在年轻的印尼司机中使用EEG信号预测昏昏欲睡
Maya Arlini Puspasari1, Danu Hadi Syaifullah1,2, Billy Muhamad Iqbal1
1Department of Industrial Engineering, Universitas Indonesia, Indonesia.
Heliyon
|October 9, 2023
概括
这项研究开发了一种电脑电图 (EEG) 信号指示器,用于检测驾驶员的昏昏欲睡,这是道路交通事故的主要原因. 脑电图指示器与睡眠状态和驾驶时间相结合,在识别昏昏欲睡的司机方面取得了很高的准确性.
科学领域:
- 神经科学是一个神经科学.
- 运输安全运输安全
- 生物医学工程 生物医学工程
背景情况:
- 道路运输事故是一个全球性的问题,疲劳和昏昏欲睡是主要原因.
- 电脑电图 (EEG) 信号是测量疲劳和昏昏欲睡的黄金标准,但具体指标仍在争论中.
- 之前的研究通常集中在EEG趋势上,忽视了嗜睡指标和最佳检测参数的发展.
研究的目的:
- 为模拟驾驶条件设计和验证基于EEG信号的嗜睡指标.
- 调查睡眠状态和驾驶时间对EEG信号和主观嗜睡的影响.
- 为了比较不同机器学习模型在使用EEG数据对昏昏欲睡的分类方面的有效性.
主要方法:
- 在模拟驾驶过程中使用EEG信号和主观评估监测昏昏欲睡的驾驶员.
- 使用统计显著性测试,逻辑回归和支持向量机 (SVM) 来进行数据分析.
- 分析EEG波功率 (α,β,θ) 和它们的比率的变化.
主要成果:
- 睡眠不足显著增加了alpha,beta和theta波.
- 驾驶时间的长度增加了提达功率和EEG比率,同时降低了警觉驾驶员的β功率.
- 在睡眠不足的驾驶员中, (theta + alpha) /beta和theta/beta的比率在驾驶结束时增加.
- 脑电图信号与睡眠状态和驾驶时间相结合,实现了高精度 (90.2%的测试),灵敏度 (90.5%) 和特异性 (90%).
- 具有线性内核的SVM优于逻辑回归,而theta功率具有最显著的影响.
结论:
- 脑电图信号,特别是太功率,是驾驶员昏昏欲睡的有效指标.
- 整合睡眠状态和驾驶时间可以提高昏昏欲睡检测的准确性.
- 开发的基于EEG的指标显示,通过识别疲劳的驾驶员,有望提高道路安全.
