论文标题： Wearable EEG-Based Brain–Computer Interface for Stress Monitoring

论文链接： https://www.mdpi.com/2673-4087/5/4/31

期刊名称： NeuroSci

期刊主页： https://www.mdpi.com/journal/neurosci

在当今快节奏的社会中，压力已成为影响人类健康和工作效率的重要因素。如何在高压力工作环境中实时监测并有效管理压力，成为了科技界与医学界共同关注的热点。新加坡南洋理工大学联合多家知名研究机构在NeuroSci期刊发表了一项重要研究成果，为我们揭示了一种创新的解决方案——基于可穿戴脑电图（EEG）的脑机接口（BCI）系统，用于实时监测和评估个体的心理压力状态。

一、研究背景与动机

文章指出，适度的压力能够激发个体的潜能，提升任务表现；然而，长期暴露于高压力环境下，则会导致身心健康受损，甚至引发一系列疾病。传统的压力评估方法主要依赖于主观问卷调查或生理指标如心率变异性（HRV）的测量，但这些方法往往难以实现实时、无干扰的监测。因此，开发一种能够自动、客观地评估心理压力的可穿戴设备显得尤为重要。

二、创新性的可穿戴EEG-BCI系统

为了应对这一挑战，研究团队设计了一套基于可穿戴EEG的BCI系统，该系统结合了干电极EEG头带和心电图（ECG）胸带，旨在通过非侵入式的方式实时监测大脑活动和生理信号，从而准确评估个体的压力状态。文章强调，选择干电极EEG头带而非传统的湿电极，是因为前者无需导电凝胶，佩戴舒适，更适合日常佩戴和长时间监测。

三、实验设计与数据收集

为了验证该系统的有效性，研究团队招募了40名健康成年参与者，让他们在实验室环境中完成两项高压力认知任务：认知警觉任务（CVT）和多模态整合任务（MMIT）。其中，MMIT任务灵感来源于视频游戏《请出示文件》，要求参与者在有限时间内根据规则判断嫌疑人是否符合入境条件，该任务因其高度的认知负荷和时间压力而被选为压力诱导工具。

在实验过程中，参与者佩戴了可穿戴EEG头带和ECG胸带，同时完成了自我报告的压力水平问卷（DSSQ）。通过收集EEG和ECG数据，并结合DSSQ结果，研究团队构建了基于EEG和HRV特征的压力分类模型。

四、实验结果与分析

实验结果表明，基于EEG特征的压力分类模型在MMIT任务中达到了81.0%的准确率，而在CVT任务中则为77.2%。相比之下，基于HRV特征的压力分类模型表现欠佳，准确率分别为62.1%（CVT）和56.0%（MMIT）。这一发现表明，EEG信号在反映心理压力状态方面具有更高的敏感性和特异性。

不同任务下基于EEG和HRV特征的压力分类准确率

注：图中展示了在CVT和MMIT任务下，基于EEG和HRV特征的压力分类准确率对比。蓝色柱状图代表EEG特征分类准确率，橙色柱状图代表HRV特征分类准确率。

进一步分析发现，MMIT任务相较于CVT任务更能有效诱发参与者的心理压力，这从自我报告的压力水平变化中得到了验证。此外，研究还发现，通过优化训练数据块的数量，可以进一步提高压力分类模型的准确性，这为未来实时压力监测系统的开发提供了重要参考。

五、研究意义与未来展望

本文提出的基于可穿戴EEG的BCI系统，为在高压力工作环境中实时监测和管理个体压力状态提供了一种新颖而有效的方法。该系统不仅具有高度的准确性和实用性，还因其非侵入性和佩戴舒适性而易于被用户接受。

展望未来，研究团队计划进一步优化系统性能，提高数据质量，并探索将更多生理信号（如皮肤电反应、呼吸频率等）纳入监测范围，以构建更加全面和准确的压力评估模型。同时，他们还计划开展实地研究，将系统应用于真实的高压力工作环境中，以验证其在实际场景中的有效性和可靠性。

总之，《Wearable EEG-Based Brain–Computer Interface for Stress Monitoring》一文不仅为我们展示了一种创新的压力监测技术，更为未来智能健康管理和人机交互领域的发展开辟了新的道路。随着技术的不断进步和应用场景的拓展，我们有理由相信，基于可穿戴EEG的BCI系统将在提升人类生活质量和促进身心健康方面发挥越来越重要的作用。

NeuroSci 期刊介绍

主编：François Ichas, CNRS et Université de Bordeaux, France

期刊涵盖神经病学和神经科学领域的研究，旨在为全球科学家提供一个学术出版和交流平台，以促进神经病学和神经科学领域的发展。目前，期刊已被ESCI (Web of Science)、PMC、PubMed等重要数据库收录。