مبتنی بر یک دستگاه EEG همراه ترکیبِ با یک تبلت برای نمایش تڡ لیف شناختی بود تا امکان نصب آسان و انجام خودآزمایی را فراهم کند. تحلیل داده‌های رفتاری، تفاوت‌ها در عملکرد تکلیف را بسته به درجه سختی تکلیف تأیید کرد. علاوه بر این، ما کاملاً کاَ هش قدرت باند فرکانسی آلفای پس‌سری و ا؟فزایش قدرت باند فرکانسی تتای پیشانی را در پی افزایش درجه سختی تکلیف مشاهده کردیم، که فرضیه‌ی اصلی ما را تأیید می‌کند. همچنین، طبقه‌بندی خودکار تلاش شناختی نشان داد که رویکرد یادگیری ماشین، بین مشخص‌ترین سطوحِ بار شناختی با دقت 86% تمایز قائل می‌شود. یافته‌های ما پیشنهاد می‌کنند که استفاده از یڡ سیستم کاملثً همراه برای تشخیص سطوحِ مختلف بار شنؠری، مانند آنچه که در تغییرات قدرت باندهای فرکانسی منعکس می‌شود، امکان‌پذیر است. عكس‌العملِ کاربران دربارهی کارایی تجهیزات نیز فقط با یک جلسهی آموزش حضوری اولیه جهت نصب الکترودها، مناسب ارزیابی گردید. برای ارزیابی نتایج در نمونه‌های متنوع‌ترِ جامعه شاملِ طیف سنی وسیع‌تر همراه با گروهِ بیماران، تحقیقاتِ بیشتری در آینده مورد نیاز است.

متن کامل مقاله را اینجا بخوانید

چکیده

هدف از پژوهش حاضر، ارزیابی این موضوست که آیا می‌توان از سیستم الکتروآنسفالوگرافی (EEG) همراه برای ردیابی بار ذهنی استفاده کرد یا خیر؛ بار ذهنی یک جنبه مهم از عملکرد یادگیری محسوب می‌شود و ممکن است منبع ارزشمندی از اطلاعات در ارزیابی روش‌های آموزش شناختی باشد.

بیست و پنج فرد سالم یک آزمون N-back سه‌سپهری را با استفاده از یک سیستم کاملاً همراه، شامل ارائه‌ی تکلیف مبتنی بر تبلت و جمع‌آوری داده‌های EEG با یک دستگاه EEG همراه توسط خودِ فرد، در تشخیص دو نقطه زمانی انجام دادند. یک رویکرد تحلیلی دوگانه، شامل تحلیل واریانس استاندارد و شبکه عصبی مصنوعی برای تمایز سطوحِ بار شناختی، انتخاب شد. یافته‌های ما نشاك می‌دهند که این سیستم برای تشخیص تغییراتِ بار شناختی، که با تغییرات در لوب‌های مختلف در باندهای فرکانسی گوناگون منعکس می‌شود، مناسب است. بهویژه، ما شاهد کاهش آلفای پس‌سری و افزایش تتای پیشانی، آهیانه و پس‌سری با افزایش بار شناختی بودیم. تمایز میان مشخص‌ترین سطوحِ بار شناختی، توسط مدل‌های یڢپارچه‌ی یادگیری ماشین با دقت 86% قابل تفکیک بود.

نتیجه‌گیری‌ها

در تحقیق حاضر، ما یڡ سیستم کاملثً همراه را برای تکالیف آموزشِ شناختی همراه با ثبت EEG برای تشخیص بار شنؠ ارزیابی کردیم. این سیستم مبتنی بر یک دستگاه EEG همراه ترکیبِ با یک تبلت برای نمایش تڡ لیف شناختی بود تا امکان نصب آسان و انجام خودآزمایی را فراهم کند. تحلیل داده‌های رفتاری، تفاوت‌ها در عملکرد تکلیف را بسته به درجه سختی تکلیف تأیید کرد. علاوه بر این، ما کاملاً کاَ هش قدرت باند فرکانسی آلفای پس‌سری و ا؟فزایش قدرت باند فرکانسی تتای پیشانی را در پی افزایش درجه سختی تکلیف مشاهده کردیم، که فرضیه‌ی اصلی ما را تأیید می‌کند. همچنین، طبقه‌بندی خودکار تلاش شناختی نشان داد که رویکرد یادگیری ماشین، بین مشخص‌ترین سطوحِ بار شناختی با دقت 86% تمایز قائل می‌شود. یافته‌های ما پیشنهاد می‌کنند که استفاده از یڡ سیستم کاملثً همراه برای تشخیص سطوحِ مختلف بار شنؠری، مانند آنچه که در تغییرات قدرت باندهای فرکانسی منعکس می‌شود، امکان‌پذیر است. عكس‌العملِ کاربران دربارهی کارایی تجهیزات نیز فقط با یک جلسهی آموزش حضوری اولیه جهت نصب الکترودها، مناسب ارزیابی گردید. برای ارزیابی نتایج در نمونه‌های متنوع‌ترِ جامعه شاملِ طیف سنی وسیع‌تر همراه با گروهِ بیماران، تحقیقاتِ بیشتری در آینده مورد نیاز است.

متن کامل مقاله را اینجا بخوانید

به خواندن ادامه دهید

استفاده از واسط‌های مغز-رایانه برای تشخیص میزان رضایت انسان در تعامل انسان-ربات