Human-Machine Systems, IEEE, 2015

초록

생리적 측정치, 특히 EEG(뇌전도) 신호를 사용한 정신적 작업 부하 평가는 활발한 연구 분야입니다. 최근에는 EEG 및 기타 생리적 신호를 측정하기 위한 다수의 무선 수집 시스템이 출시되었습니다. 인지 작업 부하를 평가하고 그 성능을 진단하기 위해 이러한 무선 시스템을 적용한 연구는 거의 없었습니다. 본 논문은 잘 알려진 n-back 과제에서 메모리 작업 부하 수준을 평가하기 위해 대중적인 무선 시스템(Emotiv EPOC 헤드셋)의 타당성을 탐색하는 첫 번째 단계를 제시합니다. 우리는 자동 아티팩트 제거 알고리즘, 광범위한 특징 추출 기술, 개인화된 특징 스케일링 방법, 정보 이론 기반 특징 선택 접근법, 그리고 근접 지원 벡터 머신(proximal-support-vector-machine) 기반 분류 모델을 통합한 신호 처리 및 분류 프레임워크를 개발했습니다. 실험 결과에 따르면 무선으로 수집된 EEG 신호를 사용하여 9명의 참가자에 대한 다양한 메모리 작업 부하 수준을 분류할 수 있음을 보여줍니다. 가장 낮은 작업 부하 수준(0-back)과 활성 작업 부하 수준(1-, 2-, 3-back) 간의 분류 정확도는 100%에 가까웠습니다. 1-back 대 2-back의 가장 높은 분류 정확도는 80%였고, 1-back 대 3-back은 84%였습니다. 본 연구는 현대 사회에서 광범위한 인지 활동에 종사하는 인간의 정신적 작업 부하 수준을 실시간으로 모니터링하고 식별하는 데 있어 무선 수집 시스템과 고급 데이터 분석 및 패턴 인식 기술이 유망하다는 것을 나타냅니다.전체 보고서를 읽으려면 여기를 클릭하십시오