СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

В работе представлена оценка возможности применения различных отведений при расчете метрик сигнала электроэнцефалограммы для использования с целью поиска отличий сигнала электроэнцефалограммы человека в состоянии концентрации и состоянии свободного блуждания ума. Отведения и метрики выбраны на основе приведенного анализа работ по теме распознавания и оценки различных состояний человека, подобных состоянию концентрации. Приведены практические способы вычисления выбранных метрик мощности и энтропии сигнала в различных частотных диапазонах. В работе используется уникальный набор данных, содержащий записи электроэнцефалограммы для функциональных состояний концентрации на точке в центре лба и фонового состояния свободного блуждания ума, включающий в себя записи 17 участников. Оценка применимости отведений осуществлена на основе коэффициента точечной бисериальной корреляции значений метрик с функциональными состояниями, а также аналогичного показателя, основанного на разности межквартильных расстояний значений метрик. Показано, что наиболее перспективными для применения являются префронтальные отведения для расчета метрики энтропии сигнала в диапазоне от 0,3 до 30 Гц и затылочные отведения для расчета спектральных метрик мощности в a- и θ-диапазонах. Для ряда метрик значимыми являются не только абсолютные значения, но и их отношения для различных областей головного мозга (префронтальной, центральной и затылочной). Среди относительных величин наиболее перспективным является отношение значений метрик на префронтальных отведениях к соответствующим значениям на затылочных отведениях. Эти метрики на рассмотренных отведениях показывают значимые, но разнонаправленные изменения между функциональными состояниями для участников в выборке.

1. EEG-based identification of emotional neural state evoked by virtual environment interaction / D. Jung, J. Choi, J. Kim, S. Cho, S. Han // International Journal of Environmental Research and Public Health. – 2022. – Vol. 19. – DOI: 10.3390/ijerph19042158.

2. A review of applications of electroencephalogram in thermal environment: comfort, performance, and sleep quality / J. Shi, N. Zhang, Ch. Liu, J. Li, Y. Sun, W. Gao // Journal of Building Engineering. – 2024. – Vol. 84. – DOI: 10.1016/J.JOBE.2024.108646.

3. Use of EEG signals, cortisol secretion, and task performance to evaluate the effects of different lighting environments on concentration level in a sustained attention task / M.-C. Hsieh, Y.-Q. Zhang, R. Dong, Y.-C. Lee, C.-y. Ni // International Journal of Industrial Ergonomics. – 2022. – Vol. 92 (4). – DOI: 10.1016/j.ergon.2022.103371.

4. Evaluation on game concentration with multi-scale fuzzy entropy based on EEG signals / Y. Wang, Q. Huang, Z. Xie, M. Wang, W. Bao // Entertainment Computing. – 2023. – Vol. 46. DOI: 10.1016/j.entcom.2023.100570.

5. Comparative study of attention-related features on attention monitoring systems with a single EEG channel / Zh. Liang, X. Wang, J. Zhao, X. Li // Journal of Neuroscience Methods. – 2022. – Vol. 382. – DOI: 10.1016/j.jneumeth.2022.109711.

6. Exploring the effects of indoor temperature on college students’ physiological responses, cognitive performance and a concentration index derived from EEG signals / Y. Li, Sh. Li, W. Gao, W. Xu, Y. Xu, J. Wang // Developments in the Built Environment. – 2022. – Vol. 12. – DOI: 10.1016/j.dibe.2022.100095.

7. Choi Y., Kim M., Chun C. Effect of temperature on attention ability based on electroencephalogram measurements // Building and Environment. – 2019. – Vol. 147. – P. 299–304. – DOI: 10.1016/j.buildenv.2018.10.020.

8. Temporal dynamics of subjective and objective alertness during exposure to bright light in the afternoon for 5 h / X. Luo, T. Ru, Q. Chen, F.C. Hsiao, C.S. Hung, C.M. Yang, G. Zhou // Frontiers in Physiology. – 2021. – Vol. 12. – DOI: 10.3389/fphys.2021.771605.

9. Lim S., Yeo M., Yoon G. Comparison between concentration and immersion based on EEG analysis // Sensors. – 2019. – Vol. 19 (7). – DOI: 10.3390/s19071669.

10. Effect of indoors artificial lighting conditions on computer-based learning performance / R. Zhang, Y. Yang, Q. Fang, Y. Liu, X. Zhu, M. Wang, L. Su // International Journal of Environmental Research and Public Health. – 2020. – Vol. 17 (7). – DOI: 10.3390/ijerph17072537.

11. Technology supported mindfulness for obsessive compulsive disorder: Self-reported mindfulness and EEG correlates of mind wandering / L.L. Hawley, N.A. Rector, A. DaSilva, J.M. Laposa, M.A. Richter // Behaviour Research and Therapy. – 2021. – Vol. 136. – DOI: 10.1016/j.brat.2020.103757.

12. Intermediate effects of mindfulness practice on the brain activity of college students: An EEG study / H. Do, H. Hoang, N. Nguyen, A. An, H. Chau, Q. Khuu, L. Tran, T. Le, A. Le, K. Nguyen, T. Vo, H. Ha // IBRO Neuroscience Reports. – 2023. – Vol. 14. – P. 308–319. – DOI: 10.1016/j.ibneur.2023.03.003.

13. The effects of an internet-based mindfulness meditation intervention on electrophysiological markers of attention / D. Klee, D.D. Colgan, D. Hanes, B. Oken // International Journal of Psychophysiology. – 2020. – Vol. 158. – P. 103–113.

14. Gupta  S.S., Manthalkar R.R., Gajre S.S. Mindfulness intervention for improving cognitive abilities using EEG signal // Biomedical Signal Processing and Control. – 2021. – Vol. 70. – DOI: 10.1016/j.bspc.2021.103072.

15. Tong S., Thakor N.V. Quantitative EEG analysis methods and clinical applications. – Boston: Artech House, 2009. – 421 p.

16. Oppenheim A.V., Schafer R.W., Buck J.R. Discrete-time signal processing. – 2nd ed. – Upper Saddle River, N.J.: Prentice Hall, 1999. – 870 p.

17. Bai Y., Liang Z., Li X. A permutation Lempel-Ziv complexity measure for EEG analysis // Biomedical Signal Processing and Control. – 2015. – Vol. 19. – DOI: 10.1016/j.bspc.2015.04.002.

18. Glass G.V., Hopkins K.D. Statistical methods in education and psychology. – Boston: Allyn & Bacon, 1995. – 674 p.