买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河北工业大学

摘要：本发明公开了一种基于多模态生理信号的精神疲劳程度检测方法，首先同步采集正常状态和精神疲劳状态下的脑电信号和近红外信号，并得到行为学数据指标；再根据脑电信号得到脑电信号最优ERSP任务相关成分和脑电数据指标，根据近红外信号得到近红外信号最优HbO任务相关成分和近红外数据指标；然后将脑电信号最优ERSP任务相关成分与HRF函数进行卷积，通过卷积结果与近红外信号最优HbO任务相关成分之间的时变皮尔逊相关系数，来分析脑电信号和近红外信号之间的神经血管耦合关系，并得到神经血管耦合数据指标；最后综合行为学数据指标、脑电数据指标、近红外数据指标和神经血管耦合数据指标，并按照各自的重要性进行权重分配，评估受试对象的精神疲劳程度。

主权项：1.一种基于多模态生理信号的精神疲劳程度检测方法，其特征在于，该方法包括以下步骤：步骤1、双模态数据同步采集：先让受试对象进行闭眼静息，结束后要求受试对象填写卡罗林斯卡嗜睡量表，确认受试对象处于正常状态；接着进行斯滕伯格工作记忆任务，同步采集正常状态下的脑电信号和近红外信号，同步记录受试对象的答题正确率和答题所需反应时间；然后开始精神疲劳诱发实验，每次精神疲劳诱发实验结束后通过卡罗林斯卡嗜睡量表和答题正确率综合判断受试对象是否达到精神疲劳状态；如果没有进入精神疲劳状态，则再次进行精神疲劳诱发实验，直至判断受试对象达到精神疲劳状态；然后要求受试对象填写卡罗林斯卡嗜睡量表，接着进行斯滕伯格工作记忆任务，同步采集精神疲劳状态下的脑电信号和近红外信号，同步记录受试对象答题正确率和答题所需反应时间；然后对受试对象在正常状态和精神疲劳状态下的斯滕伯格工作记忆任务期间的答题正确率和答题所需反应时间以及卡罗林斯卡嗜睡量表的分值，使用样本t检验和多因素方差分析进行统计分析，并将统计分析结果作为判断精神疲劳程度的行为学数据指标；步骤2、分别对步骤1得到的正常状态和精神疲劳状态下的脑电信号依次进行预处理、时频分析和基于TRCA的脑电信号最优ERSP任务相关成分提取，得到正常状态和精神疲劳状态下的脑电信号最优ERSP任务相关成分；然后计算正常状态和精神疲劳状态下的脑电信号最优ERSP任务相关成分的幅值的平均值，再使用多因素方差分析对平均值进行统计分析，并将统计分析结果作为判断精神疲劳程度的脑电数据指标；分别对步骤1得到的正常状态和精神疲劳状态下的近红外信号依次进行预处理、HbO浓度变化分析和基于TRCA的近红外信号最优HbO任务相关成分提取，得到正常状态和精神疲劳状态下的近红外信号最优HbO任务相关成分；然后计算正常状态和精神疲劳状态下的近红外信号最优HbO任务相关成分的幅值的平均值，再使用多因素方差分析对平均值进行统计分析，并将统计分析结果作为判断精神疲劳程度的近红外数据指标；步骤3、神经血管耦合分析：将步骤2得到的正常状态和精神疲劳状态下的脑电信号最优ERSP任务相关成分与血流动力学响应函数进行卷积，然后通过计算卷积后的信号与步骤2得到的正常状态和精神疲劳状态下的近红外信号最优HbO任务相关成分之间的时变皮尔逊相关系数，来分析脑电信号和近红外信号之间的神经血管耦合关系；计算正常状态和精神疲劳状态下的脑电信号和近红外信号的神经血管耦合的平均值，再使用多因素方差分析对平均值进行统计分析，并将统计分析结果作为判断精神疲劳程度的神经血管耦合数据指标；步骤4、综合精神疲劳程度评价：将步骤1得到的行为学数据指标、步骤2得到的脑电数据指标和近红外数据指标以及步骤3得到的神经血管耦合数据指标，按照各自的重要性进行权重分配，评估受试对象的精神疲劳程度。

全文数据：

权利要求：

百度查询： 河北工业大学 一种基于多模态生理信号的精神疲劳程度检测方法