基于 MM-SART 数据库利用 EEG 信号的有效熵辅助走神检测系统
信号处理
2020-11-30 v2
摘要
走神(MW)通常定义为注意力的涣散,发生在 20%–40% 的时间中,对日常生活有负面影响。因此,检测 MW 的发生可防止我们遭受其导致的负面后果,例如在学习中跟不上课程。本工作中,我们首先采集多模态持续注意应答任务(MM-SART)数据库用于检测 MW。实验共采集 82 名参与者的数据。对每位参与者,我们采集 32 通道脑电图(EEG)信号、光电容积描记(PPG)信号、皮肤电反应(GSR)信号、眼动仪信号以及若干问卷以供详细分析。随后,我们基于所采 EEG 信号提出一种有效的 MW 检测系统。为探索 EEG 信号的非线性特征,我们利用时域、频域和小波域中基于熵的特征。实验结果表明,采用随机森林(RF)分类器与留一受试者交叉验证,我们可达到 0.712 的 AUC 分数。此外,为降低 MW 检测系统的整体计算复杂度,我们应用了通道选择与特征选择技术。仅使用两个最显著的 EEG 通道,可将分类器训练时间减少 44.16%。通过对特征集执行相关性重要性特征消除(CIFE),可进一步提升 AUC 至 0.725,而所选时间仅为递归特征消除(RFE)方法的 14.6%。通过提出该 MW 检测引擎,当前工作可应用于教育场景,尤其在当今远程学习时代。
引用
@article{arxiv.2005.12076,
title = {An Effective Entropy-assisted Mind-wandering Detection System with EEG Signals based on MM-SART Database},
author = {Yi-Ta Chen and Hsing-Hao Lee and Ching-Yen Shih and Zih-Ling Chen and Win-Ken Beh and Su-Ling Yeh and An-Yeu Wu},
journal= {arXiv preprint arXiv:2005.12076},
year = {2020}
}
备注
15 pages, Journal version