利用 EEG 频率平衡内部与外部注意状态的自适应虚拟现实系统设计与评估

基于摘要分析，当前材料仅提供 Highlights，未取得论文全文。该研究关注如何利用 EEG 区分内部与外部注意状态，并据此调整虚拟现实（VR）环境，以平衡任务表现与参与度；主要贡献是将注意状态识别与自适应 VR 系统结合。 机制方面，标题表明系统利用 EEG 频率信息，Highlights 明确提到使用 LDA 模型分类注意状态，并通过细微、自然的环境因素调整实现适应。具体频段、特征提取方式、注意状态定义与标签获取方法，以及分类输出到环境调整的映射规则尚未验证；现有材料也不足以确定系统的更新时机与在线运行条件。 结果方面，作者报告 LDA 注意状态分类的 Accuracy 为 79.4%，但材料未说明被试数量、类别构成、数据划分，以及属于被试内还是跨被试评估，因此该数值不能直接用于判断跨用户泛化或实际在线效果。作者还报告细微、自然的环境适应改善了任务表现，但未提供任务类型、对照条件、指标或提升幅度；参与度是否得到改善也尚未验证。 阅读与复现时，应重点核对 EEG 采集与预处理、注意状态标注、分类评估和在线适应之间的关系，以及固定环境与自适应环境的对照设计。实验协议、消融及统计信息尚未验证，代码与数据可用性亦未在当前材料中说明。