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。研究围绕内部与外部注意状态的平衡，设计并评估一个利用 EEG 频率进行自适应调整的 VR 系统，旨在兼顾任务表现与参与度。 方法方面，标题表明系统利用 EEG 频率信息，Highlights 则提到使用 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自适应。具体频段、特征提取方式、注意状态定义，以及分类输出如何触发环境调整，均尚未验证。 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，以及采用 Within-subject、Cross-subject 还是 Cross-session 评估，因此该数值不能直接用于比较跨被试泛化或在线系统性能。作者还报告环境自适应改善了任务表现，但未提供任务类型、对照条件、收益幅度或统计信息；参与度是否得到改善也无法据现有材料确认。 阅读全文时应重点核对分类评估与在线自适应评估是否分别开展、注意状态标签如何获得，以及环境调整是否影响 EEG 测量或任务难度。实验协议、消融及统计信息尚未验证，现有证据不足以判断该系统在不同被试、会话和 VR 任务中的稳健性。