fNIRS技术在情绪脑力负荷评估中的应用

"这篇研究论文探讨了利用功能性近红外光谱(fNIRS)技术来评估操作者在不同情绪状态下的脑力负荷(MWL)的可能性。研究人员进行了一项实验，其中包括负性、积极和中性三种情绪刺激的图片n-back任务，以16名参与者的数据为样本。他们结合任务表现、主观评价和fNIRS生理指标来分析MWL的变化。通过提取fNIRS信号的时域、频域和非线性域特征，并利用支持向量机(SVM)构建了MWL评估模型。该模型以中性情绪刺激下的任务数据为训练集，积极和负性情绪刺激下的数据为测试集，分别达到了92.49%、75.90%和79.99%的平均分类准确率。实验结果证实了情绪刺激和任务负荷对操作者MWL的影响，并证明了在多种情绪状态下使用fNIRS技术构建MWL评估模型的可行性，为复杂任务环境中的操作者功能状态(OFS)评估提供了科学依据。" 这篇研究的主要知识点包括： 1. fNIRS技术：这是一种非侵入性的脑成像技术，利用近红外光探测大脑皮层的血流量变化，从而推断出大脑活动情况。 2. 脑力负荷(MWL)：指完成认知任务时大脑的认知资源消耗程度，是衡量认知工作能力的重要指标。 3. 情绪状态：研究涉及了负性、积极和中性三种情绪，这些情绪状态可以影响操作者的MWL。 4. n-back任务：一种认知任务，用于测量工作记忆和注意力，操作者需要比较当前显示的图像与之前若干步的图像是否相同。 5. SVM分类器：一种机器学习算法，被用来建立MWL评估模型，将fNIRS信号的特征转换为可区分的操作者情绪状态。 6. 实验设计：包括数据收集（任务绩效、主观评价和fNIRS生理测量）和模型建立（特征提取和分类器训练）两个阶段。 7. 结果分析：实验结果验证了情绪和任务负荷对MWL的影响，以及fNIRS在多情绪状态下评估MWL的有效性。 此研究对于理解情绪如何影响认知任务的执行以及如何在实际操作环境中监测和管理操作者的工作状态具有重要意义，特别是在高风险或复杂任务中，如航空航天或军事操作，这样的评估工具可以帮助优化任务分配和决策制定，确保操作者保持最佳的性能状态。