Mental Workload Detection Based on EEG Analysis
Yauri Vidalón, José Elías (Centre de Visió per Computador (Bellaterra, Catalunya))
Hernandez-Sabaté, Aura (Centre de Visió per Computador (Bellaterra, Catalunya))
Folch, Pau (Aslogic)
Gil, Debora (Centre de Visió per Computador (Bellaterra, Catalunya))

Data:	2021
Resum:	The study of mental workload becomes essential for human work efficiency, health conditions and to avoid accidents, since workload compromises both performance and awareness. Although workload has been widely studied using several physiological measures, minimising the sensor network as much as possible remains both a challenge and a requirement. Electroencephalogram (EEG) signals have shown a high correlation to specific cognitive and mental states like workload. However, there is not enough evidence in the literature to validate how well models generalize in case of new subjects performing tasks of a workload similar to the ones included during model's training. In this paper we propose a binary neural network to classify EEG features across different mental workloads. Two workloads, low and medium, are induced using two variants of the N-Back Test. The proposed model was validated in a dataset collected from 16 subjects and shown a high level of generalization capability: model reported an average recall of 81. 81% in a leave-one-out subject evaluation.
Ajuts:	European Commission 831993 Agencia Estatal de Investigación RTI2018-095209-B-C21 Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-1597 Agència de Gestió d'Ajuts Universitaris i de Recerca 2017/SGR-1624
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original.
Llengua:	Anglès
Document:	Article ; recerca ; Versió publicada
Matèria:	Cognitive states ; Mental workload ; EEG analysis ; Neural Networks
Publicat a:	Frontiers in Artificial Intelligence and Applications, Vol. 339 (2021) , p. 268-277, ISSN 0922-6389

Dades de recerca relacionades amb l'article: https://ddd.uab.cat/record/259591
DOI: 10.3233/FAIA210144

10 p, 566.0 KB

El registre apareix a les col·leccions:
Articles > Articles de recerca
Articles > Articles publicats