[发明专利]一种自适应的精神疲劳评估装置及方法

说明书

本发明公开了一种自适应的精神疲劳评估方法，包括：1)采集脑电信号构成脑电样本；2)对采集到的脑电信号进行低通滤波，提取δ、θ、α和β四个不同的脑电节律信号，然后以δ、θ、α三个节律信号的相对能量和能量比值作为各通道脑电信号的特征信息；3)利用训练好的初始基分类器对在线采集到的脑电样本进行预测，通过多数投票的策略选择预测结果，对样本进行标记，给出当前的疲劳状态评估结果。本发明提出利用选择性集成技术为半监督评估模型训练一组速度快、具有差异性的基分类器作为初始分类器，在线并行更新，进而集成强分类器，以保障分类器在更新过程中泛化能力的增强，同时取得高的分类精度和快的运行速度。

技术领域

本发明属于生物医学与信息学的交叉领域，具体涉及一种基于集成学习和半监督学习的在线精神疲劳评估装置及方法。

背景技术

由于社会竞争压力大，精神疲劳逐渐成为了影响人体健康的主要原因之一。精神疲劳会引起人在生理与心理状态上的变化，导致警觉性、持续性注意力、工作记忆力，判断力、决策制定等能力的下降。在现代社会中，特别是诸如实时监控、交通运输、高危作业、航空航天等作业情况下，工作人员如果处于疲劳的状态，非常容易出现随意操作和违章行为，从而引发安全事故。因此，研究客观、可靠、准确的精神疲劳检测方法对于防范由精神疲劳引发的安全事故和维护人体的健康状态是十分必要的，具有极大的经济和社会价值。

脑电信号能够客观的记录大脑机能状态的连续变化，是人脑思维活动、认知和意识状态的一种外在表现。采用各种高效的信号处理技术可以挖掘脑电信号所蕴涵的丰富信息，实现对疲劳状态的判定与评估。因此基于脑电信号分析的客观评估方法被认为是最有前途、最可预报和最可靠的途径。

围绕基于脑电信号实现人的精神疲劳状态检测的这一思路，研究者们已经开展了广泛的研究。但发明人在实现本发明的过程中，发现现有技术中存在以下的不足：

对疲劳状态的评估，传统上是采用基于监督学习的分类器来实现，这就需要对受试者进行长时间的训练来获取大量标记的脑电样本，以构建可靠的分类器。并且当标记的训练样本较少时，所获得的分类器的泛化能力往往较差。此外，在训练期间构建的分类器在工作期间是固化的，不具有自适应性。

发明内容

鉴于此，本发明的目的是提供一种自适应的精神疲劳评估装置及方法。本发明提出利用选择性集成技术为半监督评估模型训练一组速度快、具有差异性的基分类器作为初始分类器，在线并行更新，进而集成强分类器，以保障分类器在更新过程中泛化能力的增强，同时取得高的分类精度和快的运行速度。

本发明的目的之一是通过以下技术方案实现的，一种自适应的精神疲劳评估方法，包括

1)采集脑电信号构成脑电样本；

2)对采集到的脑电信号进行低通滤波，提取δ、θ、α和β四个不同的脑电节律信号，然后以δ、θ、α三个节律信号的相对能量和能量比值作为各通道脑电信号的特征信息；

3)利用训练好的初始基分类器对在线采集到的脑电样本进行预测，通过多数投票的策略选择预测结果，对样本进行标记，给出当前的疲劳状态评估结果。

进一步，还包括：

4)计算步骤3)中标记过的样本的置信度，从标记过的样本中选择具有高置信度的样本加入到临时训练集中；

5)利用更新的训练集重新训练三个基分类器，再利用更新后的基分类器对新采集的未标记脑电样本进行预测和标记。

进一步，利用训练好的初始基分类器对在线采集到的脑电样本进行预测，其中所述基分类器通过以下方式获取：

1)在疲劳或者不疲劳状态下采集脑电信号构成脑电样本，并对脑电信号所属状态进行标记，所属状态包括疲劳状态和非疲劳状态；