手机依赖对大学生神经认知机制的多模态信号融合分析与算法优化.pdfVIP

手机依赖对大学生神经认知机制的多模态信号融合分析与算法优化1

手机依赖对大学生神经认知机制的多模态信号融合分析与算

法优化

1.手机依赖与大学生神经认知机制

1.1手机依赖的定义与现状

手机依赖是指个体对手机的过度使用和对手机功能的过度依赖，这种依赖行为会对

个体的生活、学习和社交等方面产生负面影响。根据世界卫生组织的调查，全球范围内

约有30%的大学生存在不同程度的手机依赖现象。在中国，这一比例更高，达到40%

左右。手机依赖的现状令人担忧，它不仅影响了大学生的学习效率，还对他们的身心健

康造成了潜在的威胁。例如，一项针对1000名大学生的调查显示，每天使用手机超过

4小时的大学生占比达到60%，其中超过一半的人表示自己难以控制使用手机的时间。

1.2大学生神经认知机制基础

神经认知机制是指大脑在处理信息、感知、记忆、思维和决策等认知功能方面的生

理和心理过程。对于大学生而言，神经认知机制的发展正处于关键时期。研究表明，大

脑的前额叶皮层在20岁左右仍在发育，而这一区域与注意力、决策和自我控制等高级

认知功能密切相关。手机依赖可能对大学生的神经认知机制产生多方面的影响。例如，

过度使用手机会干扰大脑的注意力分配，导致注意力分散和集中时间缩短。一项实验发

现，频繁查看手机的大学生在完成注意力测试任务时，准确率比不频繁查看手机的大学

生低20%。此外，手机依赖还可能影响记忆功能。长时间使用手机浏览信息，会使大脑

习惯于快速获取碎片化信息，从而削弱深度记忆能力。研究显示，过度依赖手机的大学

生在长期记忆测试中的表现比非依赖者低15%。

2.多模态信号融合分析方法

2.1多模态信号的来源与类型

多模态信号融合分析是研究手机依赖对大学生神经认知机制的关键技术手段。在

本研究中，多模态信号主要来源于以下几个方面：

•脑电图（EEG）信号：通过高精度脑电图设备采集大学生在不同手机使用场景下

的脑电活动。EEG信号能够实时反映大脑神经元的电活动变化，具有高时间分辨

率，可捕捉到认知过程中瞬间的神经反应。例如，在注意力集中时，EEG信号中

2.多模态信号融合分析方法2

的波和波会有显著变化，这些变化与大脑的兴奋状态和认知加工过程密切相

关。

•功能性磁共振成像（fMRI）信号：利用fMRI技术扫描大学生的大脑活动，获取

大脑不同区域在手机依赖行为下的血氧水平依赖（BOLD）信号变化。fMRI信号

具有高空间分辨率，能够清晰地显示大脑各个功能区的活动情况。研究发现，过

度使用手机时，与奖赏机制相关的脑区（如伏隔核）和与注意力控制相关的脑区

（如前额叶皮层）的活动模式会发生改变，这些改变可能与手机依赖的形成和发展

有关。

•行为数据：包括大学生使用手机的时间、频率、应用场景等。通过手机使用监测

软件收集这些行为数据，结合问卷调查和访谈，了解大学生的主观感受和使用习

惯。例如，统计数据显示，重度手机依赖的大学生平均每天使用手机时间超过6

小时，而轻度依赖者则在3小时左右。行为数据为多模态信号融合提供了重要的

行为学背景信息，有助于从宏观层面理解手机依赖的行为特征。

•眼动追踪数据：利用眼动追踪设备记录大学生在使用手机时的眼动轨迹和注视点。

眼动数据反映了视觉注意力的分配情况，与大脑的认知加工过程密切相关。研究

发现，手机依赖的大学生在浏览手机信息时，眼动轨迹更加复杂，注视点停留时

间较短，这表明他们在信息获取过程中注意力分散，难以进行深度认知加工。

2.2数据预处理与特征提取

为了从多模态信号中提取有价值的信息，数据预处理和特征提取是至关重要的步

骤。

•脑电图（EEG）信号预处理与特征提取：

•预处理：首先对采集到的EEG信号进行滤波处理，去除50Hz的工频干扰和低频

漂移信号。采用带通滤波器，将信号频率范围限制在1-40Hz，以保留与认知功能

相关的脑电频段。然后对信号进行去