一种基于高阶功能网络规律的精神疲劳监测方法及系统

本发明涉及疲劳检测领域，特别涉及一种基于高阶功能网络规律的精神疲劳监测方法及系统。

背景技术：

1、在一些场景下，人需要时刻保持集中的注意力、理性的判断力和果断的执行力。随着现代社会工作压力、生活压力的不断增大，大多数人都存在不同程度的精神疲劳，可表现为心情烦躁、注意力涣散、反应迟钝等。精神疲劳如果不能被及时发现并舒缓，会对心血管和神经功能造成很大的影响，甚至引发一些心因性疾病，严重危害人体健康。

2、目前，已经有大量团队开展了对精神疲劳实时监测方法研究。然而诸多研究仅仅是区分不疲劳和疲劳两种状态，没有针对精神疲劳早期迹象进行探究，不利于精神疲劳状态的早期预警，同时多数研究在单一诱发条件下发生脑疲劳，并且是在实验环境而非复杂工作环境进行脑疲劳诱发实验，这使得脑疲劳评估方法缺乏普适性和鲁棒性，而且在应用中会对被试的工作造成高度干扰。

3、因此，需要提供一种基于高阶功能网络规律的精神疲劳监测方法及系统，用于解决现有精神疲劳监测技术应用场景单一，疲劳早期迹象探索不足，预警效果差的问题。

技术实现思路

1、本说明书实施例之一提供一种基于高阶功能网络规律的精神疲劳监测方法，所述方法包括：通过多个精神疲劳诱发任务，采集每个所述精神疲劳诱发任务对应的脑血氧信息，并记录每个所述精神疲劳诱发任务执行前后的主观多维疲劳问卷结果和行为学测试结果；对每个所述精神疲劳诱发任务对应的脑血氧信息进行预处理；根据每个所述精神疲劳诱发任务执行前后的主观多维疲劳问卷结果和行为学测试结果，确定每个所述精神疲劳诱发任务对应的精神疲劳等级；基于每个所述精神疲劳诱发任务对应的精神疲劳等级及预处理后的脑血氧信息，确定精神疲劳等级相关的高阶功能连接网络变化，建立不同精神疲劳等级对应的网络连接拓扑规律，其中，所述网络连接拓扑规律是各种精神疲劳诱发任务诱发疲劳对应的共性表征；基于所述不同精神疲劳等级对应的网络连接拓扑规律，通过精神疲劳实时监测算法实现在多个场景下的精神疲劳等级的实时监测。

2、在一些实施例中，所述对每个所述精神疲劳诱发任务对应的脑血氧信息进行预处理，包括：运用时间导数分布修复算法去除每个所述精神疲劳诱发任务对应的脑血氧信息的运动伪迹，并基于生理频段对去除运动伪影后的每个所述精神疲劳诱发任务对应的脑血氧信息进行分频处理。

3、在一些实施例中，所述基于每个所述精神疲劳诱发任务对应的精神疲劳等级及预处理后的脑血氧信息，确定精神疲劳等级相关的高阶功能连接网络变化，包括：基于每个所述精神疲劳诱发任务对应的精神疲劳等级及预处理后的脑血氧信息及动态的低阶功能连接的时间序列，计算每个所述精神疲劳等级对应的高阶功能连接网络；基于每个所述精神疲劳等级对应的高阶功能连接网络，确定每个所述精神疲劳等级对应的高阶功能连接网络的目标网络特征。

4、在一些实施例中，所述高阶功能连接网络的目标网络特征至少包括度中心性、特征路径长度、聚类系数和/或小世界属性。

5、在一些实施例中，所述基于每个所述精神疲劳等级对应的高阶功能连接网络，确定每个所述精神疲劳等级对应的高阶功能连接网络的目标网络特征，包括：基于非参数统计分析、预训练模型特征重要性和boruta算法实现特征筛选，同时基于差分进化算法进一步对最优特征组合进行搜索，确定所述目标网络特征。

6、在一些实施例中，所述基于每个所述精神疲劳诱发任务对应的精神疲劳等级及预处理后的脑血氧信息及动态的低阶功能连接的时间序列，计算每个所述精神疲劳等级对应的高阶功能连接网络，包括：使用窗口滑动方法，计算每一个窗口的低阶功能连接；计算低阶功能连接时间序列之间的相关性；基于计算功能连接时间序列之间的相关性来构建所述高阶功能连接网络。

7、在一些实施例中，所述基于计算功能连接时间序列之间的相关性来构建所述高阶功能连接网络，包括：基于k-means聚类算法，对功能进行合并；基于计算功能连接时间序列之间的相关性来构建所述高阶功能连接网络。

8、在一些实施例中，所述主观多维疲劳问卷包括mfi量表；所述行为学测试包括n-back测试、mr测试。

9、在一些实施例中，所述精神疲劳实时监测算法至少包括支持向量机、stacking集成算法和自训练半监督算法。

10、本说明书实施例之一提供一种基于高阶功能网络规律的精神疲劳监测系统，包括：信息获取模块，用于通过多个精神疲劳诱发任务，采集每个所述精神疲劳诱发任务对应的大脑血红蛋白信息，并记录每个所述精神疲劳诱发任务执行前后的主观多维疲劳问卷结果和行为学测试结果；信息处理模块，用于对每个所述精神疲劳诱发任务对应的大脑血红蛋白信息进行预处理；等级确定模块，用于根据每个所述精神疲劳诱发任务执行前后的主观多维疲劳问卷结果和行为学测试结果，确定每个所述精神疲劳诱发任务对应的精神疲劳等级；网络建立模块，用于基于每个所述精神疲劳诱发任务对应的精神疲劳等级及预处理后的脑血氧信息，确定精神疲劳等级相关的高阶功能连接网络变化，建立不同精神疲劳等级对应的网络连接拓扑规律，其中，所述网络连接拓扑规律是各种精神疲劳诱发任务诱发疲劳对应的共性表征；实时监测模块，用于基于所述不同精神疲劳等级对应的网络连接拓扑规律，运用集成算法和半监督算法实现在多个场景下的精神疲劳等级的实时监测。

11、基于高阶功能网络规律的精神疲劳监测方法及系统相比现有技术具有以下优点：

12、基于高阶功能网络规律的精神疲劳监测方法及系统对正常精神工作、疲劳驾驶、精神运动警觉度测试(pvt)三种任务诱发脑疲劳综合分析实现跨任务疲劳评估，有利于研究不同因素诱发脑疲劳的大脑共性演变规律。量表和行为学数据有利于获得真实多维度的脑疲劳等级方法。疲劳等级划分为3个，不再是单一的区分正常和疲劳两种状态，而且重度疲劳更有利于对过度疲劳做出预警；基于高阶功能网络特征实现精神疲劳等级的实时判别，发掘多个大脑区域之间更高级、更复杂的关联、高阶功能网络有潜力成为精神疲劳更稳定、客观和有效的评价指标，计算复杂度低，而且可以实时监测出疲劳的具体状态，有利于对过度疲劳的提前预警，实用意义更强。

技术特征：

1.一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，所述对每个所述精神疲劳诱发任务对应的脑血氧信息进行预处理，包括：

3.根据权利要求1所述的一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，所述基于每个所述精神疲劳诱发任务对应的精神疲劳等级及预处理后的脑血氧信息，确定精神疲劳等级相关的高阶功能连接网络变化，包括：

4.根据权利要求3所述的一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，所述高阶功能连接网络的目标网络特征至少包括度中心性、特征路径长度、聚类系数和/或小世界属性。

5.根据权利要求3所述的一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，所述基于每个所述精神疲劳等级对应的高阶功能连接网络，确定每个所述精神疲劳等级对应的高阶功能连接网络的目标网络特征，包括：

6.根据权利要求3所述的一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，所述基于每个所述精神疲劳诱发任务对应的精神疲劳等级及预处理后的脑血氧信息及动态的低阶功能连接的时间序列，计算每个所述精神疲劳等级对应的高阶功能连接网络，包括：

7.根据权利要求3所述的一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，所述基于计算功能连接时间序列之间的相关性来构建所述高阶功能连接网络，包括：

8.根据权利要求1-6中任意一项所述的一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，所述主观多维疲劳问卷包括mfi量表；

9.根据权利要求1-6中任意一项所述的一种基于高阶功能网络规律的精神疲劳监测方法，其特征在于，所述精神疲劳实时监测算法至少包括支持向量机、stacking集成算法和自训练半监督算法。

10.一种基于高阶功能网络规律的精神疲劳监测系统，其特征在于，包括：

技术总结
本发明提供一种基于高阶功能网络规律的精神疲劳监测方法及系统，其中，该方法包括：通过多个精神疲劳诱发任务，采集每个精神疲劳诱发任务对应的脑血氧信息，并记录每个精神疲劳诱发任务执行前后的主观多维疲劳问卷结果和行为学测试结果，确定每个精神疲劳诱发任务对应的精神疲劳等级；基于每个精神疲劳诱发任务对应的精神疲劳等级及预处理后的脑血氧信息，确定精神疲劳等级相关的高阶功能连接网络变化，建立不同精神疲劳等级对应的网络连接拓扑规律；基于不同精神疲劳等级对应的网络连接拓扑规律，通过精神疲劳实时监测算法实现在多个场景下的精神疲劳等级的实时监测，具有提高精神疲劳监测的效率及准确度的优点。

技术研发人员：李春光,彭耀兴,郭浩,文博
受保护的技术使用者：苏州大学
技术研发日：
技术公布日：2024/1/14