基于EEG的驾驶直觉和碰撞预测,使用联合时间频率多层动态大脑网络

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 交通安全 交通安全

背景情况:

• 直觉对于驾驶决策和交通安全至关重要.
• 了解驾驶直觉的神经基础对于开发先进安全系统至关重要.

研究的目的:

• 用先进的网络分析来研究驾驶直觉训练期间大脑活动的变化.
• 为了确定EEG生物标志物来预测即将发生的驾驶碰撞.

主要方法:

• 在EEG数据上使用了一种新的"联合时间频率多层动态大脑网络" (JTF-MDBN) 分析.
• 使用多层和单层网络指标,比较驾驶直觉训练的初始和高级阶段.
• 在警觉和非警觉驾驶状态期间分析了theta,alpha和beta频段的EEG数据,重点关注碰撞前的时间窗口.

主要成果:

• 先进的直觉训练导致了更稳定的大脑区域活动.
• 在警戒状态下,JTF-MDBN显示出更强的连接强度.
• 多层分析显示,非警报状态 (α和β频段) 的模块性更高.
• 在W4窗口 (碰撞前1秒) 中确定了显著的EEG特征,区分即将发生的碰撞.
• 大脑网络生物标志物在使用线性内核SVM预测碰撞时达到87.5%的准确性.

结论:

• 驾驶直觉训练可以增强神经网络的稳定性和连接性.
• 基于EEG的大脑网络生物标志物可以有效预测驾驶碰撞风险.
• 这些发现支持开发用于智能驾驶危险感知的大脑与计算机接口系统.