Monitorowanie obciążenia psychicznego za pomocą mobilnego czujnika EEG
Quoc Minh Lai
Zaktualizowano dnia
4 sie 2021
Monitorowanie obciążenia psychicznego za pomocą mobilnego czujnika EEG
Quoc Minh Lai
Zaktualizowano dnia
4 sie 2021
Monitorowanie obciążenia psychicznego za pomocą mobilnego czujnika EEG
Quoc Minh Lai
Zaktualizowano dnia
4 sie 2021
Streszczenie
Celem niniejszego badania była ocena, czy mobilny system elektroencefalografii (EEG) może być wykorzystany do monitorowania obciążenia psychicznego, które jest ważnym aspektem wydajności uczenia się oraz motywacji, a tym samym może stanowić cenne źródło informacji w ocenie podejść do treningu poznawczego.
Dwudziestu pięciu zdrowych badanych wykonało trójpoziomowy test N-back przy użyciu w pełni mobilnego systemu, obejmującego prezentację zadania na tablecie oraz zbieranie danych EEG za pomocą samodzielnie zakładanego, mobilnego urządzenia EEG w dwóch punktach czasowych oceny. Wybrano dwutorowe podejście analityczne, obejmujące standardową analizę wariancji oraz sztuczną sieć neuronową w celu rozróżnienia poziomów obciążenia poznawczego. Nasze odkrycia wskazują, że ten system jest odpowiedni do wykrywania zmian w obciążeniu poznawczym, co odzwierciedlają zmiany w różnych płatach i pasmach częstotliwości. W szczególności zaobserwowaliśmy spadek potylicznej aktywności alfa oraz wzrost czołowej, ciemieniowej i potylicznej aktywności theta wraz ze wzrostem obciążenia poznawczego. Najbardziej wyraziste poziomy obciążenia poznawczego mogły być rozróżnione przez zintegrowane modele uczenia maszynowego z dokładnością wynoszącą 86%.
Wnioski
W obecnym badaniu przetestowaliśmy w pełni mobilny system do zadań treningu poznawczego połączony z rejestracją EEG w celu wykrywania obciążenia poznawczego. System opierał się na mobilnym urządzeniu EEG połączonym z tabletem do wyświetlania zadania poznawczego, co umożliwiało łatwe zakładanie i samodzielne wykonywanie testów. Analiza danych behawioralnych potwierdziła różnice w wykonywaniu zadań w zależności od stopnia ich trudności. Ponadto stwierdziliśmy spadek mocy pasma częstotliwości alfa w okolicy potylicznej oraz wzrost mocy pasma częstotliwości theta w okolicy czołowej przy wyższym poziomie trudności zadania, co potwierdza naszą główną hipotezę. Dodatkowo automatyczna klasyfikacja wysiłku poznawczego wykazała, że podejście oparte na uczeniu maszynowym rozróżnia najbardziej odmienne poziomy obciążenia poznawczego z dokładnością na poziomie 86%. Nasze odkrycia sugerują wykonalność w pełni mobilnego systemu do wykrywania określonych poziomów obciążenia poznawczego, odzwierciedlonych przez zmiany mocy pasm. Ponadto subiektywnie oceniona użyteczność jest zadowalająca przy zastosowaniu wstępnej sesji szkoleniowej z zakładania elektrod prowadzonej osobiście. Przyszłe badania są konieczne, aby ocenić wyniki w bardziej zróżnicowanych próbach, obejmujących szerszy zakres wiekowy i grupy pacjentów.
Streszczenie
Celem niniejszego badania była ocena, czy mobilny system elektroencefalografii (EEG) może być wykorzystany do monitorowania obciążenia psychicznego, które jest ważnym aspektem wydajności uczenia się oraz motywacji, a tym samym może stanowić cenne źródło informacji w ocenie podejść do treningu poznawczego.
Dwudziestu pięciu zdrowych badanych wykonało trójpoziomowy test N-back przy użyciu w pełni mobilnego systemu, obejmującego prezentację zadania na tablecie oraz zbieranie danych EEG za pomocą samodzielnie zakładanego, mobilnego urządzenia EEG w dwóch punktach czasowych oceny. Wybrano dwutorowe podejście analityczne, obejmujące standardową analizę wariancji oraz sztuczną sieć neuronową w celu rozróżnienia poziomów obciążenia poznawczego. Nasze odkrycia wskazują, że ten system jest odpowiedni do wykrywania zmian w obciążeniu poznawczym, co odzwierciedlają zmiany w różnych płatach i pasmach częstotliwości. W szczególności zaobserwowaliśmy spadek potylicznej aktywności alfa oraz wzrost czołowej, ciemieniowej i potylicznej aktywności theta wraz ze wzrostem obciążenia poznawczego. Najbardziej wyraziste poziomy obciążenia poznawczego mogły być rozróżnione przez zintegrowane modele uczenia maszynowego z dokładnością wynoszącą 86%.
Wnioski
W obecnym badaniu przetestowaliśmy w pełni mobilny system do zadań treningu poznawczego połączony z rejestracją EEG w celu wykrywania obciążenia poznawczego. System opierał się na mobilnym urządzeniu EEG połączonym z tabletem do wyświetlania zadania poznawczego, co umożliwiało łatwe zakładanie i samodzielne wykonywanie testów. Analiza danych behawioralnych potwierdziła różnice w wykonywaniu zadań w zależności od stopnia ich trudności. Ponadto stwierdziliśmy spadek mocy pasma częstotliwości alfa w okolicy potylicznej oraz wzrost mocy pasma częstotliwości theta w okolicy czołowej przy wyższym poziomie trudności zadania, co potwierdza naszą główną hipotezę. Dodatkowo automatyczna klasyfikacja wysiłku poznawczego wykazała, że podejście oparte na uczeniu maszynowym rozróżnia najbardziej odmienne poziomy obciążenia poznawczego z dokładnością na poziomie 86%. Nasze odkrycia sugerują wykonalność w pełni mobilnego systemu do wykrywania określonych poziomów obciążenia poznawczego, odzwierciedlonych przez zmiany mocy pasm. Ponadto subiektywnie oceniona użyteczność jest zadowalająca przy zastosowaniu wstępnej sesji szkoleniowej z zakładania elektrod prowadzonej osobiście. Przyszłe badania są konieczne, aby ocenić wyniki w bardziej zróżnicowanych próbach, obejmujących szerszy zakres wiekowy i grupy pacjentów.
Streszczenie
Celem niniejszego badania była ocena, czy mobilny system elektroencefalografii (EEG) może być wykorzystany do monitorowania obciążenia psychicznego, które jest ważnym aspektem wydajności uczenia się oraz motywacji, a tym samym może stanowić cenne źródło informacji w ocenie podejść do treningu poznawczego.
Dwudziestu pięciu zdrowych badanych wykonało trójpoziomowy test N-back przy użyciu w pełni mobilnego systemu, obejmującego prezentację zadania na tablecie oraz zbieranie danych EEG za pomocą samodzielnie zakładanego, mobilnego urządzenia EEG w dwóch punktach czasowych oceny. Wybrano dwutorowe podejście analityczne, obejmujące standardową analizę wariancji oraz sztuczną sieć neuronową w celu rozróżnienia poziomów obciążenia poznawczego. Nasze odkrycia wskazują, że ten system jest odpowiedni do wykrywania zmian w obciążeniu poznawczym, co odzwierciedlają zmiany w różnych płatach i pasmach częstotliwości. W szczególności zaobserwowaliśmy spadek potylicznej aktywności alfa oraz wzrost czołowej, ciemieniowej i potylicznej aktywności theta wraz ze wzrostem obciążenia poznawczego. Najbardziej wyraziste poziomy obciążenia poznawczego mogły być rozróżnione przez zintegrowane modele uczenia maszynowego z dokładnością wynoszącą 86%.
Wnioski
W obecnym badaniu przetestowaliśmy w pełni mobilny system do zadań treningu poznawczego połączony z rejestracją EEG w celu wykrywania obciążenia poznawczego. System opierał się na mobilnym urządzeniu EEG połączonym z tabletem do wyświetlania zadania poznawczego, co umożliwiało łatwe zakładanie i samodzielne wykonywanie testów. Analiza danych behawioralnych potwierdziła różnice w wykonywaniu zadań w zależności od stopnia ich trudności. Ponadto stwierdziliśmy spadek mocy pasma częstotliwości alfa w okolicy potylicznej oraz wzrost mocy pasma częstotliwości theta w okolicy czołowej przy wyższym poziomie trudności zadania, co potwierdza naszą główną hipotezę. Dodatkowo automatyczna klasyfikacja wysiłku poznawczego wykazała, że podejście oparte na uczeniu maszynowym rozróżnia najbardziej odmienne poziomy obciążenia poznawczego z dokładnością na poziomie 86%. Nasze odkrycia sugerują wykonalność w pełni mobilnego systemu do wykrywania określonych poziomów obciążenia poznawczego, odzwierciedlonych przez zmiany mocy pasm. Ponadto subiektywnie oceniona użyteczność jest zadowalająca przy zastosowaniu wstępnej sesji szkoleniowej z zakładania elektrod prowadzonej osobiście. Przyszłe badania są konieczne, aby ocenić wyniki w bardziej zróżnicowanych próbach, obejmujących szerszy zakres wiekowy i grupy pacjentów.