CN109147951A - 一种大脑警觉度的监测报警方法 - Google Patents
一种大脑警觉度的监测报警方法 Download PDFInfo
- Publication number
- CN109147951A CN109147951A CN201811091924.1A CN201811091924A CN109147951A CN 109147951 A CN109147951 A CN 109147951A CN 201811091924 A CN201811091924 A CN 201811091924A CN 109147951 A CN109147951 A CN 109147951A
- Authority
- CN
- China
- Prior art keywords
- signal
- alertness
- monitoring
- mental alertness
- alarming method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036626 alertness Effects 0.000 title claims abstract description 76
- 230000003340 mental effect Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 239000008280 blood Substances 0.000 claims abstract description 10
- 210000004369 blood Anatomy 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 9
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 9
- 239000001301 oxygen Substances 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 10
- 230000016507 interphase Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 210000001367 artery Anatomy 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000003796 beauty Effects 0.000 claims 1
- 210000001259 mesencephalon Anatomy 0.000 claims 1
- 238000011160 research Methods 0.000 description 12
- 210000004556 brain Anatomy 0.000 description 7
- 230000007423 decrease Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 208000032140 Sleepiness Diseases 0.000 description 3
- 206010041349 Somnolence Diseases 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000037321 sleepiness Effects 0.000 description 3
- 210000000467 autonomic pathway Anatomy 0.000 description 2
- 230000007177 brain activity Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 206010016256 fatigue Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001734 parasympathetic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 238000010181 skin prick test Methods 0.000 description 2
- 210000000106 sweat gland Anatomy 0.000 description 2
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000019914 Mental Fatigue Diseases 0.000 description 1
- 108010064719 Oxyhemoglobins Proteins 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 230000001269 cardiogenic effect Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 210000004087 cornea Anatomy 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000008667 sleep stage Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请公开一种大脑警觉度的监测报警方法，其寻找出最优的能够反映大脑警觉度变化的生理信号或生理信号组合。这种大脑警觉度的监测报警方法，其包括以下步骤：(1)通过带多通道的主控芯片采集脑电信号、心电信号、脉搏波信号、皮肤电阻信号、血氧饱和度；(2)通过滤波去除干扰信号，获得预处理信号；(3)对预处理后的各类生理信号提取相关时域、频域、小波变换以及多尺度熵特征为警觉度检测的客观指标，然后选用这些客观指标结合SSS量表建立警觉度模型。
Description
技术领域
本发明涉及医疗器械的技术领域，尤其涉及一种大脑警觉度的监测报警方法。
背景技术
警觉度是指人在执行某项任务长时间维持注意力或警惕性的水平。“时钟实验”作为一种检测警觉度是否下降的方法或者诱导警觉度下降的模型，尤其是心理运动警觉度任务(PVT)被认为是研究睡眠剥夺后警觉度变化的黄金标准。目前，针对警觉度测量的实验任务也趋于多样化。
在多种多样的警觉度测量试验任务中，人们发现随着警觉度实验任务的进行，被试者的警觉度呈下降趋势，同时人体的生理信号也会发生一定的变化。故人们开始研究警觉度的变化同生理信号变化之间的关系，以期通过检测生理信号的变化实时监测大脑警觉度的变化，并通过适当措施和设备在警觉度下降时进行提醒，以减少经济损失的发生。
目前我国对警觉度研究也有很多，大多都属于民事应用方面如用于监测疲劳驾驶。
综合国内外对警觉度检测的研究，大多是结合生理信号检测法以及警觉度任务实验方法相结合，研究评价警觉度的最具潜力的生理信号，寻找合适的算法分析分析生理信号与大脑警觉度之间的联系。
目前具有研究有价值的生理信号有以下几种：
1)脑电信号
脑电信号(EEG)是神经脑细胞电生理活动在大脑皮层或头皮表面的总体反映，直接反映大脑活动，被认为是研究大脑警觉状态，脑力疲劳状态等的可信赖指标。如Akerstedt等研究认为脑电信号的Delta波段(0.5-4HZ)、Theta波段(4-8HZ)Alpha波段(8-12HZ)以及Beta波段(13-20HZ)均可用来监测警觉度的变化，Papadelis等研究认为脑电信号是评价警觉度最具潜力的指标。典型脑电信号波形图如图1所示。
2)心电信号
在心电信号的研究中，主要是对RR间期变化情况的研究，即心率变异性。心率变异性主要受人体自主神经控制，自主神经系统包括交感神经系统和副交感神经系统。交感神经系统对被试者的压力感和紧张状态起主要的支配作用，易引起呼吸急促、血压升高和心律变快等症状，而当被试者平静且放松时，副交感神经系统活动增强，使呼吸趋于平缓、血压有所下降以及心率减缓。心率变异性能够较灵敏的反映出警觉度相关的变化。目前心电信号是最具价值的与警觉度相关生理信号。如图2所示为典型心电信号示意图。
3)脉搏波信号
脉搏，即是脉的波动或跳动。心脏不停地做周期性的收缩与舒张运动，引起动脉管内的压力、容积及其血流状态等变化，这些变化在动脉中向前传播，使人们能感触到体表的反映即为脉搏。如图3所示为典型的脉搏波波形图。
脉搏的基本波形为三峰波，图3中，h1为主波幅值，即脉搏波基线到主波波峰的高度值，左心室收缩力越强、大动脉顺应性越好，主波幅值越大。t1为脉搏波起点到主波波峰的时间差值，称为波峰潜伏期，它对应左心室快速射血期。脉搏波信号能反映心血管压力的变化情况。有研究表明，当疲劳程度加深时，脉搏波主波幅值下降，而主波波峰潜伏期变化则不明显，脉搏波与警觉度的相关研究比较少。
脉搏波与心电信号同属于心源性信号，对脉搏波研究的另一个方向是如同心电信号，提取脉搏波的PR间期信号，从时域和频域两个方面按分析脉搏波信号同大脑警觉度的关系。
4)皮肤电阻信号
皮肤电产生的机制十分复杂且受多重生理因素的调节和影响，人们并不清楚皮肤电产生的具体原因，而目前认为汗腺活动是产生和影响皮肤电活动的重要因素已有实验证明。
当人体处于不同的生理心理状态下，皮肤汗腺所分泌的汗液也不同，从而皮肤电阻也不同，如当被试者进入睡眠状态时皮肤电阻会上升，而当人集中注意做难度较大的任务时，皮肤电阻会下降。
5)fNIRS
fNIRS为功能性近红外光谱成像技术，其原理是生物组织中的氧合血红蛋白(Hb0)和脱氧血红蛋白(Hb)等成分对波长为700-900nm的近红外光具有不同的吸收光谱特性。因此，同时测量不同时间内两个不同的波长的近红外光，利用修正的Beer-Lamber定律，就可以将测量到的光密度信号转换成Hb0和Hb浓度信号。Hb0与Hb的浓度变化能够反应大脑活跃程度的变化，通常大脑活动性越强，警觉度越高，对应的Hb0、Hb浓度就越高。
6)眼电信号(EOG)
眼电信号(EOG)是睡眠研究中用来检测睡眠阶段的标准信号，而警觉度与睡意有着紧密的联系，因此EOG信号被认为是一种能够直接反映警觉度状态变化的生理信号。EOG信号记录的是视网膜与角膜之间的电位差，以及眼球运动时眼动肌所产生的电位，是毫伏级的信号信噪比较高，对信号放大器要求较低。
7)基于表情特征参数
基于表情特征的警觉度研究主要通过人脸瞳孔、嘴、鼻等进行精确定位，使用眼睛闭合程度、闭合时间、点头频率、人脸朝向、人眼注意方向以及嘴的张开程度等特征，对大脑警觉度进行估计。
8)其他生理信号
有警觉度相关的其他生理信号还有人体体温、血氧饱和度、基础代谢率等。
由上所述，多种生理信号的改变与大脑警觉度的变化有关，但是导致生理信号变化的因素众多，不可能仅仅由于单一生理信号的改变就认为是大脑警觉度得改变引起的。
发明内容
为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种大脑警觉度的监测报警方法，其寻找出最优的能够反映大脑警觉度变化的生理信号或生理信号组合。
本发明的技术方案是：这种大脑警觉度的监测报警方法，其包括以下步骤：
(1)通过带多通道的主控芯片采集脑电信号、心电信号、脉搏波信号、皮肤电阻信号、血氧饱和度；
(2)通过滤波去除干扰信号，获得预处理信号；
(3)对预处理后的各类生理信号提取相关时域、频域、小波变换以及多尺度熵特征为警觉度检测的客观指标，然后选用这些客观指标结合SSS量表建立警觉度模型。
由于这种大脑警觉度的监测报警方法通过带多通道的主控芯片采集脑电信号、心电信号、脉搏波信号、皮肤电阻信号、血氧饱和度；通过滤波去除干扰信号，获得预处理信号；对预处理后的各类生理信号提取相关时域、频域、小波变换以及多尺度熵特征为警觉度检测的客观指标，然后选用这些客观指标结合SSS量表建立警觉度模型；因此寻找出了最优的能够反映大脑警觉度变化的生理信号或生理信号组合。
附图说明
图1为典型脑电信号波形图。
图2为典型心电信号波形图。
图3为典型脉搏波波形图。
图4为根据本发明的大脑警觉度的监测报警方法的流程图。
具体实施方式
本发明的总体技术路线为首先设计一款便携式多通道生理信号采集记录系统，设计与工作相似的警觉度检测任务，利用设计的多生理信号采集系统采集并记录警觉度检测任务过程中的生理信号，结合斯坦福嗜睡量表(Stanford Sleepiness Scale,SSS)判断警觉度任务实验前后大脑警觉度的变化，分析各生理信号与警觉度变化的关系，并寻找最优的能够反映大脑警觉度变化的生理信号或生理信号组合。
如图4所示，这种大脑警觉度的监测报警方法，其包括以下步骤：
(1)通过带多通道的主控芯片采集脑电信号、心电信号、脉搏波信号、皮肤电阻信号、血氧饱和度；
(2)通过滤波去除干扰信号，获得预处理信号；
(3)对预处理后的各类生理信号提取相关时域、频域、小波变换以及多尺度熵特征为警觉度检测的客观指标，然后选用这些客观指标结合SSS量表建立警觉度模型。
由于这种大脑警觉度的监测报警方法通过带多通道的主控芯片采集脑电信号、心电信号、脉搏波信号、皮肤电阻信号、血氧饱和度；通过滤波去除干扰信号，获得预处理信号；对预处理后的各类生理信号提取相关时域、频域、小波变换以及多尺度熵特征为警觉度检测的客观指标，然后选用这些客观指标结合SSS量表建立警觉度模型；因此寻找出了最优的能够反映大脑警觉度变化的生理信号或生理信号组合。
优选地，所述主控芯片为美信公司生产的MAX32625芯片。MAX32625是一款超低功耗，高性能ARM Cortex-M4F微控制器，自带浮点运算单元是一款应用与可穿戴医疗设备的理想产品。本款芯片器件集超低功耗，高效信号处理功能与易用性于一体，内部96MHZ振荡器提供高性能，内部4MHZ振荡器提供低功耗，适合要求随时就绪监控的应用。
器件外设管理单元(PMU)支持智能外设控制，多达6通道，大大降低功耗。同时器件含有多个SPI、UART和I2C串口，支持连接各种外部传感器。完全可以用来设计本课题提出的多通道生理信号采集系统。
如前文所述，目前已证明有多种生理信号可以用来监测警觉度的变化，但是，不是所有警觉度相关的生理信号可以在本课题中使用。本文在已有生理信号的基础上选择最适合的生理信号来监测大脑警觉度的变化。可以反映警觉度变化的生理信号还有很多，如基于表情特征的生理信号、皮肤温度信号等等。但是警觉度的变换导致的皮肤温度的变化很小，而工作的环境温度变化范围较大，不适合在本课题中使用，而基于表情特征的生理信号，如闭眼时间、闭眼频率、脸部朝向等的采集需要视频采集系统，也不适合在所有环境中使用，故本发明中对这些生理信号不予考虑。
优选地，所述步骤(1)中脑电信号通过使用干电极来采集。避免了涂抹导电膏的麻烦，同时减少被试者长时间参与实验产生的不适感。
优选地，所述步骤(1)中心电信号是通过在人体各个部位一定距离的任意两点或三点放置电极，构成心电图导联；心电信号对心率变异性的分析，首先从采集的心电信号中图区R波，然后提取出RR间期信号；之后使用时域或频域的方法对获得的RR间期信号进行分析，其中时域的方法包括的指标有：均值、标准差、差值的均方根以及其非线性特征。
优选地，所述步骤(1)中脉搏波信号采集脉搏波中的PR间期信号以与RR间期相同的处理方式来反映大脑警觉度的变化，还博客脉搏波中的主峰幅值，波峰潜伏期。
优选地，所述步骤(1)中皮肤电阻信号通过皮肤电阻测量传感器来采集。
优选地，所述步骤(1)中血氧饱和度通过fNIRS技术实现或光学传感器来采集。
优选地，所述步骤(2)通过FIR滤波器对采集到的信号进行滤波来实现。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。
Claims (8)
1.一种大脑警觉度的监测报警方法，其特征在于：其包括以下步骤：
(1)通过带多通道的主控芯片采集脑电信号、心电信号、脉搏波信号、皮肤电阻信号、血氧饱和度；
(2)通过滤波去除干扰信号，获得预处理信号；
(3)对预处理后的各类生理信号提取相关时域、频域、小波变换以及多尺度熵特征为警觉度检测的客观指标，然后选用这些客观指标结合SSS量表建立警觉度模型。
2.根据权利要求1所述的大脑警觉度的监测报警方法，其特征在于：所述主控芯片为美信公司生产的MAX32625芯片。
3.根据权利要求2所述的大脑警觉度的监测报警方法，其特征在于：所述步骤(1)中脑电信号通过使用干电极来采集。
4.根据权利要求2所述的大脑警觉度的监测报警方法，其特征在于：所述步骤(1)中心电信号是通过在人体各个部位一定距离的任意两点或三点放置电极，构成心电图导联；心电信号对心率变异性的分析，首先从采集的心电信号中图区R波，然后提取出RR间期信号；之后使用时域或频域的方法对获得的RR间期信号进行分析，其中时域的方法包括的指标有：均值、标准差、差值的均方根以及其非线性特征。
5.根据权利要求2所述的大脑警觉度的监测报警方法，其特征在于：所述步骤(1)中脉搏波信号采集脉搏波中的PR间期信号以与RR间期相同的处理方式来反映大脑警觉度的变化，还博客脉搏波中的主峰幅值，波峰潜伏期。
6.根据权利要求2所述的大脑警觉度的监测报警方法，其特征在于：所述步骤(1)中皮肤电阻信号通过皮肤电阻测量传感器来采集。
7.根据权利要求2所述的大脑警觉度的监测报警方法，其特征在于：所述步骤(1)中血氧饱和度通过fNIRS技术实现或光学传感器来采集。
8.根据权利要求1所述的大脑警觉度的监测报警方法，其特征在于：所述步骤(2)通过FIR滤波器对采集到的信号进行滤波来实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811091924.1A CN109147951A (zh) | 2018-09-19 | 2018-09-19 | 一种大脑警觉度的监测报警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811091924.1A CN109147951A (zh) | 2018-09-19 | 2018-09-19 | 一种大脑警觉度的监测报警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109147951A true CN109147951A (zh) | 2019-01-04 |
Family
ID=64814963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811091924.1A Pending CN109147951A (zh) | 2018-09-19 | 2018-09-19 | 一种大脑警觉度的监测报警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109147951A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110811573A (zh) * | 2019-10-29 | 2020-02-21 | 依脉人工智能医疗科技(天津)有限公司 | 一种基于光电脉搏反馈的大脑警觉度调控装置及方法 |
| CN112617772A (zh) * | 2021-01-05 | 2021-04-09 | 上海工程技术大学 | 一种基于脉搏波信号的驾驶疲劳识别方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101642375A (zh) * | 2008-08-04 | 2010-02-10 | 南京大学 | 疲劳评测方法及系统 |
| CN102406507A (zh) * | 2010-09-20 | 2012-04-11 | 天津职业技术师范大学 | 基于人体生理信号的汽车驾驶员疲劳监测方法 |
| CN105193431A (zh) * | 2015-09-02 | 2015-12-30 | 杨静 | 一种人体精神压力状态分析装置 |
| CN106137181A (zh) * | 2015-04-13 | 2016-11-23 | 上海帝仪科技有限公司 | 用于获取用户的疲劳特征的系统、方法和设备 |
| CN106691474A (zh) * | 2016-11-25 | 2017-05-24 | 中原电子技术研究所（中国电子科技集团公司第二十七研究所） | 融合脑电信号与生理信号的疲劳检测系统 |
| CN107072541A (zh) * | 2014-09-09 | 2017-08-18 | 托维克公司 | 用于利用可穿戴装置监测个体警觉度并提供通知的方法和设备 |
| CN107438210A (zh) * | 2017-07-28 | 2017-12-05 | 京东方科技集团股份有限公司 | 一种体征检测耳机和体征检测方法 |
| CN107788970A (zh) * | 2017-11-15 | 2018-03-13 | 中国航天员科研训练中心 | 一种基于多生理参数方法融合的脑力负荷评估方法 |
| CN108186034A (zh) * | 2018-02-01 | 2018-06-22 | 福建工程学院 | 一种驾驶员疲劳检测装置及工作方法 |
| CN108392211A (zh) * | 2018-01-11 | 2018-08-14 | 浙江大学 | 一种基于多信息融合的疲劳检测方法 |
-
2018
- 2018-09-19 CN CN201811091924.1A patent/CN109147951A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101642375A (zh) * | 2008-08-04 | 2010-02-10 | 南京大学 | 疲劳评测方法及系统 |
| CN102406507A (zh) * | 2010-09-20 | 2012-04-11 | 天津职业技术师范大学 | 基于人体生理信号的汽车驾驶员疲劳监测方法 |
| CN107072541A (zh) * | 2014-09-09 | 2017-08-18 | 托维克公司 | 用于利用可穿戴装置监测个体警觉度并提供通知的方法和设备 |
| CN106137181A (zh) * | 2015-04-13 | 2016-11-23 | 上海帝仪科技有限公司 | 用于获取用户的疲劳特征的系统、方法和设备 |
| CN105193431A (zh) * | 2015-09-02 | 2015-12-30 | 杨静 | 一种人体精神压力状态分析装置 |
| CN106691474A (zh) * | 2016-11-25 | 2017-05-24 | 中原电子技术研究所（中国电子科技集团公司第二十七研究所） | 融合脑电信号与生理信号的疲劳检测系统 |
| CN107438210A (zh) * | 2017-07-28 | 2017-12-05 | 京东方科技集团股份有限公司 | 一种体征检测耳机和体征检测方法 |
| CN107788970A (zh) * | 2017-11-15 | 2018-03-13 | 中国航天员科研训练中心 | 一种基于多生理参数方法融合的脑力负荷评估方法 |
| CN108392211A (zh) * | 2018-01-11 | 2018-08-14 | 浙江大学 | 一种基于多信息融合的疲劳检测方法 |
| CN108186034A (zh) * | 2018-02-01 | 2018-06-22 | 福建工程学院 | 一种驾驶员疲劳检测装置及工作方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110811573A (zh) * | 2019-10-29 | 2020-02-21 | 依脉人工智能医疗科技(天津)有限公司 | 一种基于光电脉搏反馈的大脑警觉度调控装置及方法 |
| CN112617772A (zh) * | 2021-01-05 | 2021-04-09 | 上海工程技术大学 | 一种基于脉搏波信号的驾驶疲劳识别方法及系统 |
| CN112617772B (zh) * | 2021-01-05 | 2022-12-27 | 上海工程技术大学 | 一种基于脉搏波信号的驾驶疲劳识别方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tamura et al. | Seamless healthcare monitoring | |
| Bernal et al. | Galea: A physiological sensing system for behavioral research in Virtual Environments | |
| Lu et al. | A comparison of photoplethysmography and ECG recording to analyse heart rate variability in healthy subjects | |
| Matthews et al. | A wearable physiological sensor suite for unobtrusive monitoring of physiological and cognitive state | |
| GB2454960A (en) | Data recording for patient status analysis | |
| KR20180001367A (ko) | 운전자의 생체 신호를 기반으로 하는 운전자의 상태 판별 장치 및 방법 | |
| Murali et al. | A wearable device for physical and emotional health monitoring | |
| WO2009064475A1 (en) | Method for real time attitude assessment | |
| WO2018053968A1 (zh) | 睡眠状态分析中去除眼电伪迹的设备 | |
| KR102231979B1 (ko) | 사용자의 집중도를 판단하는 방법 및 이를 위한 웨어러블 디바이스 | |
| Siddiqui et al. | Detection of rapid eye movement behaviour disorder using short time frequency analysis of PSD approach applied on EEG signal (ROC-LOC) | |
| Wang et al. | A novel rapid assessment of mental stress by using PPG signals based on deep learning | |
| CN109147951A (zh) | 一种大脑警觉度的监测报警方法 | |
| KR101771835B1 (ko) | 생체신호기반 수면 상호영향 분석방법 | |
| Chen et al. | A wearable physiological detection system to monitor blink from faint motion artifacts by machine learning method | |
| Dolezalek et al. | Physiological signal monitoring system to analyze driver attentiveness | |
| Pernice et al. | Minimally invasive assessment of mental stress based on wearable wireless physiological sensors and multivariate biosignal processing | |
| Gupta et al. | Overview of the effect of physiological stress on different biological signals | |
| von Rosenberg et al. | Smart helmet: monitoring brain, cardiac and respiratory activity | |
| Barreto et al. | Significance of pupil diameter measurements for the assessment of affective state in computer users | |
| Anisimov et al. | Comparison of heart rate derived from ECG and pulse wave signals during controlled breathing test for biofeedback systems | |
| Eriņš et al. | Research of human fatigue and measurement parameters for workability assessment | |
| Yang et al. | BrainZ-BP: A Noninvasive Cuff-Less Blood Pressure Estimation Approach Leveraging Brain Bio-Impedance and Electrocardiogram | |
| CN222693852U (zh) | 一种用于抑郁情绪的音乐调节系统 | |
| Patil et al. | Stress detection using heart rate variability |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |