基于多尺度熵和支持向量机的人体脑疲劳状态检测研究

发布时间：2024-03-21 05:45

　　目的探索多尺度熵结合支持向量机的方法是否可以有效检测人体脑疲劳状态,进而比较不同脑皮层位置的电极检测脑疲劳的效果。方法通过持续认知负荷任务建立脑疲劳模型,采用一款便携式脑电设备采集12名实验对象清醒和疲劳状态的脑电信号,以多尺度熵为特征,结合支持向量机算法对两种状态的脑电进行分类。结果在进行持续认知负荷任务后,实验对象的疲劳程度明显上升,NASA-TLX和KSS量表结果均具有显著的统计学差异(P<0.01);在额叶Fpz、顶叶Pz和枕叶Oz三个电极,实验对象清醒和疲劳状态脑电信号的平均分类准确率分别为92.16%、81.63%和90.54%,其中Fpz和Oz电极之间没有统计学差异(P>0.05),二者和Pz电极之间有显著的统计学差异(P<0.05)。结论多尺度熵结合支持向量机可以有效地对人体清醒和脑疲劳状态进行检测,Fpz和Oz电极比Pz电极的检测效果更好。

【文章页数】：5 页

【部分图文】：

图2使用OpenBCI采集脑电信号

图1实验步骤2.3.2脑电信号处理与分析

图1实验步骤

采用英文阅读模拟持续认知负荷任务，诱发脑疲劳状态。阅读难易程度与实验对象的英语水平基本相当，数量足够。脑电信号采集时，按照10-10国际标准导联在额叶、顶叶和枕叶分别选取额极中线（Fpz）、顶中线（Pz）和枕中线（Oz)3个电极，采样率设为250Hz。实验具体实施步骤如图1所示....

图3Fpz电极清醒和疲劳脑电信号MSE结果

使用SVM分类器对清醒和疲劳两种状态的脑电信号进行分类，最终的分类准确率结果如图4所示。从图中可以看出，Fpz电极和Oz电极的分类准确率要优于Pz电极，二者均具有显著的统计学差异（P<0.05）。Fpz电极的分类准确率略微优于Oz电极，但二者没有统计学差异（P>0.05）。图4....

图4SVM对清醒和疲劳脑电信号的分类准确率结果

图3Fpz电极清醒和疲劳脑电信号MSE结果4讨论与展望

本文编号：3933921