性别差异在功能性脑网络的驾驶疲劳检测中的影响
2019-08-01穆振东
海峡科技与产业 2019年2期
穆振东
江西科技学院协同创新中心,江西 南昌 330098
随着车辆的普及,交通事故发生率在逐年增加。在各种交通事故中,由疲劳驾驶引发的交通事故比例达15%~30%。为了降低驾驶疲劳引发的交通事故,很多方法被用来检测驾驶员的疲劳状态。脑电信号是大脑活动的直接外在反映,故而成为疲劳驾驶的重要检测工具之一。
为了更好地实现驾驶疲劳检测,研究者基于EEG信号运用了不同算法对疲劳状态进行了分析,这些研究成果表明利用脑电信号可以很好地实现驾驶疲劳检测,检测的识别率均达到90%以上。但是从分析手段上看,这些成果是把脑电信号按照电极和采样周期为划分样本准则,然后对样本进行特征提取和分类。然而即便是最简单的大脑活动也非单独一个脑区独立功能的结果,而是多个脑区交互信息共同完成的,驾驶过程也不例外。
为了使提取的驾驶疲劳特征更加符合疲劳产生的神经机理,应选择可以反映脑区之间的信号同步和去同步性特征。功能性脑网络(FBN)是指空间上相关或不相关的脑区在时间上的相关关系,这种关系可以反映出部分的脑活动之间的关联性,因此利用功能性脑网络对脑活动进行研究的案例在逐年增加,如对阿尔茨海默氏病、癫痫、帕金森氏病的研究。在疲劳研究中,Wascher等[1]发现疲劳时,颅后α和θ增强,前额α和θ同步性减弱。Wang等[2]和Kong等[3]运用功能性脑网络分析疲劳状态发现,基于FBN全局特征的指标参数(聚合系数、特征路径长度、全局效率等)具有较好的稳定性,不会因受试者而发生较大变化。……
登录APP查看全文
