基于头动与眼动的脑疲劳检测方法研究

发布时间：2021-08-06 01:14

　　目的为实现准确、可靠地检测脑疲劳,研究基于头动与眼动特征判断受试者脑疲劳程度的方法。方法采集16名男性受试者在36h睡眠剥夺（SD）实验中的头动与眼动信号,进行去噪预处理,并基于主成分分析法（PCA）融合头动与眼动特征,综合判断受试者脑疲劳程度,并对由脑电信号判断的脑疲劳程度、双重任务作业绩效、警戒作业任务模拟测试（PVT）反应时间、主观瞌睡度分值进行比对。结果基于头动与眼动特征能很好地判断受试者脑疲劳程度,且与通过脑电信号判断的脑疲劳程度相关性为0.771±0.030;与双重任务作业绩效变化的相关性为0.665±0.024;与PVT反应时间的相关性为0.812±0.011;与主观瞌睡度分值的相关性为0.682±0.023,且均显著相关（P<0.05）。结论基于PCA融合头动与眼动特征能有效、准确检测受试者脑疲劳程度,与传统检测方法相比具有很好的一致性。 

【文章来源】：航天医学与医学工程. 2020,33(03)北大核心CSCD

【文章页数】：7 页

【部分图文】：

疲劳检测眼镜

数据采用±s表示，使用SPSS19.0数据统计软件包进行统计，用Pearson相关分析法，将本文方法提取的疲劳程度值定义为FDV(fatigue degree value），分析各时间点FDV，同时与通过疲劳检测金标准脑电数据提取的疲劳程度值、快速检测认知能力变化的PVT反应时间、外在直观体现疲劳程度的双重任务作业绩效、主观评价自身状态的SSS分值这四重标准比对，得出彼此相关性和显著性，以衡量本研究得到的疲劳程度值的准确性和可靠性。P<0.05认为差异具有统计学意义。2 结果

FDV随SD实验过程的变化，如图3所示。随着SD时间的延长，疲劳程度在第2日00∶00、02∶00明显上升，然后稍微下降，但总体呈现稳定上升趋势，并在第2日12∶00、16∶00再次明显上升。由处理脑电信号判断的疲劳程度随着SD时间的变化如图4所示，在第2日的00∶00上升，然后稍稍下降，但总体也是呈现稳定上升趋势，并在第2日的12∶00、16∶00再次明显上升。提取双重任务中四数加减反应时间来表征双重任务作业绩效的变化，如图5所示，发现随着SD时间延长，在第2日02∶00、06∶00、10∶00显著上升，总体反应时间呈现上升趋势。PVT反应时间变化如图6所示，在第2日00∶00、12∶00、16∶00显著上升，总体呈现上升趋势。受试者主观填写的SSS分值变化如图7所示，在第1日的20∶00和第2日的04∶00明显上升，且后续保持稳定。图4 36h睡眠剥夺中脑电判断的疲劳程度变化


本文编号：3324778