سیستم‌های انسان-ماشین، IEEE، ۲۰۱۵

چکیده

ارزیابی بار کاری ذهنی با استفاده از معیارهای فیزیولوژیکی، به ویژه سیگنال‌های EEG (الکتروانسفالوگرافی)، یک حوزه فعال است. اخیراً تعدادی از سیستم‌های ثبت بی‌سیم برای اندازه‌گیری EEG و سایر سیگنال‌های فیزیولوژیکی در دسترس قرار گرفته‌اند. مطالعات اندکی از چنین سیستم‌های بی‌سیمی برای ارزیابی بار کاری شناختی و سنجش عملکرد آن‌ها استفاده کرده‌اند. این مقاله گام نخست را برای بررسی امکان‌سنجی یک سیستم بی‌سیم محبوب (هدست Emotiv EPOC) برای ارزیابی سطوح بار کاری حافظه در یک تکلیف شناخته‌شده n-back ارائه می‌دهد. ما یک چارچوب پردازش سیگنال و طبقه‌بندی توسعه دادیم که یک الگوریتم حذف خودکار آرتیفکت، طیف گسترده‌ای از تکنیک‌های استخراج ویژگی، یک روش شخصی‌سازی‌شده مقیاس‌گذاری ویژگی، یک رویکرد انتخاب ویژگی مبتنی بر نظریه اطلاعات و یک مدل طبقه‌بندی مبتنی بر ماشین بردار پشتیبان پروکسیمال را یکپارچه کرده است. نتایج تجربی نشان می‌دهد که سیگنال‌های EEG جمع‌آوری‌شده به صورت بی‌سیم می‌توانند برای طبقه‌بندی سطوح مختلف بار کاری حافظه برای نه شرکت‌کننده مورد استفاده قرار گیرند. دقت طبقه‌بندی بین پایین‌ترین سطح بار کاری (0-back) و سطوح بار کاری فعال (1-، 2-، 3-back) نزدیک به ۱۰۰٪ بود. بهترین دقت طبقه‌بندی برای 1-back در مقابل 2-back برابر با ۸۰٪ و برای 1-back در مقابل 3-back برابر با ۸۴٪ بود. این مطالعه نشان می‌دهد که سیستم ثبت بی‌سیم و تکنیک‌های پیشرفته تجزیه و تحلیل داده‌ها و تشخیص الگو برای دستیابی به نظارت و شناسایی بلادرنگ سطوح بار کاری ذهنی برای انسان‌های درگیر در طیف گسترده‌ای از فعالیت‌های شناختی در جامعه مدرن نویدبخش هستند.برای خواندن گزارش کامل اینجا کلیک کنید