طور باحثون في مركز سان بطرسبورغ للأبحاث التابع للأكاديمية الروسية للعلوم، مجموعة بيانات مفتوحة تهدف إلى تمكين أنظمة الذكاء الاصطناعي من قياس مستوى تركيز الإنسان اعتماداً على إشارات الدماغ والقلب.
وتستند قاعدة البيانات إلى تسجيلات 33 متطوعاً خضعوا لسلسلة من اختبارات الانتباه، جرى خلالها رصد نشاط الدماغ والقلب والحركات الجسدية بواسطة مهندسي البرمجيات، مع تصنيف دقيق للإشارات الفسيولوجية وفق الحالات الذهنية المختلفة.وتُعد هذه البيانات مرجعاً علمياً لتحليل أنماط الانتباه من خلال ربط إشارات الدماغ والقلب بالحالات المعرفية المتنوعة.
وقال الباحث الرئيسي في مختبر أنظمة الأتمتة المتكاملة بالمركز أليكسي كاشيفنيك: يمكن استخدام هذه البيانات لتدريب شبكة عصبية على تصنيف مستوى تركيز الشخص بالاعتماد على تخطيط كهربية الدماغ وتخطيط كهربية القلب فقط. وأضاف أنه يمكن للمبرمجين تطوير تطبيقات متعددة، من بينها أدوات لتدريب الانتباه لدى الأطفال المصابين باضطراب نقص الانتباه.
ويخطط الباحثون مستقبلا لاختبار تدريب الشبكات العصبية على تحديد مستوى التركيز اعتماداً على تسجيلات الفيديو الشخصية.
Researchers at the St. Petersburg Research Center of the Russian Academy of Sciences have developed an open dataset aimed at enabling artificial intelligence systems to measure human concentration levels based on brain and heart signals.
The database is based on recordings from 33 volunteers who underwent a series of attention tests, during which brain and heart activity, as well as physical movements, were monitored by software engineers, with precise classification of physiological signals according to different mental states. This data serves as a scientific reference for analyzing attention patterns by linking brain and heart signals to various cognitive states.
The lead researcher at the Integrated Automation Systems Laboratory at the center, Alexey Kashivnik, stated that this data can be used to train a neural network to classify a person’s concentration level based solely on electroencephalography (EEG) and electrocardiography (ECG). He added that programmers can develop multiple applications, including tools for training attention in children with attention deficit disorder.
In the future, researchers plan to test training neural networks to determine concentration levels based on personal video recordings.
