用织品心电图来分类驾驶员的分心

科学领域:

• 生物医学工程 生物医学工程
• 可穿戴技术可穿戴技术
• 人与计算机的交互

背景情况:

• 持续监测生命体征对于驾驶员的安全至关重要.
• 织传感器提供不引人注目的和非侵入性的生理数据采集.
• 评估驾驶员的心理健康和分心是防止事故的必要条件.

研究的目的:

• 评估非医疗级织电心电图 (ECG) 衫在检测压力引起的驾驶员分心时的有效性.
• 研究可穿戴传感器单导电图信号在实时驾驶员监控中的实用性.
• 为了确定心电图数据是否能区分基线驾驶和分心驾驶状态.

主要方法:

• 在受控的驾驶环境中,从10名健康志愿者使用心电图衫获得单线心电图数据.
• 模拟了三个驾驶条件:基线,短信和电话.
• 使用定制卷积神经网络 (ccNN) 处理分段心电图数据 (10,30,60秒).

主要成果:

• 在ccNN模型中,在验证集中,它获得了0.65的加权F-Score和67.12%的平均准确性.
• 离开-一个主体-退出交叉验证证明了加权的F-分数在0.53到0.75.5之间.
• 该研究表明,可穿戴的织ECG信号包含与驾驶员分心相关的信息模式.

结论:

• 一个单线可穿戴的织ECG系统可以有效地提供对驾驶员精神状态的见解,并检测分心.
• 这项技术有可能通过持续的,非侵入性的监控来增强驾驶员安全系统.
• 进一步的研究可以探索先进的信号处理和机器学习技术,以提高现实世界驾驶场景的准确性.