論文の概要: An Evaluation of the EEG alpha-to-theta and theta-to-alpha band Ratios as Indexes of Mental Workload

• arxiv url: http://arxiv.org/abs/2202.12937v2
• Date: Wed, 2 Mar 2022 12:59:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-06 14:08:13.658301
• Title: An Evaluation of the EEG alpha-to-theta and theta-to-alpha band Ratios as Indexes of Mental Workload
• Title（参考訳）: 精神労働負荷指標としての脳波α-thetaとtheta-to-alphaバンド比の評価
• Authors: Bujar Raufi and Luca Longo
• Abstract要約: 多くの研究では、脳波帯、特にアルファバンドとテータバンドが認知負荷指標として有用であることが示されている。 本研究の目的は,アルファ・トゥ・セタとテータ・トゥ・アルファ・バンドの比率が,自己申告された精神労働負荷の知覚を識別できるモデルの作成に与える影響を評価・分析することである。
• 参考スコア（独自算出の注目度）: 2.741266294612776
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many research works indicate that EEG bands, specifically the alpha and theta bands, have been potentially helpful cognitive load indicators. However, minimal research exists to validate this claim. This study aims to assess and analyze the impact of the alpha-to-theta and the theta-to-alpha band ratios on supporting the creation of models capable of discriminating self-reported perceptions of mental workload. A dataset of raw EEG data was utilized in which 48 subjects performed a resting activity and an induced task demanding exercise in the form of a multitasking SIMKAP test. Band ratios were devised from frontal and parietal electrode clusters. Building and model testing was done with high-level independent features from the frequency and temporal domains extracted from the computed ratios over time. Target features for model training were extracted from the subjective ratings collected after resting and task demand activities. Models were built by employing Logistic Regression, Support Vector Machines and Decision Trees and were evaluated with performance measures including accuracy, recall, precision and f1-score. The results indicate high classification accuracy of those models trained with the high-level features extracted from the alpha-to-theta ratios and theta-to-alpha ratios. Preliminary results also show that models trained with logistic regression and support vector machines can accurately classify self-reported perceptions of mental workload. This research contributes to the body of knowledge by demonstrating the richness of the information in the temporal, spectral and statistical domains extracted from the alpha-to-theta and theta-to-alpha EEG band ratios for the discrimination of self-reported perceptions of mental workload.
• Abstract（参考訳）: 多くの研究では、脳波帯、特にアルファバンドとテータバンドが認知負荷指標として有用であることが示されている。 しかし、この主張を裏付ける最小限の研究が存在する。 本研究の目的は,α-to-thetaとtheta-to-alphaのバンド比が,自己申告された精神労働負荷の知覚を識別できるモデルの作成を支援することにある。 生脳波データのデータセットを用いて,48名の被験者がマルチタスクsimkapテストの形式で休息動作と誘発課題要求運動を行った。 前方電極群と頭頂電極群からバンド比を考案した。 構築およびモデルテストは、時間とともに計算された比率から抽出された周波数および時間領域から高レベルな独立な特徴を用いて行われた。 休息後の主観的評価と課題要求行動からモデルトレーニングのターゲット特徴を抽出した。 モデルはロジスティック回帰、サポートベクターマシン、決定木を用いて構築され、精度、リコール、精度、f1-scoreなどの性能指標で評価された。 その結果,α-theta比とtheta-to-alpha比から抽出した高次特徴を用いたモデルの分類精度が高いことがわかった。 予備的な結果は、ロジスティック回帰とサポートベクターマシンで訓練されたモデルが、メンタルワークロードの自己報告された知覚を正確に分類できることも示している。 本研究は,α-to-thetaおよびtheta-to-alphaの脳波バンド比から抽出した時間領域,スペクトル領域,統計領域の情報の豊かさを,心的作業負荷の自己報告知覚の識別のために示し,知識体系に寄与する。

関連論文リスト

• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• Precision Rehabilitation for Patients Post-Stroke based on Electronic Health Records and Machine Learning [3.972100195623647]
  ピッツバーグ大学メディカルセンターから265名の脳卒中患者のデータを収集した。 影響のあるエクササイズを特定するために、我々はChi-square test, Fisher's exact test, and logistic regression for odds ratioを用いた。 術後機能改善に寄与する3つのリハビリテーション運動について検討した。
  論文  参考訳（メタデータ） (2024-05-09T04:06:44Z)
• Bayesian Functional Connectivity and Graph Convolutional Network for Working Memory Load Classification [0.0]
  本研究では,センサ空間における脳波の機能的接続を学習するためのベイズ構造学習アルゴリズムを提案する。 その結果,6種類の言語作業記憶負荷の被験者154名に対して対象内(対象別)分類を行ったところ,96%の判定精度が得られた。 また,αバンドとthetaバンドの分類精度はβバンドよりも良好であった。
  論文  参考訳（メタデータ） (2024-04-30T11:31:07Z)
• A Survey of the Impact of Self-Supervised Pretraining for Diagnostic Tasks with Radiological Images [71.26717896083433]
  自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。 本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T19:45:09Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• Modeling cognitive load as a self-supervised brain rate with electroencephalography and deep learning [2.741266294612776]
  本研究では,脳波データからメンタルワークロードをモデリングするための,新たな自己教師型手法を提案する。 脳波データからスペクトル地形図を空間的に保存して脳速度変数に適合させることができる畳み込みリカレントニューラルネットワークである。 学習した認知活性化の準安定なブロックの存在は、それらは畳み込みによって誘導され、時間とともに互いに依存していないように見えるため、脳反応の非定常的性質と直感的に一致している。
  論文  参考訳（メタデータ） (2022-09-21T07:44:21Z)
• CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
  知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。 本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。 本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T15:22:01Z)
• Learning brain MRI quality control: a multi-factorial generalization problem [0.0]
  本研究の目的は,MRIQCパイプラインの性能評価である。 分析はMRIQCの前処理ステップに焦点を合わせ、パイプラインをそれなしでテストした。 我々は、CATIデータセットのような異種集団のデータで訓練されたモデルが、目に見えないデータの最良のスコアを提供すると結論付けた。
  論文  参考訳（メタデータ） (2022-05-31T15:46:44Z)
• Machine Learning Workflow to Explain Black-box Models for Early Alzheimer's Disease Classification Evaluated for Multiple Datasets [1.725982481793229]
  ハード・トゥ・解釈ブラックボックス・機械学習(ML)はアルツハイマー病(AD)の早期発見によく用いられた。 本研究は,Shapley値に基づくワークフローを開発した。 認知テストスコアを用いて訓練されたモデルは、脳モデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-05-12T06:58:11Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。