Fugu-MT 論文翻訳(概要): Using EEG Signals to Assess Workload during Memory Retrieval in a Real-world Scenario

論文の概要: Using EEG Signals to Assess Workload during Memory Retrieval in a Real-world Scenario

arxiv url: http://arxiv.org/abs/2305.08044v1
Date: Sun, 14 May 2023 02:01:54 GMT
ステータス: 処理完了
システム内更新日: 2023-05-16 18:02:15.404247
Title: Using EEG Signals to Assess Workload during Memory Retrieval in a Real-world Scenario
Title（参考訳）: 実世界シナリオにおけるeeg信号を用いたメモリ検索時の作業負荷評価
Authors: Kuan-Jung Chiang, Steven Dong, Chung-Kuan Cheng, and Tzyy-Ping Jung
Abstract要約: 本研究では,参加者の典型的なオフィス作業における記憶負荷と脳波の関係について検討した。脳波帯パワー、相互情報、コヒーレンスを機械学習モデルを訓練し、高いメモリ負荷状態と低いメモリ負荷状態の分類に利用した。
参考スコア（独自算出の注目度）: 3.9763527484363292
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Objective: The Electroencephalogram (EEG) is gaining popularity as a physiological measure for neuroergonomics in human factor studies because it is objective, less prone to bias, and capable of assessing the dynamics of cognitive states. This study investigated the associations between memory workload and EEG during participants' typical office tasks on a single-monitor and dual-monitor arrangement. We expect a higher memory workload for the single-monitor arrangement. Approach: We designed an experiment that mimics the scenario of a subject performing some office work and examined whether the subjects experienced various levels of memory workload in two different office setups: 1) a single-monitor setup and 2) a dual-monitor setup. We used EEG band power, mutual information, and coherence as features to train machine learning models to classify high versus low memory workload states. Main results: The study results showed that these characteristics exhibited significant differences that were consistent across all participants. We also verified the robustness and consistency of these EEG signatures in a different data set collected during a Sternberg task in a prior study. Significance: The study found the EEG correlates of memory workload across individuals, demonstrating the effectiveness of using EEG analysis in conducting real-world neuroergonomic studies.
Abstract（参考訳）: 目的:脳波(EEG)は、客観的であり、バイアスの傾向が低く、認知状態のダイナミクスを評価することができるため、人間の因子研究における神経経済学の生理学的指標として人気を集めている。本研究は,参加者の典型的なオフィスタスクにおけるメモリ負荷と脳波の関係を,シングルモニターとデュアルモニターアレンジメントで検討した。シングルモニターアレンジメントでは、より高いメモリワークロードが期待できます。アプローチ: オフィスワークを行う被験者のシナリオを模倣した実験を設計し, 2つの異なるオフィスセットアップにおいて, 様々なレベルのメモリ負荷を経験したかどうかを検討した。 1)シングルモニターの設定と 2)デュアルモニターの設定。我々は,脳波バンドパワー,相互情報,コヒーレンスを,高メモリ負荷と低メモリ負荷を分類する機械学習モデルを訓練するための特徴として用いた。主な結果: 研究結果から, これらの特徴は, 全参加者で一貫した有意差を示した。また、Sternbergタスク中に収集した異なるデータセットにおいて、これらのEEGシグネチャの堅牢性と一貫性を検証する。意義:本研究は、脳波が個人間の記憶負荷の相関関係を示し、実世界の神経人間工学研究における脳波分析の有効性を実証した。

関連論文リスト

Wearable Device-Based Real-Time Monitoring of Physiological Signals: Evaluating Cognitive Load Across Different Tasks [6.673424334358673]
本研究は,中等教育学生の脳波(EEG)データに対する認知負荷評価を行うために,最先端のウェアラブルモニタリング技術を用いている。この研究は、中等教育学生の認知負荷を評価するための応用価値と、様々な課題にまたがる有用性について考察した。
論文参考訳（メタデータ） (2024-06-11T10:48:26Z)
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)
Joint Contrastive Learning with Feature Alignment for Cross-Corpus EEG-based Emotion Recognition [2.1645626994550664]
我々は,クロスコーパス脳波に基づく感情認識に対処するために,特徴アライメントを用いた新しいコントラスト学習フレームワークを提案する。事前学習段階では、脳波信号の一般化可能な時間周波数表現を特徴付けるために、共同領域コントラスト学習戦略を導入する。微調整の段階では、JCFAは脳電極間の構造的接続を考慮した下流タスクと共に洗練される。
論文参考訳（メタデータ） (2024-04-15T08:21:17Z)
Towards a Unified Transformer-based Framework for Scene Graph Generation and Human-object Interaction Detection [116.21529970404653]
本稿では,Transformerアーキテクチャに基づく一段階統一モデルであるSG2HOI+を紹介する。本手法では,SGGとHOI検出のタスクをシームレスに統一する2つの対話型階層変換器を用いる。提案手法は最先端のHOI法と比較して競争性能が向上する。
論文参考訳（メタデータ） (2023-11-03T07:25:57Z)
A Deep Learning Approach for the Segmentation of Electroencephalography Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文参考訳（メタデータ） (2022-06-17T10:17:24Z)
Measuring Cognitive Workload Using Multimodal Sensors [1.8582645184234494]
本研究の目的は,マルチモーダルセンシングと機械学習を用いて認知負荷を推定する指標のセットを特定することである。課題難易度(易度と難度)の2段階において,12名の被験者の認知負荷を誘発する3つの認知テストを実施した。
論文参考訳（メタデータ） (2022-05-05T23:18:00Z)
MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文参考訳（メタデータ） (2021-07-20T07:04:52Z)
Learning Generalizable Physiological Representations from Large-scale Wearable Data [12.863826659440026]
意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。その結果, 線形分類器を用いた伝達学習により, 様々な下流タスクにおいて, 埋め込みが一般化できることが示唆された。本研究は,大規模健康・ライフスタイルモニタリングに寄与する行動・生理的データに対する,最初のマルチモーダル自己管理手法を提案する。
論文参考訳（メタデータ） (2020-11-09T17:56:03Z)
A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文参考訳（メタデータ） (2020-09-21T02:42:30Z)
Uncovering the structure of clinical EEG signals with self-supervised learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。この現象は脳波(EEG)などの臨床関連データに特に問題となる。ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文参考訳（メタデータ） (2020-07-31T14:34:47Z)
End-to-End Models for the Analysis of System 1 and System 2 Interactions based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文参考訳（メタデータ） (2020-02-03T17:46:13Z)

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。