跨主题大脑功能连接分析用于多任务认知状态评估
原文中文，约1300字，阅读约需4分钟。
📝
内容提要
本研究提出了一种转移学习框架，比较了认知任务之间的关系，发现相似脑区的任务在fMRI数据解码中表现更好。同时，研究探讨了EEG数据与认知负荷的关系，并提出多种深度学习和机器学习方法，以提高神经解码的准确性和有效性。
❓
Q&A
这项研究提出了什么新的方法来分析认知任务之间的关系？
研究提出了一种转移学习框架，用于比较认知任务之间的关系。
相似脑区的任务在fMRI数据解码中表现如何？
相似脑区的任务在fMRI数据解码中表现更好。
如何利用EEG数据进行神经负荷建模？
研究提出了一种新的自我监督的深度学习方法，通过EEG数据进行神经负荷建模。
研究中如何分类飞行员的工作负荷？
使用深度学习技术从脑电图信号中提取特征，分类飞行员的工作负荷水平。
经颅直流电刺激对执行功能的影响如何？
研究表明经颅直流电刺激后执行功能有变化，并提出高分类准确率的方法。
如何通过生理数据检测情感状态？
通过功能近红外光谱法和机器学习进行分类，个体模型的准确率为83.04%。
🏷️
