[发明专利]一种驾驶疲劳相关的EEG功能连接动态特性的分析方法

说明书

本发明公开了一种驾驶疲劳相关的EEG功能连接动态特性的分析方法，使用独立分量分析和小波包变换对EEG数据进行预处理；基于滑动窗口方法将预处理后的EEG数据构建成动态特性的时间脑网络；基于时间效率分析框架测量所述时间脑网络的时空拓扑；对所述时间脑网络的时空拓扑进行统计分析，获得驾驶疲劳相关行为表现与所述时间脑网络的动态特性之间的相关性，通过将时间特性引入驾驶疲劳的静态网络中，构建具有动态特性的时间脑网络，通过分析统计可以获得驾驶疲劳期间时间脑网络的时空重组规律，具有更准确的分析结果，有利于揭示在精细时间尺度上驾驶疲劳相关的大脑区域间信息传递功能重组的更关键的动力学特性。

技术领域

本发明涉及驾驶疲劳分析技术领域，特别是一种驾驶疲劳相关的EEG功能连接动态特性的分析方法。

背景技术

驾驶疲劳长期以来一直被认为是全球致命事故的主要原因之一，有证据表明，15％-20％的致命交通事故与驾驶疲劳有关，因此近年来研究人员已经在神经人体工程学的新生领域中进行了大量努力以理解驾驶疲劳的神经生物学基础，目的是开发适用的自动检测技术并减少在现实世界中的疲劳相关的交通事故。

目前基于脑电图(EEG)采集实验数据，进行特征提取，再构建与疲劳相关的EEG功能连接(FC)架构是行之有效的方法；过去疲劳研究中的FC为静态连接，即在疲劳状态下以几分钟的时间尺度构建一个代表性脑网络。然而，静态网络研究缺乏关于在精细时间尺度上驾驶疲劳相关的大脑区域间信息传递功能重组的更关键的动力学特性，因此静态FC架构下的实验结果具有一定的局限性。

发明内容

为解决上述问题，本发明的目的在于提供一种驾驶疲劳相关的EEG功能连接动态特性的分析方法，将动态FC分析框架应用到驾驶疲劳研究中，从而获得在精细时间尺度上驾驶疲劳相关的大脑区域间信息传递功能重组的更关键的动力学特性，得到更高的识别准确率。

本发明解决其问题所采用的技术方案是：

一种驾驶疲劳相关的EEG功能连接动态特性的分析方法，包括：

使用独立分量分析和小波包变换对EEG数据进行预处理；

基于滑动窗口方法将预处理后的EEG数据构建成动态特性的时间脑网络；

基于时间效率分析框架测量所述时间脑网络的时空拓扑；

对所述时间脑网络的时空拓扑进行统计分析，获得驾驶疲劳相关行为表现与所述时间脑网络的动态特性之间的相关性，所述相关性包括时空全局效率、时空局部效率和时空邻近中心度。

进一步，所述使用独立分量分析和小波包变换对EEG数据进行预处理包括：

采集眨眼伪影数据，所述眨眼伪影数据包括水平眼电图HEOG数据和垂直眼电图VEOG数据；

使用独立分量分析查找和删除EEG数据中与所述眨眼伪影数据高度相关的成分；

移除筛选后的EEG数据的基线；

使用小波包变换将所述EEG数据分解为三个标准频段，分别为α频段、β频段和θ频段；

按测试时间将EEG数据划分为清醒状态数据和疲劳状态数据。

进一步，所述基于滑动窗口方法将预处理后的EEG数据构建成动态特性的时间脑网络包括：

将所述预处理后的EEG数据表示成静态网络，所述静态网络为二进制NxN矩阵，其中N表示EEG帽的电极数量；

选择适合的窗口长度和步长，滑动窗口依次遍历整个时间序列，所述时间序列的长度为采集EEG数据的实验时长；

在每个所述静态网络中使用相位滞后指数估算功能连接的PLI值；