脑电、眼动信息与学习注意力及抑郁的中文相关性研究

发布时间：2021-07-02 08:16

　　学习过程中,情感因素对学习者交流、思考以及学习成果的影响巨大,识别、解释学习者的情感变化并在此基础上去激励学习者以及促进学习进程意义重大。我们的工作首先对学习中的情感注意力识别进行了研究,进而由抑郁人群注意力易丧失这一特点,结合当前在校学生抑郁高发态势,对校园学生轻度抑郁进行了相关研究。在不影响学习进程的前提下客观获取并量化学习者的注意力状态,进而对学习进程给予适当干预或建议成为情感学习领域一大挑战。传统的教学方式主要靠施教者的观察来实现,当前的研究中,学习者情感的获取主要借助摄像头,各种传感器等设备对学生的表情、身体姿态等信息进行学习状态的识别,然而这种方式很难精确量化学习者情感。另一方面,抑郁对学习进程影响巨大,然而对具有抑郁症状的学生而言,医患面对面的交流方式一般很难被接受,如何为学生提供私密、准确的抑郁量化检测是另一个亟待解决的难题。作为从人体头部采集的生物信息,脑电信号以及眼动信号已经被证实和人类情感变化紧密相关,其中包含了大量的信息可以用于情感的识别。本研究运用数据挖掘、信号处理等相关理论方法与技术,通过生物特征数据的处理对注意力以及抑郁进行了客观量化分析。主要研究成果如下... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：111 页

【学位级别】：博士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景
        1.1.1 情感与学习
        1.1.2 情感的测量
        1.1.3 脑电图(EEG)
        1.1.4 眼动数据
        1.1.5 基于脑电信号与眼动数据的注意力及抑郁识别
    1.2 研究现状
        1.2.1 情感的生物特征研究
        1.2.2 生物信息处理算法
        1.2.3 基于EEG的注意力识别研究
        1.2.4 基于脑电、眼动数据的抑郁水平识别研究
        1.2.5 国内研究现状
    1.3 研究内容
        1.3.1 基于EEG数据挖掘的注意力识别研究
        1.3.2 基于脑电与眼动信号的抑郁水平识别研究
    1.4 论文组织
第二章 基于脑活动的情感识别概述
    2.1 情感建模概述
        2.1.1 情感大脑
        2.1.2 情感模型
        2.1.3 学习过程中的情感
        2.1.4 本工作中所涉及的相关情感
    2.2 基于脑活动的情感认知方法
        2.2.1 正电子发射型断层显像(PET)
        2.2.2 功能性磁共振成像(fMRI)
        2.2.3 脑电图(EEG)
        2.2.4 眼动仪(Eye tracking device)
    小结
第三章 脑电数据分析方法
    3.1 脑电提取
    3.2 脑电去噪
        3.2.1 主成分分析
        3.2.2 小波变换
        3.2.3 回归分析方法
        3.2.4 自适应滤波器
        3.2.5 独立成分分析
        3.2.6 在线去噪算法
    3.3 特征提取
        3.3.1 线性特征
        3.3.2 非线性特征
    3.4 数据挖掘
        3.4.1 线性分类器
        3.4.2 神经网络
        3.4.3 非线性的贝叶斯分类器
        3.4.4 最近邻分类器
        3.4.5 其他分类算法
    3.5 其他脑电数据分析方法
    小结
第四章 基于EEG数据挖掘的注意力识别研究
    4.1 实验设计
        4.1.1 实验设备
        4.1.2 实验对象以及实验材料
        4.1.3 实验流程
    4.2 脑电信号处理
        4.2.1 EEG预处理
        4.2.2 特征提取
        4.2.3 EEG数据处理
    4.3 实验结果及分析
        4.3.1 个体差异
        4.3.2 CFS在脑电处理中的应用
        4.3.3 特征搜索算法的使用
        4.3.4 注意力识别精度
        4.3.5 电极位置分析
        4.3.6 EEG在实时情感识别系统中的应用研究
    4.4 基于脑电信号的注意力识别原型系统
        4.4.1 系统设计
        4.4.2 关键模块系统实现
        4.4.3 用户界面及功能介绍
    小结
第五章 基于脑电与眼动信号的抑郁水平识别研究
    5.1 实验设计
        5.1.1 被试
        5.1.2 实验仪器与实验材料
        5.1.3 实验流程
    5.2 基于脑部源定位的抑郁人群脑部特征研究
        5.2.1 标准低分辨率层析成像分析(sLORETA)(脑电源定位)
        5.2.2 实验结果
        5.2.3 脑电源定位结果分析
        5.2.4 总结及讨论
    5.3 脑电地形图及相干性分析
        5.3.1 脑电地形图
        5.3.2 相干性分析
        5.3.3 小结
    5.4 基于眼动数据的抑郁水平识别研究
        5.4.1 眼动特征提取
        5.4.2 数据结果及分析
        5.4.3 总结及讨论
    小结
第六章 总结及展望
参考文献
在学期间的研究成果
致谢


【参考文献】：
期刊论文
[1]中国情绪图片系统的编制——在46名中国大学生中的试用[J]. 白露,马慧,黄宇霞,罗跃嘉.  中国心理卫生杂志. 2005(11)
[2]近似熵、互近似熵的性质、快速算法及其在脑电与认知研究中的初步应用[J]. 洪波,唐庆玉,杨福生,陈天祥.  信号处理. 1999(02)



本文编号：3260103