Ενσωμάτωση EEG (cognitive load) και PPG (καρδιακός παλμός) για εντοπισμό νοητικής κόπωσης με πολυτροπική ανάλυση σημάτων.

Θα χρησιμοποιηθεί ο Muse 2 για συλλογή EEG σημάτων + καρδιακού παλμού (PPG). Το πείραμα θα περιλαμβάνει δύο φάσεις:

1. Χαλάρωση (baseline, 5–7 λεπτά)

2. Νοητική κόπωση με εκτέλεση N-back memory test ή Stroop test για 25–30 λεπτά.

Τα δεδομένα θα συλλεχθούν μέσω Muse Research Tools (Muse Monitor + API export) και θα γίνει εξαγωγή χαρακτηριστικών EEG (Theta/Beta ratio) + HRV (RMSSD, LF/HF). Θα εφαρμοστεί Machine Learning classification (binary).

Προγραμματισμός (Python ή Java)

Ανάλυση Σημάτων

Αρχές Τεχνητής Νοημοσύνης ή Μηχανικής Μάθησης

Βασικός προγραμματισμός

Θεμελιώδεις έννοιες Επεξεργασίας Σημάτων

Εισαγωγή στο Machine Learning

Jaiswal, A., Zadeh, M. Z., Hebri, A., & Makedon, F. (2022). Assessing fatigue with multimodal wearable sensors and machine learning. arXiv preprint arXiv:2205.00287.

Karim, E., Pavel, H. R., Jaiswal, A., Zadeh, M. Z., Theofanidis, M., Wylie, G., & Makedon, F. (2023, July). An EEG-based cognitive fatigue detection system. In Proceedings of the 16th international conference on pervasive technologies related to assistive environments (pp. 131-136).