VR 中情绪对认知控制影响的多模态生理分析

基于摘要分析。本研究考察 VR 场景中情绪唤醒度与效价如何影响认知控制，并利用 EEG、HRV 和 EDA 对认知控制水平进行分类，主要贡献是将情绪影响分析与中枢、自主神经系统的多模态生理测量结合。 研究招募了 26 名参与者，通过 VR 视频诱发情绪，随后开展相关认知控制任务。作者将既有研究偏重情绪效价、相对忽视唤醒度作为研究动机，采用唤醒度—效价模型分析情绪影响。摘要提到使用 SVM、KNN 和深度学习进行分类，但具体任务、认知控制高低水平的标签定义、信号预处理、特征提取、融合方式及深度学习结构尚未验证。 作者报告，在该 VR 情绪诱发与认知控制任务实验中，高唤醒度情绪显著增强参与者的认知控制能力；效应量、统计检验及不同效价条件下的结果尚未验证。作者还报告，利用多模态生理信号特征的互补信息，区分高、低认知控制水平的 Accuracy 为 84.52%。摘要未说明该结果对应的分类器、数据划分及被试内或跨被试协议，因此不能据此判断对新被试的泛化能力，也不能量化多模态相对于单模态的增益。 作者报告，时频分析发现与认知控制相关的神经模式，但具体频段、时间窗、空间分布及统计证据尚未验证。这项工作的主要对象是 VR 中的情绪与认知控制，并非已验证的在线 BCI 系统。作者提出生理信号分类可支持改进 VR/AR 交互；实时性、在线适应及实际交互收益仍需核验。复现前应核对情绪诱发条件、认知控制任务与标签构建、数据划分、模态对照及统计信息。