基于功能性脑网络和多特征融合的疲劳驾驶状态识别方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61762045
  • 项目类别：
    地区科学基金项目
  • 资助金额：
    38.0万
  • 负责人：
    胡剑锋
  • 依托单位：
    江西科技学院
  • 学科分类：
    F0605.模式识别与数据挖掘
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

Driver fatigue has become one of the important causes of traffic accidents.Because driver fatigue will be accompanied by a series of physiological changes,researchers analyzed the physiological feature indexes related to driver fatigue, in which EEG is considered the “gold standard” in the detection method. Because EEG signals with low signal-to-noise ratio, easier to be influenced by the background noise and environmental impact, but also there exist larger variance between different EEG signals of the same subjects or among different subjects, so a certain degree of difficulty is faced for the use of local features of driver fatigue to detection. In this project, ERP (Event-Related Potential) and ERS (Event-Related Synchronization)/ERD (Event-Related Desynchronization) are used to explore the neural mechanism of the formation of driving fatigue. Based on functional groups related to driver fatigue and five kinds of association algorithm, functional brain network (FBN) was constructed, using the maximum spanning tree, optimization model, traceability, brain network evolution model, network topology, network dynamics and related network index of FBN related to driver fatigue were analyzed. Detection model of driver fatigue was built based on multi-feature fusion. Three fusion strategies are used to fuse local and global feature for driver fatigue detection. This project is important for vehicle auxiliary driving safety field, and has important practical significance to solve the traffic safety problem.
疲劳驾驶已成为导致交通安全事故的重要原因之一。由于驾驶疲劳产生时，会伴随一系列生理变化, 研究者分析了与这些功能相关的生理指标来检测驾驶疲劳，其中EEG（脑电）被认为是检测方法中的“金标准”。由于EEG信号的低信噪比，受背景噪声和环境影响大，在同一受试者自身不同EEG信号之间或不同受试者之间差异较大，运用传统的特征检测驾驶疲劳存在一定困难。本项目将采用ERP（事件诱发电位）、ERS（事件相关同步）/ERD（事件相关去同步）探索驾驶疲劳形成的神经机理。基于疲劳相关功能团，采用五种关联算法，构建功能性脑网络（FBN），应用最大生成树、最优化模型、溯源、脑网络演化模型等方法，对FBN网络拓扑络特性、动力学变化和相关网络指标进行分析。运用多特征融合算法，建立检测模型，采用三种融合策略将局部特征和全局特征相融合进行检测。本项目是车辆辅助安全驾驶领域的一个重要课题,对解决交通安全问题具有重要的现实意义

结项摘要

本项目将采用ERP、ERS/ERD探索驾驶疲劳形成的神经机理。基于疲劳相关功能团，采用五种关联算法，构建功能性脑网络，应用最大生成树、最优化模型、溯源、脑网络演化模型等方法，对FBN网络拓扑络特性、动力学变化和相关网络指标进行分析。运用多特征融合算法，建立检测模型，采用三种融合策略将局部特征和全局特征相融合进行检测。.实验表明基于模糊熵的FBN模型可以实现优良的识别准确率和良好的识别稳定性。且识别效果不受截获的脑电信号长度影响。在CSPT分类研究中对于β带的每个脑区，我们发现中心区和中央顶叶区的准确率最高，分别为95%和95.83%，这说明脑电右中心区和中央顶叶之间的β带放电异常，β带放电的产生与β带的产生有关疲劳很可能与该地区密切相关。疲劳状态和正常状态下，熵特征具有明显的差异性，通过对三种不同的多尺度熵在疲劳驾驶检测中的识别率分析，得出以下结论：1. 前额区电极数据可用于疲劳驾驶检测，最高识别率为88.74%。2. 通过在传统的熵特征中加入尺度信息，能提高检测效率。3. 经验模态分解可以应用于脑电信号的处理，提高疲劳驾驶的检出率和检出率。.课题组在传统的脑电熵特征提取的算法研究得到了如下结论：1. 男性个体使用前额脑电对疲劳驾驶检测在稳定性上要优于女性个体，但对女性的前额脑电的疲劳驾驶检测的准确率要高于男性。2. 自适应多尺度排列熵 AMPE、自适应多尺度样本熵 AMSE、自适应多尺度模糊熵特征 AMFE 能够有效的的提高疲劳驾驶检测的准确率，其中组合电极下的 AMFE 特征对疲劳驾驶的检测准确率最高达 95.37%。3. 选择七种分类器用做疲劳驾驶分类的检测，综合对比发现使用线性判别(LDA)分类器对实验的检测效果最好。.采用三种分类器进行参数设置和分类性能比较等实验，结果表明只需要一个EEG通道就可以检测驾驶员的疲劳状态。在眼动与脑电混合特征检测中采用saccade_length +10导的混合疲劳特征的疲劳检测模型效果是最好的。不仅具有较高的检测率，检测效果还具有较强的稳定性。

项目成果

期刊论文数量（20）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（1）
Constructing Multi-scale Entropy Based on the Empirical Mode Decomposition(EMD) and its Application in Recognizing Driving Fatigue
基于经验模态分解（EMD）的多尺度熵构建及其在驾驶疲劳识别中的应用
  • DOI：
    10.1016/j.jneumeth.2020.108691
  • 发表时间：
    2020-07-15
  • 期刊：
    JOURNAL OF NEUROSCIENCE METHODS
  • 影响因子：
    3
  • 作者：
    Zou, Shuli;Qiu, Taorong;Liu, Chao
  • 通讯作者：
    Liu, Chao
Ensemble classifier for driver's fatigue detection based on a single EEG channel
基于单脑电通道的驾驶员疲劳检测集成分类器
  • DOI：
    10.1049/iet-its.2018.5290
  • 发表时间：
    2018-10
  • 期刊：
    IET Intelligent Transport Systems
  • 影响因子：
    2.7
  • 作者：
    Wang Ping;Min Jianliang;Hu Jianfeng
  • 通讯作者：
    Hu Jianfeng
Fatigue driving recognition based on deep learning and graph neural network
基于深度学习和图神经网络的疲劳驾驶识别
  • DOI：
    10.1016/j.bspc.2021.102598
  • 发表时间：
    2021-07-01
  • 期刊：
    Biomedical Signal Processing and Control
  • 影响因子：
    5.1
  • 作者：
    Zhiqiang Lin;Taorong Qiu;Zhendong Mu
  • 通讯作者：
    Zhendong Mu
Design of electroencephalogram authentication access control to smart car
智能小车脑电认证访问控制设计
  • DOI：
    10.1049/htl.2019.0092
  • 发表时间：
    2020-08-01
  • 期刊：
    HEALTHCARE TECHNOLOGY LETTERS
  • 影响因子：
    2.1
  • 作者：
    Chen, Yuhua;Yin, Jinghai
  • 通讯作者：
    Yin, Jinghai
Automated detection of driver fatigue based on EEG signals using gradient boosting decision tree model
使用梯度提升决策树模型基于脑电信号自动检测驾驶员疲劳
  • DOI：
    10.1007/s11571-018-9485-1
  • 发表时间：
    2018-08-01
  • 期刊：
    COGNITIVE NEURODYNAMICS
  • 影响因子：
    3.7
  • 作者：
    Hu, Jianfeng;Min, Jianliang
  • 通讯作者：
    Min, Jianliang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

蔬菜加工企业质量安全管理行为及其影响因素分析以浙江为例
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中国农村经济
  • 影响因子：
    --
  • 作者：
    周洁红;胡剑锋
  • 通讯作者：
    胡剑锋
不同生态条件下氮高效水稻品种干物质积累和产量特性
  • DOI：
    10.11674/zwyf.2021542
  • 发表时间：
    2022
  • 期刊：
    植物营养与肥料学报
  • 影响因子：
    --
  • 作者：
    朱莉;李贵勇;周伟;朱世林;李珍珍;夏海晓;陶有凤;任万军;胡剑锋
  • 通讯作者：
    胡剑锋
Ecosystem-based fisheries management in the Pearl River Delta: Applying a computable general equilibrium model
珠江三角洲基于生态系统的渔业管理：应用可计算的一般均衡模型
  • DOI：
    10.1016/j.marpol.2019.103784
  • 发表时间：
    2020-02
  • 期刊：
    Marine Policy
  • 影响因子：
    3.8
  • 作者：
    王颖;胡剑锋;潘浩然;Pierre Failler
  • 通讯作者：
    Pierre Failler
手性环戊二烯过渡金属配合物在不对称催化反应中的应用
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    有机化学
  • 影响因子：
    --
  • 作者：
    单贺;伶俐;胡剑锋;张浩
  • 通讯作者：
    张浩
耦合社会经济系统和生态系统的珠江三角洲海洋渔业管理综合评价模型
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    Marine Policy
  • 影响因子：
    3.8
  • 作者：
    王颖;胡剑锋
  • 通讯作者：
    胡剑锋

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码