科研之友
微信
新浪微博
Facebook
分享链接
摘要
动作类电子游戏是现代生活中一种重要的娱乐方式。近年的研究发现,动作类电子游戏能对玩家的多种认知功能(如选择性注意)产生影响,而这些认知能力通常与脑电beta节律有关。但是,传统的脑电节律分析主要关注时程上的平均节律强度,难以相对连续地刻画不同游戏水平人群在游戏过程中注意相关的beta节律变化。基于机器学习算法提出一种新的脑电beta节律频数分析方法。被试包含232位英雄联盟正常男性玩家,游戏水平按照游戏排位由低到高分为水平1～5(各组被试数分别为27,74,77,34和20人)。被试先后在静息态和游戏状态下进行脑电数据采集。以每位被试游戏态beta节律与静息态beta节律的差值为特征,采用高斯核支持向量机对测试集中每位被试所有数据段进行预测分类(即高/低水平beta模式),然后计算每例被试中高水平beta模式的数据段占其所有数据段总数的比例。最后,采用单因素方差分析对各游戏水平被试的频数进行统计分析,并将其与游戏表现评分得分进行皮尔逊相关分析。结果表明,在游戏过程中,高水平beta3模式的频数在组间具有显著差异(P<0.05,F=17.40),且随着游戏水平的升高呈现显著的上升趋势。基于聚类法(P<0.05,F=6.57)与线性判别方法(P<0.05,F=14.84)的频数分析结果也显示高水平beta3模式频数的组间差异显著。进一步,发现该频数与游戏表现评分呈正相关(P<0.05,r=0.22)。研究提示,不同游戏水平对注意相关脑功能的影响可以通过高水平beta模式频数法进行刻画。对于理解游戏对大脑的可塑性影响,所提出的方法提供了新的角度且具有较好的应用前景。
- 单位
