모바일 EEG 센서를 이용한 정신 작업 부하 추적

개요

현재 조사의 목적은 모바일 전기뇌파(EEG) 설정이 정신적 업무량을 추적하는 데 사용될 수 있는지를 평가하는 것이었으며, 이는 학습 성과와 동기의 중요한 측면이며 인지 훈련 접근법 평가에서 가치 있는 정보 출처가 될 수 있습니다.

25명의 건강한 피험자가 태블릿 기반의 과제 제시 및 자가 장착된 모바일 EEG 장치를 사용하여 두 개의 평가 시점에서 EEG 데이터 수집을 포함하여 완전한 모바일 설정으로 3단계 N-back 테스트를 수행했습니다. 우리는 인지 부하 수준을 구별하기 위해 분산 분석 표준 분석과 인공 신경망을 포함하는 이중 분석 접근 방식을 선택했습니다. 우리의 연구 결과는 설정이 변화하는 인지 부하를 감지하는 데 실현 가능하다는 것을 나타내며, 이는 다양한 주파수 대역에서 엽 내의 변화로 반영됩니다. 특히, 우리는 인지 부하의 증가에 따라 후두 알파의 감소와 전두, 두정 및 후두 세타의 증가를 관찰했습니다. 가장 뚜렷한 인지 부하 수준은 통합된 머신 러닝 모델로 86%의 정확도로 구별할 수 있었습니다.

결론

현재 조사에서는 인지 훈련 과제를 위한 완전한 모바일 설정을 테스트하여 EEG 기록과 결합하여 인지 부하를 감지했습니다. 이 설정은 자가 테스트를 용이하게 하기 위해 과제를 표시하기 위해 태블릿과 결합된 모바일 EEG 장치를 기반으로 하였습니다. 행동 데이터 분석은 과제 난이도에 따라 작업 성과의 차이를 확인했습니다. 또한, 우리는 작업의 난이도가 높아질 경우 후두 알파 주파수 대역의 전력 감소와 전두 세타 주파수 대역의 전력 증가를 발견하여 우리의 주요 가설을 확인했습니다. 추가로, 자동 인지 노력 분류는 머신 러닝 접근 방식이 가장 뚜렷한 인지 부하 수준을 86%의 정확도로 구별함을 보여주었습니다. 우리의 연구 결과는 주파수 대역 전력 변화로 반영되는 뚜렷한 인지 부하 수준을 감지하는 완전한 모바일 설정의 실현 가능성을 제안합니다. 또한, 주관적으로 평가된 사용성은 전극 장착의 초기 대면 교육 세션과 함께 적절합니다. 향후 조사에서 더 다양한 샘플, 더 넓은 연령대 및 환자 그룹을 포함하여 결과를 평가할 필요가 있습니다.

전체 기사를 여기에서 읽기