2021-09-01
近日，北京师范大学认知神经功效研究中心李征课题组提出了使用脑活动的功能链接作为特征对脑力负荷水平进行解码的方法，并取得了良好的解码效果。该结果说明脑区之间的交互情况对于心理状态的解码是有意义的。该工作已在期刊 Journal of Neural Engineering 发表。
对复杂操作环境中人类操作员的各种心理状态进行测量正受到重视。其中，脑力负荷（Mental workload）是领域内的研究热点之一，其同时考虑了可量化的外在任务，操作员本身的状态例如动机，以及影响操作员状态的其他因素，例如执行任务时所处的环境。它能反映操作员应对任务的真实能力，例如目标将相同一个任务做到100%正确和只做到80%正确的两位操作员在执行任务时所感受到的脑力负荷水平便可能不同。对脑力负荷水平的准确估计不仅有利于提高人机交互水平，还能降低人为因素导致事故发生的可能。现有神经信号采集技术中，脑电（EEG）拥有高时间分辨率，低设备成本等特点，是主流的用于脑力负荷测量的技术手段之一。
对脑力负荷的有关研究表明，事件相关电位（ERP）受到脑力负荷水平的影响。并且，在“单刺激”范式下，由任务无关的声音刺激可诱发ERP，由于刺激只有一种且使用者不需要做出反应，最小化了对操作员造成的干扰，采用这一方法的另一好处是可以采用实际的工作任务而非心理学范式。该方法在实验室环境下对脑力负荷水平的分类有良好的表现。但在实际操作场景下，ERP的成分易受各类因素的影响，时延等变异会增加，从而影响解码效果。有研究表明，使用通道之间的协方差矩阵（一种脑链接指标）作为特征，可以降低其所受的影响。因此研究者探索以协方差矩阵作为特征在较真实环境下对脑力负荷的解码表现。
图1 虚拟无人机控制实验，高低两种任务难度对应高低脑力负荷。
本研究采用了8通道的脑电记录系统记录数据，设置了高低两种难度的模拟的无人机控制任务用以调节脑力负荷水平，在任务过程中给予任务无关的声音刺激。在取窗方法上分别采用和刺激相关的窗口和刺激无关的窗口来对比声音刺激的有效性；使用功率特征的解码表现作为和协方差矩阵特征的对比。
结果表明：1）在本实验条件下，单刺激范式下的任务无关的声音刺激不能提高对脑力负荷的分类表现；2）由黎曼几何框架下处理的协方差矩阵对脑力负荷水平的解码表现较功率特征更好。总的来说，该研究探究了在较真实的操作环境下“单刺激”范式的有效性，并且对比了协方差矩阵特征相较于功率特征的解码效果。由于协方差矩阵中携带了脑电通电间信号的相似性的信息，说明在未来的研究工作中，探索功能连接信息对心理状态解码的作用是有意义的。
本研究得到了国防基础科学研究计划、国家重点研发计划、北师大自然科学高等研究院、北师大认知神经工效研究中心的支持。
论文原文链接：https://iopscience.iop.org/article/10.1088/1741-2552/ac15e5
论文DOI：10.1088/1741-2552/ac15e5
