一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法技术方案

本发明专利技术公开了一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法，该系统包括生物电信号分系统、生理数据分系统和综合分析与管理分系统，其中生物信号分系统用于测量脑电和心电双模态的生物电信号，生理数据分系统用于测量睡眠情况、眨眼频率、闭眼百分比、哈欠频率、点头频率、睡眠时长、睡眠质量和体重压力分布生理表现数据信息，综合分析与管理分系统通过双模态的生物电信号与生理表现数据对不同原因引起的疲劳程度进行综合评估。本发明专利技术有利于精确、动态地评估值班人员的疲劳程度，从而科学地指导其轮岗排班时间表的制定，优化值班效率。

A Fatigue Assessment System and Method Based on Bimodal Bioelectric Signal and Physiological Data

【技术实现步骤摘要】
一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法
本专利技术涉及一种人体的疲劳程度评估系统及评估方法，特别是一种基于生物电信号和生理表现数据的疲劳程度综合评估系统及评估方法。
技术介绍
当今各行各业需要持续值班的重要岗位增多，如空管、电力等行业均需要相当数量的人员进行轮岗值班，一旦人员过度疲劳，精神状态不足以履行值班任务时，可能会发生误操作，因此需要对人员的疲劳程度进行及时的评估并告警。诱发疲劳的原因很多，通常认为有睡眠缺乏、时差、生物钟紊乱、高强度体力活动、精神压力等因素的单独及综合作用，由于成因复杂，疲劳程度往往难以直接定量测量，通常需要通过各项生理指标及生理表现进行间接的预测或评判。现有的疲劳程度评估设备及系统通常以疲劳驾驶为典型应用场景，存在应用场景单一、评估手段单一、考虑疲劳诱发因素单一的问题，还不能适应不同的使用场景。随着行业的进步和需求，不同岗位的工作人员会需要疲劳程度评估系统，以科学地指导其轮岗排班时间表的制定，优化值班效率。
技术实现思路
专利技术目的：本专利技术所要解决的技术问题是针对现有疲劳评估系统的不足，提供一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法。技术方案：为实现上述专利技术目的，本专利技术采用以下技术方案：一种基于双模态生物电信号与生理数据的疲劳度评估系统，该系统包括生物电信号分系统、生理数据分系统和综合分析与管理分系统，其中生物信号分系统用于测量脑电和心电双模态的生物电信号，生理数据分系统用于测量睡眠情况、眨眼频率、闭眼百分比、哈欠频率、点头频率、睡眠时长、睡眠质量和体重压力分布生理表现数据信息，综合分析与管理分系统通过双模态的生物电信号与生理表现数据对不同原因引起的疲劳程度进行综合评估。可选的，所述生物电信号分系统包括用于测量脑电信号的脑电子系统和测量心电信号的心电子系统。可选的，所述生理数据分系统包括测量眨眼频率和闭眼百分比的眼部动作子系统，测量哈欠频率和点头频率的头部动作子系统，测量睡眠时长和睡眠质量的睡眠子系统和测量体重压力分布的坐姿子系统。可选的，所述综合分析与管理分系统包括数据分析处理平台、管理终端和反馈干预子系统，其中，数据分析处理平台进行疲劳度评估并根据疲劳度的计算结果对人员的生理周期节律进行数据库管理，管理终端为进行评估结果的可视化显示并提供人机交互的渠道；反馈干预子系统进行振动、闪光形式的干预，或由系统建议人工干预。本专利技术还提供了一种基于双模态生物电信号与生理数据的疲劳度评估方法，包括以下步骤：(1)通过管理终端登录系统，将开始值班时间、D-d日的睡前疲劳程度EFLD-d输入至数据分析处理平台；(2)通过数据分析处理平台的疲劳度评估模型，计算出休息后的D日初始疲劳程度SFLD，并对D日初始疲劳程度SFLD数据进行处理；(3)以一定的周期T定时测量D日t时刻的生物电信号和生理表现数据，作为疲劳程度评估的依据输入至数据分析处理平台，在每个周期内计算出D日t时刻的疲劳程度FLD|t，并对疲劳程度FLD|t进行处理；(4)通过比较疲劳程度FLD|t与阈值Th的高低判断是否需要干预，若是，则由反馈干预子系统对值班人员进行干预，提醒其保持注意力，防止疲劳程度进一步提高；若否，则进行是否注销结束当日值班的判断。进一步的，所述步骤(1)包括：(11)D日开始值班后，通过管理终端进行系统登录，并将开始值班时间记录，传至数据分析处理平台；(12)更新当天日期，取前一个工作日，即D-d日的数据进行疲劳度评估；(13)将D-d日最后得到的疲劳程度，即睡前疲劳程度EFLD-d传入数据分析处理平台，作为初始疲劳程度评估的考虑依据。进一步的，所述步骤(2)包括：(21)通过睡眠子系统测量D-d日的睡眠时长及睡眠质量SQD-d，并输入数据分析处理平台，作为初始疲劳程度评估的考虑依据；(22)通过数据分析处理平台的疲劳度评估模型，计算出D-d日的睡前疲劳程度为EFLD-d；疲劳度评估模型如下：其中，tss和tse分别是睡眠开始时间和结束时间，K1(t)为t时刻对应的生理节律下，睡眠质量对疲劳程度的恢复模型，暂无解析式，由实验数据配合模型训练反复迭代获得；SQD-d为D-d日的睡眠时间和质量；D-d日的睡前疲劳程度EFLD-d为：EFLD-d＝FLD|t·Time(t时刻干预无效或t时刻主动注销)；然后根据D日夜晚睡眠时长与质量SQD-d，计算出休息后的D日初始疲劳程度SFLD；(23)将D日的初始疲劳程度SFLD作为继续判断疲劳程度的依据输入至数据分析处理平台的疲劳度评估模型；并将SFLD作为D日疲劳度历史数据存入数据分析处理平台中的生理周期节律数据库。进一步的，所述步骤(3)包括：(31)以一定的周期T定时测量D日t时刻的各种生物电信号，通过脑电子系统测量实时的脑电信号EEGt、通过心电子系统测量实时的心电信号ECGt，作为疲劳程度评估的依据；(32)以一定的周期T定时测量D日t时刻的各种生理表现数据，通过眼部动作子系统测量实时的眨眼频率BlinkFreqt和闭眼百分比PERCLOSt、通过头部动作子系统测量实时的哈欠频率YawnFreqt和点头频率NodeFreqt、通过坐姿子系统测量实时的体重压力分布Wdist，作为疲劳程度评估的依据；(33)在每个周期内计算出D日t时刻的疲劳程度FLD|t，方法如下：FLD|t＝Vote(FLD|t·EEG,FLD|t·ECG,FLD|t·BlinkFreq,FLD|t·PERCLOS,FLD|t·YawnFreq,FLD|t·NodeFreq,FLD|t·Wdis,FLD|t·Time)；其中，FLD|t·EEG、FLD|t·ECG、FLD|t·BlinkFreq、FLD|t·PERCLOS、FLD|t·YawnFreq、FLD|t·NodeFreq、FLD|t·Wdis、FLD|t·Time分别指基于脑电、心电、眨眼频率、闭眼百分比、哈欠频率、点头频率、体重压力分布和疲劳积累模型的实时疲劳值分量；K2(t)为为t时刻对应的生理节律下的疲劳积累模型；TB、TY、TN、TW分别为眨眼频率、哈欠频率、点头频率、体重压力分布用于判断是否疲劳的阈值；Tδ1、Tδ2、Tδ3、TSMR1、TSMR2、TSMR3为脑电信号用于判断是否为严重疲劳、疲劳、轻度疲劳及注意力的阈值；TS1、TS2、TL1、TL2为心电信号用于判断是否为疲劳、轻度疲劳的阈值；TP1、TP2为闭眼百分比用于判断是否为疲劳、轻度疲劳的阈值；TT1、TT2、TT3为疲劳积累模型用于判断是否为严重疲劳、疲劳、轻度疲劳的阈值；将当前的疲劳程度FLD|t通过管理终端进行实时的更新显示；并将FLD|t作为D日实时疲劳程度的历史数据存入数据分析处理平台中的生理周期节律数据库。进一步的，所述步骤(4)中对值班人员进行干预包括：(41)进行振动干预，通过手环震动，给予值班人员提醒，并在5min内通过(33)中测量的FLD|t是否发生明显变化判断振动干预是否有效，若否，则执行步骤(42)；若是，则进行是否注销结束当日值班的判断；(42)进行闪光干预，通过预置光源对值班人员进行眼部刺激，并在5min内通过(33)中测量的FLD|t是否发生明显变化判断振动干预是否有效，若否，则执行步骤本文档来自技高网...

【技术保护点】
1.一种基于双模态生物电信号与生理数据的疲劳度评估系统，其特征在于：该系统包括生物电信号分系统、生理数据分系统和综合分析与管理分系统，其中生物信号分系统用于测量脑电和心电双模态的生物电信号，生理数据分系统用于测量睡眠情况、眨眼频率、闭眼百分比、哈欠频率、点头频率、睡眠时长、睡眠质量和体重压力分布生理表现数据信息，综合分析与管理分系统通过双模态的生物电信号与生理表现数据对不同原因引起的疲劳程度进行综合评估。

【技术特征摘要】
1.一种基于双模态生物电信号与生理数据的疲劳度评估系统，其特征在于：该系统包括生物电信号分系统、生理数据分系统和综合分析与管理分系统，其中生物信号分系统用于测量脑电和心电双模态的生物电信号，生理数据分系统用于测量睡眠情况、眨眼频率、闭眼百分比、哈欠频率、点头频率、睡眠时长、睡眠质量和体重压力分布生理表现数据信息，综合分析与管理分系统通过双模态的生物电信号与生理表现数据对不同原因引起的疲劳程度进行综合评估。2.根据权利要求1所述的一种基于双模态生物电信号与生理数据的疲劳度评估系统，其特征在于：所述生物电信号分系统包括用于测量脑电信号的脑电子系统和测量心电信号的心电子系统。3.根据权利要求1所述的一种基于双模态生物电信号与生理数据的疲劳度评估系统，其特征在于：所述生理数据分系统包括测量眨眼频率和闭眼百分比的眼部动作子系统，测量哈欠频率和点头频率的头部动作子系统，测量睡眠时长和睡眠质量的睡眠子系统和测量体重压力分布的坐姿子系统。4.根据权利要求1所述的一种基于双模态生物电信号与生理数据的疲劳度评估系统，其特征在于：所述综合分析与管理分系统包括数据分析处理平台、管理终端和反馈干预子系统，其中，数据分析处理平台进行疲劳度评估并根据疲劳度的计算结果对人员的生理周期节律进行数据库管理，管理终端为进行评估结果的可视化显示并提供人机交互的渠道；反馈干预子系统进行振动、闪光形式的干预，或由系统建议人工干预。5.一种基于双模态生物电信号与生理数据的疲劳度评估方法，其特征在于：包括以下步骤：(1)通过管理终端登录系统，将开始值班时间、D-d日的睡前疲劳程度EFLD-d输入至数据分析处理平台；(2)通过数据分析处理平台的疲劳度评估模型，计算出休息后的D日初始疲劳程度SFLD，并对D日初始疲劳程度SFLD数据进行处理；(3)以一定的周期T定时测量D日t时刻的生物电信号和生理表现数据，作为疲劳程度评估的依据输入至数据分析处理平台，在每个周期内计算出D日t时刻的疲劳程度FLD|t，并对疲劳程度FLD|t进行处理；(4)通过比较疲劳程度FLD|t与阈值Th的高低判断是否需要干预，若是，则由反馈干预子系统对值班人员进行干预，提醒其保持注意力，防止疲劳程度进一步提高；若否，则进行是否注销结束当日值班的判断。6.根据权利要求5所述的一种基于双模态生物电信号与生理数据的疲劳度评估方法，其特征在于，所述步骤(1)包括：(11)D日开始值班后，通过管理终端进行系统登录，并将开始值班时间记录，传至数据分析处理平台；(12)更新当天日期，取前一个工作日，即D-d日的数据进行疲劳度评估；(13)将D-d日最后得到的疲劳程度，即睡前疲劳程度EFLD-d传入数据分析处理平台，作为初始疲劳程度评估的考虑依据。7.根据权利要求5所述的一种基于双模态生物电信号与生理数据的疲劳度评估方法，其特征在于，所述步骤(2)包括：(21)通过睡眠子系统测量D-d日的睡眠时长及睡眠质量SQD-d，并输入数据分析处理平台，作为初始疲劳程度评估的考虑依据；(22)通过数据分析处理平台的疲劳度评估模型，计算出D-d日的睡前疲劳程度为EFLD-d；疲劳度评估模型如下：其中，tss和tse分别是睡眠开始时间和结束时间，K1(t)为t时刻对应的生理节律下，睡眠质量对疲劳程度的恢复模型，暂无解析式，由实验数据配合模型训练反复迭代获得；SQD-d为D-d日的睡眠时间和质量；D-d日的睡前疲劳程度EFLD-d为：EFLD-d＝FLD|t·Time(t时刻干预无效或t时刻主动注销)；然后根据D日夜晚睡眠时长与质量SQD-d，计算出休息后的D日初始疲劳程度SFLD；(23)将D日的初始疲劳程度SFLD作为继续判断疲劳程度的依据输入至数据分析处理平台的疲劳度评估模型；并将SFLD作为D日疲劳度历...

【专利技术属性】
技术研发人员：谢科，李婷婷，易侃，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏,32