驾驶疲劳的因果大脑网络分析基于一般化的正交形化部分定向连贯性

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:

• 驾驶疲劳对道路安全构成重大风险.
• 准确检测驾驶员疲劳对于防止事故至关重要.

研究的目的:

• 开发和验证一种使用电脑电图 (EEG) 信号准确估计驾驶员疲劳的新方法.
• 研究与持续驾驶和疲劳相关的大脑网络连接的变化.

主要方法:

• 利用了通用的直角局部定向连贯性 (gOPDC) 算法来分析EEG信号中的时间频域相互作用.
• 构建了一个因果大脑网络来表示驾驶员的连续驾驶状态.
• 网络属性的量化变化,如集群系数和全球效率.

主要成果:

• 因果大脑网络的聚类系数和总效率随着驾驶时间的增加而下降.
• 在疲劳发作期间,在特定的左半球和右后额头区域观察到因果信息流的显著增加.
• 相反,因果信息流的显著减少发生在特定的右半球和左后额头区域.

结论:

• 与传统算法相比,gOPDC算法提供了一种更准确的方法来检测驾驶疲劳.
• 大脑因果网络动态的变化,特别是信息流模式,是驾驶疲劳的可靠指标.