摘要
我们探讨了基于技术的注意力训练（AT），尤其是虚拟现实（VR），作为压力管理工具的潜力。全球范围内心理压力日益上升，研究人员越来越多地利用沉浸式技术、可穿戴传感器和机器学习（ML）进行检测和控制。这项可行性研究利用脑电图（EEG）信号和自动分类，考察了全沉浸式基于 VR 的注意力训练对心理压力的影响。我们设计了针对不同注意力类型的虚拟练习，并利用机器学习框架分析脑电图反应；由此产生的数据集收集于阿拉伯科学技术学院（埃及亚历山大），已公开提供。为了获得无偏估计，我们采用无泄漏评估方法，即在分割成重叠窗口之前按时间进行训练/测试集划分，从而确保相邻窗口不会同时出现在两个集合中。针对特定受试者的基于树的分类器检测到压力的平均准确率约为 97%，而留一受试者交叉验证（LOSO）的结果约为 67%，这表明个体压力特征显著，从而促使采用针对特定受试者的策略。利用这些模型，我们比较了注意力训练前后由分类器预测的压力片段数量，并采用 T 分布随机近邻嵌入（t-SNE）和统一流形近似与投影（UMAP）对特征空间进行可视化。在针对特定受试者的模型下，注意力训练后预测的压力片段数量有所减少（Wilcoxon 符号秩检验）；然而，由于这种减少既未得到非循环（LOSO）检测器的证实，也未得到质心分离度指标的证实，我们将其解释为一种探索性的、基于分类器预测的效果，而非经过独立验证的压力减轻。研究结果凸显了将沉浸式 VR 与脑电图引导分析相结合以支持心理健康的潜力以及当前局限。
