論文の概要: Cross-subject Brain Functional Connectivity Analysis for Multi-task Cognitive State Evaluation
- arxiv url: http://arxiv.org/abs/2408.15018v1
- Date: Tue, 27 Aug 2024 12:51:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 13:53:43.185095
- Title: Cross-subject Brain Functional Connectivity Analysis for Multi-task Cognitive State Evaluation
- Title（参考訳）: マルチタスク認知状態評価のためのクロスオブジェクト脳機能結合解析
- Authors: Jun Chen, Anqi Chen, Bingkun Jiang, Mohammad S. Obaidat, Ni Li, Xinyu Zhang,
- Abstract要約: 本研究は脳機能と脳波信号とを併用し,複数の被験者の脳領域の関連性を把握し,リアルタイム認知状態を評価する。
分析と評価のために30件の被験者が取得され, 内的対象, 対人的対象, ジェンダー的基盤となる脳機能接続など, さまざまな視点で解釈される。
- 参考スコア（独自算出の注目度）: 16.198003101055264
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cognition refers to the function of information perception and processing, which is the fundamental psychological essence of human beings. It is responsible for reasoning and decision-making, while its evaluation is significant for the aviation domain in mitigating potential safety risks. Existing studies tend to use varied methods for cognitive state evaluation yet have limitations in timeliness, generalisation, and interpretability. Accordingly, this study adopts brain functional connectivity with electroencephalography signals to capture associations in brain regions across multiple subjects for evaluating real-time cognitive states. Specifically, a virtual reality-based flight platform is constructed with multi-screen embedded. Three distinctive cognitive tasks are designed and each has three degrees of difficulty. Thirty subjects are acquired for analysis and evaluation. The results are interpreted through different perspectives, including inner-subject and cross-subject for task-wise and gender-wise underlying brain functional connectivity. Additionally, this study incorporates questionnaire-based, task performance-based, and physiological measure-based approaches to fairly label the trials. A multi-class cognitive state evaluation is further conducted with the active brain connections. Benchmarking results demonstrate that the identified brain regions have considerable influences in cognition, with a multi-class accuracy rate of 95.83% surpassing existing studies. The derived findings bring significance to understanding the dynamic relationships among human brain functional regions, cross-subject cognitive behaviours, and decision-making, which have promising practical application values.
- Abstract（参考訳）: コグニション(Cognition)とは、人間の基本的な心理的本質である情報知覚と処理の機能を指す。
推論と意思決定の責任を負っており、その評価は航空分野において潜在的な安全リスクを軽減する上で重要である。
既存の研究では、認知状態の評価に様々な方法を用いる傾向があるが、タイムライン、一般化、解釈可能性に制限がある。
そこで本研究では,脳機能と脳波信号との接続を利用して,複数の被験者の脳領域の関連性を把握し,リアルタイム認知状態を評価する。
具体的には、バーチャルリアリティーベースの飛行プラットフォームは、マルチスクリーンの組み込みで構築されている。
3つの独特な認知タスクが設計され、それぞれに3つの難易度がある。
分析と評価のために30の被験者が取得される。
結果は、タスクワイドおよびジェンダーワイドの基礎となる脳機能接続のためのインナーオブジェクトやクロスオブジェクトなど、さまざまな視点で解釈される。
さらに, アンケートに基づく, タスクパフォーマンスに基づく, 生理的尺度に基づくアプローチを取り入れ, トライアルを適切にラベル付けする。
マルチクラス認知状態の評価は、アクティブな脳の接続によって行われる。
ベンチマークの結果、同定された脳の領域は認知にかなりの影響を与えており、従来の研究より95.83%の精度が95.83%高いことが示されている。
以上の結果から,人間の脳機能領域,物体間認知行動,意思決定の動的関係を理解することの重要性が示唆された。
関連論文リスト
- Auto Detecting Cognitive Events Using Machine Learning on Pupillary Data [0.0]
瞳孔の大きさは認知作業負荷の貴重な指標であり、自律神経系によって支配される注意の変化と覚醒を反映している。
本研究では、機械学習を用いて個人が経験した認知イベントを自動的に検出する可能性について検討する。
論文 参考訳（メタデータ） (2024-10-18T04:54:46Z) - CBT-Bench: Evaluating Large Language Models on Assisting Cognitive Behavior Therapy [67.23830698947637]
認知行動療法(CBT)支援の体系的評価のための新しいベンチマークであるCBT-BENCHを提案する。
我々は, CBT-BENCHにおける3段階の課題を含む: I: 基本的CBT知識獲得, 複数選択質問のタスク; II: 認知的モデル理解, 認知的歪み分類, 主根的信念分類, きめ細かい中核信念分類のタスク; III: 治療的応答生成, CBTセラピーセッションにおける患者音声に対する応答生成のタスク。
実験結果から,LLMはCBT知識のリサイティングに優れるが,複雑な実世界のシナリオでは不十分であることが示唆された。
論文 参考訳（メタデータ） (2024-10-17T04:52:57Z) - Identifying the Hierarchical Emotional Areas in the Human Brain Through Information Fusion [19.144416163452533]
本研究の目的は、脳領域間の相互作用を最大化する方法についての詳細な理論グラフを同定することである。
包括的実験により、階層的な感情領域(低レベルから高レベル)が感情知覚の基本的なプロセスを促進することが明らかとなった。
本研究は, 精神構成主義者の仮説に基づく, 特定の感情の基礎となる脳のメカニズムについて, 独自の知見を提供するものである。
論文 参考訳（メタデータ） (2024-08-01T12:57:12Z) - Individual brain parcellation: Review of methods, validations and applications [7.159138402684875]
個々のレベルでの脳機能領域の正確なマッピングは、脳機能と行動の変化を包括的に理解するために重要である。
ニューロイメージングと機械学習の技術の発展に伴い、個々の脳のパーセレーションの研究が盛んになっている。
論文 参考訳（メタデータ） (2024-07-01T05:48:05Z) - Evaluating Subjective Cognitive Appraisals of Emotions from Large
Language Models [47.890846082224066]
この研究は、24の評価次元を評価する最も包括的なデータセットであるCovidET-Appraisalsを提示することでギャップを埋める。
CovidET-Appraisalsは、認知的評価を自動的に評価し、説明するための大規模言語モデルの能力を評価するのに理想的なテストベッドを提供する。
論文 参考訳（メタデータ） (2023-10-22T19:12:17Z) - Mental Workload Estimation with Electroencephalogram Signals by
Combining Multi-Space Deep Models [13.054897887317342]
精神活動は日常的なプロセスであり、過負荷として知られる脳が過度に活動すると、人間の健康に悪影響を及ぼす可能性がある。
本稿では,メンタルワークロードを3つの状態(低,中,高)に分類し,メンタルワークロードレベルの連続性を推定する。
本手法は,複数の空間次元からの情報を活用し,心的推定において最適な結果を得る。
論文 参考訳（メタデータ） (2023-07-23T03:16:14Z) - High-Accuracy Machine Learning Techniques for Functional Connectome
Fingerprinting and Cognitive State Decoding [0.0]
本研究は、認知的要求タスクに基づく、個人の脳の指紋と認知状態に関する最近の研究に基づいている。
提案手法は、fMRIスキャンの被検体の識別と、前例のない被検体の認知状態の分類の両方において、最大99%の精度を達成している。
論文 参考訳（メタデータ） (2022-11-14T16:41:51Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳（メタデータ） (2021-06-10T07:10:25Z) - Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units
and a Unified Framework [83.21732533130846]
Aff-Wild と Aff-Wild2 の2つである。
これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。
インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
論文 参考訳（メタデータ） (2021-03-29T17:36:20Z)
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。