基于前额通道 EEG 记录的课堂场景线上心理压力检测
神经元与认知
2024-05-21 v1
摘要
目的：探讨不同 EEG 预处理方法、通道布局选择和模型架构对课堂场景下线上能力压力检测算法性能的影响。方法：本分析使用来自大学学生长期压力和疲劳研究的 EEG 数据。其在每次课堂期间的自报压力评分是将 EEG 记录分为正常或升高压力状态的依据。我们使用一种结合了仪器基质重构 (ASR) 和独立成分分析 (ICA) 基于方法的.data处理管道，以实现在线仪器去除。我们比较了线性判别分析 (LDA) 和 4 层神经网络作为分类器的性能。我们采用准确率、平衡准确率和 F1 分数作为评估性能的指标。我们检查了不同输入通道数量使用不同通道布局的影响。此外，我们探索了在在线评估中不同的窗口长度和步长。结果：我们的在线仪器去除方法在离线和在线评估中均达到了与离线 ICA 方法相当的性能。在使用 11 前额通道 LDA 模型时，采用所提出的仪器去除方法后，在不平衡二元分类中观察到平衡准确率为 77% 和 78%。此外，该模型性能在将通道布局从 30 个全头皮通道更改为仅 11 个前额通道时保持不变。在在线评估期间，以窗口长度为 20 秒、步长为 1 秒时，实现了最高的平衡准确率 (78%)。意义：本研究全面地考察了在现实场景中部署压力检测的可行性。本研究的发现为日常心理压力监测的开发提供了见解。
引用
@article{arxiv.2405.11394,
title = {Online Mental Stress Detection Using Frontal-channel EEG Recordings in a Classroom Scenario},
author = {Chi-Yuan Chang and Chieh Hsu and Ying Choon Wu and Siwen Wang and Darin Tsui and Tzyy-Ping Jung},
journal= {arXiv preprint arXiv:2405.11394},
year = {2024}
}