论文部分内容阅读
注意力问题一直是驾驶员、飞行员等面临的首要问题,一旦他们的注意力分散,就会造成严重的交通事故。通过对驾驶员的不同注意状态进行监测并预警能够降低事故的发生率。找到能够准确地区分不同注意力水平的特征参数,不仅有助于建立能够调控人的注意力水平的生物反馈系统,而且有益于与注意力相关的脑神经疾病的诊断和治疗。以实现注意力的准确分级为目标,采用样本熵、近似熵方法提取注意力脑电的非线性特征,然而该方法计算时间较长。注意力的维持涉及大脑多个脑区,熵特征提取方法只关注大脑的局部特征,忽略了大脑不同功能区间的交互特征。基于脑网络的图论分析可以获取不同脑区间的信息传输特性。本文从脑电脑网络的测度出发,找到了表征不同注意力水平的特征参数,实现了注意力的准确分级。本文主要的研究结果如下:(1)设计范式和数据采集,首先设计了注意1(高)、注意2(低)与非注意实验范式,以获得不同注意状态的脑电数据,然后对实验数据进行了预处理。(2)构建脑网络,利用稀疏特性选择覆盖大脑的19个重要导联作为脑网络的节点;采用相干系数法与相位锁相值法建立连边,构建注意力功能脑网络。(3)注意力脑电特征分析,计算基于相干系数和相位锁相值的注意力脑网络的网络测度节点度、聚类系数和特征路径长度,对其进行特征分析并采用t检验进行显著性分析,统计分析结果表明,三种注意程度之间在多数导联处存在显著性差异,并且受试者注意集中程度越高,其节点度值和聚类系数值越低;表明网络的节点度和聚类系数能够很好的区分不同注意力水平。(4)注意力水平多级分类,提取节点度、聚类系数和特征路径长度等网络测度作为特征参数,采用支持向量机对其进行分类,十折交叉验证的结果表明,两级注意力水平平均分类正确率达到84.54%,多级注意力水平平均分类正确率达到73.43%。这证明了脑电脑网络测度为更准确评估人的注意力水平提供了一条新途径。