摘要

本研究的目的是评估移动脑电图 (EEG) 设备是否可以用于追踪脑力负荷。脑力负荷是学习表现和动机的一个重要方面，因此在评估认知训练方法时可能代表一个有价值的信息来源。

25名健康受试者在两个评估时间点使用全移动设备进行了三级 N-back 测试，该设备包括基于平板电脑的任务呈现以及使用自装式移动脑电图设备收集脑电图数据。我们选择了一种双重分析方法，包括标准的方差分析和人工神经网络，以区分认知负荷的水平。我们的研究结果表明，该设备在检测认知负荷变化方面是可行的，这体现在不同频段跨脑区的变化中。特别是，我们观察到随着认知负荷的增加，枕叶 alpha 波减少，而额叶、顶叶和枕叶 theta 波增加。通过集成的机器学习模型，最显著的认知负荷水平可以被区分出来，准确率达到 86%。

结论

在本次研究中，我们测试了一种用于认知训练任务与脑电图记录相结合的全移动设备，以检测认知负荷。该设备基于移动脑电图设备与平板电脑相结合来显示认知任务，以便于轻松佩戴和进行自我测试。对行为数据的分析证实了任务表现的差异取决于任务难度。此外，我们发现随着任务难度的提高，枕叶 alpha 频段功率降低，额叶 theta 频段功率升高，这证实了我们的主要假设。此外，自动认知努力分类表明，机器学习方法在区分最显著的认知负荷水平方面的准确率达到 86%。我们的发现表明，全移动设备在检测由频段功率变化所反映的不同认知负荷水平方面具有可行性。此外，在进行初始的电极佩戴面对面培训后，主观评价的可用性是合格的。未来需要进行进一步的研究，以在包括更广泛年龄段和患者群体的更多样化样本中评估这些结果。

在此阅读全文