Ученые создали базу данных для оценки концентрации человека
Российские ученые собрали открытый набор данных об активности мозга, сердечном ритме и движениях человека во время задач на внимание. Эти данные помогут создавать приложения, которые будут оценивать концентрацию и тренировать внимание.
Источник: РНФ
МОСКВА, 20 мая. /Новости науки/. Ученые создали открытый набор данных, который поможет отличать состояние сосредоточенности от рассеянности по сигналам мозга и сердца. Об этом сообщили в пресс-службе Российского научного фонда.
Работу поддержал грант РНФ. Результаты опубликованы в журнале Scientific Data.
Способность концентрироваться важна для учебы и работы. Но объективно измерить, насколько человек сосредоточен на задаче, пока сложно. Для этого нужны данные, по которым алгоритмы смогут учиться распознавать внимание, отвлечение и расслабленное состояние.
Ученые из Санкт-Петербургского Федерального исследовательского центра РАН с коллегами создали такой набор данных. В исследовании участвовали 33 добровольца. Из них 15 человек не менее года регулярно занимались йогой и медитацией. Остальные не имели такого опыта.
Каждый участник в течение 45 минут выполнял пять заданий. Сначала ученые записывали состояние расслабления с открытыми и закрытыми глазами. Затем участники закрывали глаза и позволяли мыслям свободно блуждать. Это состояние авторы считали противоположным концентрации.
После этого добровольцы мысленно сосредотачивались на воображаемой точке в центре лба. Затем они переключались на внешнюю задачу: искали на картинках нужный объект среди множества отвлекающих деталей. В конце исследователи снова записывали фоновое состояние.
Во время всех этапов ученые снимали электроэнцефалограмму и электрокардиограмму. Электроэнцефалограмма показывает электрическую активность мозга. Электрокардиограмма отражает работу сердца. Также исследователи записывали на видео движения головы и грудной клетки.
В результате авторы получили комплексный набор данных по каждому участнику. Все записи разметили по этапам эксперимента. Это позволит программистам использовать данные для обучения нейросетей.
Анализ показал, что у людей, которые занимались йогой и медитацией, состояние концентрации заметнее отличалось от рассеянности по данным ЭЭГ и ЭКГ. Самым ярким признаком сосредоточенности стали сигналы от префронтальной коры. Эта область мозга связана с вниманием и контролем поведения.
«Полученные данные можно использовать для обучения нейросети: дать алгоритму задачу классифицировать уровень концентрации человека по ЭЭГ и ЭКГ. Далее на базе такой модели программисты смогут создавать различные приложения, например, для тренировки внимания у детей с синдромом дефицита внимания. В дальнейшем мы планируем попробовать обучить нейросети определять уровень концентрации внимания по видеоизображениям человека», — сказал руководитель проекта, старший научный сотрудник лаборатории интегрированных систем автоматизации Санкт-Петербургского Федерального исследовательского центра РАН Алексей Кашевник.
По словам авторов, такие системы могут лечь в основу новых цифровых инструментов для оценки внимания. Они смогут показывать, когда человек сохраняет концентрацию, а когда начинает отвлекаться.
В исследовании также участвовали сотрудники НИУ ВШЭ в Санкт-Петербурге, Российского университета дружбы народов и Университета науки и технологий МИСИС.
Работу поддержал грант РНФ. Результаты опубликованы в журнале Scientific Data.
Способность концентрироваться важна для учебы и работы. Но объективно измерить, насколько человек сосредоточен на задаче, пока сложно. Для этого нужны данные, по которым алгоритмы смогут учиться распознавать внимание, отвлечение и расслабленное состояние.
Ученые из Санкт-Петербургского Федерального исследовательского центра РАН с коллегами создали такой набор данных. В исследовании участвовали 33 добровольца. Из них 15 человек не менее года регулярно занимались йогой и медитацией. Остальные не имели такого опыта.
Каждый участник в течение 45 минут выполнял пять заданий. Сначала ученые записывали состояние расслабления с открытыми и закрытыми глазами. Затем участники закрывали глаза и позволяли мыслям свободно блуждать. Это состояние авторы считали противоположным концентрации.
После этого добровольцы мысленно сосредотачивались на воображаемой точке в центре лба. Затем они переключались на внешнюю задачу: искали на картинках нужный объект среди множества отвлекающих деталей. В конце исследователи снова записывали фоновое состояние.
Во время всех этапов ученые снимали электроэнцефалограмму и электрокардиограмму. Электроэнцефалограмма показывает электрическую активность мозга. Электрокардиограмма отражает работу сердца. Также исследователи записывали на видео движения головы и грудной клетки.
В результате авторы получили комплексный набор данных по каждому участнику. Все записи разметили по этапам эксперимента. Это позволит программистам использовать данные для обучения нейросетей.
Анализ показал, что у людей, которые занимались йогой и медитацией, состояние концентрации заметнее отличалось от рассеянности по данным ЭЭГ и ЭКГ. Самым ярким признаком сосредоточенности стали сигналы от префронтальной коры. Эта область мозга связана с вниманием и контролем поведения.
«Полученные данные можно использовать для обучения нейросети: дать алгоритму задачу классифицировать уровень концентрации человека по ЭЭГ и ЭКГ. Далее на базе такой модели программисты смогут создавать различные приложения, например, для тренировки внимания у детей с синдромом дефицита внимания. В дальнейшем мы планируем попробовать обучить нейросети определять уровень концентрации внимания по видеоизображениям человека», — сказал руководитель проекта, старший научный сотрудник лаборатории интегрированных систем автоматизации Санкт-Петербургского Федерального исследовательского центра РАН Алексей Кашевник.
По словам авторов, такие системы могут лечь в основу новых цифровых инструментов для оценки внимания. Они смогут показывать, когда человек сохраняет концентрацию, а когда начинает отвлекаться.
В исследовании также участвовали сотрудники НИУ ВШЭ в Санкт-Петербурге, Российского университета дружбы народов и Университета науки и технологий МИСИС.
