机构名称：
¥ 2.0
情感解码是使用大脑信号测量方法推断人类情绪状态的推断。这种方法对于开发精神病疗法的新治疗方法至关重要，例如情感神经反馈方案。为了减少训练持续时间并优化临床输出，可以使用独立的志愿者组的数据来训练理想的临床神经反馈，然后再被新患者使用。在这里，我们研究了是否可以使用来自额叶和枕叶区域的功能近红外光谱（FNIRS）信号来实现这种独立的情感解码设计。为此，首先在数据集中对线性判别分析分类器进行了训练（49个参与者，24.65±3.23岁），然后在完全独立的一个（20名参与者，24.00±3.92岁）中进行了测试。在正面与负面（64.50±12.03％，p <0.01）和阴性与中性（68.25±12.97％，p <0.01）的情感状态歧视（68.25±12.97％，p <0.01）之间，发现了类别之间的显着平衡精度。对于一个主动区块，指示志愿者回忆起个人亲切经验，发现正面和中性影响分类的明显精度（71.25±18.02％，p <0.01）。在最后一个情况下，只有三个FNIRS通道足以在中性和积极的情感状态之间折磨。尽管需要进行更多的研究，例如重点关注特征和分类器的更好组合，但我们的结果突出了FNIRS作为独立于主题的情感解码的一种可能的技术，仅使用少数但是具有生物学上相关的特征来达到情绪状态的显着分类精度。
使用功能近红外光谱
主要关键词
相关文件推荐
