认知任务期间前额叶fNIRS信号与大学学业能力测试(CSAT)分数之间的关联：基于量子退火方法的分析
神经元与认知
2024-02-08 v1 新兴技术
量子物理
摘要
学业成就是衡量智力的关键指标，促使大量研究将认知任务作为潜在预测因子。功能近红外光谱(fNIRS)等神经影像技术可提供脑血流动力学信息，从而理解认知表现与学业成就之间的联系。本文通过分析前额叶fNIRS信号，探索了认知任务与学业成就之间的关联。采用一种新颖的量子退火(QA)特征选择算法处理fNIRS数据，以识别与CSAT分数相关的认知任务。从两个时间窗口(10秒和60秒)的fNIRS信号中提取了12个特征(信号均值、中位数、方差、峰值、峰值数量、峰值和、斜率、最小值、峰度、偏度、标准差和均方根)，以比较不同特征变量条件下的结果。将基于QA和XGBoost回归算法的特征选择结果进行比较，以验证前者的性能。在使用多元线性回归模型的三步验证过程中，计算了特征变量与CSAT分数之间的相关系数、模型拟合度(调整后R²)和模型预测误差(RMSE)值。量子退火器表现出与经典机器学习模型相当的性能，并且特定的认知任务，包括言语流畅性、识别和Corsi积木敲击任务，与学业成就相关。分组分析显示，伦敦塔任务和N-back任务与更高的CSAT分数之间存在更强的关联。量子退火算法在使用fNIRS数据进行特征选择方面具有显著潜力，代表了一种新颖的研究方法。未来的研究应探索学业成就和认知能力的预测因子。
引用
@article{arxiv.2402.04287,
title = {Association between Prefrontal fNIRS signals during Cognitive tasks and College scholastic ability test (CSAT) scores: Analysis using a quantum annealing approach},
author = {Yeaju Kim and Junggu Choi and Bora Kim and Yongwan Park and Jihyun Cha and Jongkwan Choi and Sanghoon Han},
journal= {arXiv preprint arXiv:2402.04287},
year = {2024}
}
备注
42 pages, 11 tables