基于fNIRS功能连接来预测分心驾驶的程度:一个试点研究

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:

• 分心驾驶是交通事故的主要原因之一.
• 预测驾驶员的注意力状态可以防止分心,提高安全性.

研究的目的:

• 开发一个基于大脑活动的模型来预测司机分心的程度.
• 了解分心驾驶的神经基础.

主要方法:

• 使用功能近红外光谱 (fNIRS) 来测量司机的脑活动 (氧血球蛋白度).
• 使用功能连接和制动反应时间 (BRT) 构建了参与者特定的回归模型.
• 通过使用等级聚类分析和集群准确的预测模型.

主要成果:

• 开发了一个预测模型,对12名参与者进行BRT,平均绝对误差为5.58 x 10^2 ms.
• 确定了涉及背部注意网络 (DAN),感官运动网络 (SMN) 和腹部注意网络 (VAN) 的常见功能连接模式.
• 证实了多种类型的预测模型,具有不同的网络连接模式.

结论:

• 驾驶员的分心程度可以通过在实际驾驶过程中使用大脑活动来预测.
• DAN,SMN和VAN连接对于预测复杂的驾驶任务中的分心至关重要.
• 这些发现有助于开发更安全的驾驶系统,并了解分心的神经基础.