揭示心脑连接：基于ECG的认知功能分析

理解神经和心脏系统在认知活动中的相互作用对于推动生理计算至关重要。虽然EEG是评估精神负荷的黄金标准，但其受限的便携性限制了实际应用。通过可穿戴设备获取的广泛可用ECG提出了一种务实的替代方案。本研究探讨了ECG信号是否能够可靠地反映认知负荷，作为基于EEG的指标的代理。本文提出了来自两种不同范式（涉及工作记忆和被动听力任务）的多模态数据。对于每种模态，我们提取了ECG时域HRV指标和Catch22描述符，以对抗EEG谱系和Catch22特征。我们提出了一个跨模态XGBoost框架，将ECG特征投影到EEG代表性认知空间，从而仅使用ECG即可进行负荷推断。我们的结果表明，ECG衍生的投影能够丰富地捕捉认知状态的变化，并为准确分类提供良好支持。我们的发现在EEG可解释、实时、便携式日常认知监测方面起到了支撑作用。