Online Classifier of AMICA Model to Evaluate State Anxiety While Standing in Virtual Reality

G Liao, S Wang, Z Wei, 刘博涵 (Bohan Liu), R Okubo, ME Hernandez

IEEE EMBC 2022 PubMed ↗ Scholar ↗

概要

この概要は英語原文から自動翻訳されています。

不安などの感情状態の変化は、行動とメンタルヘルスに大きな影響を及ぼす。しかし、個人の不安の検出には、専門的な評価を実施する訓練を受けた専門家が必要であり、多大な時間と資源を要することが多い。したがって、臨床実践を支援するため、客観的かつリアルタイムの不安検出手法が強く求められている。Adaptive Mixture Independent Component Analysis(AMICA)の最近の進展は、脳波(EEG)データを用いて感情状態の変化を検出する能力を実証している。しかし、異なるモデルの特定に数時間を要する場合があるため、将来のブレイン-コンピュータインターフェース応用に向けては代替手法を探求する必要がある。本研究では、EEGデータの周波数領域特徴を用いた機械学習分類器により、マルチモデルAMICAラベルで確立された異なる皮質状態に、500msのEEGサンプルを分類する実現可能性を検討する。EEGデータの12の入力特徴から皮質状態を予測するランダムフォレスト分類器は、二値分類で75%の精度を達成した。これらの知見に基づき、本研究はリアルタイムの不安状態検出・分類の基盤を提供しうる。

原文(英語)

Changes in emotional state, such as anxiety, have a significant impact on behavior and mental health. However, the detection of anxiety in individuals requires trained specialists to administer specialized assessments, which often take a significant amount of time and resources. Thus, there is a significant need for objective and real-time anxiety detection methods to aid clinical practice. Recent advances in Adaptive Mixture Independent Component Analysis (AMICA) have demonstrated the ability to detect changes in emotional states using electroencephalographic (EEG) data. However, given that several hours may be needed to identify the different models, alternative methods must be sought for future brain-computer-interface applications. This study examines the feasibility of a machine learning classifier using frequency domain features of EEG data to classify individual 500 ms samples of EEG data into different cortical states, as established by multi-model AMICA labels. Using a random forest classifier with 12 input features from EEG data to predict cortical states yielded a 75 percent accuracy in binary classification. Based on these findings, this work may provide a foundation for real-time anxiety state detection and classification.

本論文の貢献

AMICAのEEG特徴に基づくオンライン分類器が、VR空間で立っている際の状態不安を検出します — 転倒予防やVR治療への応用が期待されるリアルタイムモニタリング。

BibTeX

@inproceedings{liao2022amica,
  title     = {Online Classifier of AMICA Model to Evaluate State Anxiety While Standing in Virtual Reality},
  author    = {G Liao and S Wang and Z Wei and Bohan Liu and R Okubo and ME Hernandez},
  booktitle = {IEEE Engineering in Medicine and Biology Conference (EMBC)},
  year      = {2022}
}