Human-Machine Systems, IEEE, 2015

Abstract

L'évaluation de la charge de travail mentale à l'aide de mesures physiologiques, en particulier les signaux EEG (électroencéphalographie), est un domaine actif. Récemment, un certain nombre de systèmes d'acquisition sans fil pour mesurer l'EEG et d'autres signaux physiologiques sont devenus disponibles. Peu d'études ont appliqué de tels systèmes sans fil pour évaluer la charge de travail cognitive et évaluer leurs performances. Cet article présente une étape initiale pour explorer la faisabilité d'un système sans fil populaire (casque Emotiv EPOC) pour évaluer les niveaux de charge de travail de mémoire dans une tâche n-back bien connue. Nous avons développé un cadre de traitement du signal et de classification, qui intègre un algorithme d'élimination automatique des artefacts, un large éventail de techniques d'extraction de caractéristiques, une méthode de mise à l'échelle personnalisée des caractéristiques, une approche de sélection de caractéristiques basée sur la théorie de l'information et un modèle de classification basé sur des machines à vecteurs de support proximales. Les résultats expérimentaux montrent que les signaux EEG collectés sans fil peuvent être utilisés pour classifier différents niveaux de charge de travail de mémoire chez neuf participants. La précision des classifications entre le niveau de charge de travail le plus bas (0-back) et les niveaux de charge de travail actifs (1-, 2-, 3-back) était proche de 100 %. La meilleure précision de classification pour 1- contre 2-back était de 80 %, et pour 1- contre 3-back de 84 %. Cette étude indique que le système d'acquisition sans fil ainsi que les techniques avancées d'analyse de données et de reconnaissance de formes sont prometteurs pour parvenir à une surveillance et une identification en temps réel des niveaux de charge de travail mentale pour les humains engagés dans une grande variété d'activités cognitives dans la société moderne.Cliquez ici pour lire le rapport complet