基于 EEG 的聚焦状态识别——眼动辅助注释
图像与视频处理
2024-07-18 v2
摘要
随着机器学习的快速发展，基于 EEG 和眼动信号的脑活动识别与分析已达到相当高的水平。利用深度学习模型学习 EEG 和眼动特征在对脑活动进行分类方面效果显著。聚焦状态指对某项任务或思想进行高度专注。通过反映脑活动变化，眼动行为可实现聚焦与非聚焦状态的区分。我们计算眼动信号中双眼聚焦点的视差，并整合相关 EEG 特征，提出了一种用于注释聚焦状态的方法。该方法从原始数据（通过生物采集设备处理）中构建了包括 EEG 特征和以眼动为注释的聚焦标签的综合数据集。对几种深度学习模型进行大规模的训练和测试，特别是 Transformer 模型，在受试者依赖的实验中实现了 90.16% 的准确率。该方法的有效性通过跨受试者实验、关键频率带和脑区分析得到验证，确认了其普适性并提供了生理学解释。
引用
@article{arxiv.2407.09507,
title = {Can Generative AI Replace Immunofluorescent Staining Processes? A Comparison Study of Synthetically Generated CellPainting Images from Brightfield},
author = {Xiaodan Xing and Siofra Murdoch and Chunling Tang and Giorgos Papanastasiou and Jan Cross-Zamirski and Yunzhe Guo and Xianglu Xiao and Carola-Bibiane Schönlieb and Yinhai Wang and Guang Yang},
journal= {arXiv preprint arXiv:2407.09507},
year = {2024}
}