파일럿 작업량 예측을 위한 수동 뇌-컴퓨터 인터페이스 가상 현실 비행 훈련

작업량을 정량화하는 것은 학생 파일럿의 효과적이고 개인화된 비행 훈련에 필요합니다: 그들의 작업량은 너무 낮지 않아야 하며(지루함의 위험) 너무 높지도 않아야 합니다(과부하). 수동 뇌-컴퓨터 인터페이스(pBCI)는 뇌 활동을 통해 개인의 작업량을 측정할 수 있게 해주지만, pBCI의 성능은 개인 차이와 분류기 훈련을 위한 데이터 부족으로 인해 최적 이하로 남아 있습니다. 본 연구에서는 가상 현실에서 비행 작업을 수행한 여섯 명의 신병 군인 파일럿의 EEG 및 행동 데이터를 결합하여 작업량 평가를 위한 보정 불필요한 pBCI를 개발함으로써 이 문제를 해결했습니다. 세 가지 pBCI 분류기는 세타(4-8 Hz), 알파(8-13 Hz), 베타(13-30 Hz) 대역의 EEG 스펙트럼 파워 특성과 파일럿의 컨트롤 입력(조이스틱)의 추가적인 행동 특성을 기반으로 학습되었습니다. 모델의 평균 분류 정확도는 0.82, 0.78 및 0.78에 도달했습니다. 모델 성능을 이끄는 주요 특징은 뇌의 여러 영역에서의 EEG 세타 파워였습니다. 파일럿의 컨트롤 입력(즉, 행동 특성)은 모델 성능에 기여하지 않았지만 여러 EEG 세타 파워 특성과 중간정도 상관관계를 보였습니다. 결과는 교정이 필요 없는 파일럿의 작업량 분류를 위한 주관적이지 않은 pBCI의 가능성을 보여주며, 작업량의 실시간 모니터링 지표로서 전두엽과 중심-두정 영역의 세타 파워의 중요성을 강조합니다. 행동적 컨트롤 입력을 적지만 높은 예측력이 있는 EEG 특성과 함께 사용하는 것은 추가 연구가 필요합니다.