不同視覺(jué)注意狀態(tài)調(diào)制穩(wěn)態(tài)視覺(jué)誘發(fā)電位特征的可分性研究
關(guān)鍵詞：視覺(jué)注意狀態(tài) 穩(wěn)態(tài)視覺(jué)誘發(fā)電位 判別典型模式匹配算法 線性判別分析算法 典型相關(guān)分析算法
摘要：注意將我們的心理資源集中到感興趣事件的處理上,是一種重要的行為和認(rèn)知過(guò)程。識(shí)別注意力狀態(tài)對(duì)提高工作績(jī)效、減少失誤的發(fā)生具有重要意義。然而,至今還沒(méi)有能夠直接并客觀檢測(cè)注意力狀態(tài)的方法。基于視覺(jué)注意對(duì)穩(wěn)態(tài)視覺(jué)誘發(fā)電位(SSVEP)具有調(diào)節(jié)效應(yīng)這一事實(shí),本文設(shè)計(jì)了10 Hz穩(wěn)態(tài)視覺(jué)刺激背景下的go/no-go實(shí)驗(yàn)范式,以探究不同視覺(jué)注意狀態(tài)調(diào)制SSVEP特征的可分性。實(shí)驗(yàn)記錄了15名在校研究生志愿者高、低視覺(jué)注意力狀態(tài)下的腦電信號(hào),高、低視覺(jué)注意力狀態(tài)由行為學(xué)反應(yīng)情況判定。研究分析了高、低視覺(jué)注意力狀態(tài)下SSVEP信號(hào)的差異,并采用相關(guān)分類(lèi)算法對(duì)這種差異進(jìn)行了識(shí)別。結(jié)果表明,判別典型模式匹配(DCPM)算法相比線性判別分析(LDA)算法和典型相關(guān)分析(CCA)算法分類(lèi)識(shí)別效果更佳,正確率可達(dá)76%。研究結(jié)果證明,不同視覺(jué)注意狀態(tài)調(diào)制的SSVEP特征具有可分性,這為視覺(jué)注意力狀態(tài)的監(jiān)測(cè)提供了新方法。
生物醫(yī)學(xué)工程學(xué)雜志要求:
{1}正文包括題目、摘要、關(guān)鍵詞、引言、方法、結(jié)果、討論、結(jié)論和參考文獻(xiàn)等部分內(nèi)容。
{2}本刊對(duì)來(lái)稿有修改權(quán)，不愿改動(dòng)者，請(qǐng)事先說(shuō)明。
{3}關(guān)鍵詞：關(guān)鍵詞應(yīng)盡量從《漢語(yǔ)主題詞表》中選用，并用封號(hào)相隔（3-6個(gè)為宜）。
{4}來(lái)稿請(qǐng)注明詳細(xì)地址、電話(huà)和E-mail，便于通知聯(lián)系。
{5}若需列出項(xiàng)目資助相關(guān)內(nèi)容，均置于首頁(yè)底部，并于論文題目后標(biāo)出星號(hào)。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢(xún)雜志社
