大脑警觉度EEG特征分析及识别技术研究

作     者：张珂 

作者单位：天津大学 

学位级别：硕士

导师姓名：王学民;焦学军

授予年度：2022年

学科分类：0710[理学-生物学] 07[理学] 08[工学] 071006[理学-神经生物学] 0804[工学-仪器科学与技术] 

主      题：警觉度 特征分析 脑电 

摘      要：警觉度(Vigilance)指的是操作者在执行某项任务时保持长时间的注意力和警惕性的灵敏程度,在实际生活中,很多岗位的工作者需要保持长时间的警惕性,警觉度水平下降可能会影响人们的工作效率,甚至造成安全事故。因此,对警觉度水平进行客观检测具有重要的研究意义和价值。本文设计了一种基于精神运动警觉度测试任务(Psychomotor Vigilance Test,PVT)和n-back结合的警觉度检测实验范式,通过3-back实验来构建大脑警觉度降低模型,然后利用PVT对整个实验过程中的警觉度进行检测。实验全程记录被试的行为学和脑电数据,并填写主观量表。对主观量表、行为学数据、脑电信号的时域、频域、非线性以及脑网络的特征分析来探究大脑在不同警觉度状态时的神经机制,同时通过模式识别的方法对大脑的警觉度状态进行三分类。主观量表分析表明,实验结束后的量表得分比实验前显著增高。行为学数据分析表明,实验后被试的平均反应时间显著增加。说明实验成功诱发出被试的警觉度下降状态,构建了警觉度下降模型。主观量表和反应时间显著相关,因此利用反应时间对数据进行了标注。脑电信号分析表明,随着警觉度的降低,频域分析显示4-30HZ的脑电的平均功率值显著增加,说明被试在低警觉状态时需要消耗更多的能量来完成实验任务。θ/β、(θ+α)/β、(θ+α)/(α+β)这三种功率比值显著增加,脑电的慢波成分增加,快波成分减少,大脑更加疲劳;在非线性分析部分,样本熵的值降低,可能原因是大脑活动活跃性降低,神经元受到抑制,大脑的兴奋程度降低;在脑网络分析部分,节点的平均路径长度减小,全局效率增大,节点出度变化主要在额区和颞区,入度变化主要在全脑,脑网络的连接程度减弱,大脑信息传递效率变慢。在警觉度水平识别方面,利用支持向量机、K阶近邻和朴素贝叶斯算法构建了警觉度水平检测识别的分类模型。经过比较发现支持向量机在警觉度识别方面性能较好,选定为最优分类器。对比分析了10s、30s、60s时间窗下的警觉度分类效果,选定60s为最优时间窗。采用Relief F算法以及权值相加的共性通道选择算法,筛选出前十个共性有效通道,警觉度三分类的平均正确率为96.65%,为方便航天在轨实验奠定了实验基础,为今后警觉度识别的便携式设备提供了理论依据。