用于禅修神经反馈系统的脑电图数据研究

1、通过脑电图（EEG）特征与机器学习算法（尤其是随机森林 RF）识别禅修者禅修水平，RF 在二分类（高水平 vs 其他）上的准确率可达 96.9%，多分类最高 88.8%，回归相关系数最高 0.933，证明 15 维特征 + 校准框架的有效性。神经反馈（NFB）用于 ADHD、抑郁等干预，其关键是准确实时识别 EEG 模式。 神经反馈NFB，是一种神经治疗方法，可用于多动症、抑郁症等精神障碍的治疗。 2、可以通过对学员 禅修eeg信号，选用6个波段能量、6个波段能量比和3种不同类别的eeg现代分析方法作为eeg特征，以禅修学员水平作为分类目标，对数据采用个性化校准方案，测试了RF（随机森林）、支持向量机（SVN)、k近邻（kNN）、贝叶斯网络等多种分类和回归算法。 大脑前额叶是与冥想关联程度最大的脑区，遂关注前额叶f3电极。 3、数据的处理 频段滤波：δ(0.5–4 Hz)、θ(4–8)、α(8–13)、β(13–30)、γ(30–50)。 15 维特征构成： 能量：Eδ, Eθ, Eα, Eβ, Eγ, 总能量 比值：Eα/Eθ, Eβ/Eθ, Eγ/Eθ, Eβ/Eα, Eγ/Eα, Eγ/Eβ 复杂性 + 非线性：C0 复杂度、盒维数（分形维）、信息熵 4、可以“利用双耳节奏神经相关效应”通过播放音频激发特定的α波。