使用有限量的个体脑电图,识别驾驶员疲劳

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 运输安全运输安全

背景情况:

• 驾驶员疲劳是道路交通事故的主要原因之一.
• 现有的疲劳检测方法通常依赖于物理线索或车辆数据,这些数据可能不可靠.
• 脑电图 (EEG) 信号提供了对大脑生理和心理状态的直接测量.

研究的目的:

• 开发使用EEG信号的精确疲劳识别系统.
• 识别关键的大脑区域和频率,以检测疲劳.
• 通过数据增强和转移学习来提高系统性能.

主要方法:

• 利用电脑电图 (EEG) 信号来识别疲劳状态.
• 应用转移学习到部分集合的平均EEG功率光谱密度 (PSD).
• 采用层级相关性传播 (LRP) 来识别关键皮质区域和频段.
• 整合了数据增强技术,以提高分类准确性.

主要成果:

• 实现了高分类准确率:99.2% (培训),97.9% (验证) 和96.9% (测试).
• 通过数据增强,表现出显著的性能改善.
• 确定了关键的皮质区域和频段,以有效地进行疲劳歧视.

结论:

• 基于EEG的疲劳监测系统可以显著提高道路安全.
• 数据增强是一种有益的技术,可以提高EEG疲劳检测的准确性.
• 进一步的研究应侧重于优化数据增强和系统可扩展性.