大脑连接是否是安全道路的关键? 基于EEG的疲劳检测在年轻司机使用可解释的深度学习
Yongjiang Zhou1, Yang Cao2, Hyungchul Chung3
1Institute of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756 Sichuan, China.
Accident; analysis and prevention
|September 27, 2025
概括
这项研究表明,脑电图 (EEG) 和深度学习可以准确地检测年轻司机的精神疲劳. 驾驶经验也可以减轻与疲劳相关的风险,提高道路安全.
科学领域:
- 神经科学是一个神经科学.
- 道路交通安全 道路交通安全
- 人工智能的人工智能
背景情况:
- 精神疲劳是年轻司机道路交通事故的主要危险因素.
- 司机疲劳的神经机制尚未得到充分理解.
- 准确检测驾驶员疲劳对于预防事故至关重要.
研究的目的:
- 通过使用EEG来调查驾驶员疲劳的神经生理基础.
- 开发一个准确和可解释的深度学习模型来检测年轻司机的疲劳.
- 通过识别和减轻与疲劳相关的风险,提高道路安全.
主要方法:
- 收集了32名年轻驾驶员在真实道路和模拟环境上的EEG数据.
- 分析了EEG信号,以构建具有拓特征的大脑功能网络.
- 开发了一个深度学习模型 (MHSA-xLSTM),集成多头自我注意力和长短期记忆.
- 利用Shapley添加式扩展用于模型可解释性.
主要成果:
- MHSA-xLSTM模型在检测精神疲劳方面取得了94.39%的准确性.
- 小世界属性和节点强度是疲劳识别的重要特征.
- 大脑的自我调节能力可以减轻与疲劳相关的障碍.
- 驾驶经验可以提高性能,降低事故风险.
结论:
- 基于EEG的大脑网络分析和深度学习为实时驾驶员疲劳检测提供了潜力.
- 可解释模型可以为有针对性的干预提供信息,以减少事故风险.
- 了解疲劳的神经机制是改善年轻司机道路安全的关键.
