MUSE：脑活动的快速检测

论文原文 ¶

关键词 ¶

EEG; ERP; 疲劳; 认知疲劳

摘要 ¶

移动脑电图（mEEG）的出现为大规模收集神经数据提供了手段，从而加深了对认知疲劳等认知现象的理解。认知疲劳是一种与错误表现增加有关的神经状态，常常导致日常事故，有时甚至会危及生命。在本研究中，使用mEEG检查了1000人样本中感知认知疲劳与人类事件相关脑电位（ERPs）和脑电波（EEG）振荡之间的关系，以更好地理解认知疲劳的神经特征。作为次要目标，作者还想进一步展示mEEG准确测量ERP和EEG数据的能力。为实现这些目标，参与者在Apple iPad上执行了标准的visual odd ball任务，同时使用Muse EEG头带记录EEG数据。与传统的EEG研究不同，实验设置和数据收集平均不到七分钟即完成。对EEG数据的分析显示了稳健的N200和P300 ERP组件以及在delta、theta、alpha和beta频带的神经振荡。与先前的发现一致，我们观察到ERP成分和EEG功率与感知认知疲劳之间的相关性。此外，我们在此展示，ERP和EEG特征的线性组合是比任何单一的ERP或EEG特征更好的感知认知疲劳的预测因子。总之，我们的结果为mEEG作为研究工具的可行性提供了验证，并进一步深入了解了认知疲劳对人类大脑的影响。

引言 ¶

作者强调了移动脑电图（mEEG）技术在研究中的快速应用增长，尤其是在处理传统实验室基础EEG设备无法解决的研究问题上。例如，Debener等人在2012年展示了在行走状态下收集EEG数据的能力，而更近的研究如Scanlon等人在2020年能够在骑自行车时记录事件相关电位（ERPs）。这些研究表明，mEEG技术已经成为一个有效的工具，尽管科学界对低成本mEEG系统测量数据的质量持续有疑问。

此外，文章中提到，尽管mEEG系统的数据质量和传统研究级EEG系统相比可能存在差距，但之前的工作已经证明可以通过mEEG系统获取与传统系统相当的数据。这为使用mEEG进行大规模脑性能测试提供了实证支持，特别是在研究认知疲劳及其对大脑性能影响的领域。认知疲劳被认为会增加错误的发生，从而在驾驶、飞行、操作重型机械等活动中导致事故。

实验设计 ¶

参与者: 研究涉及1000名来自不同背景的参与者，年龄范围从18岁到62岁。 实验设备与程序: 设备：使用Muse EEG系统（2016版），它配备了位于标准脑电图位置的电极，以及苹果iPad mini来呈现实验刺激。 任务：参与者在iPad上完成标凈的visual odd ball任务，这是一种简单的心理任务，要求参与者识别并反应不同频率出现的刺激（蓝色和绿色的圆形）。 数据记录：实验中使用Muse EEG头带通过蓝牙实时传输数据到iPad，并使用自定义的iOS软件进行数据记录和实验刺激的呈现。 数据采集与处理: 数据采集在多个公共场所进行，如购物中心、咖啡厅、工作场所等，以测试mEEG系统在各种环境下的表现。EEG数据通过设定的过滤器和后处理程序进行处理，确保数据质量符合研究要求。

实验结果 ¶

ERP组件：实验结果显示了明显的N200和P300事件相关电位（ERP）成分。这些成分的振幅和延迟与认知疲劳的感知有关联。 脑电振荡：在δ（Delta）、θ（Theta）、α（Alpha）和β（Beta）波段中观察到了神经振荡的变化，这些振荡同样与认知疲劳的程度相关。 研究发现认知疲劳与ERP振幅降低和延迟增加有关，尤其是P300组件。这符合先前的研究，指出认知疲劳可能通过影响大脑的信息处理能力而影响认知性能。

讨论 ¶

通过分析ERP和EEG数据，研究确认了认知疲劳与特定神经活动之间的联系，尤其是P300和N200组件的变化。这些变化与以往的研究结果一致，进一步证明了ERP和EEG指标可以有效反映认知状态的变化。

讨论中强调了mEEG系统在现实世界条件下的有效性，尤其是其快速部署和数据收集的能力。然而，也指出了mEEG系统的局限性，如蓝牙传输的延迟和数据质量问题，这可能影响实验结果的精确度。 线性组合模型的应用：

研究结果表明，使用线性组合的方法整合多个ERP和EEG指标，可以更准确地预测认知疲劳，这一发现可能对开发更有效的神经生理监测工具具有重要意义。

讨论还涵盖了mEEG技术在临床和公共健康领域的潜在应用，例如通过大规模筛查快速识别和评估脑震荡和认知功能障碍。