關鍵詞：視覺注意狀態 穩態視覺誘發電位 判別典型模式匹配算法 線性判別分析算法 典型相關分析算法 

摘要：注意將我們的心理資源集中到感興趣事件的處理上,是一種重要的行為和認知過程。識別注意力狀態對提高工作績效、減少失誤的發生具有重要意義。然而,至今還沒有能夠直接并客觀檢測注意力狀態的方法。基于視覺注意對穩態視覺誘發電位(SSVEP)具有調節效應這一事實,本文設計了10 Hz穩態視覺刺激背景下的go/no-go實驗范式,以探究不同視覺注意狀態調制SSVEP特征的可分性。實驗記錄了15名在校研究生志愿者高、低視覺注意力狀態下的腦電信號,高、低視覺注意力狀態由行為學反應情況判定。研究分析了高、低視覺注意力狀態下SSVEP信號的差異,并采用相關分類算法對這種差異進行了識別。結果表明,判別典型模式匹配(DCPM)算法相比線性判別分析(LDA)算法和典型相關分析(CCA)算法分類識別效果更佳,正確率可達76%。研究結果證明,不同視覺注意狀態調制的SSVEP特征具有可分性,這為視覺注意力狀態的監測提供了新方法。

生物醫學工程學雜志要求:

{1}正文包括題目、摘要、關鍵詞、引言、方法、結果、討論、結論和參考文獻等部分內容。

{2}本刊對來稿有修改權，不愿改動者，請事先說明。

{3}關鍵詞：關鍵詞應盡量從《漢語主題詞表》中選用，并用封號相隔（3-6個為宜）。

{4}來稿請注明詳細地址、電話和E-mail，便于通知聯系。

{5}若需列出項目資助相關內容，均置于首頁底部，并于論文題目后標出星號。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社