许敏鹏 1,2 , 程秀敏 1 , 明东 1,2
  • 1. 天津大学 精密仪器与光电子工程学院 神经工程与康复实验室(天津 300072);
  • 2. 天津大学 医学工程与转化医学研究院 天津神经工程国际联合研究中心(天津 300072);
导出 下载 收藏 扫码 引用

注意将我们的心理资源集中到感兴趣事件的处理上,是一种重要的行为和认知过程。识别注意力状态对提高工作绩效、减少失误的发生具有重要意义。然而,至今还没有能够直接并客观检测注意力状态的方法。基于视觉注意对稳态视觉诱发电位(SSVEP)具有调节效应这一事实,本文设计了 10 Hz 稳态视觉刺激背景下的 go/no-go 实验范式,以探究不同视觉注意状态调制 SSVEP 特征的可分性。实验记录了 15 名在校研究生志愿者高、低视觉注意力状态下的脑电信号,高、低视觉注意力状态由行为学反应情况判定。研究分析了高、低视觉注意力状态下 SSVEP 信号的差异,并采用相关分类算法对这种差异进行了识别。结果表明,判别典型模式匹配(DCPM)算法相比线性判别分析(LDA)算法和典型相关分析(CCA)算法分类识别效果更佳,正确率可达 76%。研究结果证明,不同视觉注意状态调制的 SSVEP 特征具有可分性,这为视觉注意力状态的监测提供了新方法。

引用本文: 许敏鹏, 程秀敏, 明东. 不同视觉注意状态调制稳态视觉诱发电位特征的可分性研究. 生物医学工程学杂志, 2019, 36(5): 705-710. doi: 10.7507/1001-5515.201811046 复制

  • 下一篇

    基于卷积神经网络和集成学习的阿尔茨海默症早期诊断