利用 EEG 和机器学习分析学习任务中的大脑活动
信号处理
2024-01-22 v1 机器学习
神经元与认知
摘要
本研究旨在分析各种 STEM 活动期间的大脑活动，探索对不同任务进行分类的可行性。收集了 20 名受试者参与五项认知任务时的 EEG 脑数据，并将其分割为 4 秒的片段。随后分析了脑频波的功率谱密度。使用 XGBoost、Random Forest 和 Bagging Classifier 测试不同的 k 区间后发现，Random Forest 表现最佳，在区间大小为 2 时实现了 91.07% 的测试准确率。当利用所有四个 EEG 通道时，认知灵活性最易识别。特定任务的分类准确率表明，右额叶在数学处理和规划方面表现突出，左额叶在认知灵活性和心理灵活性方面表现突出，左颞顶叶在连接方面表现突出。值得注意的是，在 STEM 活动期间观察到额叶和颞顶叶之间存在大量连接。本研究有助于更深入地理解在分析大脑活动中应用机器学习，并揭示了大脑的机制。
引用
@article{arxiv.2401.10285,
title = {Analyzing Brain Activity During Learning Tasks with EEG and Machine Learning},
author = {Ryan Cho and Mobasshira Zaman and Kyu Taek Cho and Jaejin Hwang},
journal= {arXiv preprint arXiv:2401.10285},
year = {2024}
}
备注
20 pages, 7 figures