基于深度卷积神经网络的 EEG 信号心智游移自动检测
机器学习
2019-02-06 v1 人机交互
信号处理
机器学习
摘要
心智游移（MW）是一种普遍现象，反映注意力从任务相关思维向任务无关思维的转移。由于其对表现和生产力有不利影响，亟需能在检测到 MW 时重新引导注意力的智能接口。本文提出一种利用脑电图（EEG）信号进行 MW 检测的深度学习模型。具体而言，我们开发了通道级深度卷积神经网络（CNN）模型，以分类从 EEG 信号中提取的专注状态与 MW 特征。这是首项仅使用 EEG 数据、采用 CNN 自动检测 MW 的研究。在采集数据集上的实验结果显示出良好性能：准确率 91.78%、灵敏度 92.84%、特异度 90.73%。
引用
@article{arxiv.1902.01799,
title = {Deep Convolutional Neural Network for Automated Detection of Mind Wandering using EEG Signals},
author = {Seyedroohollah Hosseini and Xuan Guo},
journal= {arXiv preprint arXiv:1902.01799},
year = {2019}
}
备注
4 pages, 3 figures, 4 tables