机构名称：
¥ 1.0
识别可靠且灵敏的心理维度生理特征的能力是开发智能自适应系统的关键，而智能自适应系统反过来可能有助于减少复杂操作中的人为错误。这项工作的挑战在于诊断。尽管潜在原因不同，但工作量和急性心理压力的生理相关性表现得相当相似，并且很容易混淆。当前的工作旨在通过机器学习同时对心理工作量（通过 n-back 任务的三个级别变化）和急性压力（厌恶声音的存在/不存在）进行分类，建立心理状态的诊断模型。使用功能性近红外光谱 (fNIRS) 和心电图 (ECG)，该模型的分类器可以高于机会将心理工作量的变化与急性压力的变化区分开来。ECG 和 fNIRS 都可以预测心理工作量水平，两种测量方法结合起来准确率最高。仅通过 ECG 无法准确诊断压力水平，只有结合 fNIRS 或 ECG 和 fNIRS 才能准确诊断。个体校准可能很重要，因为压力分类对于主观状态焦虑程度较高的人更准确，这可能是由于他们对压力的敏感性更高。心理工作量和压力都可以通过皮质外侧前额叶区域的活动而不是内侧区域更好地分类，并且 HbO2 信号通常导致
国际心理生理学杂志 - Mickael Causse
主要关键词
相关文件推荐
