Acompanhamento da Carga Mental com um Sensor de EEG Móvel
Compartilhar:
Resumo
O objetivo da presente investigação foi avaliar se a configuração de eletroencefalografia (EEG) móvel pode ser usada para rastrear a carga de trabalho mental, que é um aspecto importante do desempenho de aprendizado e motivação e pode, portanto, representar uma valiosa fonte de informação na avaliação de abordagens de treinamento cognitivo.
Vinte e cinco sujeitos saudáveis realizaram um teste N-back de três níveis usando uma configuração totalmente móvel, incluindo apresentação da tarefa baseada em tablet e coleta de dados de EEG com um dispositivo de EEG móvel montado de forma autônoma em dois pontos de avaliação. Uma abordagem de análise em duas etapas foi escolhida, incluindo uma análise padrão de variância e uma rede neural artificial para distinguir os níveis de carga cognitiva. Nossos achados indicam que a configuração é viável para detectar mudanças na carga cognitiva, refletidas por alterações entre lobos em diferentes faixas de frequência. Em particular, observamos uma diminuição da frequência alfa occipital e um aumento da frequência theta frontal, parietal e occipital com o aumento da carga cognitiva. Os níveis mais distintos de carga cognitiva puderam ser discriminados pelos modelos de aprendizado de máquina integrados com uma precisão de 86%.
Conclusões
Na investigação atual, testamos uma configuração totalmente móvel para tarefas de treinamento cognitivo, combinada com gravação de EEG para detectar carga cognitiva. A configuração foi baseada em um dispositivo de EEG móvel combinado com um tablet para exibir a tarefa cognitiva, permitindo uma fácil montagem e realização de autoavaliações. A análise dos dados comportamentais confirmou diferenças no desempenho da tarefa dependendo da dificuldade da tarefa. Além disso, encontramos uma diminuição da potência da faixa de frequência alfa occipital e um aumento da potência da faixa de frequência theta frontal com a maior dificuldade da tarefa, confirmando nossa hipótese principal. Além disso, a classificação automática do esforço cognitivo revelou que a abordagem de aprendizado de máquina discrimina entre os níveis mais distintos de carga cognitiva com uma precisão de 86%. Nossos achados sugerem a viabilidade da configuração totalmente móvel para detectar níveis distintos de carga cognitiva, refletidos por mudanças na potência da faixa. Além disso, a usabilidade avaliada subjetivamente é adequada, com uma sessão inicial de treinamento em pessoa para a montagem dos eletrodos. Investigações futuras são necessárias para avaliar resultados em amostras mais diversas, incluindo uma faixa etária mais ampla e grupos de pacientes.
Resumo
O objetivo da presente investigação foi avaliar se a configuração de eletroencefalografia (EEG) móvel pode ser usada para rastrear a carga de trabalho mental, que é um aspecto importante do desempenho de aprendizado e motivação e pode, portanto, representar uma valiosa fonte de informação na avaliação de abordagens de treinamento cognitivo.
Vinte e cinco sujeitos saudáveis realizaram um teste N-back de três níveis usando uma configuração totalmente móvel, incluindo apresentação da tarefa baseada em tablet e coleta de dados de EEG com um dispositivo de EEG móvel montado de forma autônoma em dois pontos de avaliação. Uma abordagem de análise em duas etapas foi escolhida, incluindo uma análise padrão de variância e uma rede neural artificial para distinguir os níveis de carga cognitiva. Nossos achados indicam que a configuração é viável para detectar mudanças na carga cognitiva, refletidas por alterações entre lobos em diferentes faixas de frequência. Em particular, observamos uma diminuição da frequência alfa occipital e um aumento da frequência theta frontal, parietal e occipital com o aumento da carga cognitiva. Os níveis mais distintos de carga cognitiva puderam ser discriminados pelos modelos de aprendizado de máquina integrados com uma precisão de 86%.
Conclusões
Na investigação atual, testamos uma configuração totalmente móvel para tarefas de treinamento cognitivo, combinada com gravação de EEG para detectar carga cognitiva. A configuração foi baseada em um dispositivo de EEG móvel combinado com um tablet para exibir a tarefa cognitiva, permitindo uma fácil montagem e realização de autoavaliações. A análise dos dados comportamentais confirmou diferenças no desempenho da tarefa dependendo da dificuldade da tarefa. Além disso, encontramos uma diminuição da potência da faixa de frequência alfa occipital e um aumento da potência da faixa de frequência theta frontal com a maior dificuldade da tarefa, confirmando nossa hipótese principal. Além disso, a classificação automática do esforço cognitivo revelou que a abordagem de aprendizado de máquina discrimina entre os níveis mais distintos de carga cognitiva com uma precisão de 86%. Nossos achados sugerem a viabilidade da configuração totalmente móvel para detectar níveis distintos de carga cognitiva, refletidos por mudanças na potência da faixa. Além disso, a usabilidade avaliada subjetivamente é adequada, com uma sessão inicial de treinamento em pessoa para a montagem dos eletrodos. Investigações futuras são necessárias para avaliar resultados em amostras mais diversas, incluindo uma faixa etária mais ampla e grupos de pacientes.
Resumo
O objetivo da presente investigação foi avaliar se a configuração de eletroencefalografia (EEG) móvel pode ser usada para rastrear a carga de trabalho mental, que é um aspecto importante do desempenho de aprendizado e motivação e pode, portanto, representar uma valiosa fonte de informação na avaliação de abordagens de treinamento cognitivo.
Vinte e cinco sujeitos saudáveis realizaram um teste N-back de três níveis usando uma configuração totalmente móvel, incluindo apresentação da tarefa baseada em tablet e coleta de dados de EEG com um dispositivo de EEG móvel montado de forma autônoma em dois pontos de avaliação. Uma abordagem de análise em duas etapas foi escolhida, incluindo uma análise padrão de variância e uma rede neural artificial para distinguir os níveis de carga cognitiva. Nossos achados indicam que a configuração é viável para detectar mudanças na carga cognitiva, refletidas por alterações entre lobos em diferentes faixas de frequência. Em particular, observamos uma diminuição da frequência alfa occipital e um aumento da frequência theta frontal, parietal e occipital com o aumento da carga cognitiva. Os níveis mais distintos de carga cognitiva puderam ser discriminados pelos modelos de aprendizado de máquina integrados com uma precisão de 86%.
Conclusões
Na investigação atual, testamos uma configuração totalmente móvel para tarefas de treinamento cognitivo, combinada com gravação de EEG para detectar carga cognitiva. A configuração foi baseada em um dispositivo de EEG móvel combinado com um tablet para exibir a tarefa cognitiva, permitindo uma fácil montagem e realização de autoavaliações. A análise dos dados comportamentais confirmou diferenças no desempenho da tarefa dependendo da dificuldade da tarefa. Além disso, encontramos uma diminuição da potência da faixa de frequência alfa occipital e um aumento da potência da faixa de frequência theta frontal com a maior dificuldade da tarefa, confirmando nossa hipótese principal. Além disso, a classificação automática do esforço cognitivo revelou que a abordagem de aprendizado de máquina discrimina entre os níveis mais distintos de carga cognitiva com uma precisão de 86%. Nossos achados sugerem a viabilidade da configuração totalmente móvel para detectar níveis distintos de carga cognitiva, refletidos por mudanças na potência da faixa. Além disso, a usabilidade avaliada subjetivamente é adequada, com uma sessão inicial de treinamento em pessoa para a montagem dos eletrodos. Investigações futuras são necessárias para avaliar resultados em amostras mais diversas, incluindo uma faixa etária mais ampla e grupos de pacientes.
Soluções
Suporte
Empresa
Isenção de responsabilidade do produto
© 2025 EMOTIV, Todos os direitos reservados.
Suas Opções de Privacidade (Configurações de Cookies)
*Isenção de responsabilidade – Os produtos EMOTIV são destinados apenas para aplicações de pesquisa e uso pessoal. Nossos produtos não são vendidos como Dispositivos Médicos conforme definido na diretiva da UE 93/42/EEC. Nossos produtos não são projetados ou destinados a serem usados para diagnóstico ou tratamento de doenças.
Nota sobre as Traduções: Versões não inglesas deste site foram traduzidas para sua conveniência usando inteligência artificial. Embora nos esforcemos pela precisão, as traduções automatizadas podem conter erros ou nuances que diferem do texto original. Para as informações mais precisas, consulte a versão em inglês deste site.
Soluções
Suporte
Empresa
Isenção de responsabilidade do produto
© 2025 EMOTIV, Todos os direitos reservados.
Suas Opções de Privacidade (Configurações de Cookies)
*Isenção de responsabilidade – Os produtos EMOTIV são destinados apenas para aplicações de pesquisa e uso pessoal. Nossos produtos não são vendidos como Dispositivos Médicos conforme definido na diretiva da UE 93/42/EEC. Nossos produtos não são projetados ou destinados a serem usados para diagnóstico ou tratamento de doenças.
Nota sobre as Traduções: Versões não inglesas deste site foram traduzidas para sua conveniência usando inteligência artificial. Embora nos esforcemos pela precisão, as traduções automatizadas podem conter erros ou nuances que diferem do texto original. Para as informações mais precisas, consulte a versão em inglês deste site.
Soluções
Suporte
Empresa
Isenção de responsabilidade do produto
© 2025 EMOTIV, Todos os direitos reservados.
Suas Opções de Privacidade (Configurações de Cookies)
*Isenção de responsabilidade – Os produtos EMOTIV são destinados apenas para aplicações de pesquisa e uso pessoal. Nossos produtos não são vendidos como Dispositivos Médicos conforme definido na diretiva da UE 93/42/EEC. Nossos produtos não são projetados ou destinados a serem usados para diagnóstico ou tratamento de doenças.
Nota sobre as Traduções: Versões não inglesas deste site foram traduzidas para sua conveniência usando inteligência artificial. Embora nos esforcemos pela precisão, as traduções automatizadas podem conter erros ou nuances que diferem do texto original. Para as informações mais precisas, consulte a versão em inglês deste site.