Pelacakan Beban Mental dengan Sensor EEG Seluler
Bagikan:


Abstrak
Tujuan dari penyelidikan ini adalah untuk menilai apakah pengaturan elektroensefalografi (EEG) mobile dapat digunakan untuk melacak beban mental, yang merupakan aspek penting dari kinerja belajar dan motivasi dan dengan demikian dapat mewakili sumber informasi yang berharga dalam evaluasi pendekatan pelatihan kognitif.
Dua puluh lima subjek sehat menjalani tes N-back tiga tingkat menggunakan pengaturan sepenuhnya mobile termasuk presentasi berbasis tablet dari tugas dan pengumpulan data EEG dengan perangkat EEG mobile yang dipasang sendiri pada dua titik waktu penilaian. Pendekatan analisis dua kali lipat dipilih termasuk analisis varians standar dan jaringan saraf buatan untuk membedakan tingkat beban kognitif. Temuan kami menunjukkan bahwa pengaturan ini layak untuk mendeteksi perubahan dalam beban kognitif, yang tercermin dari perubahan di berbagai lobus dalam frekuensi yang berbeda. Secara khusus, kami mengamati penurunan alfa oksipital dan peningkatan theta frontal, parietal, dan oksipital seiring bertambahnya beban kognitif. Tingkat beban kognitif yang paling berbeda dapat dibedakan oleh model pembelajaran mesin yang terintegrasi dengan akurasi 86%.
Kesimpulan
Dalam penyelidikan ini, kami menguji pengaturan sepenuhnya mobile untuk tugas pelatihan kognitif yang dipadukan dengan rekaman EEG untuk mendeteksi beban kognitif. Pengaturan ini didasarkan pada perangkat EEG mobile yang dikombinasikan dengan tablet untuk menampilkan tugas kognitif guna memungkinkan pemasangan dan pelaksanaan pengujian mandiri yang mudah. Analisis data perilaku mengkonfirmasi perbedaan dalam kinerja tugas tergantung pada kesulitan tugas. Selain itu, kami menemukan penurunan kekuatan band frekuensi alfa oksipital dan peningkatan kekuatan band frekuensi theta frontal pada kesulitan tugas yang lebih tinggi yang mengkonfirmasi hipotesis utama kami. Selain itu, klasifikasi usaha kognitif otomatis mengungkapkan bahwa pendekatan pembelajaran mesin membedakan antara tingkat beban kognitif yang paling berbeda dengan akurasi 86%. Temuan kami menunjukkan kelayakan pengaturan sepenuhnya mobile untuk mendeteksi tingkat beban kognitif yang berbeda seperti yang tercermin oleh perubahan kekuatan band. Selain itu, kegunaan yang dinilai secara subyektif memadai dengan sesi pelatihan langsung awal untuk pemasangan elektroda. Penyelidikan di masa depan diperlukan untuk mengevaluasi hasil pada sampel yang lebih beragam termasuk rentang usia yang lebih luas dan kelompok pasien.
Abstrak
Tujuan dari penyelidikan ini adalah untuk menilai apakah pengaturan elektroensefalografi (EEG) mobile dapat digunakan untuk melacak beban mental, yang merupakan aspek penting dari kinerja belajar dan motivasi dan dengan demikian dapat mewakili sumber informasi yang berharga dalam evaluasi pendekatan pelatihan kognitif.
Dua puluh lima subjek sehat menjalani tes N-back tiga tingkat menggunakan pengaturan sepenuhnya mobile termasuk presentasi berbasis tablet dari tugas dan pengumpulan data EEG dengan perangkat EEG mobile yang dipasang sendiri pada dua titik waktu penilaian. Pendekatan analisis dua kali lipat dipilih termasuk analisis varians standar dan jaringan saraf buatan untuk membedakan tingkat beban kognitif. Temuan kami menunjukkan bahwa pengaturan ini layak untuk mendeteksi perubahan dalam beban kognitif, yang tercermin dari perubahan di berbagai lobus dalam frekuensi yang berbeda. Secara khusus, kami mengamati penurunan alfa oksipital dan peningkatan theta frontal, parietal, dan oksipital seiring bertambahnya beban kognitif. Tingkat beban kognitif yang paling berbeda dapat dibedakan oleh model pembelajaran mesin yang terintegrasi dengan akurasi 86%.
Kesimpulan
Dalam penyelidikan ini, kami menguji pengaturan sepenuhnya mobile untuk tugas pelatihan kognitif yang dipadukan dengan rekaman EEG untuk mendeteksi beban kognitif. Pengaturan ini didasarkan pada perangkat EEG mobile yang dikombinasikan dengan tablet untuk menampilkan tugas kognitif guna memungkinkan pemasangan dan pelaksanaan pengujian mandiri yang mudah. Analisis data perilaku mengkonfirmasi perbedaan dalam kinerja tugas tergantung pada kesulitan tugas. Selain itu, kami menemukan penurunan kekuatan band frekuensi alfa oksipital dan peningkatan kekuatan band frekuensi theta frontal pada kesulitan tugas yang lebih tinggi yang mengkonfirmasi hipotesis utama kami. Selain itu, klasifikasi usaha kognitif otomatis mengungkapkan bahwa pendekatan pembelajaran mesin membedakan antara tingkat beban kognitif yang paling berbeda dengan akurasi 86%. Temuan kami menunjukkan kelayakan pengaturan sepenuhnya mobile untuk mendeteksi tingkat beban kognitif yang berbeda seperti yang tercermin oleh perubahan kekuatan band. Selain itu, kegunaan yang dinilai secara subyektif memadai dengan sesi pelatihan langsung awal untuk pemasangan elektroda. Penyelidikan di masa depan diperlukan untuk mengevaluasi hasil pada sampel yang lebih beragam termasuk rentang usia yang lebih luas dan kelompok pasien.
Abstrak
Tujuan dari penyelidikan ini adalah untuk menilai apakah pengaturan elektroensefalografi (EEG) mobile dapat digunakan untuk melacak beban mental, yang merupakan aspek penting dari kinerja belajar dan motivasi dan dengan demikian dapat mewakili sumber informasi yang berharga dalam evaluasi pendekatan pelatihan kognitif.
Dua puluh lima subjek sehat menjalani tes N-back tiga tingkat menggunakan pengaturan sepenuhnya mobile termasuk presentasi berbasis tablet dari tugas dan pengumpulan data EEG dengan perangkat EEG mobile yang dipasang sendiri pada dua titik waktu penilaian. Pendekatan analisis dua kali lipat dipilih termasuk analisis varians standar dan jaringan saraf buatan untuk membedakan tingkat beban kognitif. Temuan kami menunjukkan bahwa pengaturan ini layak untuk mendeteksi perubahan dalam beban kognitif, yang tercermin dari perubahan di berbagai lobus dalam frekuensi yang berbeda. Secara khusus, kami mengamati penurunan alfa oksipital dan peningkatan theta frontal, parietal, dan oksipital seiring bertambahnya beban kognitif. Tingkat beban kognitif yang paling berbeda dapat dibedakan oleh model pembelajaran mesin yang terintegrasi dengan akurasi 86%.
Kesimpulan
Dalam penyelidikan ini, kami menguji pengaturan sepenuhnya mobile untuk tugas pelatihan kognitif yang dipadukan dengan rekaman EEG untuk mendeteksi beban kognitif. Pengaturan ini didasarkan pada perangkat EEG mobile yang dikombinasikan dengan tablet untuk menampilkan tugas kognitif guna memungkinkan pemasangan dan pelaksanaan pengujian mandiri yang mudah. Analisis data perilaku mengkonfirmasi perbedaan dalam kinerja tugas tergantung pada kesulitan tugas. Selain itu, kami menemukan penurunan kekuatan band frekuensi alfa oksipital dan peningkatan kekuatan band frekuensi theta frontal pada kesulitan tugas yang lebih tinggi yang mengkonfirmasi hipotesis utama kami. Selain itu, klasifikasi usaha kognitif otomatis mengungkapkan bahwa pendekatan pembelajaran mesin membedakan antara tingkat beban kognitif yang paling berbeda dengan akurasi 86%. Temuan kami menunjukkan kelayakan pengaturan sepenuhnya mobile untuk mendeteksi tingkat beban kognitif yang berbeda seperti yang tercermin oleh perubahan kekuatan band. Selain itu, kegunaan yang dinilai secara subyektif memadai dengan sesi pelatihan langsung awal untuk pemasangan elektroda. Penyelidikan di masa depan diperlukan untuk mengevaluasi hasil pada sampel yang lebih beragam termasuk rentang usia yang lebih luas dan kelompok pasien.
Solusi
Dukungan
Perusahaan

© 2025 EMOTIV, Semua hak dilindungi.

Pilihan Privasi Anda (Pengaturan Cookie)
*Pemberitahuan – Produk EMOTIV dimaksudkan untuk digunakan untuk aplikasi penelitian dan penggunaan pribadi saja. Produk kami tidak dijual sebagai Alat Medis sebagaimana didefinisikan dalam arahan UE 93/42/EEC. Produk kami tidak dirancang atau dimaksudkan untuk digunakan dalam diagnosis atau pengobatan penyakit.
Catatan tentang Terjemahan: Versi non-Inggris dari situs web ini telah diterjemahkan untuk kenyamanan Anda menggunakan kecerdasan buatan. Meskipun kami berusaha agar akurat, terjemahan otomatis dapat mengandung kesalahan atau nuansa yang berbeda dari teks aslinya. Untuk informasi yang paling akurat, silakan rujuk ke versi bahasa Inggris dari situs ini.
Solusi
Dukungan
Perusahaan

© 2025 EMOTIV, Semua hak dilindungi.

Pilihan Privasi Anda (Pengaturan Cookie)
*Pemberitahuan – Produk EMOTIV dimaksudkan untuk digunakan untuk aplikasi penelitian dan penggunaan pribadi saja. Produk kami tidak dijual sebagai Alat Medis sebagaimana didefinisikan dalam arahan UE 93/42/EEC. Produk kami tidak dirancang atau dimaksudkan untuk digunakan dalam diagnosis atau pengobatan penyakit.
Catatan tentang Terjemahan: Versi non-Inggris dari situs web ini telah diterjemahkan untuk kenyamanan Anda menggunakan kecerdasan buatan. Meskipun kami berusaha agar akurat, terjemahan otomatis dapat mengandung kesalahan atau nuansa yang berbeda dari teks aslinya. Untuk informasi yang paling akurat, silakan rujuk ke versi bahasa Inggris dari situs ini.
Solusi
Dukungan
Perusahaan

© 2025 EMOTIV, Semua hak dilindungi.

Pilihan Privasi Anda (Pengaturan Cookie)
*Pemberitahuan – Produk EMOTIV dimaksudkan untuk digunakan untuk aplikasi penelitian dan penggunaan pribadi saja. Produk kami tidak dijual sebagai Alat Medis sebagaimana didefinisikan dalam arahan UE 93/42/EEC. Produk kami tidak dirancang atau dimaksudkan untuk digunakan dalam diagnosis atau pengobatan penyakit.
Catatan tentang Terjemahan: Versi non-Inggris dari situs web ini telah diterjemahkan untuk kenyamanan Anda menggunakan kecerdasan buatan. Meskipun kami berusaha agar akurat, terjemahan otomatis dapat mengandung kesalahan atau nuansa yang berbeda dari teks aslinya. Untuk informasi yang paling akurat, silakan rujuk ke versi bahasa Inggris dari situs ini.
