基于低成本 EEG 的棋类谜题求解与标准认知任务的神经信号：面向脑机接口的研究
人机交互
2025-06-04 v2
摘要
消费级脑电图（EEG）设备在脑机接口（BCI）应用中显示出潜力，但其在检测细微认知状态方面的效能尚未得到充分研究。我们开发了一个综合性的研究范式，融合了既定认知任务（N-Back、Stroop 和 Mental Rotation）并新增了创新的棋类谜题任务。我们使用MUSE 2这一低成本消费级 EEG 设备进行了测试。通过线性混合效应模型，我们展示了成功区分同一任务内的不同工作负荷水平以及跨任务的认知状态，这些分析是基于MUSE 2设备提取的谱功率数据实现的。我们进一步利用机器学习方法，展示了可靠的预测能力，用于区分N-Back 任务中的不同工作负荷水平，并实现了有效的跨任务分类。这些发现表明，消费级 EEG 设备如MUSE 2可以有效区分各种认知工作负荷水平以及更细致的基于任务的认知状态，并且可以用于实际场景中的实时自适应 BCI 应用。
引用
@article{arxiv.2505.07592,
title = {Neural Signatures Within and Between Chess Puzzle Solving and Standard Cognitive Tasks for Brain-Computer Interfaces: A Low-Cost Electroencephalography Study},
author = {Matthew Russell and Samuel Youkeles and William Xia and Kenny Zheng and Aman Shah and Robert J. K. Jacob},
journal= {arXiv preprint arXiv:2505.07592},
year = {2025}
}
备注
29 pages, 13 figures