基于单试次脑电解码的类自举法谎言预测研究

Research on Single-trial EEG Decoding-based Class Bootstrap Method for Lie Prediction

二维码有效期 120s

摘要基于脑电(Electroencephalogram,EEG)的谎言检测技术依赖于对事件相关电位(Event-related potential,ERP)的有效解码,当前主要采用手工设计特征进行脑电分析.近年来,单试次脑电分类方法取得了长足进步,其中端到端的脑电分类方法能够实现对脑电的自动特征提取和分类,但在谎言检测中缺乏研究和应用,同时存在无法在测谎场景下直接应用的问题.本研究设计基于复合反应范式(Complex trial protocol,CTP)进行自我面孔信息识别任务的实验,采集了18名被试的脑电数据.研究了不同端到端的单试次ERP分类方法在谎言检测中的应用,同时针对单试次脑电解码方法无法直接实际应用的问题,提出了一种类自举算法.算法基于数据分布假设,通过对比各类刺激图像被视为探针刺激时所训练模型的性能,来推断真正的探针刺激.实验结果表明,在基于自我面孔信息的CTP的谎言预测中,所提出的类自举法性能优于传统探针预测方法,在仅使用少量脑电数据情况下,可实现准确的谎言预测.