通过EEG检测精神疲劳的跨主题频段-功率复杂度度指标

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
• 信号处理 信号处理

背景情况:

• 电脑电图 (EEG) 显示出疲劳检测的前景,因为它直接反映神经状态.
• 目前的EEG疲劳检测方法面临的挑战是特定对象的校准和不稳定的标签.
• 经典的EEG特征容易引起大脑节律的变化,导致会议和受试者之间的表现下降.

研究的目的:

• 开发一个强大的,跨主体EEG指标来检测疲劳.
• 克服基于EEG的疲劳监测中对特定主体进行校准和域转移的局限性.
• 引入一种不需要额外的模型培训的疲劳指标.

主要方法:

• 提出了一种新的度量,即短期二次差异 (ST-SODE),其灵感来自生物疲劳反弹.
• ST-SODE旨在抑制背景大脑节律干扰,提高跨域漂移的稳定性.
• 该指标为疲劳状态指示提供一维输出.

主要成果:

• 在SEED-VIG的驾驶疲劳数据集中,ST-SODE实现了0.56的相关系数,超过了差异 (DE) (0.4).
• 在一个私人警N-Back任务数据集上,ST-SODE达到了93.75%的二进制分类准确度.
• 与其他基于EEG的疲劳检测方法相比,提出的指标显示出更高的性能.

结论:

• ST-SODE提供了一种可靠和强大的解决方案,用于使用EEG检测疲劳.
• 该指标的跨学科适用性和对校准的减少需求使其适合于现实世界的部署.
• 潜在的应用包括通过减轻与疲劳有关的事件来提高驾驶,制造和医疗保健环境中的安全性.