System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及疲勞,更具體的,涉及一種疲勞檢測方法、裝置及系統(tǒng)。
技術(shù)介紹
1、精神疲勞(mental?fatigue)是指由于長時間的精神活動、壓力、情緒波動或認知負荷引起的大腦功能下降的狀態(tài)。它可能由長時間的認知工作、情緒壓力、睡眠不足、過度應(yīng)激、動機下降等多種因素引起。精神疲勞可能導(dǎo)致工作效率降低、記憶力減退、注意力分散、情緒波動、判斷力下降和工作表現(xiàn)惡化。長期的精神疲勞還可能增加心理健康問題的風(fēng)險,如慢性疲勞綜合癥、焦慮癥和抑郁癥。因此,有必要對精神疲勞進行檢測。
2、現(xiàn)有的精神疲勞檢測方法有主觀問卷調(diào)查、行為測量、心理測量等,但是,這些精神疲勞檢測方法的精確度較低,很難客觀反映個體的精神疲勞程度。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)實施例的一個目的是提供一種疲勞檢測的新的技術(shù)方案。
2、根據(jù)本專利技術(shù)的第一方面,提供了一種疲勞檢測方法,包括:
3、獲取被檢測者的生理信號;其中,所述生理信號包括腦電信號和外周生理信號;
4、對所述生理信號進行信號處理,得到處理后的生理信號;其中,所述處理后的生理信號包括處理后的腦電信號和處理后的外周生理信號;
5、對所述處理后的腦電信號和所述處理后的外周生理信號進行特征提取,得到多尺度融合特征;
6、將所述多尺度融合特征輸入至疲勞檢測模型,得到所述被檢測者的疲勞狀態(tài)。
7、可選地,所述對所述處理后的腦電信號和所述處理后的外周生理信號進行特征提取,得到多尺度融合特征
8、對所述處理后的腦電信號和所述處理后的外周生理信號進行特征提取,得到多尺度特征;
9、對所述多尺度特征進行融合處理,得到多尺度融合特征。
10、可選地,所述對所述處理后的腦電信號和所述處理后的外周生理信號進行特征提取,得到多尺度特征,包括:
11、將所述處理后的腦電信號和所述處理后的外周生理信號輸入至卷積神經(jīng)網(wǎng)絡(luò),得到局部時空特征;
12、對所述處理后的腦電信號和所述處理后的外周生理信號進行頻域轉(zhuǎn)換處理,得到腦電信號的頻域數(shù)據(jù)和外周生理信號的頻域數(shù)據(jù);其中,所述頻域數(shù)據(jù)為時間-頻率數(shù)據(jù);
13、將所述腦電信號的頻域數(shù)據(jù)輸入至遞歸神經(jīng)網(wǎng)絡(luò),得到腦電時間序列特征;
14、將所述外周生理信號的頻域數(shù)據(jù)輸入至所述遞歸神經(jīng)網(wǎng)絡(luò),得到外周時間序列特征。
15、可選地,在得到腦電信號的頻域數(shù)據(jù)和外周生理信號的頻域數(shù)據(jù)之后,所述方法還包括:
16、對所述腦電信號的頻域數(shù)據(jù)和所述外周生理信號的頻域數(shù)據(jù)進行頻譜簡化處理,以通過頻譜簡化處理后的頻域數(shù)據(jù)提取時間序列特征。
17、可選地,所述腦電信號和所述外周生理信號的采樣持續(xù)時長和采樣頻率相同,所述對所述生理信號進行信號處理,得到處理后的生理信號,包括:
18、對所述腦電信號進行設(shè)定頻率的帶通濾波處理,得到濾波后的腦電信號;
19、以設(shè)定段長,分別對所述濾波后的腦電信號和所述外周生理信號進行信號分段處理,得到所述處理后的生理信號。
20、可選地,訓(xùn)練得到所述疲勞檢測模型的過程包括:
21、獲取樣本集;其中,所述樣本集包括訓(xùn)練樣本集和測試樣本集,所述訓(xùn)練樣本集包括不同疲勞狀態(tài)各自對應(yīng)的訓(xùn)練用腦電信號和訓(xùn)練用外周生理信號;
22、對所述訓(xùn)練樣本集中每一樣本的訓(xùn)練用腦電信號和訓(xùn)練用外周生理信號進行特征提取,得到多尺度融合特征集;
23、通過所述多尺度融合特征集對初始疲勞檢測模型進行訓(xùn)練,得到訓(xùn)練后的疲勞檢測模型;
24、通過所述測試樣本集對所述訓(xùn)練后的疲勞檢測模型進行評估,得到模型評估指標值;
25、在所述模型評估指標值大于或等于預(yù)設(shè)指標值的情況下,將所述訓(xùn)練后的疲勞檢測模型作為所述疲勞檢測模型。
26、可選地,所述獲取樣本集包括:
27、獲取多個受試者的疲勞自我評估值和生理信號;其中,所述生理信號包括腦電信號和外周生理信號;
28、以設(shè)定段長,對所述生理信號進行信號分段處理,得到多個信號段;
29、根據(jù)所述疲勞自我評估值對所述多個信號段進行數(shù)據(jù)標注,得到多個樣本;
30、對所述多個樣本進行樣本分割,得到所述訓(xùn)練樣本集和所述測試樣本集。
31、可選地,所述評估指標值包括準確率、靈敏度、特異性中的至少之一。
32、根據(jù)本公開的第二方面,提供了一種疲勞檢測裝置,包括存儲器和處理器,所述存儲器用于存儲可執(zhí)行的指令;所述處理器用于根據(jù)所述指令的控制進行操作以執(zhí)行如第一方面所述的方法。
33、根據(jù)本公開的第三方面,提供了一種疲勞檢測系統(tǒng),包括:腦電傳感器、外周傳感器及如第二方面所述的疲勞檢測裝置;
34、其中,所述腦電傳感器用于采集被檢測者的腦電信號,并發(fā)生給所述疲勞檢測裝置;
35、所述外周傳感器用于采集被檢測者的外周生理信號,并發(fā)送給所述疲勞檢測裝置。
36、本專利技術(shù)的一個有益效果在于,通過綜合分析腦電信號和外周生理信號,可以更全面地了解被檢測者的精神狀態(tài),并且,此種基于多模態(tài)生理信號進行疲勞檢測的方法可以提供更多維度的信息,有助于更準確地評估被檢測者的疲勞程度和潛在的風(fēng)險。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種疲勞檢測方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對所述處理后的腦電信號和所述處理后的外周生理信號進行特征提取,得到多尺度融合特征,包括:
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述對所述處理后的腦電信號和所述處理后的外周生理信號進行特征提取,得到多尺度特征,包括:
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,在得到腦電信號的頻域數(shù)據(jù)和外周生理信號的頻域數(shù)據(jù)之后,所述方法還包括:
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述腦電信號和所述外周生理信號的采樣持續(xù)時長和采樣頻率相同,所述對所述生理信號進行信號處理,得到處理后的生理信號,包括:
6.根據(jù)權(quán)利要求1所述的方法,其特征在于,訓(xùn)練得到所述疲勞檢測模型的過程包括:
7.根據(jù)權(quán)利要求6所述的方法,其特征在于,所述獲取樣本集包括:
8.根據(jù)權(quán)利要求6所述的方法,其特征在于,所述評估指標值包括準確率、靈敏度、特異性中的至少之一。
9.一種疲勞檢測裝置,其特征在于,包括處理器和存儲器,所述存儲器存儲
10.一種疲勞檢測系統(tǒng),其特征在于,包括:腦電傳感器、外周傳感器及如權(quán)利要求9所述的疲勞檢測裝置;
...【技術(shù)特征摘要】
1.一種疲勞檢測方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對所述處理后的腦電信號和所述處理后的外周生理信號進行特征提取,得到多尺度融合特征,包括:
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述對所述處理后的腦電信號和所述處理后的外周生理信號進行特征提取,得到多尺度特征,包括:
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,在得到腦電信號的頻域數(shù)據(jù)和外周生理信號的頻域數(shù)據(jù)之后,所述方法還包括:
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述腦電信號和所述外周生理信號的采樣持續(xù)時長和采樣頻率相同,所述對所述生理信號進行信號處理,得到處...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:李小俚,姚群力,楊超,侯志琨,
申請(專利權(quán))人:北京師范大學(xué),
類型:發(fā)明
國別省市:
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。