基于脑网络拓扑规律的脑力疲劳检测方法及系统技术方案

本发明专利技术涉及一种基于脑网络拓扑规律的脑力疲劳检测方法及系统,包括：采集大脑中的血红蛋白信息，并记录实验前后的主观评价量表和行为学数据；对采集的血红蛋白信息进行预处理；根据所述主观评价量表和行为学测试结果对预处理后的血红蛋白信息按脑力疲劳等级进行分类，分析各脑区之间的相关性，建立跨任务下不同脑疲劳等级的网络连接拓扑规律，其中所述网络连接拓扑规律是各种任务诱发疲劳对应的共性表征；根据网络连接拓扑规律构建两两对应疲劳等级之间具有统计性差异的网络连接变化图。本发明专利技术的计算复杂度低，脑机接口系统的实时性能好。时性能好。时性能好。

【技术实现步骤摘要】
基于脑网络拓扑规律的脑力疲劳检测方法及系统


[0001]本专利技术涉及健康评估
，尤其是指一种基于脑网络拓扑规律的脑力疲劳检测方法及系统。

技术介绍

[0002]脑疲劳(即脑力疲劳)属于其中的一种，它是一种亚健康的状态，由人们过度地进行需要集中注意力的脑力负荷所引起的大脑生理机能下降。人通常会表现出不安，反应迟钝，无精打采，渴望休息等状态。如果长期处于过度脑疲劳状态，可引发许多身心疾病，严重影响身体健康；严重的脑疲劳还会使人的心理承受能力下降，无法面对生活上的种种压力，导致精神崩溃。同时，脑疲劳也有可能在某些领域引发工作事故，比如驾驶，互联网，外科手术等。根据脑疲劳程度来合理安排工作强度，及时休息，从而预防和减少工作事故的发生和维护身心健康。因此，评估人体的脑疲劳是非常有必要的。
[0003]目前，已经有大量团队开展了对诱发脑疲劳实验的评估方法研究。然而诸多研究仅仅是区分不疲劳和疲劳两种状态，没有针对个体差异影响因素做进一步研究，以及在单一诱发条件下发生脑疲劳，并且是在实验环境而非复杂工作环境进行脑疲劳诱发实验，这使得脑疲劳评估方法缺乏普适性和鲁棒性，而且在应用中会对被试的工作造成高度干扰。在不同的脑疲劳诱发实验中，评估模型选取的生理信号特征存在较大差异性，无法揭示脑力疲劳的统一机制。因此，有必要在各种复杂真实工作环境中寻找脑疲劳产生和发展的大脑属性的共性变化规律，以为疲劳监测和疲劳对抗提供科学方法和理论支撑。
[0004]脑机接口中涉及的基于近红外成像技术(Functional Near/>‑
infrared Spectroscopy,简称FNIRS)由于能够保证信号采集的安全性，近来越来越多的被应用。由于脑机接口作为一种新的人机交互方式，能够绕开神经传输通道和肌肉部分的作用，直接在大脑与外界环境之间建立信息沟通渠道，控制外部设备，因此脑机接口技术在健康评估领域的研究应用可以很好的帮助人们针对脑血氧信息进行脑疲劳评估检测。当前，面向健康评估的脑机接口技术尚未完全成熟，还处在亟需快速发展的阶段，而且存在以下问题：多分类任务识别准确率低，而且计算复杂度高，脑机接口系统的实时性能差。

技术实现思路

[0005]为此，本专利技术所要解决的技术问题在于克服现有技术中计算复杂度高，脑机接口系统的实时性能差的问题，从而提供一种计算复杂度低，脑机接口系统的实时性能好的基于脑网络拓扑规律的脑力疲劳检测方法及系统。
[0006]为解决上述技术问题，本专利技术的一种基于脑网络拓扑规律的脑力疲劳检测方法，包括：采集大脑中的血红蛋白信息，并记录实验前后的主观评价量表和行为学数据；对采集的血红蛋白信息进行预处理；根据所述主观评价量表和行为学测试结果对预处理后的血红蛋白信息按脑力疲劳等级进行分类，分析各脑区之间的相关性，建立跨任务下不同脑疲劳等级的网络连接拓扑规律，其中所述网络连接拓扑规律是各种任务诱发疲劳对应的共性表
征；根据网络连接拓扑规律构建两两对应疲劳等级之间具有统计性差异的网络连接变化图。
[0007]在本专利技术的一个实施例中，对采集的血红蛋白信息进行预处理的方法为：对采集的血红蛋白信息对相应频段进行带通滤波的处理。
[0008]在本专利技术的一个实施例中，对采集的血红蛋白信息运用切比雪夫带通滤波方法对相应频段进行带通滤波的处理。
[0009]在本专利技术的一个实施例中，对预处理后的血红蛋白信息按脑力疲劳等级进行分类时，分别从MFI量表、N
‑
back测试、MR测试三个不同维度对体力疲劳等级进行综合划分。
[0010]在本专利技术的一个实施例中，预处理后的血红蛋白信息划分为无疲劳、中度疲劳和重度疲劳三个体力疲劳等级。
[0011]在本专利技术的一个实施例中，分析各脑区之间的相关性的方法为：按大脑皮层区域划分脑区，对每个区域内的信号采集通道，运用熵权法对同一脑区的不同通道重新分配权重和血氧值，计算两两不同测试脑区之间脑血氧信号的皮尔森相关系数衡量两个测试脑区之间的变化趋势的异同。
[0012]在本专利技术的一个实施例中，运用熵权法对同一脑区的不同通道重新分配权重和血氧值，计算两两不同测试脑区之间脑血氧信号的方法为：采用最大最小归一化公式，逐个通道地对每个采样点进行归一化；计算ROI区域内的每个采样点的概率值；采用信息熵公式计算每个通道的信息熵，并将其数值规范到[0,1]内；根据信息熵，计算每个通道的权重，根据权重，计算出包含N个采样点的某个ROI脑区的血氧信号。
[0013]在本专利技术的一个实施例中，衡量两个测试脑区之间的变化趋势的异同，若皮尔森相关系数值大于0，则表示两个测试脑区的血氧信息变化趋势正相关；若相关系数值小于0，则表示变化趋势负相关；若相关系数为趋近0，则两测试脑区信息不相关。
[0014]在本专利技术的一个实施例中，根据网络连接拓扑规律构建两两对应疲劳等级之间具有统计性差异的网络连接变化图的方法：以求得的相关系数为基础，每个疲劳等级统一求各个相关系数的平均值，然后不同等级间再作差。
[0015]本专利技术还提供了一种基于脑网络拓扑规律的脑力疲劳检测系统，包括：采集模块，用于采集大脑中的血红蛋白信息，并记录实验前后的主观评价量表和行为学数据；预处理模块，用于对采集的血红蛋白信息进行预处理；分类模块，用于根据所述主观评价量表和行为学测试结果对预处理后的血红蛋白信息按脑力疲劳等级进行分类，分析各脑区之间的相关性，建立跨任务下不同脑疲劳等级的网络连接拓扑规律，其中所述网络连接拓扑规律是各种任务诱发疲劳对应的共性表征；构建模块，用于根据网络连接拓扑规律构建两两对应疲劳等级之间具有统计性差异的网络连接变化图。
[0016]本专利技术的上述技术方案相比现有技术具有以下优点：
[0017]本专利技术所述的基于脑网络拓扑规律的脑力疲劳检测方法及系统，对正常脑力工作、疲劳驾驶、精神运动警觉度测试(PVT)三种任务诱发脑疲劳综合分析实现跨任务疲劳评估，有利于研究不同因素诱发脑疲劳的大脑共性演变规律。量表和行为学数据有利于获得真实多维度的脑疲劳等级方法。疲劳等级划分为3个，不再是单一的区分正常和疲劳两种状态，而且重度疲劳更有利于对过度疲劳做出预警；采集的血红蛋白信息进行预处理，有利于去除脑血氧中无关信息的干扰和零漂现象的修正；对预处理后的信息进行相关性分析，建
立跨任务下不同脑疲劳等级的网络连接拓扑规律，分析不同等级间的统计性差异和相关性差异，构建对应两两疲劳等级之间具有统计性差异的网络连接变化图，从而更直观的发现不同等级间相关性特征的差异。
附图说明
[0018]为了使本专利技术的内容更容易被清楚的理解，下面根据本专利技术的具体实施例并结合附图，对本专利技术作进一步详细的说明，其中
[0019]图1是本专利技术基于脑网络拓扑规律的脑力疲劳检测方法流程图；
[0020]图2是本专利技术氧合血红蛋白振动信号分解的六大频率间隔以及对应生理意义示意图；
[0021]图3是本专利技术感兴趣区域ROI脑区的划分方式示意图；
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑网络拓扑规律的脑力疲劳检测方法，其特征在于，包括如下步骤：步骤S1：采集大脑中的血红蛋白信息，并记录实验前后的主观评价量表和行为学数据；步骤S2：对采集的血红蛋白信息进行预处理；步骤S3：根据所述主观评价量表和行为学测试结果对预处理后的血红蛋白信息按脑力疲劳等级进行分类，分析各脑区之间的相关性，建立跨任务下不同脑疲劳等级的网络连接拓扑规律，其中所述网络连接拓扑规律是各种任务诱发疲劳对应的共性表征；步骤S4：根据网络连接拓扑规律构建两两对应疲劳等级之间具有统计性差异的网络连接变化图。2.根据权利要求1所述的基于脑网络拓扑规律的脑力疲劳检测方法，其特征在于：对采集的血红蛋白信息进行预处理的方法为：对采集的血红蛋白信息对相应频段进行带通滤波的处理。3.根据权利要求2所述的基于脑网络拓扑规律的脑力疲劳检测方法，其特征在于：对采集的血红蛋白信息运用切比雪夫带通滤波方法对相应频段进行带通滤波的处理。4.根据权利要求1所述的基于脑网络拓扑规律的脑力疲劳检测方法，其特征在于：对预处理后的血红蛋白信息按脑力疲劳等级进行分类时，分别从MFI量表、N
‑
back测试、MR测试三个不同维度对体力疲劳等级进行综合划分。5.根据权利要求1或4所述的基于脑网络拓扑规律的脑力疲劳检测方法，其特征在于：预处理后的血红蛋白信息划分为无疲劳、中度疲劳和重度疲劳三个体力疲劳等级。6.根据权利要求1所述的基于脑网络拓扑规律的脑力疲劳检测方法，其特征在于：分析各脑区之间的相关性的方法为：按大脑皮层区域划分脑区，对每个区域内的信号采集通道，运用熵权法对同一脑区的不同通道重新分配权重和血氧值，计算两两不同测试脑区之间脑血氧信号的皮尔森相关系数衡量两个测试脑区之间的变化...

【专利技术属性】
技术研发人员：李春光，彭耀兴，徐永亮，祝宇飞，曲巍，
申请(专利权)人：苏州大学，
类型：发明
国别省市：