基于多式模式参数的每日精神疲劳水平的定量识别
Ruijuan Chen1, Rui Wang2, Jieying Fei2
1School of Life Sciences, TianGong University, Tianjin 300387, China.
The Review of scientific instruments
|September 11, 2023
概括
这项研究引入了一种新方法,用于使用心电图 (ECG),光电图 (PPG) 和血压 (BP) 信号来分级精神疲劳. 将这三个生命体征结合起来,可以显著提高疲劳识别的准确性.
科学领域:
- 生理监测是指对身体进行生理监测.
- 生物医学信号处理
- 心血管健康的心血管健康
背景情况:
- 精神疲劳是与心血管疾病相关的日益严重的健康问题.
- 目前的疲劳识别方法仅限于特定场景.
- 需要准确的每日精神疲劳评估.
研究的目的:
- 开发一种使用心电图,PPG和BP信号的多式疲劳分级方法.
- 为了提高日常精神疲劳识别的准确性.
- 为了研究多个生理信号的联合实用性,以评估疲劳.
主要方法:
- 收集了ECG,PPG和BP数据,来自22名受试者,每天三次.
- 从生理信号中提取了56个特征参数.
- 使用递归特征消除 (RFE) 和随机森林 (RF) 来进行特征选择和分类.
- 进行了心理疲劳的三级分类.
主要成果:
- 疲劳分类的准确性在一个信号时达到88.88%,在两个信号时达到92.72%,在所有三个信号时达到94.87%.
- RFE-RF模型在疲劳识别方面表现出卓越的性能.
- 血压变化指数对于疲劳分类非常有价值.
结论:
- 多种生理特征的融合提供了全面的信息,以更好地识别精神疲劳.
- 多式联网方法显著提高了疲劳分级的准确性.
- RFE-RF模型对于疲劳检测是有效的,强调了BP变化的实用性.
