PilotCareTrans Net:用于飞行员健康监测的EEG数据驱动的变压器

科学领域:

• 神经科学是一个神经科学.
• 航空航天医学 航空航天医学
• 人工智能的人工智能

背景情况:

• 在高风险的航空环境中,监测认知和心理健康至关重要.
• 传统模型 (LSTM,GRU) 在电脑电图 (EEG) 信号中的复杂,非线性时间依赖性方面扎.
• 为了在航空培训中做出最佳的健康干预决策,需要有效地整合多层次的EEG特征.

研究的目的:

• 介绍PilotCareTrans Net,这是一个基于变压器的新型模型,用于航空学生的健康干预决策.
• 解决传统模型在捕获复杂的时间动态和EEG数据的多尺度特征方面的局限性.
• 改善航空领域的认知健康监测和干预策略.

主要方法:

• 开发了PilotCareTrans Net,结合了动态注意力机制,时间卷积层和多级特征集成.
• 在多个公共EEG数据集 (MODA,STEW,SJTUEmotion EEG,Sleep-EDF) 上评估了该模型.
• 使用关键指标与最先进的模型进行性能比较.

主要成果:

• PilotCareTrans Net有效地捕捉了EEG数据中复杂的时间动态.
• 与现有的最先进的模型相比,该模型表现出了卓越的性能.
• 在降低计算复杂性的同时,实现了更高的预测准确性.

结论:

• PilotCareTrans Net适用于资源有限的航空环境中的实时应用.
• 该模型显示了改善认知健康监测和干预策略的巨大潜力.
• 在关键的航空环境中,有助于提高安全性和性能.