
Klasifikasi Stres Kognitif Uji-Tunggal Menggunakan Elektroensefalografi Nirkabel Portabel
Emotiv
Diperbarui pada
10 Jun 2019

Klasifikasi Stres Kognitif Uji-Tunggal Menggunakan Elektroensefalografi Nirkabel Portabel
Emotiv
Diperbarui pada
10 Jun 2019

Klasifikasi Stres Kognitif Uji-Tunggal Menggunakan Elektroensefalografi Nirkabel Portabel
Emotiv
Diperbarui pada
10 Jun 2019
Penelitian ini menggunakan headset elektroensefalografi (EEG) nirkabel berbiaya rendah untuk mengukur respons manusia terhadap berbagai kondisi stres kognitif berdasarkan uji coba tunggal. Kami menggunakan uji interferensi kata-warna tipe Stroop untuk memicu respons stres ringan pada 18 subjek sambil merekam EEG kulit kepala. Sinyal yang direkam dari tiga belas lokasi kulit kepala dianalisis menggunakan algoritme yang menghitung tegangan akar kuadrat rata-rata (root mean square) pada pita theta (4–8 Hz), alpha (8–13 Hz), dan beta (13–30 Hz) segera setelah dimulainya rangsangan Stroop; rata-rata energi Teager pada masing-masing dari ketiga pita tersebut; serta panjang garis sinyal EEG pita lebar dan jumlah puncak. Fitur-fitur komputasi ini diekstraksi dari sinyal EEG pada tiga belas elektroda selama setiap presentasi stimulus dan digunakan sebagai masukan untuk regresi logistik, analisis diskriminan kuadratik, dan pengklasifikasi tetangga terdekat k (k-nearest neighbour).
Penelitian ini menggunakan headset elektroensefalografi (EEG) nirkabel berbiaya rendah untuk mengukur respons manusia terhadap berbagai kondisi stres kognitif berdasarkan uji coba tunggal. Kami menggunakan uji interferensi kata-warna tipe Stroop untuk memicu respons stres ringan pada 18 subjek sambil merekam EEG kulit kepala. Sinyal yang direkam dari tiga belas lokasi kulit kepala dianalisis menggunakan algoritme yang menghitung tegangan akar kuadrat rata-rata (root mean square) pada pita theta (4–8 Hz), alpha (8–13 Hz), dan beta (13–30 Hz) segera setelah dimulainya rangsangan Stroop; rata-rata energi Teager pada masing-masing dari ketiga pita tersebut; serta panjang garis sinyal EEG pita lebar dan jumlah puncak. Fitur-fitur komputasi ini diekstraksi dari sinyal EEG pada tiga belas elektroda selama setiap presentasi stimulus dan digunakan sebagai masukan untuk regresi logistik, analisis diskriminan kuadratik, dan pengklasifikasi tetangga terdekat k (k-nearest neighbour).
Penelitian ini menggunakan headset elektroensefalografi (EEG) nirkabel berbiaya rendah untuk mengukur respons manusia terhadap berbagai kondisi stres kognitif berdasarkan uji coba tunggal. Kami menggunakan uji interferensi kata-warna tipe Stroop untuk memicu respons stres ringan pada 18 subjek sambil merekam EEG kulit kepala. Sinyal yang direkam dari tiga belas lokasi kulit kepala dianalisis menggunakan algoritme yang menghitung tegangan akar kuadrat rata-rata (root mean square) pada pita theta (4–8 Hz), alpha (8–13 Hz), dan beta (13–30 Hz) segera setelah dimulainya rangsangan Stroop; rata-rata energi Teager pada masing-masing dari ketiga pita tersebut; serta panjang garis sinyal EEG pita lebar dan jumlah puncak. Fitur-fitur komputasi ini diekstraksi dari sinyal EEG pada tiga belas elektroda selama setiap presentasi stimulus dan digunakan sebagai masukan untuk regresi logistik, analisis diskriminan kuadratik, dan pengklasifikasi tetangga terdekat k (k-nearest neighbour).