Name: 利用心电图测量估算认知负荷：人机协作任务 (视频) | JoVE Journal
Uploaded: 2025-12-05T14:45:00.000+00:00
Duration: 7 min 8 s
Description: 了解如何利用心电图测量技术评估人机协作任务中的认知负荷变化。本方法通过心率变异性等生理指标，帮助研究者客观量化不同任务难度下的认知负荷水平。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究由研究生研究项目资助 &amp;中国江苏省研究生实践创新计划项目（KYCX25_4311）、国家自然科学基金（72374088、72471105、72472094、72001096）、中国高等教育学会2024年高等教育科学研究规划重点课题（24XX0205，人机协同策略提升学习成效的机制研究）、江苏省2024年教育科学规划重点课题（B-b/2024/01/162，基于教育神经科学视角的多模态学习模型构建与实证研究）以及教育部人文社会科学研究基金（24YJCZH445）。

本研究遵循《赫尔辛基宣言》的原则，并经江苏科技大学机构审查委员会批准。所有参与者均签署了知情同意书，同意其数据的使用和发表。&#160;本方案中不包含温度敏感性或危险性操作步骤。
1. 准备
<ol>
	<li>向参与者介绍实验流程，并在他们充分了解研究内容后获取书面知情同意书。</li>
	<li>准备心电图（ECG）数据采集系统及所有所需材料，包括发射器、接收器、弹性尼龙搭扣带、电极导联线、电源线、公母带状电缆、以太网电缆、酒精棉片和医用胶带（参见材料表）。
	<ol>
		<li>准备足够数量的预凝胶一次性心电图电极。</li>
		<li>将数据采集系统连接至心电图数据接收模块，然后将其接入稳定的电源。</li>
		<li>使用公母带状电缆将数据采集系统与&#160;用于刺激呈现的计算机连接起来。</li>
		<li>使用以太网电缆将数据采集计算机连接至数据采集硬件系统。</li>
	</ol>
	</li>
</ol>
2. 仪器设置
<ol>
	<li>使用酒精棉片清洁受试者以下部位的皮肤：左侧肋骨下方、右侧锁骨下方以及右腹部。在每个部位贴上一次性心电图电极片。</li>
	<li>连接导联线。
	<ol>
		<li>将导联线连接器牢固地连接至心电图发射器。</li>
		<li>将红色导联线（正极）的金属夹连接到位于左侧肋骨下方的心电图电极片上；将白色导联线（负极）的金属夹连接到位于右侧锁骨下方的心电图电极片上；将黑色导联线（接地极）的金属夹连接到位于右腹部的心电图电极片上。 
		注意：确保每个夹子完全卡紧，连接后不会旋转或松动。如果某根导联线过长，可将其分段并用医用胶带固定于皮肤上，以减少因导线移动引起的伪影。</li>
	</ol>
	</li>
	<li>使用弹性尼龙搭扣固定带将心电图发射器固定在受试者身体上。调节绑带张力，以确保发射器稳定，同时保证受试者的舒适性。 
	注意：避免将绑带直接压在心电图电极片上，以防信号失真或电极移位。</li>
</ol>
3. 数据采集
<ol>
	<li>打开心电图发射器开关和心电图数据采集系统的电源，并在心电图发射器与数据采集系统的心电图接收器之间建立无线连接。 
	注意：心电图发射器和心电图接收器上的指示灯均变为绿色，表示连接正确。</li>
	<li>启动心电图数据采集软件（参见材料表），创建一个新的图表文件，从设备列表中选择心电图接收器模块，并选择合适的心电图记录通道。 
	注意：调整心电图接收器上的通道选择面板，确保硬件通道与所选的软件通道一致。</li>
	<li>在数据采集软件界面中点击开始，以启动心电图数据采集。确认屏幕上显示的心电图波形稳定。</li>
	<li>指导受试者开始进行实验任务。 
	注意：提醒受试者背部舒适地靠在椅背上，并在整个实验过程中保持姿势稳定。</li>
	<li>任务完成后，在数据采集软件中点击停止，结束记录过程。</li>
	<li>将导联线夹从电极贴片上取下。松开弹性尼龙搭扣带，将心电图发射器从受试者身上移除。</li>
	<li>指导并协助受试者用手轻轻取下一次性电极贴片。</li>
</ol>
4. 数据处理
<ol>
	<li>在数据分析软件中打开记录的 ECG 数据文件（参见材料表）。</li>
	<li>选择 ECG 通道并应用数字滤波。
	<ol>
		<li>在顶部菜单栏中，依次选择 Transform &#62; Digital Filters &#62; Comb Band Stop。</li>
		<li>在弹出的对话框中，在 Base Frequency 下选择 Fixed at，输入 50 Hz，然后点击 OK 以应用滤波器。 
		注意：输入的频率应与数据采集所在国家的电源线频率一致。</li>
		<li>点击顶部菜单中的&#160;Transform&#160;，然后选择&#160;Digital Filters &#62; FIR &#62; Band Pass。在&#160;Frequency cutoff 下选择&#160;Fixed at&#160;并输入 1 Hz；在&#160;High Frequency cutoff 下选择&#160;Fixed at&#160;并输入 35 Hz。</li>
	</ol>
	</li>
	<li>根据实验设计创建 Focus Areas 。</li>
</ol>
5. 数据分析
<ol>
	<li>生成并导出心率数据。从菜单栏中选择 分析 &#62; 血流动力学 &#62; 心电图间期提取. 在 分析 面板，选择 仅限重点领域，以及在 以以下形式显示结果 面板，选择 仅限 Excel 电子表格点击 好的 确认。 
	注意：R波峰值检测采用数据分析软件（AcqKnowledge 5）内置的QRS波检测算法进行。</li>
	<li>生成HRV数据，并导出时域和频域结果。
	<ol>
		<li>打开 分析，选择 心率变异性与呼吸性窦性心律不齐 &#62; 多时段心率变异性 - 统计学. 在 心电图通道 字段中，选择预处理后的ECG通道。在 提取HRV统计值 用于，选择 聚焦领域在 输出结果至，选择 电子表格最后，单击 好的 生成并导出HRV时域结果。</li>
		<li>再次打开分析，选择 心率变异性与呼吸性窦性心律失常 &#62; 多时段心率变异性与呼吸性窦性心律不齐 - 频谱分析. 在 心电图通道 字段中，选择预处理后的ECG通道。在 提取心率变异性（HRV）和呼吸性窦性心律不齐（RSA），选择 聚焦领域在 输出类型，选择 仅限 Excel 电子表格最后，单击 好的 生成并导出HRV频域结果。</li>
	</ol>
	</li>
</ol>

<ol><li>Sweller, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognitive+load+during+problem+solving%3A+Effects+on+learning%5BTitle%5D)+AND+%22Cogn+Sci%22%5BJournal%5D)">Cognitive load during problem solving: Effects on learning.</a> Cogn Sci. 12 (2), 257-285 (1988).</li>
<li>Matthews, G., Reinerman-Jones, L. E., Barber, D. J., Abich, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+psychometrics+of+mental+workload%3A+Multiple+measures+are+sensitive+but+divergent%5BTitle%5D)+AND+%22Hum+Factors%22%5BJournal%5D)">The psychometrics of mental workload: Multiple measures are sensitive but divergent.</a> Hum Factors. 57 (1), 125-143 (2015).</li>
<li>Delliaux, S., Delaforge, A., Deharo, J. C., Chaumet, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mental+workload+alters+heart+rate+variability%2C+lowering+non-linear+dynamics%5BTitle%5D)+AND+%22Front+Physiol%22%5BJournal%5D)">Mental workload alters heart rate variability, lowering non-linear dynamics.</a> Front Physiol. 10, (2019).</li>
<li>Eccles, J. S., Wigfield, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motivational+beliefs%2C+values%2C+and+goals%5BTitle%5D)+AND+%22Annu+Rev+Psychol%22%5BJournal%5D)">Motivational beliefs, values, and goals.</a> Annu Rev Psychol. 53, 109-132 (2002).</li>
<li>Carissoli, C., Negri, L., Bassi, M., Storm, F. A., Delle Fave, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mental+workload+and+human-robot+interaction+in+collaborative+tasks%3A+A+scoping+review%5BTitle%5D)+AND+%22Int+J+Hum-Comput+Interact%22%5BJournal%5D)">Mental workload and human-robot interaction in collaborative tasks: A scoping review.</a> Int J Hum-Comput Interact. 40 (20), 6458-6477 (2024).</li>
<li>Rajendra Acharya, U., Paul Joseph, K., Kannathal, N., Lim, C. M., Suri, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+rate+variability%3A+A+review%5BTitle%5D)+AND+%22Med+Biol+Eng+Comput%22%5BJournal%5D)">Heart rate variability: A review.</a> Med Biol Eng Comput. 44 (12), 1031-1051 (2006).</li>
<li>Shaffer, F., Ginsberg, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+overview+of+heart+rate+variability+metrics+and+norms%5BTitle%5D)+AND+%22Front+Public+Health%22%5BJournal%5D)">An overview of heart rate variability metrics and norms.</a> Front Public Health. 5, 258(2017).</li>
<li>Complexity modulation in functional brain-heart interplay series driven by emotional stimuli: an early study using fuzzy entropy. Catrambone, V., et al. Annu Int Conf IEEE Eng Med Biol Soc, , 2023-2026 (2022).</li>
<li>Charles, R. L., Nixon, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+mental+workload+using+physiological+measures%3AA+systematic+review%5BTitle%5D)+AND+%22Appl+Ergon%22%5BJournal%5D)">Measuring mental workload using physiological measures:A systematic review.</a> Appl Ergon. 74, 221-232 (2019).</li>
<li>Jorna, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spectral-analysis+of+heart-rate+and+psychological+state%3AA+review+of+its+validity+as+a+workload+index%5BTitle%5D)+AND+%22Biol+Psychol%22%5BJournal%5D)">Spectral-analysis of heart-rate and psychological state:A review of its validity as a workload index.</a> Biol Psychol. 34 (2-3), 237-257 (1992).</li>
<li>Cinaz, B., Arnrich, B., La Marca, R., Tröster, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Monitoring+of+mental+workload+levels+during+an+everyday+life+office-work+scenario%5BTitle%5D)+AND+%22Pers+Ubiquit+Comput%22%5BJournal%5D)">Monitoring of mental workload levels during an everyday life office-work scenario.</a> Pers Ubiquit Comput. 17 (2), 229-239 (2013).</li>
<li>Alshanskaia, E. I., Zhozhikashvili, N. A., Polikanova, I. S., Martynova, O. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+rate+response+to+cognitive+load+as+a+marker+of+depression+and+increased+anxiety%5BTitle%5D)+AND+%22Front+Psychiatry%22%5BJournal%5D)">Heart rate response to cognitive load as a marker of depression and increased anxiety.</a> Front Psychiatry. 15, 1355846(2024).</li>
<li>Eesee, A. K., Varga, V., Eigner, G., Ruppert, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+work+instruction+difficulty+on+cognitive+load+and+operational+efficiency%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Impact of work instruction difficulty on cognitive load and operational efficiency.</a> Sci Rep. 15 (1), 11028(2025).</li>
<li>Wang, L., Gao, S., Tan, W., Zhang, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pilots%27+mental+workload+variation+when+taking+a+risk+in+a+flight+scenario%3A+A+study+based+on+flight+simulator+experiments%5BTitle%5D)+AND+%22Int+J+Occup+Saf+Ergon%22%5BJournal%5D)">Pilots' mental workload variation when taking a risk in a flight scenario: A study based on flight simulator experiments.</a> Int J Occup Saf Ergon. 29 (1), 366-375 (2023).</li>
<li>Radhakrishnan, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Physiological+indicators+of+driver+workload+during+car-following+scenarios+and+takeovers+in+highly+automated+driving%5BTitle%5D)+AND+%22Transp+Res+Part+F+Traffic+Psychol+Behav%22%5BJournal%5D)">Physiological indicators of driver workload during car-following scenarios and takeovers in highly automated driving.</a> Transp Res Part F Traffic Psychol Behav. 87, 149-163 (2022).</li>
<li>Korosec-Serfaty, M., Riedl, R., Senecal, S., Leger, P. -M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Attentional+and+behavioral+disengagement+as+coping+responses+to+technostress+and+financial+stress%3A+An+experiment+based+on+psychophysiological%2C+perceptual%2C+and+behavioral+data%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">Attentional and behavioral disengagement as coping responses to technostress and financial stress: An experiment based on psychophysiological, perceptual, and behavioral data.</a> Front Neurosci. 16, 883431(2022).</li>
<li>Zhang, Z. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+the+effect+of+mental+workload+and+explanations+on+appropriate+AI+reliance+using+EEG%5BTitle%5D)+AND+%22Behav+Inf+Technol%22%5BJournal%5D)">Measuring the effect of mental workload and explanations on appropriate AI reliance using EEG.</a> Behav Inf Technol. , (2024).</li>
<li>Fügener, A., Grahl, J., Gupta, A., Ketter, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognitive+challenges+in+human-artificial+intelligence+collaboration%3A+Investigating+the+path+toward+productive+delegation%5BTitle%5D)+AND+%22Inf+Syst+Res%22%5BJournal%5D)">Cognitive challenges in human-artificial intelligence collaboration: Investigating the path toward productive delegation.</a> Inf Syst Res. 33 (2), 678-696 (2022).</li>
<li>Russakovsky, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Imagenet+large+scale+visual+recognition+challenge%5BTitle%5D)+AND+%22Int+J+Comput+Vis%22%5BJournal%5D)">Imagenet large scale visual recognition challenge.</a> Int J Comput Vis. 115 (3), 211-252 (2015).</li>
<li>Rethinking the inception architecture for computer vision. Szegedy, C., Vanhoucke, V., Ioffe, S., Shlens, J., Wojna, Z. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA, , 2818-2826 (2016).</li>
<li>Faul, F., Erdfelder, E., Buchner, A., Lang, A. -G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Statistical+power+analyses+using+G%2APower+3.1%3ATests+for+correlation+and+regression+analyses%5BTitle%5D)+AND+%22Behav+Res+Methods%22%5BJournal%5D)">Statistical power analyses using G*Power 3.1:Tests for correlation and regression analyses.</a> Behav Res Methods. 41 (4), 1149-1160 (2009).</li>
<li>Melo, H. M., Hoeller, A. A., Walz, R., Takase, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting+cardiac+vagal+tone+is+associated+with+long-term+frustration+level+of+mental+workload%3A+Ultra-short+term+recording+reliability%5BTitle%5D)+AND+%22Appl+Psychophysiol+Biofeedback%22%5BJournal%5D)">Resting cardiac vagal tone is associated with long-term frustration level of mental workload: Ultra-short term recording reliability.</a> Appl Psychophysiol Biofeedback. 45 (1), 1-9 (2020).</li>
<li>Munoz, M. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validity+of+%28ultra-%29short+recordings+for+heart+rate+variability+measurements%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Validity of (ultra-)short recordings for heart rate variability measurements.</a> PLoS One. 10 (9), e0138921(2015).</li>
<li>Laborde, S., Mosley, E., Thayer, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+rate+variability+and+cardiac+vagal+tone+in+psychophysiological+research+-+recommendations+for+experiment+planning%2C+data+analysis%2C+and+data+reporting%5BTitle%5D)+AND+%22Front+Psychol%22%5BJournal%5D)">Heart rate variability and cardiac vagal tone in psychophysiological research - recommendations for experiment planning, data analysis, and data reporting.</a> Front Psychol. 8, 213(2017).</li>
<li>Billman, G. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+LF%2FHF+ratio+does+not+accurately+measure+cardiac+sympatho-vagal+balance%5BTitle%5D)+AND+%22Front+Physiol%22%5BJournal%5D)">The LF/HF ratio does not accurately measure cardiac sympatho-vagal balance.</a> Front Physiol. 4, 26(2013).</li>
<li>Lai, H. -M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Understanding+what+determines+university+students%27+behavioral+engagement+in+a+group-based+flipped+learning+context%5BTitle%5D)+AND+%22Comput+Educ%22%5BJournal%5D)">Understanding what determines university students' behavioral engagement in a group-based flipped learning context.</a> Comput Educ. 173, 104290(2021).</li>
<li>Grassmann, M., Vlemincx, E., Von Leupoldt, A., Van Den Bergh, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Individual+differences+in+cardiorespiratory+measures+of+mental+workload%3A+An+investigation+of+negative+affectivity+and+cognitive+avoidant+coping+in+pilot+candidates%5BTitle%5D)+AND+%22Appl+Ergon%22%5BJournal%5D)">Individual differences in cardiorespiratory measures of mental workload: An investigation of negative affectivity and cognitive avoidant coping in pilot candidates.</a> Appl Ergon. 59, 274-282 (2017).</li>
<li>Han, L., Du, Z. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unraveling+the+complex+interplay+between+curved+tunnels+and+drivers%27+physiological+responses%3A+An+HRV+perspective%5BTitle%5D)+AND+%22Transp+Res+Part+F+Traffic+Psychol+Behav%22%5BJournal%5D)">Unraveling the complex interplay between curved tunnels and drivers' physiological responses: An HRV perspective.</a> Transp Res Part F Traffic Psychol Behav. 108, 39-53 (2025).</li>
<li>Goldstein, D. S., Bentho, O., Park, M. -Y., Sharabi, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Low-frequency+power+of+heart+rate+variability+is+not+a+measure+of+cardiac+sympathetic+tone+but+may+be+a+measure+of+modulation+of+cardiac+autonomic+outflows+by+baroreflexes%5BTitle%5D)+AND+%22Exp+Physiol%22%5BJournal%5D)">Low-frequency power of heart rate variability is not a measure of cardiac sympathetic tone but may be a measure of modulation of cardiac autonomic outflows by baroreflexes.</a> Exp Physiol. 96 (12), 1255-1261 (2011).</li>
<li>Zimmermann-Viehoff, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Short-term+effects+of+espresso+coffee+on+heart+rate+variability+and+blood+pressure+in+habitual+and+non-habitual+coffee+consumers%3A+A+randomized+crossover+study%5BTitle%5D)+AND+%22Nutr+Neurosci%22%5BJournal%5D)">Short-term effects of espresso coffee on heart rate variability and blood pressure in habitual and non-habitual coffee consumers: A randomized crossover study.</a> Nutr Neurosci. 19 (4), 169-175 (2016).</li>
<li>Saxena, M. P. K., Ganuthula, V. R. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relationship+between+feedback+frequency+and+task+performance%3A+Evidence+on+the+mediating+role+of+heart+rate%5BTitle%5D)+AND+%22Front+Psychol%22%5BJournal%5D)">Relationship between feedback frequency and task performance: Evidence on the mediating role of heart rate.</a> Front Psychol. 16, 1438865(2025).</li>
<li>Longo, L., Wickens, C. D., Hancock, G., Hancock, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Corrigendum%3A+Human+mental+workload%3A+A+survey+and+a+novel+inclusive+definition%5BTitle%5D)+AND+%22Front+Psychol%22%5BJournal%5D)">Corrigendum: Human mental workload: A survey and a novel inclusive definition.</a> Front Psychol. 13, 883321(2022).</li>
<li>Arutyunova, K. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+rate+dynamics+for+cognitive+load+estimation+in+a+driving+simulation+task%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Heart rate dynamics for cognitive load estimation in a driving simulation task.</a> Sci Rep. 14 (1), 31656(2024).</li>
<li>Wittels, H. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Examining+the+influence+of+cognitive+load+and+environmental+conditions+on+autonomic+nervous+system+response+in+military+aircrew%3A+A+hypoxia-normoxia+study%5BTitle%5D)+AND+%22Biology+%28Basel%29%22%5BJournal%5D)">Examining the influence of cognitive load and environmental conditions on autonomic nervous system response in military aircrew: A hypoxia-normoxia study.</a> Biology (Basel). 13 (5), 343(2024).</li>
<li>Pütz, S., Mertens, A., Chuang, L. L., Nitsch, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Physiological+predictors+of+operator+performance%3A+The+role+of+mental+effort+and+its+link+to+task+performance%5BTitle%5D)+AND+%22Hum+Factors%22%5BJournal%5D)">Physiological predictors of operator performance: The role of mental effort and its link to task performance.</a> Hum Factors. 67 (6), 595-615 (2025).</li>
<li>Cheng, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+combined+effects+of+concurrent+physical+activities+on+autonomic+nervous+activation+during+cognitive+tasks%5BTitle%5D)+AND+%22Front+Physiol%22%5BJournal%5D)">Acute combined effects of concurrent physical activities on autonomic nervous activation during cognitive tasks.</a> Front Physiol. 15, 1340061(2024).</li>
<li>Bansal, A., Joshi, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Portable+out-of-hospital+electrocardiography%3A+A+review+of+current+technologies%5BTitle%5D)+AND+%22J+Arrhythmia%22%5BJournal%5D)">Portable out-of-hospital electrocardiography: A review of current technologies.</a> J Arrhythmia. 34 (2), 129-138 (2018).</li>
<li>Sridhar, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((State+of+the+art+of+mobile+health+technologies+use+in+clinical+arrhythmia+care%5BTitle%5D)+AND+%22Commun+Med+%28Lond%29%22%5BJournal%5D)">State of the art of mobile health technologies use in clinical arrhythmia care.</a> Commun Med (Lond). 4 (1), 218(2024).</li>
<li>Gupta, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CaEVR%3A+Biosignals-driven+context-aware+empathy+in+virtual+reality%5BTitle%5D)+AND+%22IEEE+Trans+Vis+Comput+Graph%22%5BJournal%5D)">CaEVR: Biosignals-driven context-aware empathy in virtual reality.</a> IEEE Trans Vis Comput Graph. 30 (5), 2671-2681 (2024).</li>
<li>Binsch, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effect+of+virtual+reality+simulation+on+police+officers%27+performance+and+recovery+from+a+real-life+surveillance+task%5BTitle%5D)+AND+%22Multimed+Tools+Appl%22%5BJournal%5D)">The effect of virtual reality simulation on police officers' performance and recovery from a real-life surveillance task.</a> Multimed Tools Appl. 82 (11), 17471-17492 (2023).</li>
<li>Brunzini, A., Grandi, F., Peruzzini, M., Pellicciari, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+integrated+methodology+for+the+assessment+of+stress+and+mental+workload+applied+on+virtual+training%5BTitle%5D)+AND+%22Int+J+Comput+Integr+Manuf%22%5BJournal%5D)">An integrated methodology for the assessment of stress and mental workload applied on virtual training.</a> Int J Comput Integr Manuf. 37 (9), 1088-1106 (2024).</li>
<li>Cardone, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classification+of+drivers%27+mental+workload+levels%3A+Comparison+of+machine+learning+methods+based+on+ECG+and+infrared+thermal+signals%5BTitle%5D)+AND+%22Sensors+%28Basel%29%22%5BJournal%5D)">Classification of drivers' mental workload levels: Comparison of machine learning methods based on ECG and infrared thermal signals.</a> Sensors (Basel). 22 (19), 7300(2022).</li>
</ol>

作者无任何利益冲突需要披露。

在本研究中，心电图信号采集的质量对后续分析至关重要。在实验过程中，电极的正确放置以及与导联的良好连接是准确记录信号的基本前提。所有电极均被放置于指定位置，并确保与皮肤良好接触，以尽量降低阻抗。此外，为减少外界因素对生理信号的影响，要求受试者在实验前避免摄入咖啡因，并在实验前几天内避免使用与心血管相关的药物。既往研究表明，摄入咖啡因可通过增强交感神经活性并影响高频（HF）波动而影响心率变异性（HRV）30，而药物可能改变交感神经与副交感神经活动之间的平衡24。因此，采取这些控制措施对于确保数据的可靠性十分必要。
在数据采集过程中，使用便携式心电图设备可能会因电源线干扰导致心电图信号出现基线漂移或规则的正弦波形。为解决这些问题，我们实施了以下步骤：首先，检查心电图电极与皮肤之间以及导联夹与电极之间的接触情况，并在必要时更换电极；其次，确保心电图设备未过紧地绑在受试者身体上，以避免因呼吸运动引起设备移位。此外，我们采用数字滤波方法，使用1 Hz高通滤波器和50 Hz陷波带阻滤波器以提高信号质量...

认知负荷是指个体在执行特定任务期间，其认知系统所承受的总体心理活动量1。过高的认知负荷会损害人的表现能力，并是导致工作场所事故的重要因素之一2。高认知负荷状态通过激活交感神经系统并抑制副交感神经系统，影响心脏活动，从而导致心率（HR）升高，心率变异性（HRV）降低3。期望信念是指个体对自己能否成功完成某项特定任务或活动的信心程度4。任务难度会影响个体的期望信念，而期望信念反过来调节其行为投入和认知资源的分配，最终表现为不同水平的认知负荷。
心电图（ECG）可提供心脏电活动的高时间分辨率记录。从心电图信号中提取的心率（HR）和心率变异性（HRV）指标能够反映心脏节律的不同方面，并作为个体生理与心理应激状态的生理心理指标5。心率反映心脏收缩的总体频率，可用于评估心血管系统的基本状态。心率变异性表示连续心跳之间的时间变化，是自主神经系统（ANS）调控功能的指标，反映了交感神经与副交感神经活动之间的动态平衡6,7,8。在应激、威胁或高强度活动状态下，交感神经系统被激活，通常导致心率升高、心率变异性降低；相反，在放松、睡眠或低能量需求状态下，副交感神经系统被激活，通常导致心率降低、心率变异性升高。
目前用于测量认知负荷的生理学方法包括心电图（ECG）活动、脑电图（EEG）活动、呼吸、血压和眼动指标9。与传统的回顾性问卷相比，生理测量能够更有效地捕捉参与者实时的状态，从而避免回忆偏差以及自评方法中存在的时滞效应。便携式心电图设备能够在参与者执行持续任务时，对其状态进行连续且无干扰的评估10。与其他生理测量技术相比，便携式心电图是一种低成本、非侵入性的方法，允许参与者在自身环境中以更自然、更灵活的方式完成任务11。随着认知任务难度的增加，平均心率（HR） tends to increase12，而心率变异性（HRV）已被证明对心理和生理负荷均具有高度敏感性13。考虑到当前任务预计将带来较大的心理努力以及中等程度的生理负荷，同时结合人机协作中任务分配场景的实际需求，心率（HR）和心率变异性（HRV）是测量认知负荷的合适指标。
心率（HR）和心率变异性（HRV）已被广泛应用于多个领域中的认知负荷研究，包括航空14、驾驶15以及经济决策16，为人类状态的连续性和客观性评估提供了有力工具。随着人工智能（AI）在工作场所中的日益融合，理解人机协作过程中认知负荷的变化变得愈发重要。一项关于AI辅助决策的研究发现，在高认知负荷条件下，人类会对AI生成的建议表现出非理性的依赖17。在协作环境中，AI的角色可能不仅限于提供建议，还可实现人类与AI共同完成任务。本研究聚焦于一种新型协作模式，其中人类拥有任务分配权限，可针对每项任务自主选择由自己完成或交由AI执行。然而，在人类掌握任务分配权的这一特定情境下，任务难度如何影响决策行为，以及这种影响如何反映不同水平的认知负荷，目前尚不明确。因此，本研究旨在利用便携式心电图设备精确测量HR和HRV，从而客观量化在此类协作范式下认知负荷的动态变化。
本实验所选的人机协作任务是一项通用任务，改编自Fügener等人提出的范式18。采用此类可推广任务的优势在于，无需让参与者接受专门培训，且可轻松迁移到更具领域特异性的任务中。在本研究中，实验任务为图像分类，参与者需将目标图像归入若干图像类别组中的一个。若所选类别组与目标图像的真实类别一致，则该次分类被视为正确。目标图像选自ImageNet数据库，其中的类别已事先经过验证。为降低参与者对某些类别不熟悉的可能性，我们为每个类别组选项提供了十张示例图像19。本研究采用GoogLeNet Inception v3作为人工智能模型20，该模型在1,000个潜在图像类别上进行训练，平均分类准确率达到0.76。
我们进行了一项预实验，以确定目标图像的难度水平。在此预实验中，要求参与者自行对所有图像进行分类。本研究的样本量为217名参与者，该数值参考了Fügener等人18报告的纯人工条件下的样本规模。在协作任务中，通常希望将每项任务分配给最适合执行该任务的一方。为了量化任务难度，我们将每幅图像的人类分类准确率与人工智能（AI）的平均准确率进行了比较。若某图像的人类准确率低于AI的平均准确率，则将其定义为更适合由AI完成的图像——即对人类而言相对困难的图像。在正式实验中，我们共选取了32幅图像，其中包括16幅简单图像和16幅困难图像。
使用 G*Power 3.1 对 Wilcoxon 符号秩检验进行了一项先验功效分析21。我们假设效应量为中等，双尾 α 水平为 0.05，期望功效为 0.90。分析结果表明，至少需要 47 名参与者。我们从校园内招募了 60 名未曾参与过类似实验任务的学生。纳入标准如下：所有参与者均为右利手，近期未服用任何药物，实验前 24 小时内未摄入咖啡因和酒精，实验前一天未进行剧烈体力活动，实验前一晚保持充足睡眠，并且自报无心血管或呼吸系统疾病。参与者的平均年龄为 22.77 ± 1.25 岁。实验装置如图 1所示。
实验开始前，参与者被告知他们将与一个人工智能（AI）共同完成一项图像分类任务。他们被告知该AI的平均准确率，并被告知对于每个目标图像，他们可以选择自行分类，或将分类任务交给AI完成。如果参与者选择自己完成任务，则通过按键盘上的五个按键（A、B、C、D或E）之一，从五个图像选项中选择答案。按下指定键（P）则表示将任务委托给AI，但参与者无法看到AI所选择的答案。每个刺激呈现的起始和结束时刻均做了标记，以便后续分析。在正式实验开始前，参与者先完成4次练习试验，随后进行120秒的静息期，之后进入包含32次试验的正式实验阶段。每次试验之间设有10秒的间隔。实验流程如图2所示。
<img alt="心电图设置示意图：心脏信号分析的导联放置与数据采集。" class="xfigimg" src="/files/ftp_upload/69621/69621fig1v2.jpg" data-altupdatedat="1784001604000" data-alt="图1"> 
图1：实验装置。 该图展示了实验中使用到的设备以及心电图测量电极的放置位置。（A）心电图电极放置示意图；（B）实验装置示意图。<a href="https://www.jove.com/files/ftp_upload/69621/69621fig1v2large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
<img alt="显示实验步骤的ECG实验流程图：佩戴设备、执行任务、结束；监测心脏活动。" class="xfigimg" src="/files/ftp_upload/69621/69621fig2.jpg" data-altupdatedat="1784001604000" data-alt="图2"> 
图2：实验流程。练习阶段包含4次试验，正式实验包含32次试验。实验程序使用E-Prime编写（见材料表）。缩写：ECG = 心电图。<a href="https://www.jove.com/files/ftp_upload/69621/69621fig2large.jpg" target="_blank">请点击此处查看此图的放大版本。</a>

<table><tbody><tr><td>酒精棉片</td><td>-</td><td>-</td><td>用于清洁和消毒皮肤。</td></tr><tr><td>Acqknowledge 5.0</td><td>BIOPAC</td><td></td><td>用于信号数据采集和数据分析的软件。</td></tr><tr><td>台式计算机</td><td>Dell</td><td>OptiPlex</td><td>用于运行心电图（ECG）采集与分析软件。</td></tr><tr><td>心电图数据采集设备</td><td>BIOPAC</td><td>MP160</td><td>用于记录心电图数据。</td></tr><tr><td>心电图电极</td><td>Shenfeng</td><td>S系列</td><td>用于采集心电信号的附件。</td></tr><tr><td>电极导联线组</td><td>BIOPAC</td><td>BN-EL45-LEAD3</td><td>与发射器配合用于数据记录。</td></tr><tr><td>以太网电缆</td><td>BIOPAC</td><td>-</td><td>用于连接MP160系统与数据采集及分析软件。</td></tr><tr><td>实验软件</td><td>PSYCHOLOGY SOFTWARE TOOLS</td><td>E-prime3.0 Build 3.0.3.31</td><td>用于编制实验程序的软件。</td></tr><tr><td>笔记本电脑</td><td>Dell</td><td>E5470</td><td>用于运行实验程序并呈现刺激材料。</td></tr><tr><td>M/F扁平电缆</td><td>BIOPAC</td><td>CBL110C</td><td>用于传输特定信号。</td></tr><tr><td>医用胶带</td><td>-</td><td>-</td><td>用于固定长导线。</td></tr><tr><td>电源线</td><td>BIOPAC</td><td>-</td><td>用于为设备供电。</td></tr><tr><td>接收器</td><td>BIOPAC</td><td>BN-RSPEC-R</td><td>一种心电图接收器。</td></tr><tr><td>弹性尼龙搭扣带</td><td>BIOPAC</td><td>BN-STRAP-137&amp;nbsp;</td><td>用于帮助固定心电图发射器。</td></tr><tr><td>发射器</td><td>BIOPAC</td><td>BN-RSPEC-T</td><td>一种无线心电图发射器。</td></tr></tbody></table>

使用心电图测量评估认知负荷：人机协作任务

Estimate the Cognitive Load Using Electrocardiographic Measure: A Human-AI Collaborative Task

在工作场所环境中，个体的认知负荷与工作表现和安全性密切相关。随着人类与人工智能（AI）协作的趋势日益增强，在协作过程中以实时且客观的方式捕捉认知负荷动态的能力变得愈发重要。传统上，认知负荷主要通过问卷方式进行评估；然而，这类回顾性方法难以准确捕捉任务执行过程中认知负荷的瞬时波动。相比之下，生理信号能够实现对个体实时状态的连续监测，从而提供更为客观的认知负荷度量。任务难度可能影响参与者的预期，进而塑造其行为，并最终影响认知负荷。本研究设计了一种具有可推广性的人机协作任务，包含多个难度等级。在任务开始前，向参与者告知AI系统的平均准确率。在每次试验中，参与者可选择自行完成任务或将任务交由AI执行。本实验方案旨在利用心电图（ECG）数据作为生理指标，考察当个体在不同任务难度下拥有任务分配权限并与AI协作时，其认知负荷的变化情况。本研究进一步探讨生理数据所揭示的人机协作过程中的内在状态动态。研究结果为优化协作模式、提升效率，以及充分发挥人类与AI的互补优势，实现复杂任务中更优的资源整合提供了科学依据。

在生理测量中，我们关注了时域和频域的心率（HR）和心率变异性（HRV）指标。在时域指标中，我们选择了连续差值均方根（RMSSD），该指标被认为是一种稳健的测量方法22,23,24。在频域指标中，尽管低频/高频比值（LF/HF）常被解释为反映交感神经与副交感神经活动之间的平衡，但这一解释仍存在争议25。因此，我们选择LF和HF作为频域分析指标。正态性检验表明，所有指标均不满足正态分布的假设。因此，采用Wilcoxon符号秩检验对简单图像与困难图像之间的各指标进行比较。结果如图3所示。在不同图像难度水平下，平均心率（Z = -2.525，p = 0.012）、LF（Z = -5.153，p &lt; 0.001）、HF（Z = -5.293，p &lt; 0.001）、LF/HF（Z = -2.172，p = 0.030）和RMSSD（Z = -2....

本方案描述了利用生理指标来测量在人机协作任务中，不同任务难度下认知负荷的变化情况。研究结果表明，人们会根据任务难度调整其决策过程，从而反映出不同水平的认知负荷。

在工作场所环境中，个体的认知负荷与工作表现和安全性密切相关。随着人类与人工系统之间协作的不断加强……

我们研究人们在将任务委托给人工智能的场景下，其认知负荷如何变化。首先，向参与者介绍实验流程，并确保他们充分了解本研究的相关信息。准备心电图数据采集系统，并收集所有必要的材料，包括预凝胶的一次性心电图电极。将数据采集系统连接到心电图数据接收模块。使用公对母带状电缆，建立数据采集系统与用于刺激呈现的计算机之间的连接。使用以太网电缆，建立数据采集系统与用于数据记录的计算机之间的连接。将系统插入稳定的电源。现在，使用酒精棉片清洁受试者三个部位的皮肤：左侧肋骨下方、右侧锁骨下方以及右侧腹部。在每个清洁部位贴上一个一次性心电图电极片。然后将导联线连接器牢固地连接到心电图发射器上，并将导联线的金属夹与相应的电极连接。使用弹性尼龙搭扣固定带将心电图发射器固定在受试者身体上，并调节带子的松紧度，确保发射器位置稳定且受试者感觉舒适。打开心电图发射器的开关，并启动心电图数据采集系统。检查发射器与数据采集系统接收模块之间的无线连接状态。现在，启动心电图数据采集软件。创建一个新的图表文件。从设备列表中选择心电图接收模块。选择合适的心电图记录通道，然后在新显示的发射器连接状态窗口中点击“确定”。在数据采集软件界面中点击“开始”，以启动心电图数据采集。确认心电图波形在屏幕上显示稳定。随后，指导受试者开始进行实验任务。任务完成后，单击数据采集软件中的“停止”以结束记录。将导联线夹从电极片上取下。松开弹性尼龙搭扣带，将心电图发射器从受试者身上取下。指导并协助受试者用手轻轻取下一次性电极片。然后，在数据分析软件中打开记录的心电图数据文件。选择心电图通道并应用数字滤波。在菜单栏中，依次选择“变换”、“数字滤波器”和“梳状带阻滤波器”。然后在对话框中，选择“基频”下的“固定”。输入 50 hertz，然后单击“确定”以应用滤波器。接下来，在菜单栏中点击“transform”（变换）。选择“digital filters”（数字滤波器），然后选择“FIR”，再选择“band pass”（带通）。在对话框中，“low-frequency cutoff”（低频截止）下方选择“fixed at”（固定为），并输入 1 赫兹。在高频截断设置中，选择“固定为”并输入 35 赫兹。现在，根据实验设计创建关注区域，通过从菜单栏中依次选择分析、血流动力学和心电图间期提取，生成并导出心率数据。在分析选项中，仅选择“仅关注区域”，在结果显示方式选项中，仅选择 Excel 电子表格。单击“确定”以确认并完成导出。要生成心率变异性数据，请打开分析模块，依次选择HRV和RSA，然后选择多片段HRV统计。在ECG通道字段中，选择预处理后的心电图通道，并在“提取HRV统计量范围”中选择关注区域。转到输出结果，选择电子表格，然后单击“确定”以生成并导出时域结果。最后，再次打开分析功能，选择HRV和RSA，接着选择多片段HRV和RSA频谱分析。在ECG通道字段中，选择预处理后的心电图通道。在“提取HRV和RSA”选项中，选择关注区域。在输出类型中，仅选择Excel电子表格，然后点击确定以导出频域结果。在困难图像条件下，平均心率显著低于简单图像条件下的平均心率。在困难图像条件下，高频心率变异性显著高于简单图像条件。连续差值平方根在困难图像条件下也呈现类似趋势，且显著升高。与简单图像条件相比，参与者在困难图像条件下的委托频率显著更高。我们发现，人们在与人工智能协作时，会通过委派任务来调整自身的认知负荷。未来，我们将研究在人类与人工智能共同学习时，不同的协作学习方法如何影响学习效果。

estimate-cognitive-load-using-electrocardiographic-measure-human-ai

Research

科研

JoVE Journal

Behavior

行为

利用心电图测量估算认知负荷：人机协作任务

本文旨在描述在任务过程中收集和同步学习者参与度多个维度（行为、情感和认知）的技术。...

从神经生理学视角评估参与度的多重维度以表征学习过程

本手稿描述了一种在人类解决空间聚焦的工程问题时测量其神经活动的方法。脑电图方法有助于从神经效率角度解读β脑波测量结果，旨在最终实现不同问题类型之间以及不同参与者之间的任务表现比较。...

利用脑电图测量比较特定任务的神经效率：空间智力任务

本研究提出了一种评估注意缺陷多动障碍（ADHD）的新方案，通过采用创新工具为这种发育障碍提供更为客观的诊断流程。同时，该研究还分析了激活指标与执行功能指标之间的关系。...

使用脑激活（nir-HEG/Q-EEG）与执行功能测量（CPTs）的ADHD评估方案

本方案介绍了如何同步进行脑电图（EEG）和功能性近红外光谱（fNIRS）记录，以及如何分析EEG与fNIRS数据之间的关系。...

使用Flanker任务同步进行脑电图与功能性近红外光谱记录

本研究提出了一种实验范式，应用高分辨率经颅直流电刺激（HD-tDCS）以改善人类在人机协作任务中的元认知能力。结果表明，HD-tDCS在提升元认知敏感性方面具有显著效果。...

经右侧背外侧前额叶皮层的高分辨率经颅直流电刺激以增强元认知敏感性

我们展示了如何在广泛使用的橡胶手错觉范式中采用一种客观测量方法。该测量方法通过对已确立的跨模态一致性任务进行改进而获得。该任务可用于研究多感官整合过程，而这些过程对于身体表征的调制（如橡胶手错觉中的现象）至关重要。...

利用跨模态一致性任务作为橡胶手错觉范式中获取客观行为测量的手段

本方案描述了五选择序列反应时间任务，这是一种基于操作条件反射的行为任务，用于研究啮齿类动物的注意力和冲动控制。测试日挑战是对标准任务的改进，可增加任务的灵活性，并能与其他操作相结合，以更全面地表征行为特征。...

5-选择序列反应时间任务：一种用于啮齿类动物的注意力与冲动控制检测方法

在威胁概率任务中，通过检测眼轮匝肌的肌电图，测量在低（不确定）和高（确定）概率电击威胁条件下惊吓反射的增强情况。该方法可为精神病理学、物质使用/滥用以及广泛的情感科学领域的研究提供对不同负面情绪状态（恐惧/焦虑）的客观测量。...

利用威胁概率任务评估不确定与确定威胁下的焦虑与恐惧

本实验方案旨在通过执行注意力集转移任务（AST）等行为学检测，评估小鼠前额叶皮层介导的认知灵活性。...

注意力集转移任务：小鼠认知灵活性的一种测量方法

情绪斯特鲁普效应（ESE）是指对情绪词的墨水颜色命名潜伏期长于中性词的现象。本报告讨论了可能的混淆因素来源，并介绍了一种可控制这些因素的典型实验方法。...

情绪性斯特鲁普任务：评估情绪内容暴露下的认知表现

了解如何利用心电图测量技术评估人机协作任务中的认知负荷变化。本方法通过心率变异性等生理指标，帮助研究者客观量化不同任务难度下的认知负荷水平。

使用心电图测量评估认知负荷：人机协作任务

探索更多视频