多生理信号信息融合技术的情绪识别发展

近年来,焦虑、抑郁症的发生率大幅增加,有效识别情绪并对负面情绪进行及时干预和排解显得尤为必要。现阶段情绪识别的研究主要有针对非生理信号和生理信号的识别。其中,生理信号采集的数据更为客观。随着便携式、可穿戴设备的快速发展,基于生理信号的情绪识别显示出广阔的应用前景。由于利用单一生理信号对情绪分类准确率的提升陷入了瓶颈,不少学者开始研究融合多种生理信号进行情绪识别。本文从基于生理信号的情绪识别、信息融合、分类等方面,梳理了近年来多生理信号在情绪识别领域的发展进程和研究现状,并归纳总结了目前存在的主要问题和挑战。

脑力负荷个性化脑电响应特征规律及识别研究

在脑力负荷的研究中,诱发出等级可分的脑力负荷状态是精确测量脑力负荷的基础。采用个性化的实验设计,可确保每名受试者都能被诱发出等级可分且逐级递增的脑力负荷状态。使用脑电图(EEG)记录在3种负荷水平下N-Back任务的生理响应,发现随着负荷的增加,前额叶、中央区以及枕叶位置的θ、α波段能量出现降低,低β波段的能量在前额叶、中央区、顶叶等区域出现下降,而在枕叶正则出现增高。结果表明,随着脑力负荷的升高,受试者的活跃脑区发生了改变。对比时域特征、频域特征、非线性特征以及全部类型特征同时使用情况下的负荷分类情况,使用全部类型特征不仅能够达到平均89.4%的较高正确率,而且提高了模型的鲁棒性。

基于功能性近红外光谱的睡眠研究综述

睡眠是对身心健康有着重要意义的复杂生理过程,其研究范围涉及多个学科领域。目前睡眠的定量分析主要依靠作为“金标准”的多导睡眠监测仪(PSG)完成,但是它对人体的干扰较大,并且不能反映大脑的血流动力学状况。将功能性近红外光谱(fNIRS)用于睡眠研究,既满足了对人体干扰低这一需求又能够反映大脑的血流动力学状况。因此本文收集整理了fNIRS用于睡眠研究的相关文献,从睡眠分期研究、临床睡眠监测研究、疲劳检测研究现状等方面进行梳理总结,文章的最后总结了现有研究的局限,指出后续该领域的发展方向,以期为睡眠及脑血流动力学相关领域的研究提供参考。