基于脑电功能连接特征和领域自适应的跨被试人格评估

已有研究表明,人格评估可以通过构建基于脑电信号的回归模型实现。已有研究大多使用事件相关电位或功率谱密度特征进行人格评估,所表示的大脑信息局限于单个区域,但有研究发现认知功能更多依赖于脑区间的相互作用。此外,脑电特征可能存在被试间分布差异,会导致训练得到的回归模型在跨被试人格评估中难以取得准确结果。为了获得更精准的跨被试人格评估结果,本研究提出一种结合脑电功能连接特征和领域自适应技术的人格评估方法。本研究收集了45名正常人在不同情绪图片（正、中、负）刺激下的脑电信号,首先计算59个电极间在5个频段上的相干性作为原始特征集。然后使用基于特征的领域自适应方法将相干特征映射至新的特征空间,在新的特征空间里减小训练集和测试集的分布差异,从而减小被试间差异性。最后采用留一法交叉验证的方式,使用转换后的特征集对支持向量回归模型进行训练和测试。实验结果显示,相比已有研究使用的方法,本文提出的方法提高了回归模型性能,能得到更好的人格评估结果。本研究为人格评估提供了一种新的测量方法和手段。     

基于脑电信号的认知负荷评估综述

过高的认知负荷是导致人因事故的重要原因之一,认知负荷的准确评估十分重要.脑电信号具有时间分辨率高、便携性好等优点,已成为评估认知负荷的重要技术手段.随着机器学习的发展,越来越多的研究采用机器学习方法实现基于脑电的认知负荷评估,以获得更稳定和准确的结果.首先介绍常见的认知负荷评估实验范式及脑电预处理流程;其次,详细综述基...