CN117056843B 一种高灵敏度、高抗电磁干扰的脑疲劳检测方法 （中国人民解放军空军军医大学）

利用瞬时频率的多尺度熵MSE_IFV算法对此节律态的皮层脑电信号，相较使用同样算法分析的Alpha波和全波具有更高的灵敏度和抗干扰能力。为脑疲劳状态的检测提供了一种高抗干扰2步骤8：对多项式f(xi)进行微分,将其作为每个尺度的斜率利用ki计算出其中，Fbase为非疲劳状态下的脑基础状态指数；Ffatigue为疲劳状态下的脑基础状态指步骤21：依据固定频率的Donchirp声音信号公式，生成固定g_4)g3d步骤41：通过MSE_IFV算法提取出脑电信号步骤51：将脑电信号的复杂度进行归一化处理，转化45igg4阶Butterworth带通滤波器滤出对应频率的信号，并通过零相位滤波器消除Butterworth6[0059]图6(a)和图6(b)分别电磁屏蔽室和细胞房中得到的脑电信号中各节律成分的复7[0060]图7(a)和图7(b)分别电磁屏蔽室和细胞房中得到眨眼和闭眼状态下的脑电信号位；而固定频率的Donchirp声音信号可以由该频率的纯音信号以及与其刺激频率整数倍的纯音信号按固定的延迟叠加产生，且固定频率的Donchirp声音信号刺激可由以下公式g_4)g8[0083]根据以上相位延时公式的Donchirp信号潜伏期_频率参数可以确定频率与延时之[0088]从原始皮层脑电信号中提取节律成分时使用4阶Butterworth带通滤波器滤出对将提取出的节律信号进行Hilbert变换得到该信号的瞬时频率变异性；最后将此变化信号9[0102]具体地，在Matlab2018中执行MSE_IFV算法和复杂度归一化处理计算出将[0103]步骤6：对IFV_ASSR时间序列做多[0109]个体的脑疲劳指数＝(非疲劳状态下的脑基础状态指数_疲劳状态下的脑基础状[0127]为被试者在皮层脑电信号测量过程中减少被试者的不适采用博睿康NSW316脑电帽系统来采集皮层脑电信号，该系采用国际10_20脑电导联系统排件完成脑电帽采集参数设置和数据记录，在StarNeusenW中预设置脑电帽的采样率为[0129]根据公式(1_1)_(1_6)在Ma[0135]在基于1000Hz的采样率的情况下，进行仿真实验从而探寻采样率对MSE_IFV算法音刺激和60dB的Donchirp声音刺激下闭眼静坐时的皮层脑电信号，令被试者戴上入耳式别记录有Donchirp声音刺激和无声音刺激的皮层脑电信号。最后比较分析同一被试者在者的听觉稳态反应诱发电位，其中90Hz的Donchirp信号诱发的听觉稳态反应诱发电位主(a)(b)显示了分别在电磁屏蔽室和细胞房中得到的脑电信号中各节律成分的复杂度结复杂度在电磁屏蔽室内和细胞房内基本相同，从统计学角度来说无法将两组数据有效区[0143]图7(a)(b)分别为电磁屏蔽室和细胞房中得到眨眼和闭眼状态下的脑电信号中的测试中，听觉稳态反应诱发电位相较自发的Alpha波和全波脑电信号依旧表现出了更高[0145]实验结果证明了听觉稳态反应脑电信号分析方法相较于传统的自发脑电节律成题目打印成表给予被试者，被试者需要在设计的APP上按照顺序点击按钮、输入计算的数[0150]将所得的实验数据的统计学分析使用OriginPro2021和Excel实现，均以平均数度时能够分辨脑疲劳和正常清醒状态，但是Alpha波在脑疲劳前后的平均变化率低于ASSR[0157]从ASSR诱发电位和Alpha波均能够分辨脑疲劳和正常清醒状态的12名被试者中随机选取10名被试者的脑疲劳前后复杂度的变化率，取平均后得到如图10(b)所示的结果：当尺度小于10时，通过Alpha波计算得到的脑疲劳前后复杂度变化率常出现0以上的波动，有效的区分出脑疲劳和正常清醒状态，这说明若将此研究提出的方法运用到实际检测中[0159]从本次20人的飞行疲劳实验结果来看，Alpha波和全波脑电信号在人群的脑疲劳够更加有效的检出脑疲劳人群，利用MSE_IFV算法对ASSR诱发电位进行分析是一种稳定且[0161]第一，通过对在电磁屏蔽室和细胞房中采集的Donchirp声音信号诱发的ASSR诱发电位和无声音刺激下自发脑电信号进行了MSE_IFV算法对比分析。实验结果发现在这两个电磁环境差异较大的环境中，ASSR诱发电位的复杂度相较于自发的全波脑电和Alpha波Alpha波的MSE_IFV算法分析结果。在闭眼和眨眼时ASSR诱发电位的复杂度的差异远小于脑疲劳前后的脑电信号的复杂度。通过ASSR诱发电位有效区分了脑疲劳和正常清醒状态，检出率达到90％(SEM＝0.0089)；在尺度高于10时，Alpha波的检出率只有60％(SEM=