1.描述和原理
酗酒是一种频繁且过量地摄入酒精或成瘾于酒精的行为，其严重程度可能导致人类大脑神经系统的紊乱以及精神功能的异常。这种不健康的习惯对身体和心理健康产生负面影响，包括但不限于肝功能损伤、认知能力下降、情绪波动，甚至可能引发精神疾病。为了更好地了解酗酒的神经生理机制，我们采用脑电图（EEG）观测技术对酗酒者进行监测。通过对大量酗酒者和非酗酒者的脑电图数据进行收集和标注，可以建立起一个数据集，用于训练机器学习模型。这些模型可以学习如何从脑电信号中识别出可能与酗酒相关的特征模式。通过结合脑电图技术和机器学习方法，我们可以探索酗酒行为与大脑活动之间的关联，为早期发现和干预酗酒问题提供新的途径。
- 文献综述
pass - Dataset
我们的数据集是The UCI KDD Archive
Information and Computer Science
University of California, Irvine在1999年收集到的122名受试者，每个受试者完成120次试验，并且对于单刺激条件在10次试验上取平均值的数据。这些数据是来自于受试者头皮上的64个电极测量结果，其中这些电极是256Hz，采样1秒。由于数据集过于庞大，本次实验，我们选取了其中2名受试者，一例为酗酒者，另外一个是对照组的数据，每组数据都是运行了10次刺激任务。
这些数据在以往的研究中被用到的次数不是很多，但是这些分析对本次的实验有很重要的影响。https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9220822/
- Method
5.结果
网友评论