新上线今天0 投票
脑电图区域贡献度评估：额叶电极组在认知负荷预测中表现最优
一项发表于 EMBC 2026 的研究通过大规模跨数据集分析，系统评估了不同头皮区域脑电图（EEG）对认知负荷预测的贡献。研究发现，额叶电极组在独立于被试的评估中，相对排名位置比全头皮基线高出约 15-20%，且所需电极数量显著减少。额中央区域表现出最稳定的预测能力，而后部及枕叶区域在不同实验条件下的贡献一致性较低。该结果为设计高效、泛化的 EEG 认知负荷监测系统提供了重要指导。
研究背景与动机
认知负荷的准确估计对于人机交互、安全关键系统等领域至关重要。EEG 因其高时间分辨率被广泛用于认知负荷评估，但不同脑区在跨任务、跨数据集、跨被试场景下的贡献一致性仍不明确。现有研究多聚焦于特定数据集或单一实验范式，缺乏系统性的区域级比较。
研究方法
研究团队提出了一个区域级评估框架，将电极按解剖学头皮区域分组，并提取各组电极的频谱特征。他们使用了四个公开的 EEG 认知负荷数据集，涵盖不同任务类型、记录设备和电极布局。采用模型无关的性能评估方法，在混合被试和独立于被试两种协议下量化区域重要性，并通过基于排名的聚合策略确保结果稳健性。
关键发现
- 额叶电极组表现突出：在所有数据集和独立于被试的评估中，额叶电极组相对排名位置比全头皮基线提升约 15-20%，且仅使用少量电极。
- 额中央区域最稳定：额中央区域在不同实验条件下均保持较高的预测效用，是认知负荷相关 EEG 信息最集中的区域。
- 后部及枕叶贡献有限：这些区域在不同数据集和任务下贡献波动较大，可能受任务类型或个体差异影响。
行业意义与展望
该研究为简化 EEG 系统设计提供了实证依据：仅需部署额叶或额中央区域的少量电极，即可实现接近甚至优于全头皮配置的认知负荷预测性能。这对于开发可穿戴、低功耗的脑机接口设备具有直接价值。未来研究可进一步探索任务特异性与个体差异对区域贡献的影响，并验证该框架在实时监测场景中的泛化能力。