Lee, Jae-Yoon; Kang, Hang-Bong;
- Сэтгүүлийн нэр: Мультимедиа нийгэмлэгийн сэтгүүл
- Боть 17, Дугаар 11, 2014, х.1325-1334
- Хэвлэлийн газар: Korea Multimedia Society
- DOI: 10.9717 / kmms.2014.17.11.1325
Товч
Сүүлийн үед залуу хүмүүсийн донтолт нийгмийн асуудал болоод байна. Тиймээс тоглоом донтохыг оношлоход ихэвчлэн судалгаа хийсэн байдаг. Энэ баримт бичигт ЭЭГ-д суурилсан донтолтын түвшинг хэрхэн яаж ялгахыг бид зөвлөж байна. Энэ зорилгоор бид дервен группыг интернетийн тоглоомд (дэндуу эрсдэлтэй бүлэг, сэрэмжлүүлгийн бүлэг, жирийн бүлэг, сайн бүлгийн бүлэг) CSG ашиглан (Тоглоомын үнэлгээ хийх цогц хэмжээс) ашиглан 4 бүлэгт ангилж, тэдгээрийн үйл явдлыг хэмжих Go / NoGo-ийн ажлын хэсэгт боломжит (ERP). Ялангуяа P300, N400, N200-ийн дохионуудыг ҮНБ-ийн урамшууллын сувгууд болон Go stimulus-ээр хэмждэг. Үүнээс гадна бид EEG дохионы салангид wavelet хувиргалтаас ялгаатай шинж чанаруудыг гаргаж аваад донтолтыг интернетийн тоглоомд ялгахад ашигладаг. Энэ судалгаанд туршилтууд өндөр эрсдэлтэй ба анхаарах бүлгийг Хэвийн ба Сайн-хэрэглэгч бүлгүүдээс Fz сувгийн Go-N200 далайцыг бага үзүүлэв. Fz сувгийн Go-P300 болон NoGo-P300-д Хэвийн ба Сайн-хэрэглэгч бүлгийнхөөс өндөр эрсдэлтэй, хяналттай бүлгүүд өндөр далайцтай байдаг. Pz сувгийн Go-N400 болон NoGo-N400-д Хэвийн ба Сайн-хэрэглэгч бүлгийнхөөс өндөр эрсдэлтэй, хяналттай бүлгэмийн үзүүлбэр бага байдаг. EEG дохионоос давтамжийн зурвас тус бүрийн задралын шинж чанарыг судалсны дараа туршилтаар 85% -ийн нарийвчлалын ангилалыг харуулсан.
;