結(jié)果分類(lèi)準(zhǔn)確性單樣本非參數(shù)Wilcoxon符號(hào)等級(jí)檢驗(yàn)的結(jié)果表明,校準(zhǔn)階段的分類(lèi)精度為M=88.58,SD=8.49,顯著高于Müller-Putz等人為兩類(lèi)BCI計(jì)算的95%的概率上限(T=78,p<0.01,rrb=1)。然而,我們?cè)谠诰€條件下沒(méi)有觀察到顯著差異(M=61,SD=14.89,T=6,P=0.107)。同時(shí),這兩種情況都顯著高于50%的機(jī)會(huì)水平(校準(zhǔn):t=78,p<0.001,rrb=1;在線:t=31,p<0.001,rrb=0.72)。表給出了校準(zhǔn)和在線會(huì)話中所有參與者的平均分類(lèi)精度結(jié)果。用戶滿意度用戶對(duì)系統(tǒng)的交互整體滿意度平均為6分,接近滿分11分的“非常滿意"評(píng)分。調(diào)查發(fā)現(xiàn),在交互中得分的方面是安全性和易用性。對(duì)于系統(tǒng)的其余方面,評(píng)分平均為5級(jí)以上,包括調(diào)節(jié)性、尺寸、可靠性、重量和舒適性。結(jié)論根據(jù)感興趣的區(qū)域?qū)ρ鲃?dòng)力學(xué)變化進(jìn)行分類(lèi),可以識(shí)別出注意力增強(qiáng)和放松程度。在實(shí)驗(yàn)中,頭戴式顯示設(shè)備和移動(dòng)fNIRS交互的總體用戶滿意度較高。此外,開(kāi)源實(shí)時(shí)數(shù)據(jù)處理軟件中的信號(hào)處理方式可以為未來(lái)的腦機(jī)接口和神經(jīng)反饋研究提供框架。便攜式fNIRS和虛擬現(xiàn)實(shí)系統(tǒng)在更自然條件下研究認(rèn)知過(guò)程是可行的。參考文獻(xiàn):Zapa?a, D., Augustynowicz, P., & Tokovarov, M. (2022). Recognition of Attentional States in VR Environment: An fNIRS Study. Sensors, 22(9), 3133.