基于EEG的酒精检测系统用于驾驶员监控

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
• 公共卫生 公共卫生

背景情况:

• 全球范围内,饮酒是一种普遍的社会活动,在美国和挪威报告的比例很高.
• 在酒精影响下驾驶 (DUI) 仍然是全球交通事故死亡和受伤的主要原因.
• 现有的检测酒精障碍的方法在对驾驶员实时应用方面可能存在局限性.

研究的目的:

• 开发基于脑电图 (EEG) 的酒精检测系统的基本步骤.
• 评估使用EEG信号识别酒精受影响个人的可行性,以防止酒后驾驶.
• 创建数据集并评估使用EEG检测酒精的机器学习模型.

主要方法:

• 设计了一项实验协议,涉及EEG数据收集和血液中酒精度 (BAC) 测量.
• 参与者在酒精影响和无影响的条件下执行了Flanker任务.
• 使用了EEGNet架构,用于内部 (个人特定) 和跨主体 (一般) 酒精检测模型.

主要成果:

• 统计分析证实了酒精对参与者在Flanker任务中的表现和EEG信号的影响.
• 个体内EEGNet模型实现了高平均分类准确率90.7%,用于检测酒精障碍.
• 跨学科的EEGNet模型显示平均分类准确率为62.9%,超过了机会水平.

结论:

• 脑电图信号可以准确地检测出酒精障碍,特别是在个性化的模型中.
• 开发的方法显示了作为实时基于EEG的酒精检测系统的前身的巨大潜力.
• 这项研究提供了一种新的,非侵入性的方法,通过潜在地预防醉酒驾驶事故来提高道路安全.