專利名稱：基于多生理參數(shù)pca融合的腦力負(fù)荷測(cè)量方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)療器械領(lǐng)域，具體講，涉及應(yīng)用于醫(yī)療器械領(lǐng)域的基于多生理參數(shù)PCA融合的腦力負(fù)荷測(cè)量方法。
背景技術(shù)：
腦力負(fù)荷，指作業(yè)人員為達(dá)到業(yè)績(jī)標(biāo)準(zhǔn)而付出的注意力大小，其涉及到完成某項(xiàng)任務(wù)時(shí)的工作要求、時(shí)間壓力、作業(yè)人員的能力和努力程度，以及任務(wù)不順利時(shí)的挫折感等。低腦力負(fù)荷會(huì)使人感到厭倦，注意力不集中；高強(qiáng)度的腦力負(fù)荷會(huì)影響作業(yè)者工作績(jī)效，如此長(zhǎng)時(shí)間的腦力負(fù)荷會(huì)使人產(chǎn)生腦力疲勞，而疲勞會(huì)使人反應(yīng)遲鈍，靈活性低，容易被無關(guān)信息干擾，出錯(cuò)率增加，重復(fù)犯錯(cuò)。因?yàn)槟X力負(fù)荷是一個(gè)多維的概念，所以腦力負(fù)荷的測(cè)量方法是多種多樣的。目前，腦力負(fù)荷測(cè)量的方法歸納起來主要有如下4類(I)主觀測(cè)量法是以勞動(dòng)者對(duì)作業(yè)或系統(tǒng)功能的成績(jī)判斷為基礎(chǔ)建立的一些心理學(xué)方法，如主觀勞動(dòng)負(fù)荷測(cè)量技術(shù)和作業(yè)負(fù)荷指數(shù)等；(2)主任務(wù)測(cè)量法也叫工作成績(jī)測(cè)量，通過操作者完成作業(yè)或系統(tǒng)功能的成績(jī)?cè)u(píng)價(jià)勞動(dòng)負(fù)荷，如完成作業(yè)的負(fù)荷量，作業(yè)速度，時(shí)間和成績(jī)，錯(cuò)誤率等；(3)次任務(wù)測(cè)量法；(4)生理學(xué)測(cè)量法通過作業(yè)者對(duì)系統(tǒng)或作業(yè)需要的生理反應(yīng)進(jìn)行評(píng)價(jià)，如心率及其變異性、呼吸、眨眼頻率、瞳孔直徑、皮膚電阻、眼電圖、腦事件相關(guān)電位、腦地形圖、腦磁圖、磁共振成像、正電子發(fā)射掃描等。由于生理參數(shù)的客觀、實(shí)時(shí)性，因此生理學(xué)測(cè)量法是目前測(cè)量腦力負(fù)荷的常用方法。在當(dāng)前的研究中，學(xué)者們多采用單一參數(shù)如EEG、fNIRS, ERP等作為檢測(cè)腦力負(fù)荷的指標(biāo)，但由于現(xiàn)實(shí)工作中任務(wù)的復(fù)雜性，單一測(cè)量指標(biāo)不能全面反映腦力負(fù)荷的變化。研究表明，不同的生理測(cè)量技術(shù)能從不同角度表現(xiàn)出對(duì)腦力負(fù)荷的敏感性。任何單一的生理指標(biāo)對(duì)腦力負(fù)荷的測(cè)量都是片面的，只有多種生理指標(biāo)的綜合運(yùn)用才能全面反映腦力負(fù)荷的變化。另外，由于某些生理參數(shù)如EEG、ERP等采集相對(duì)復(fù)雜，在實(shí)際應(yīng)用中受到限制。因此基于多參數(shù)的，簡(jiǎn)單便捷的腦力負(fù)荷檢測(cè)方法還在不斷的探索之中。

發(fā)明內(nèi)容
本發(fā)明旨在克服現(xiàn)有技術(shù)的不足，有效地提高腦力負(fù)荷檢測(cè)系統(tǒng)準(zhǔn)確性和簡(jiǎn)便性，為達(dá)到上述目的，本發(fā)明采取的技術(shù)方案是，基于多生理參數(shù)PCA融合的腦力負(fù)荷測(cè)量方法，包括如下步驟測(cè)量心率變異性HRV、瞳孔直徑、皮膚電阻SR三個(gè)生理參數(shù)，利用PCA技術(shù)得出三個(gè)參數(shù)的權(quán)重系數(shù)，根據(jù)參數(shù)融合計(jì)算公式計(jì)算腦力負(fù)荷的參數(shù)融合分值MWS，麗S是mental workload score的縮寫，麗S等于各參數(shù)與其權(quán)重之積的和，并將麗S作為腦力負(fù)荷的測(cè)量指標(biāo)。測(cè)量心率變異性HRV、瞳孔直徑、皮膚電阻SR三個(gè)生理參數(shù)是
I)心率變異性HRV提取采用傅立葉變換FFT計(jì)算HRV的低頻頻率LF、高頻頻率HF，將LF/HF即低頻與高頻的比值記為P1，將總功率TP的功率譜密度記為P2，其中LF頻率變化在0. 04 0. 15HZ，HF的頻率變化在0. 15 0. 40HZ, TP表示頻率在0. 00^0. 40HZ的總頻率變化值；2)瞳孔直徑特征提取采用AR模型計(jì)算瞳孔直徑的功率譜密度記為P3 ；3) SR特征提取采用傅里葉變換FFT，計(jì)算皮膚電阻在0. 03、. 5HZ的功率譜密度記為P4。利用PCA技術(shù)得出三個(gè)參數(shù)的權(quán)重系數(shù)是，將提取的四個(gè)特征變量低頻與高頻的比值P1、總功率TP的功率譜密度P2、瞳孔直徑的功率譜密度P3和皮膚電阻的功率譜密度P4,這四個(gè)特征變量構(gòu)成一個(gè)四維空間，樣本數(shù)為n，對(duì)在該四維空間下的所測(cè)樣本進(jìn)行變換設(shè)其原始變量的坐標(biāo)系為Pla、P2a、、P3a、、P4a，在對(duì)原始坐標(biāo)經(jīng)過坐標(biāo)平移、尺度伸縮、旋轉(zhuǎn)變換后，得到一組新的、相互正交的坐標(biāo)軸Vl、v2、v3、V4，根據(jù)原始變量在新坐標(biāo)系上投影值的方差來確定這四個(gè)特征變量的權(quán)重系數(shù)Wp W2、W3、W4 :首先對(duì)該4個(gè)特征變量進(jìn)行n次觀測(cè)得到的觀測(cè)數(shù)據(jù)可用下面的矩陣表示
權(quán)利要求
1.一種基于多生理參數(shù)PCA融合的腦力負(fù)荷測(cè)量方法，其特征是，包括如下步驟測(cè)量心率變異性HRV、瞳孔直徑、皮膚電阻SR三個(gè)生理參數(shù)，利用PCA技術(shù)得出三個(gè)參數(shù)的權(quán)重系數(shù)，根據(jù)參數(shù)融合計(jì)算公式計(jì)算腦力負(fù)荷的參數(shù)融合分值MWS, MWS是mental workloadscore的縮寫，MWS等于各參數(shù)與其權(quán)重之積的和，并將MWS作為腦力負(fù)荷的測(cè)量指標(biāo)。
2.如權(quán)利要求I所述的基于多生理參數(shù)PCA融合的腦力負(fù)荷測(cè)量方法，其特征是，測(cè)量心率變異性HRV、瞳孔直徑、皮膚電阻SR三個(gè)生理參數(shù)是 1)心率變異性HRV提取采用傅立葉變換FFT計(jì)算HRV的低頻頻率LF、高頻頻率HF，將LF/HF即低頻與高頻的比值記為P1，將總功率TP的功率譜密度記為P2，其中LF頻率變化在O. 04 O. 15HZ，HF的頻率變化在O. 15 O. 40HZ, TP表示頻率在O. 00 0. 40ΗΖ的總頻率變化值； 2)瞳孔直徑特征提取采用AR模型計(jì)算瞳孔直徑的功率譜密度記為P3； 3)SR特征提取采用傅里葉變換FFT，計(jì)算皮膚電阻在O. 03、. 5ΗΖ的功率譜密度記為
3.如權(quán)利要求I所述的基于多生理參數(shù)PCA融合的腦力負(fù)荷測(cè)量方法，其特征是，利用PCA技術(shù)得出三個(gè)參數(shù)的權(quán)重系數(shù)是，將提取的四個(gè)特征變量低頻與高頻的比值P1、總功率TP的功率譜密度P2、瞳孔直徑的功率譜密度P3和皮膚電阻的功率譜密度P4，這四個(gè)特征變量構(gòu)成一個(gè)四維空間，樣本數(shù)為η，對(duì)在該四維空間下的所測(cè)樣本進(jìn)行變換設(shè)其原始變量的坐標(biāo)系為Pla、P2a、P3a、P4a，在對(duì)原始坐標(biāo)經(jīng)過坐標(biāo)平移、尺度伸縮、旋轉(zhuǎn)變換后，得到一組新的、相互正交的坐標(biāo)軸Vl、V2, V3, V4，根據(jù)原始變量在新坐標(biāo)系上投影值的方差來確定這四個(gè)特征變量的權(quán)重系數(shù)WpWyWpW4 首先對(duì)該4個(gè)特征變量進(jìn)行η次觀測(cè)得到的觀測(cè)數(shù)據(jù)可用下面的矩陣表示
4.如權(quán)利要求I所述的基于多生理參數(shù)PCA融合的腦力負(fù)荷測(cè)量方法，其特征是，采用模糊模式識(shí)別對(duì)腦力負(fù)荷的大小進(jìn)行判別，具體包括如下步驟 (1)模糊特征提取由參數(shù)融合計(jì)算公式得到的參數(shù)融合值MWS，根據(jù)一定的模糊化規(guī)則把該參數(shù)融合值MWS分成多個(gè)模糊變量，使每個(gè)模糊變量表達(dá)參數(shù)融合值MWS的某一局部特性，用模糊變量進(jìn)行模式識(shí)別； (2)隸屬函數(shù)建立在模糊特征有效抽取的基礎(chǔ)上，采用模糊分布的方法，通過對(duì)上述模糊變量統(tǒng)計(jì)分析描出大致曲線，選擇一個(gè)與給出的幾種分布最接近的一個(gè)，再根據(jù)實(shí)驗(yàn)確定模糊變量的實(shí)際值，從而確定隸屬函數(shù)，模糊分布包括有矩形與半矩形分布、梯形與半梯形分布、正態(tài)分布； (3)根據(jù)最大隸屬原則對(duì)結(jié)果進(jìn)行判別設(shè)由參數(shù)融合值MWS組成的集合X為所要識(shí)別的對(duì)象全體，Ai屬于F(X)，F(xiàn)(X)表示X上的模糊子集的全體，i=l, 2，3，表示3個(gè)模糊模式即“低度腦力負(fù)荷”、“中度腦力負(fù)荷”和“高度腦力負(fù)荷”;對(duì)于X中任一元素X，設(shè)X對(duì)于模式Ai的隸屬度為yAk(x)，要識(shí)別它屬于哪一個(gè)模式，可按下列原則作判斷，即若yAk(x) =max {μΑ1(χ), μ Α2 (χ)，μ Α3 (X)}，則認(rèn)為X相對(duì)屬于Ak所代表的那一類，從而判斷出腦力負(fù)荷程度。
全文摘要
本發(fā)明涉及醫(yī)療器械領(lǐng)域。為有效地提高腦力負(fù)荷檢測(cè)系統(tǒng)準(zhǔn)確性和簡(jiǎn)便性，為達(dá)到上述目的，本發(fā)明采取的技術(shù)方案是，基于多生理參數(shù)PCA融合的腦力負(fù)荷測(cè)量方法，包括如下步驟測(cè)量心率變異性HRV、瞳孔直徑、皮膚電阻SR三個(gè)生理參數(shù)，利用PCA技術(shù)得出三個(gè)參數(shù)的權(quán)重系數(shù)，根據(jù)參數(shù)融合計(jì)算公式計(jì)算腦力負(fù)荷的參數(shù)融合分值MWS，MWS是mentalworkload score的縮寫，MWS等于各參數(shù)與其權(quán)重之積的和，并將MWS作為腦力負(fù)荷的測(cè)量指標(biāo)。本發(fā)明主要應(yīng)用于醫(yī)療器械領(lǐng)的設(shè)計(jì)制造。
文檔編號(hào)A61B5/16GK102727223SQ20121020151
公開日2012年10月17日 申請(qǐng)日期2012年6月18日 優(yōu)先權(quán)日2012年6月18日
發(fā)明者付蘭, 張迪, 明東, 李南南, 柯余峰 申請(qǐng)人:天津大學(xué)