驾驶昏昏欲睡的生理测量:多模式特征融合和选择的比较研究
Yonglin Wu1, Xinyu Jiang2, Yao Guo2
1School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China; School of Information Science and Technology, Fudan University, Shanghai, China.
Computers in biology and medicine
|October 28, 2023
概括
使用可穿戴设备监测驾驶疲劳至关重要. 将额头脑电图 (EEG) 或眼电图 (EOG) 与R-R间隔 (RRI) 和呼吸信号相结合,提供了最有效的嗜睡检测.
科学领域:
- 生理信号处理 物理信号处理
- 人与计算机的互动.
- 汽车安全 汽车安全
背景情况:
- 驾驶时昏昏欲睡是交通事故的主要原因之一.
- 使用生理信号的车载警报系统显示出监测驾驶员疲劳的前景.
- 之前的研究缺乏一致的评估方法和考虑便携式设备的可行性,阻碍了模式的比较.
研究的目的:
- 在便携式硬件设置中全面比较用于驾驶疲劳监测的广泛使用的生理模式.
- 为了建立一个可概括的结论,对模式的比较和融合,持续的嗜睡估计.
- 通过特征选择来确定最佳的特征组合来检测昏昏欲睡.
主要方法:
- 额头脑电图 (EEG),眼电图 (EOG),R-R间隔 (RRI) 和呼吸信号的比较.
- 基于特征回归和从清醒到昏睡的过渡的评估.
- 应用特征选择来识别最佳的融合模式子集.
主要成果:
- 额头EEG或EOG与RRI和RRI衍生的呼吸相结合,显示了对嗜睡检测的最高相关系数.
- 结合RRI和RRI衍生的呼吸是一种有希望的替代方案,可以提高舒适性和便利性.
- 功能选择有效地确定了最佳组合,并减少了计算负载.
结论:
- 额头EEG或EOG,RRI和呼吸为可穿戴的嗜睡检测系统提供了可行的和有效的方法.
- 仅靠RRI和呼吸,就能为不那么侵入性的疲劳监测提供一个切实可行的解决方案.
- 这项研究提供了一个明确的框架,用于比较和融合驾驶疲劳评估的生理模式.
