精神的ストレスを分類することは、ストレスの種類と重症度を特定するのに役立ち、最も適切な治療や介入の情報を得ることができるため重要です。 この研究では、畳み込みニューラル ネットワーク (CNN) を使用して脳波 (EEG) 信号を利用して、休息、警戒制御、ストレス、ストレス軽減の 4 つの精神状態を分類することを提案します。 精神的ストレス状態は、時間制約のあるストループ カラーワード テスト (SCWT) を使用して誘発され、その後 16 Hz バイノーラル ビート刺激 (BB) を使用して軽減されました。 刺激に対する反応時間（RT）、ターゲット検出の精度、主観スコア、位相ロック値（PLV）によって推定されるEEGの機能的接続画像を使用して、4つの精神状態を定量化しました。 私たちの結果は、SCWT はターゲット検出の精度を 70% 低下させ (F= 24.56、p = 0.00001)、BB は精度を 28% 向上させました (F= 4.54、p = 0.00470)。 機能的接続ネットワークは、4 つの精神状態の下で、前頭/後頭部と頭頂部の間で異なるパターンを示しました。 PLV 画像を含む提案された CNN は、ベータ周波数帯域で 80.95% の精度、80.36% の感度、94.75% の特異度、83.63% の精度、および 81.96% の F スコアで最高の分類パフォーマンスを示し、4 つの精神状態を区別しました。 全体的な結果は、16 Hz BB がストレスを軽減する効果的な方法として使用できること、および提案された EEG-PLV 画像を使用した CNN がさまざまな精神状態を分類するための有望な方法として使用できることを示唆しています。
原著
Classification of Mental Stress Levels using EEG Connectivity and Convolutional Neural Networks.
Al-Shargie F, Badr Y, Tariq U, Babiloni F, Al-Mughairbi F, Al-Nashash H.
Annu Int Conf IEEE Eng Med Biol Soc. 2023 Jul;2023:1-5.