PhyAAt: Physiologie der auditiven Aufmerksamkeit für Sprache-Datensatz

Die Aufmerksamkeit auf natürliche Sprache ist ein komplexer Hirnprozess. Ihre Quantifizierung aus physiologischen Signalen kann wertvoll sein, um die Leistungsfähigkeit und den Anwendungsbereich der aktuellen Brain-Computer-Interface-Systeme zu verbessern und zu erweitern, bleibt jedoch eine herausfordernde Aufgabe. In diesem Artikel stellen wir einen Datensatz von physiologischen Signalen vor, der im Rahmen eines Experiments zur Aufmerksamkeit auf natürliche Sprache erhoben wurde. Im Experiment wurden 25 Nicht-Muttersprachlern auditiv angeregte Stimuli präsentiert, die aus Wiedergaben englischer Sätze unter verschiedenen auditiven Bedingungen bestanden. Die Probanden wurden gebeten, die Sätze zu diktieren. Während des Experiments wurden von jedem Teilnehmer 14-Kanal-Elektroenzephalogramm (EEG), Galvanische Hautreaktion (GSR) und Photoplethysmogramm (PPG) Signale aufgezeichnet. Basierend auf der Anzahl korrekt diktierten Wörter wurde für jede dem Versuchspersonen präsentierte auditive Stimulierung ein Aufmerksamkeitswert berechnet. Es wurde eine starke Korrelation ($p<<0.0001$) zwischen dem Aufmerksamkeitswert und den auditiven Bedingungen festgestellt. Wir formulieren zudem vier verschiedene Vorhersageaufgaben, die den erhobenen Datensatz betreffen, und entwickeln ein Merkmalsextraktionsframework. Die Ergebnisse jeder Vorhersageaufgabe werden mit einem Support Vector Machine (SVM) unter Verwendung spektraler Merkmale erzielt und liegen über dem Zufallsniveau. Der Datensatz wurde für weitere Forschung öffentlich zugänglich gemacht, zusammen mit einer Python-Bibliothek – phyaat –, die das Vorbereiten, Modellieren und Reproduzieren der in diesem Artikel präsentierten Ergebnisse erleichtern soll. Der Datensatz sowie andere Ressourcen sind auf der Webseite – https://phyaat.github.io – verfügbar.请注意，虽然您提到的是“使其更符合法语读者的阅读习惯”，但根据上下文，这里应该是德语。如果您需要法语翻译，请告知我。