Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Podejmij wyzwanie dla swojej pamięci! Zagraj w nową grę N-Back w aplikacji Emotiv
Śledzenie obciążenia psychicznego za pomocą mobilnego czujnika EEG
Udostępnij:
Abstrakt
Celem obecnego badania było ocenienie, czy mobilna elektroencefalografia (EEG) może być używana do śledzenia obciążenia umysłowego, co jest ważnym aspektem wydajności uczenia się i motywacji oraz może stanowić cenne źródło informacji w ocenie podejść do treningu poznawczego.
Dwadzieścia pięć zdrowych uczestników wykonało test N-back na trzech poziomach, korzystając z całkowicie mobilnego zestawu obejmującego prezentację zadania na tablecie oraz zbieranie danych EEG za pomocą samodzielnie zamontowanego mobilnego urządzenia EEG w dwóch punktach czasowych oceny. Wybrano podejście analityczne z podwójną analizą, obejmującą standardową analizę wariancji oraz sztuczną sieć neuronową do rozróżnienia poziomów obciążenia poznawczego. Nasze wyniki wskazują, że zestaw jest wykonalny do wykrywania zmian w obciążeniu poznawczym, odzwierciedlonym przez zmiany w różnych płatach w różnych pasmach częstotliwości. W szczególności zaobserwowaliśmy spadek mocy fal alfa w okolicy potylicznej oraz wzrost mocy fal theta w czołowej, ciemieniowej i potylicznej przy wzrastającym obciążeniu poznawczym. Najwyraźniejsze poziomy obciążenia poznawczego mogły być rozróżnione przez zintegrowane modele uczenia maszynowego z dokładnością 86 %.
Wnioski
W bieżącym badaniu przetestowaliśmy w pełni mobilny zestaw do zadań treningowych poznawczych połączony z nagrywaniem EEG w celu wykrycia obciążenia poznawczego. Zestaw oparty był na mobilnym urządzeniu EEG połączonym z tabletem do wyświetlania zadania poznawczego, co umożliwia łatwe montowanie i przeprowadzanie samodzielnych testów. Analiza danych behawioralnych potwierdziła różnice w wynikach zadań w zależności od trudności zadania. Ponadto znaleźliśmy spadek mocy pasma częstotliwości alfa w okolicy potylicznej oraz wzrost mocy pasma częstotliwości theta w okolicy czołowej przy wyższej trudności zadania, potwierdzając naszą główną hipotezę. Dodatkowo automatyczna klasyfikacja wysiłku poznawczego ujawniła, że podejście oparte na uczeniu maszynowym rozróżnia najbardziej wyraźne poziomy obciążenia poznawczego z dokładnością 86 %. Nasze wyniki sugerują wykonalność w pełni mobilnego zestawu do wykrywania wyraźnych poziomów obciążenia poznawczego, co znajduje odzwierciedlenie w zmianach mocy pasm. Dodatkowo, subiektywnie oceniana użyteczność jest adekwatna po wstępnym szkoleniu twarzą w twarz w zakresie montażu elektrod. Potrzebne są przyszłe badania w celu oceny wyników w bardziej zróżnicowanych próbach, w tym w szerszym zakresie wieku oraz grupach pacjentów.
Abstrakt
Celem obecnego badania było ocenienie, czy mobilna elektroencefalografia (EEG) może być używana do śledzenia obciążenia umysłowego, co jest ważnym aspektem wydajności uczenia się i motywacji oraz może stanowić cenne źródło informacji w ocenie podejść do treningu poznawczego.
Dwadzieścia pięć zdrowych uczestników wykonało test N-back na trzech poziomach, korzystając z całkowicie mobilnego zestawu obejmującego prezentację zadania na tablecie oraz zbieranie danych EEG za pomocą samodzielnie zamontowanego mobilnego urządzenia EEG w dwóch punktach czasowych oceny. Wybrano podejście analityczne z podwójną analizą, obejmującą standardową analizę wariancji oraz sztuczną sieć neuronową do rozróżnienia poziomów obciążenia poznawczego. Nasze wyniki wskazują, że zestaw jest wykonalny do wykrywania zmian w obciążeniu poznawczym, odzwierciedlonym przez zmiany w różnych płatach w różnych pasmach częstotliwości. W szczególności zaobserwowaliśmy spadek mocy fal alfa w okolicy potylicznej oraz wzrost mocy fal theta w czołowej, ciemieniowej i potylicznej przy wzrastającym obciążeniu poznawczym. Najwyraźniejsze poziomy obciążenia poznawczego mogły być rozróżnione przez zintegrowane modele uczenia maszynowego z dokładnością 86 %.
Wnioski
W bieżącym badaniu przetestowaliśmy w pełni mobilny zestaw do zadań treningowych poznawczych połączony z nagrywaniem EEG w celu wykrycia obciążenia poznawczego. Zestaw oparty był na mobilnym urządzeniu EEG połączonym z tabletem do wyświetlania zadania poznawczego, co umożliwia łatwe montowanie i przeprowadzanie samodzielnych testów. Analiza danych behawioralnych potwierdziła różnice w wynikach zadań w zależności od trudności zadania. Ponadto znaleźliśmy spadek mocy pasma częstotliwości alfa w okolicy potylicznej oraz wzrost mocy pasma częstotliwości theta w okolicy czołowej przy wyższej trudności zadania, potwierdzając naszą główną hipotezę. Dodatkowo automatyczna klasyfikacja wysiłku poznawczego ujawniła, że podejście oparte na uczeniu maszynowym rozróżnia najbardziej wyraźne poziomy obciążenia poznawczego z dokładnością 86 %. Nasze wyniki sugerują wykonalność w pełni mobilnego zestawu do wykrywania wyraźnych poziomów obciążenia poznawczego, co znajduje odzwierciedlenie w zmianach mocy pasm. Dodatkowo, subiektywnie oceniana użyteczność jest adekwatna po wstępnym szkoleniu twarzą w twarz w zakresie montażu elektrod. Potrzebne są przyszłe badania w celu oceny wyników w bardziej zróżnicowanych próbach, w tym w szerszym zakresie wieku oraz grupach pacjentów.
Abstrakt
Celem obecnego badania było ocenienie, czy mobilna elektroencefalografia (EEG) może być używana do śledzenia obciążenia umysłowego, co jest ważnym aspektem wydajności uczenia się i motywacji oraz może stanowić cenne źródło informacji w ocenie podejść do treningu poznawczego.
Dwadzieścia pięć zdrowych uczestników wykonało test N-back na trzech poziomach, korzystając z całkowicie mobilnego zestawu obejmującego prezentację zadania na tablecie oraz zbieranie danych EEG za pomocą samodzielnie zamontowanego mobilnego urządzenia EEG w dwóch punktach czasowych oceny. Wybrano podejście analityczne z podwójną analizą, obejmującą standardową analizę wariancji oraz sztuczną sieć neuronową do rozróżnienia poziomów obciążenia poznawczego. Nasze wyniki wskazują, że zestaw jest wykonalny do wykrywania zmian w obciążeniu poznawczym, odzwierciedlonym przez zmiany w różnych płatach w różnych pasmach częstotliwości. W szczególności zaobserwowaliśmy spadek mocy fal alfa w okolicy potylicznej oraz wzrost mocy fal theta w czołowej, ciemieniowej i potylicznej przy wzrastającym obciążeniu poznawczym. Najwyraźniejsze poziomy obciążenia poznawczego mogły być rozróżnione przez zintegrowane modele uczenia maszynowego z dokładnością 86 %.
Wnioski
W bieżącym badaniu przetestowaliśmy w pełni mobilny zestaw do zadań treningowych poznawczych połączony z nagrywaniem EEG w celu wykrycia obciążenia poznawczego. Zestaw oparty był na mobilnym urządzeniu EEG połączonym z tabletem do wyświetlania zadania poznawczego, co umożliwia łatwe montowanie i przeprowadzanie samodzielnych testów. Analiza danych behawioralnych potwierdziła różnice w wynikach zadań w zależności od trudności zadania. Ponadto znaleźliśmy spadek mocy pasma częstotliwości alfa w okolicy potylicznej oraz wzrost mocy pasma częstotliwości theta w okolicy czołowej przy wyższej trudności zadania, potwierdzając naszą główną hipotezę. Dodatkowo automatyczna klasyfikacja wysiłku poznawczego ujawniła, że podejście oparte na uczeniu maszynowym rozróżnia najbardziej wyraźne poziomy obciążenia poznawczego z dokładnością 86 %. Nasze wyniki sugerują wykonalność w pełni mobilnego zestawu do wykrywania wyraźnych poziomów obciążenia poznawczego, co znajduje odzwierciedlenie w zmianach mocy pasm. Dodatkowo, subiektywnie oceniana użyteczność jest adekwatna po wstępnym szkoleniu twarzą w twarz w zakresie montażu elektrod. Potrzebne są przyszłe badania w celu oceny wyników w bardziej zróżnicowanych próbach, w tym w szerszym zakresie wieku oraz grupach pacjentów.
