| 基于EEG的多因素认知任务脑力负荷研究 |
| |
| 引用本文： | 傅嘉豪,焦学军,曹勇,姜劲,李启杰,冯静达.基于EEG的多因素认知任务脑力负荷研究[J].航天医学与医学工程,2020,33(1):35-44. |
| |
| 作者姓名： | 傅嘉豪 焦学军 曹勇 姜劲 李启杰 冯静达 |
| |
| 作者单位： | 中国航天员科研训练中心人因工程重点实验室,北京100094;中国航天员科研训练中心人因工程重点实验室,北京100094;中国航天员科研训练中心人因工程重点实验室,北京100094;中国航天员科研训练中心人因工程重点实验室,北京100094;中国航天员科研训练中心人因工程重点实验室,北京100094;中国航天员科研训练中心人因工程重点实验室,北京100094 |
| |
| 基金项目： | 国家自然科学基金;人因工程国防科技重点实验室实验技术课题 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 脑力负荷 脑电图 认知任务 支持向量机 逐步回归 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
