50、神经技术在多领域的研究与应用进展

神经技术在多领域的研究与应用进展

1. 利用移动脑电图研究家用产品的经济决策

1.1 研究背景

经济决策涉及在共同尺度上计算和分配主观价值，以评估产品的价值。此前虽有很多研究尝试分离经济决策的神经关联，但对经济决策在大脑中的时间动态知之甚少。利用移动脑电图（EEG）方法，能够在现实场景中，对自由移动的参与者大脑中产品经济决策的发生时间和位置进行解读。

1.2 研究方法

• 数据收集 ：参与者在产品展示环境中观看并评价日常家用产品（价格在0.50 - 12.00英镑之间）的图片，同时记录脑电图和眼动数据。之后通过Becker - DeGroot - Marschak（BDM）拍卖任务获取参与者对产品的支付意愿评级，将刺激分为主观价值条件（低、低中、高中和高价值）。
• 数据分析 ：
  • 检查眼动相关电位（EMRPs），并使用独立成分分析（ICA）对20个个体数据集在图像呈现前200ms至后600ms内的总体平均脑电图的激活源进行分解。
  • 使用PCA EEGLAB程序对20名受试者的分解后的总体平均EMRP数据进行K - 均值聚类分析。
  • 在 - 200至600ms之间，对每个聚类在不同主观价值条件下的平均激活进行统计比较。

1.3 研究结果

分析揭示了四个聚类在50 - 230ms内，不同主观价值条件下的振幅存在显著差异：
| 聚类编号 | 时间区间（ms） | 振幅增强情况 |
| ---- | ---- | ---- |
| 3 | 116 - 127 | 低价值产品比高价值条件下振幅增强 |
| 3 | 193 - 204 | 高价值产品比中等价值条件下振幅增强 |
| 5 | 50 - 63 | 低价值产品比低中等价值产品振幅增强 |
| 5 | 132 - 148 | 低价值产品比高价值产品振幅增强 |
| 5 | 170 - 183 | 低价值产品比两种中等价值产品振幅增强 |
| 6 | 56 - 58 | 低价值产品比最高价值产品振幅增强 |
| 6 | 225 - 230 | 所有价值条件比高中等价值产品振幅增强 |
| 9 | 158 - 185 | 高中等价值产品比其他所有产品振幅增强 |

1.4 研究讨论

研究结果表明，在现实场景中，大脑在50ms时会优先关注低价值产品。低价值产品会被迅速区分出来，然后与高价值和高中等价值产品进行比较，接着是低中等价值产品。最后，高中等价值产品在约158ms和230ms时会受到更多关注，因为对这些产品的决策可能需要更多的思考。这种对低价值产品的注意力优先分配可能是一种为了最大化经济资源的厌恶机制，这也证明了大脑在经济决策中对不同价值产品的注意力分配并非线性的。

2. 行走提升用于群体决策的脑机接口性能

2.1 研究背景

协作式脑机接口（cBCI）可通过个体的脑信号和响应时间来估计决策信心，从而改善群体决策。但此前的研究大多在实验室控制条件下进行，用户在决策时肌肉活动有限。本研究旨在开发并测试在用户在跑步机上行走时进行决策任务的情况下，cBCI的性能。

2.2 研究方法

• 实验设计 ：10名参与者观看视频序列（帧率为4Hz），视频呈现的是用户在走廊中以恒定速度行走的动态环境视角，角色可能从侧门出现一帧。在每个试验中，参与者需在2.5秒内决定角色戴的是头盔还是帽子，并在报告决策后2秒内使用11点量表（0表示不自信，100表示非常自信）表明自己的信心程度。
• 实验分组 ：实验由12个包含42个试验的块组成，其中6个块中参与者以悠闲的速度（2km/h）在跑步机上行走，另外6个块中参与者坐在舒适的椅子上，顺序进行了平衡处理。
• 数据记录与处理 ：使用Biosemi ActiveTwo EEG系统，按照10 - 20国际系统从64个电极位点记录神经信号。脑电图数据以2048Hz采样，参考耳垂电极的平均值，并进行0.15 - 40Hz的带通滤波以减少电噪声。通过逻辑回归，利用响应时间和两个神经特征（通过对低通滤波（16Hz）的响应锁定脑电图时段应用共同空间模式滤波器提取）来估计决策信心。将参与者的数据离线组合，形成不同规模的所有可能组。

2.3 研究结果

结果显示，cBCI和报告的信心产生的结果相似，但行走显著提高了群体决策的性能（Wilcoxon符号秩检验，p < 0.03）。与坐着的条件相比，在行走条件下，群体使用cBCI和报告信心进行决策的准确性更高。

2.4 研究结论

尽管在跑步机上行走产生的肌肉伪影可能会对cBCI解码用户决策信心的能力产生负面影响，但行走和坐着两种条件下cBCI和报告信心的性能相似，表明情况并非如此。行走提高了群体在本研究任务中的表现，这可能是因为行走增加了警觉性，从而带来了更好的整体表现。这表明cBCI可能在比实验室更广泛的操作环境中有效。

3. 虚拟现实中的肌电图与情绪

3.1 研究背景

许多研究尝试利用虚拟现实来诱发情感体验。本研究旨在结合虚拟现实与动态心理生理学，研究房间尺度虚拟现实对虚拟高度感知的影响，并根据评估空间模型构建情感模型。

3.2 研究方法

• 虚拟环境创建 ：使用Unreal引擎创建自定义环境，让参与者在一系列200米及以上的高度上，通过悬浮的冰块网格，冰块破裂甚至解体导致虚拟“坠落”的概率分为三个等级。
• 数据收集 ：34名参与者参与研究，收集了心电图、呼吸带、皮肤电导水平以及两个面部肌电图通道（皱眉肌和颧大肌）的心理生理数据，这两块面部肌肉可反映参与者的负面和正面情绪状态。

3.3 研究内容

• 虚拟环境开发 ：简要介绍虚拟环境在概念和实践上的开发过程，为开发类似定制环境用于心理学研究提供指导。
• 数据挑战与发现 ：讨论处理大量数据时面临的挑战，以及参与者在面临更高虚拟坠落概率时数据所揭示的信息。
• 研究启示 ：探讨研究结果如何显示出对任务的习惯化证据，以及该初始研究如何为当前正在进行的研究提供信息，特别是针对参与者在任务中的运动可能掩盖生理结果的批评，以及如何尝试克服这一问题。

4. 通过心理生理传感器网络的实时状态分类促进数字健康

4.1 研究背景

随着技术的普及，数字体验与日常生活的界限变得模糊。为了理解数字体验对用户“数字健康”（即在数字环境中照顾个人健康、安全、关系和工作 - 生活平衡的能力）的影响，需要进行相关研究。本研究提出应用心理生理传感器网络实时预测用户状态，以进行积极干预和促进数字健康。

4.2 研究方法

• 深度学习应用 ：深度学习是一种利用心理生理传感器数据对人类状态进行分类的有前途的方法，具有高分类准确性和对噪声的鲁棒性。
• 剪枝算法 ：为了在受限的移动操作环境中提高操作效率和分类通用性，提出应用一种新的剪枝算法。相关活动剪枝（CAP）是一种交互式剪枝方法，通过启发式方法识别对解决方案没有贡献的单元，并将其移除，而不会降低性能。这种方法比重新训练更快，可以在“实时”进行，在不显著降低准确性的情况下减小复杂多层人工神经网络的规模。

4.3 研究应用

• 用户状态分类 ：利用心电图（ECG）、功能近红外光谱（fNIRS）、脑电图（EEG）和皮肤电活动（EDA）等心理生理数据源进行用户状态分类。深度学习网络可以让数字系统预测心理工作量、任务参与度、疲劳和情绪状态等指标。
• 神经自适应接口 ：神经自适应接口可以根据用户当前状态调节用户与数字系统交互时的注意力。例如，智能数字系统可以根据用户当前状态调节移动设备通知的发送，避免干扰用户的主要生活任务，还可能对提高工作效率和任务参与度产生积极影响。

5. 群体眼动追踪研究与应用

5.1 研究背景

近年来，眼动追踪技术发生了重大变化，新的传感器技术使得低成本、可负担的眼动追踪设备得以生产。这为采用多用户眼动追踪范式研究社会互动提供了机会。群体眼动追踪（GET）范式旨在使多用户眼动追踪技术更普及，有望成为继单用户眼动追踪范式和双用户眼动追踪范式之后的第三代交互范式。

5.2 研究应用

• 实验范式 ：GET范式已在多个领域作为实验范式得到应用，包括设计和应用多用户、基于凝视的游戏，以及在博弈论和经济决策中研究凝视线索的概念。凝视线索是指屏幕上显示的对应其他用户凝视位置的标记。
• 研究目标 ：主要研究目标包括了解环境中其他用户的存在以及他们瞬间凝视位置的信息如何影响群体决策过程，以及互动动态是如何形成的。

5.3 研究前景

GET范式在社会互动研究方面具有新颖性，在神经自适应研究的多模态和多用户研究中也具有潜力。多用户眼动追踪技术不仅在相关实际应用领域有影响，还具有社会经济影响。未来，多用户眼动追踪有望成为广泛问题和领域中的主要人际交互媒介，从通过多用户眼动追踪游戏提高儿童的社交互动技能到互联网上的社交游戏等。

综上所述，这些研究涵盖了神经技术在经济决策、群体决策、虚拟现实、数字健康和社会互动等多个领域的应用，为我们深入了解人类大脑和行为提供了新的视角和方法。随着技术的不断发展，这些研究成果有望在更多领域得到应用和拓展。

6. 各研究的关联与综合影响

6.1 神经技术在不同场景的互补性

上述各项研究虽然聚焦于不同的领域，但它们所采用的神经技术却存在一定的互补性。例如，在利用移动脑电图研究家用产品经济决策和行走提升群体决策脑机接口性能的研究中，都运用了脑电图（EEG）技术。在产品经济决策研究中，EEG帮助揭示大脑对不同价值产品的决策时间动态；而在群体决策研究中，EEG用于估计个体的决策信心。这表明EEG技术在不同的决策场景下都能发挥重要作用，为理解人类决策过程提供了多维度的视角。

再如，在虚拟现实中的肌电图与情绪研究以及通过心理生理传感器网络的实时状态分类促进数字健康的研究中，都涉及到心理生理数据的收集。前者通过收集心电图、呼吸带、皮肤电导水平和面部肌电图等数据来研究情绪体验；后者则利用心电图、功能近红外光谱、脑电图和皮肤电活动等数据进行用户状态分类。这些不同类型的心理生理数据相互补充，能够更全面地反映人类的生理和心理状态。

6.2 对社会和经济的潜在影响

• 经济决策优化 ：利用移动脑电图研究家用产品经济决策的结果，有助于商家更好地了解消费者的大脑决策机制。例如，商家可以根据大脑对不同价值产品的注意力分配规律，优化产品定价和营销策略，提高销售效率，从而对经济领域产生积极影响。
• 群体决策效率提升 ：行走提升群体决策脑机接口性能的研究成果，可应用于企业、政府等组织的决策过程中。在会议、项目决策等场景下，采用cBCI技术并结合适当的身体活动，有望提高群体决策的准确性和效率，促进组织的发展。
• 情绪管理与健康促进 ：虚拟现实中的肌电图与情绪研究为情绪管理和心理健康领域提供了新的方法。通过虚拟现实环境诱发情感体验，并结合心理生理数据的监测，可以开发出针对性的情绪调节方案，帮助人们缓解压力、改善情绪状态，对社会的心理健康水平提升具有重要意义。
• 数字健康保障 ：通过心理生理传感器网络的实时状态分类促进数字健康的研究，能够为用户提供个性化的数字健康服务。智能数字系统可以根据用户的实时状态调节通知发送，避免干扰用户的主要生活任务，提高工作效率和生活质量，同时也有助于推动数字健康产业的发展。
• 社会互动改善 ：群体眼动追踪研究与应用的成果，为改善社会互动提供了新的途径。多用户眼动追踪技术可以应用于教育、游戏、社交等领域，例如通过多用户眼动追踪游戏提高儿童的社交互动技能，促进社会和谐发展。

7. 未来研究方向与挑战

7.1 技术层面的挑战与发展方向

• 传感器技术的优化 ：目前所使用的脑电图、肌电图等传感器技术虽然已经取得了一定的进展，但仍存在一些局限性。例如，脑电图信号容易受到肌肉伪影、环境噪声等因素的干扰，影响数据的准确性。未来需要进一步优化传感器技术，提高信号的质量和稳定性。
• 数据分析算法的改进 ：随着数据量的不断增加，如何高效地分析和处理这些数据成为了一个关键问题。目前所采用的独立成分分析、逻辑回归等算法虽然能够取得一定的效果，但在处理复杂数据时仍存在一定的不足。未来需要开发更加先进的数据分析算法，提高数据处理的效率和准确性。
• 多模态数据融合 ：不同的神经技术可以提供不同类型的信息，如脑电图反映大脑的电活动，肌电图反映肌肉的活动。未来的研究需要将这些多模态的数据进行融合，以获得更全面、更准确的信息。例如，将脑电图和肌电图数据结合起来，更好地理解人类的情绪和行为。

7.2 应用层面的挑战与发展方向

• 跨领域应用的拓展 ：目前的研究主要集中在经济决策、群体决策、虚拟现实等几个领域，未来需要将这些研究成果拓展到更多的领域，如医疗、教育、交通等。例如，在医疗领域，可以利用神经技术监测患者的大脑和身体状态，为疾病的诊断和治疗提供更准确的依据。
• 伦理和法律问题 ：随着神经技术的不断发展，伦理和法律问题也日益凸显。例如，在使用脑机接口技术时，如何保护用户的隐私和自主权；在利用神经技术进行决策时，如何确保决策的公正性和合法性。未来需要建立相应的伦理和法律框架，规范神经技术的应用。
• 用户接受度 ：神经技术的应用需要用户的接受和配合。然而，一些用户可能对这些技术存在疑虑和担忧，例如担心技术会侵犯个人隐私、影响身体健康等。未来需要加强对神经技术的宣传和科普，提高用户的接受度。

8. 总结

8.1 研究成果总结

本文介绍了神经技术在多个领域的研究与应用进展，包括利用移动脑电图研究家用产品经济决策、行走提升群体决策脑机接口性能、虚拟现实中的肌电图与情绪、通过心理生理传感器网络的实时状态分类促进数字健康以及群体眼动追踪研究与应用。这些研究通过不同的方法和技术，深入探讨了人类的大脑和行为机制，为我们提供了新的视角和方法。

8.2 展望未来

随着技术的不断发展，神经技术在更多领域的应用前景广阔。未来，我们有望看到神经技术在医疗、教育、交通等领域发挥更大的作用，为人类的生活和社会的发展带来更多的便利和福祉。同时，我们也需要关注技术发展带来的伦理和法律问题，确保神经技术的应用符合人类的利益和价值观。

以下是一个简单的mermaid流程图，展示神经技术研究与应用的整体流程：

graph LR
    A[神经技术研究] --> B[数据收集]
    B --> C[数据分析]
    C --> D[研究成果]
    D --> E[应用领域]
    E --> F[经济决策]
    E --> G[群体决策]
    E --> H[虚拟现实]
    E --> I[数字健康]
    E --> J[社会互动]
    F --> K[优化营销策略]
    G --> L[提高决策效率]
    H --> M[诱发情感体验]
    I --> N[促进数字健康]
    J --> O[改善社会互动]

通过以上的研究和分析，我们可以看到神经技术在多个领域都具有巨大的潜力和应用价值。未来的研究需要不断地探索和创新，克服技术和应用层面的挑战，推动神经技术的发展和应用，为人类社会的进步做出更大的贡献。