基于优化脑电和功能近红外光谱的脑力负荷检测方法及其实际应用
分类：
PortaLite
作者：
Chu H, Cao Y, Jiang J, Yang J, Huang M, Li Q, Jiang C, Jiao X.
来源：
《BioMedical Engineering OnLine》
发布时间：
2022-02-02
访问量：
中国航天员研究训练中心人因工程国家重点实验室在影响因子为3.903分的三区《BioMedical Engineering OnLine》期刊发表了一篇名为《Optimized electroencephalogram and functional near-infrared spectroscopy-based mental workload detection method for practical applications》的研究。实验通过对信号采集配置的优化，基于EEG-fNIRS技术构建了一种更加准确方便的脑力负荷检测方法。
01. 研究意义及目的
适当范围的脑力运动，才能保持高性能的工作以及可靠的操作。不规律的精神负荷状态会降低工作效率，严重情况下甚至会危及人们的生命健康。尤其在安全要求较高的人机系统中，如军事、航空、航天、驾驶等领域，由于过度的脑力劳动导致的信息获取、判断决策等失误往往是造成事故的原因。
据报道，驻扎在美国的1094名美国空军无人机(UAV)操作员中，约20%的人处于高度疲劳状态，这其中11%的人有愤世嫉俗的情绪发生，3%的人自我感觉不佳，这是由于长期不适宜的脑力劳动状态严重危害了操作者的身心健康。
因此，本研究旨在提出一种可以准确测量操作者脑力劳动负荷程度的方法，这对于在航空航天等领域的工作中减少操作失误，维护操作者的身心健康发挥着至关重要的作用。
02. 研究方法
招募了20名青年志愿者完成了一项经典的MATB任务，此任务涉及三种认知资源：注意力、操作和推理，可以很好的模拟现实任务环境。并在每个不同难度的任务结束时，收集受试者的主观量表数据。
在实验任务进行期间，同时使用Ant Neuro的EGGO设备以及两台Artinis的Portalite设备记录64导联EEG数据以及大脑前额两侧的fNIRS数据。实验及刺激范式如下图所示。
刺激呈现和实验程序。(a)实验范式。(b)实验场景。(c)实验过程演示。
03. 研究结果
EEG通道的数量越多，检测精度越高。EEG通道数达26个时，准确率不再明显提高。不同脑力负荷水平下θ波段的所有区域、α波段的前额叶和枕叶区域以及β1和β2波段的枕叶区域功率响应存在显著差异。
四个难度等级每个通道四个频段的方差分析结果。白色代表P>0.05，深棕色代表P<0.01，浅棕色代表0.01<P<0.05
对比最简单任务与最复杂的任务发现，枕叶脑电各频段的能量之间均存在差异显著，枕区β1和β2频段的能量也会随着任务难度的增加而显著增加。
(a)最高负荷(Level 7)与最低负荷(Level 1)在θ，α，β1和β2频段的脑电功率差异。(b)特定通道(O1、P4和PO5)内θ，α，β1和β2频段的功率谱随任务难度的变化趋势。
随着任务难度的增加，前额区的O2Hb浓度增加，且最高级任务中的O2Hb含量明显高于其他负荷水平。并且在高工作负荷水平下，O2Hb的变化更为显著，而HHb的变化趋势则相反。
不同负荷水平下血氧的变化。左右图像分别代表前额的左右两侧，上侧O2Hb变化，下侧HHb变化。*p<0.05， **p<0.01
选用EEG-fNIRS特征集的分类结果最好，支持向量机、RF和DT分类器的平均分类准确率分别为70.23%、76.25%和64.46%，其中RF分类器的识别准确率最高，在四个水平的脑力负荷检测中准确率为76.25±5.21%。
三种特征集的测试分类结果。
04. 结论
基于EEG-fNIRS的脑力负荷检测，其通道配置可优化为26个脑电通道和2个额部fNIRS通道。使用该配置及方法在四种不同程度的心理负荷检测中准确率可达到76.25±5.21%，高于已有文献中的报道。该构型可促进心理负荷检测技术在军事、驾驶、航空航天等复杂人机交互系统中的应用。
参考文献
Jiang C, Jiao X. Optimized electroencephalogram and functional near-infrared spectroscopy-based mental workload detection method for practical applications. Biomed Eng Online. 2022 Feb 2;21(1):9. doi: 10.1186/s12938-022-00980-1. PMID: 35109879; PMCID: PMC8812267.
关键词：
微信公众号
