基于EEG皮层不对称性的共情预测

人类不断与忽视其感受的数字设备交互。然而，若技术能够辨别并对人类情绪作出反应，人与技术之间的协同作用便可增强。依赖人类情绪的无意识指示（如（神经）生理信号）的模型，在反馈个性化与交互自适应方面具有前景。本研究详述了基于脑活动采用预测方法研究人类情绪加工。更具体地，我们探究了基于大脑不同区域的EEG皮层不对称性预测自我报告共情的命题。我们评估了不同类型的预测模型，即多元线性回归分析以及二分类与多分类。结果表明，特定频带脑振荡的偏侧化是自我报告共情分数的重要预测因子。此外，在静息态下发现了显著的分类性能，这表明基于EEG数据准确预测共情——作为一种人格特质——并不需要情绪刺激。我们的发现不仅有助于对共情机制的总体理解，也促进更好地把握在神经心理学研究中应用预测方法相较于假设驱动研究的优势。更重要的是，我们的结果可用于开发辅助难以表达或识别情绪人群的脑机接口。