ระบบมนุษย์-เครื่องจักร, IEEE, 2015

บทคัดย่อ

การประเมินภาระงานทางสมองโดยใช้การวัดทางสรีรวิทยา โดยเฉพาะสัญญาณ EEG (คลื่นไฟฟ้าสมอง) เป็นสาขาที่มีการศึกษากันอย่างแพร่หลาย เมื่อไม่นานมานี้ มีระบบการเก็บข้อมูลแบบไร้สายจำนวนมากที่สามารถใช้วัดสัญญาณ EEG และสัญญาณทางสรีรวิทยาอื่นๆ ได้ มีการศึกษาเพียงไม่กี่ชิ้นที่นำระบบไร้สายดังกล่าวมาใช้ในการประเมินภาระงานทางปัญญาและประเมินประสิทธิภาพของระบบ บทความนี้นำเสนอขั้นตอนแรกในการสำรวจความเป็นไปได้ของระบบไร้สายยอดนิยม (ชุดหูฟัง Emotiv EPOC) เพื่อประเมินระดับภาระงานของหน่วยความจำในแบบทดสอบ n-back ที่เป็นที่รู้จักกันดี เราได้พัฒนาโครงร่างการประมวลผลและการจำแนกประเภทสัญญาณ ซึ่งรวมเอาอัลกอริทึมการกำจัดสิ่งเจือปนสัญญาณโดยอัตโนมัติ, เทคนิคการสกัดคุณลักษณะที่ครอบคลุมคลื่นความถี่กว้าง, วิธีการปรับขนาดคุณลักษณะเฉพาะบุคคล, วิธีการเลือกคุณลักษณะตามทฤษฎีสารสนเทศ และแบบจำลองการจำแนกประเภทตามเวกเตอร์สนับสนุนส่วนใกล้เคียง (proximal support vector machine) ผลการทดลองแสดงให้เห็นว่าสัญญาณ EEG ที่รวบรวมแบบไร้สายสามารถนำมาใช้ในการจำแนกประเภทระดับภาระงานของหน่วยความจำที่แตกต่างกันสำหรับผู้เข้าร่วม 9 คน ความแม่นยำในการจำแนกประเภทระหว่างระดับภาระงานต่ำสุด (0-back) และระดับภาระงานที่ทำงานอยู่ (1-, 2-, 3-back) อยู่ใกล้เคียง 100% ความแม่นยำในการจำแนกประเภทที่ดีที่สุดสำหรับ 1- เทียบกับ 2-back คือ 80% และ 1- เทียบกับ 3-back คือ 84% การศึกษานี้บ่งชี้ว่าระบบเก็บข้อมูลแบบไร้สาย ควบคู่กับเทคนิคการวิเคราะห์ข้อมูลขั้นสูงและการจดจำรูปแบบ มีแนวโน้มที่ดีในการบรรลุผลการตรวจสอบและระบุระดับภาระงานทางสมองแบบเรียลไทม์สำหรับมนุษย์ที่ทำกิจกรรมทางปัญญาที่หลากหลายในสังคมยุคใหม่คลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม