本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：941473018
Hello，大家好！
Rose今天分享一下EEG在注意力、记忆方面的原理与应用。
一项研究表明，在演讲或讲座总，听众在48小时后很有可能会忘记90%的内容，他们记住的信息特别少，而且这些信息通常是一些随机的信息，并非是演讲者希望听众记住的信息(Ebbinghaus, 1885)。
在心理学中，记忆被定义为大脑储存和记忆过去信息的过程。经典的心理学模型把记忆看作是一个连续的过程，在这个过程中，信息首先被编码到大脑中，然后才能被使用或存储。无论什么信息被编码，它现在都在大脑中呈现出来，可以长时间保存。存储后，检索机制允许访问或回忆这些信息。这些操作发生的时间跨度允许心理学家区分短期记忆(秒到分钟)和长期记忆(可能是无限的)。当短期记忆被操纵并应用于认知任务时，记忆被定义为“工作记忆”。
当涉及到记忆的生物基础时，这些阶段的定义不是很明确。总的来说，与记忆相关的所有方面似乎都是分布式的过程，涉及大量的大脑区域和几种编码机制。例如，海马体似乎参与了新信息的编码:当受损时，尽管旧的记忆是安全的，可以被回忆起来，但是丧失了形成或编码新记忆的能力。这个过程似乎依赖于海马体协调其神经元活动的能力，并产生theta频率的振荡(Buzsakian Moser 2013)。与此同时，我们大脑的额叶区域似乎参与了对已经储存的记忆的处理，因为额叶受损的患者在回忆方面表现出缺陷(Simons and Spiers 2003)。在额叶区域，记忆似乎是在大量神经元的异步活动中编码的(Baeg等，2003年)。
除了这种复杂性，被编码为记忆的内容也可以被认知需求调节。例如，关注某一特定事件会增加其存储的可能性，而干扰物的存在(例如午餐时有趣的谈话，或学习电话号码时突然的声音)会降低其存储的可能性(Cowan1997)。注意力、期望、新奇感、奖励或年龄都会影响你的记忆力。同样，痴呆症、阿尔茨海默病和其他神经系统疾病也会影响与记忆的几个方面有关的大脑区域(见图的右侧)。
当人们与不同内容类型(如移动应用程序、视频、手册、演示文稿等)交互时，大脑会产生与情感和记忆相关的各种大脑信号。将这些大脑信号转换成与记忆内容相关的特征，如参与度、动机、注意力、工作记忆、情绪唤醒和愉悦度(效价)。通过定义并计算这些变量，研究人员就可以将它们与所研究的传播材料结合起来，以获得一些有价值的结论。
效价唤起(Valence-Arousal)是情感的复杂模型
效价(Valence)在横轴上表示从不愉快到愉快的值，而唤醒(Arousal)在纵轴上表示从不活跃到活跃的值。
例如，在一个视频中的一个咖啡场景中，观众的唤醒度很低，而效价是中等的，所以这个场景似乎能引起放松、低注意力需求、中等动机和工作记忆。
除了在视频中插入聚合信号(可以离线实现，也可以实时实现)之外，还可以跨不同场景或在工件中使用的不同视觉技术之间计算统计数据。这使我们的客户有可能比较在演示中使用的不同媒体(如PowerPoint演示文稿和讲义)对认知和情感的影响，或在参与者体验相同媒体时识别感兴趣的时刻。
例如，在最近的一项实验中，20个人看了大约7分钟的视频，同时记录了他们的脑电图(EEG)和心电图(electrocardiography)。再离线分析和提取上述变量的信号后,我们得出以下(见下图):标为ReturntoLoc的事件与场景的变化相对应,在整个视频中产生最高的动机(橙色),而最令人兴奋的部分(最高的价和唤醒)是视频的开头。同样，在第二个内心独白(InternalMon2)场景中，工作记忆(黄色)和注意力(绿色)在整个视频中是最高的。结合高唤醒(深蓝色)和中等效价(淡蓝色)，这个场景可能是一个最高的惊喜/兴趣的迹象。
在上图中，x轴表示实验期间注释的不同事件，而竖线表示不同的变量。每个条都有不同的颜色，其含义在图例中显示。例如，深蓝色的条代表唤起，而绿色代表注意力。因此，提取的变量(觉醒、效价、注意力、动机、工作记忆)根据事件改变值。每个条形图延伸到组平均值，而须延伸到平均值的标准误差。
将所有这些信息收集在一起，从而决定何时传达影响最大的消息。在这个特定例子中，在视频的开头传达信息，并在之后的内心独白场景中重复这一信息，预期会增加感知到的影响。
这个简短的例子说明，通过EEG分析来确定受试者对促销材料的兴趣对于关注客户满意度的公司来说是非常重要的。在实际促销活动中，通过分析消费者在观看相关购买产品时的脑电活动来获得消费者对产品的关注度，满意度，购买意愿是非常有实际价值的。
参考
https://www.neuroelectrics.com/blog/2019/10/17/eeg-for-optimizing-communication-processes/
https://www.neuroelectrics.com/blog/2015/09/01/on-memory-and-why-i-you-cant-remember-what-i-you-ate-today/#comments
文章仅限学习使用，不用于商业行为，若有侵权及疑问，请后台留言！
更多阅读
EMD算法之Hilbert-Huang Transform原理详解和案例分析
本文章由脑机学习者Rose笔记分享,QQ交流群：941473018
更多分享，请关注公众号
