基于SSVEP-BCI的可穿戴疲劳检测系统

被引:1
|
作者
欧阳元兵 [1 ,2 ]
罗亦鸣 [3 ]
李宇诗 [1 ]
王皓 [3 ]
潘昱杉 [1 ]
机构
[1] 西交利物浦大学智能工程学院
[2] 江苏集萃脑机融合智能技术研究所有限公司
[3] 西安电子科技大学网络与信息安全学院
关键词
脑机接口; 稳态视觉诱发电位; 熵; 疲劳检测; 支持向量机; 脑电图;
D O I
10.13195/j.kzyjc.2023.1583
中图分类号
R318 [生物医学工程]; TP18 [人工智能理论]; TN911.7 [信号处理];
学科分类号
0831 ; 081104 ; 0812 ; 0835 ; 1405 ; 0711 ; 080401 ; 080402 ;
摘要
由于稳态视觉诱发电位的脑机接口(SSVEP-BCI)具有高准确性、高传输速率且无需训练,用户需要花费大量精力专注于视觉刺激以产生足够强的SSVEP,其中高亮度、频繁的低频刺激和单一任务十分容易使用户产生疲劳.针对用户疲劳问题,提出一种针对SSVEP-BCI的实时疲劳检测系统,该系统包括一个可穿戴式脑电设备的硬件设计和实现以及基于支持向量机的分类算法.基于该系统,对用于疲劳检测准确性的熵进行研究,并发现模糊熵与近似熵在检测中具有一致性,在疲劳变化微弱的情况下模糊熵变化更突出,而在疲劳变化明显的情况下近似熵的变化更显著.此外,对前额和枕叶信号进行比较,发现前额信号的分类准确性通常高于枕叶信号,同时复合准确性高于任何一种单独使用时的准确性.
引用
收藏
页码:2414 / 2420
页数:7
相关论文
共 18 条
  • [1] 基于注意力引导空域图卷积SRU的动态手势识别
    陈炫琦
    佘青山
    张波涛
    马玉良
    张建海
    [J]. 控制与决策, 2023, 38 (11) : 3083 - 3092
  • [2] 面向中高频SSVEP脑机接口的编解码算法研究
    许敏鹏
    吴乔逸
    熊文田
    肖晓琳
    明东
    [J]. 信号处理, 2022, 38 (09) : 1881 - 1891
  • [3] 柔性触觉传感技术及其在医疗康复机器人的应用
    程龙
    刘泽宇
    [J]. 控制与决策 , 2022, (06) : 1409 - 1432
  • [4] Vehicle driver drowsiness detection method using wearable EEG based on convolution neural network.[J] Zhu Miankuan;Chen Jiangfan;Li Haobo;Liang Fujian;Han Lei;Zhang Zutao Neural computing & applications 2021,
  • [5] A high-performance 8 nV/√Hz 8-channel wearable and wireless system for real-time monitoring of bioelectrical signals.[J] Petkos Konstantinos;Koutsoftidis Simos;Guiho Thomas;Degenaar Patrick;Jackson Andrew;Greenwald Stephen E;Brown Peter;Denison Timothy;Drakakis Emmanuel M Journal of neuroengineering and rehabilitation 2019,
  • [6] Fatigue Evaluation Using Multi-Scale Entropy of EEG in SSVEP-Based BCI.[J] Yufan Peng;Chi Man Wong;Ze Wang;Feng Wan;Mang I Vai;Peng Un Mak;Yong Hu;Agostinho C. Rosa IEEE Access 2019,
  • [7] Multivariate weighted recurrence network analysis of EEG signals from ERP-based smart home system.[J] Gao Zhong-Ke;Liu Cheng-Yong;Yang Yu-Xuan;Cai Qing;Dang Wei-Dong;Du Xiu-Lan;Jia Hao-Xuan Chaos (Woodbury; N.Y.) 2018,
  • [8] Channels selection using independent component analysis and scalp map projection for EEG-based driver fatigue classification.[J] Rifai Chai;Naik Ganesh R;Sai Ho Ling;Tran Yvonne;Craig Ashley;Nguyen Hung T Conference proceedings : ... Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual Conference 2017,
  • [9] Driver Fatigue Detection System Using Electroencephalography Signals Based on Combined Entropy Features[J] Zhendong Mu;Jianfeng Hu;Jianliang Min Applied Sciences 2017,
  • [10] EEG-Based Assessment of Stereoscopic 3D VisualFatigue Caused by Vergence-Accommodation Conflict[J] Bochao Zou;Yue Liu;Mei Guo;Yongtian Wang Journal of Display Technology 2015,