12、基于脑电图信号的机器学习分类器在记忆评估中的性能评估

基于脑电图信号的机器学习分类器在记忆评估中的性能评估

1. 引言

脑电图（EEG）以电生理信号的形式记录大脑活动。对这些信号的分析有助于开发能够与人类大脑进行通信的设备，从而在日常生活中提供更好的便利。这些设备需要脑机接口（BCI）来完成其任务。

EEG 能够让我们深入了解大脑在不同刺激下的功能，这些刺激可以是视觉、听觉，或者是视听结合（以多媒体形式呈现）。通过 EEG，我们可以了解大脑的状态、注意力表现以及大脑的健康状况（通过记忆力来衡量）。此外，EEG 不仅技术成熟，而且价格低廉、非侵入性，这使得它成为评估不同大脑功能的有前途的工具。与其他脑成像方式（如脑磁图（MEG）和功能磁共振成像（fMRI））相比，EEG 更适合日常使用。

物联网（IoT）在人类生活的几乎各个方面迅速发展，推动了智能医疗系统的发展，加强了远程医患沟通，提高了生活质量。近年来，从事 BCI 研究的社区已将 EEG 应用于支持物联网的基础设施中，以实现闭锁综合征（LIS）患者与其辅助设备（如轮椅或语音辅助设备）之间的实时认知交互。

大脑分为不同的脑叶，即额叶、顶叶、枕叶和颞叶，每个脑叶都有专门的功能：
- 额叶 ：控制记忆、思维能力、决策、推理、冲动控制、情绪和语言表达质量。如果这部分受损，可能会影响记忆、情绪和语言。
- 顶叶 ：处理来自身体不同部位的感觉信息。如果该部位受损，可能会出现识别和定位身体部位的困难。
- 枕叶 ：处理视觉信息，受损后可能导致色盲。
- 颞叶 ：负责声音和语言，特别是听