基于EEG的多因素认知任务脑力负荷研究

目的研究不同类型、不同难度的认知任务组合情况下,脑力负荷变化情况的精细表征。方法设计一种基于逻辑运算、工作记忆和运动执行的脑力负荷诱发范式,利用该范式开展24名男性受试者参与的实验,采集受试者主观量表评分、任务绩效和脑电图(EEG)信号,并计算EEG信号多个频带的功率特征。结果主观量表和任务绩效分析表明,计算难度、N-back等级均能诱发出不同等级的脑力负荷;EEG信号分析表明,脑力负荷的增加伴随着前额叶theta波增强和alpha波的减弱;利用支持向量机(SVM)构建脑力负荷分类模型,能实现平均75%单因素三分类正确率和81.7%的脑力负荷三分类正确率;利用逐步回归模型可实现对脑力负荷的预测。结论 EEG信号的频域特征能够反映多因素认知任务的脑力负荷变化情况,可以对认知因素水平和脑力负荷进行分类和连续预测。