評估區域級腦電圖對認知工作負荷預測的貢獻

研究論文提出一個區域級評估框架，旨在提升從腦電圖（EEG）估計認知工作負荷的準確性和可泛化性。此框架使用僅來自解剖學定義頭皮區域的電極提取的特徵，來訓練和評估模型。研究人員執行了大規模分析，涵蓋四個公開的 EEG 工作負荷數據集，這些數據集包括多樣的任務需求、記錄硬件和電極配置。區域重要性通過模型無關的性能方法量化，並在混合受試者和受試者獨立評估協議下進行，結果使用基於排名的聚合策略以確保跨實驗配置的穩健性。分析結果顯示，在所有數據集和受試者獨立評估中，額葉電極組的表現優於使用所有電極的全頭皮基線，相對排名位置提升約 15-20%，同時所需電極數量大幅減少。額中央區域表現出最穩定的預測效用，而後部和枕葉區域的貢獻在不同實驗條件下較不一致。這些發現表明，與工作負荷相關的 EEG 信息在額葉和額中央電極組中最為一致，這對於設計高效且可泛化的 EEG 基工作負荷監測系統具有重要意義。