目的探索多尺度熵結(jié)合支持向量機(jī)的方法是否可以有效檢測人體腦疲勞狀態(tài),進(jìn)而比較不同腦皮層位置的電極檢測腦疲勞的效果。方法通過持續(xù)認(rèn)知負(fù)荷任務(wù)建立腦疲勞模型,采用一款便攜式腦電設(shè)備采集12名實(shí)驗(yàn)對象清醒和疲勞狀態(tài)的腦電信號,以多尺度熵為特征,結(jié)合支持向量機(jī)算法對兩種狀態(tài)的腦電進(jìn)行分類。結(jié)果在進(jìn)行持續(xù)認(rèn)知負(fù)荷任務(wù)后,實(shí)驗(yàn)對象的疲勞程度明顯上升,NASA-TLX和KSS量表結(jié)果均具有顯著的統(tǒng)計(jì)學(xué)差異(P<0.01);在額葉Fpz、頂葉Pz和枕葉Oz三個電極,實(shí)驗(yàn)對象清醒和疲勞狀態(tài)腦電信號的平均分類準(zhǔn)確率分別為92.16%、81.63%和90.54%,其中Fpz和Oz電極之間沒有統(tǒng)計(jì)學(xué)差異(P>0.05),二者和Pz電極之間有顯著的統(tǒng)計(jì)學(xué)差異(P<0.05)。結(jié)論多尺度熵結(jié)合支持向量機(jī)可以有效地對人體清醒和腦疲勞狀態(tài)進(jìn)行檢測,Fpz和Oz電極比Pz電極的檢測效果更好。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖2使用OpenBCI采集腦電信號

圖1實(shí)驗(yàn)步驟2.3.2腦電信號處理與分析

圖1實(shí)驗(yàn)步驟

采用英文閱讀模擬持續(xù)認(rèn)知負(fù)荷任務(wù)，誘發(fā)腦疲勞狀態(tài)。閱讀難易程度與實(shí)驗(yàn)對象的英語水平基本相當(dāng)，數(shù)量足夠。腦電信號采集時，按照10-10國際標(biāo)準(zhǔn)導(dǎo)聯(lián)在額葉、頂葉和枕葉分別選取額極中線（Fpz）、頂中線（Pz）和枕中線（Oz)3個電極，采樣率設(shè)為250Hz。實(shí)驗(yàn)具體實(shí)施步驟如圖1所示....

圖3Fpz電極清醒和疲勞腦電信號MSE結(jié)果

使用SVM分類器對清醒和疲勞兩種狀態(tài)的腦電信號進(jìn)行分類，最終的分類準(zhǔn)確率結(jié)果如圖4所示。從圖中可以看出，F(xiàn)pz電極和Oz電極的分類準(zhǔn)確率要優(yōu)于Pz電極，二者均具有顯著的統(tǒng)計(jì)學(xué)差異（P<0.05）。Fpz電極的分類準(zhǔn)確率略微優(yōu)于Oz電極，但二者沒有統(tǒng)計(jì)學(xué)差異（P>0.05）。圖4....

圖4SVM對清醒和疲勞腦電信號的分類準(zhǔn)確率結(jié)果

圖3Fpz電極清醒和疲勞腦電信號MSE結(jié)果4討論與展望

本文編號：3933921