[发明专利]一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法

权利要求书

1.一种基于双模态生物电信号与生理数据的疲劳度评估方法，其特征在于，该方法采用的系统包括生物电信号分系统、生理数据分系统和综合分析与管理分系统，其中生物信号分系统用于测量脑电和心电双模态的生物电信号，生理数据分系统用于测量睡眠情况、眨眼频率、闭眼百分比、哈欠频率、点头频率、睡眠时长、睡眠质量和体重压力分布生理表现数据信息，综合分析与管理分系统通过双模态的生物电信号与生理表现数据对不同原因引起的疲劳程度进行综合评估；评估方法包括以下步骤：

(1)通过管理终端登录系统，将开始值班时间、D-d日的睡前疲劳程度EFL_D-d输入至数据分析处理平台；包括：

(11)D日开始值班后，通过管理终端进行系统登录，并将开始值班时间记录，传至数据分析处理平台；

(12)更新当天日期，取前一个工作日，即D-d日的数据进行疲劳度评估；

(13)将D-d日最后得到的疲劳程度，即睡前疲劳程度EFL_D-d传入数据分析处理平台，作为初始疲劳程度评估的考虑依据；

(2)通过数据分析处理平台的疲劳度评估模型，计算出休息后的D日初始疲劳程度SFL_D，并对D日初始疲劳程度SFL_D数据进行处理；包括：

(21)通过睡眠子系统测量D-d日的睡眠时长及睡眠质量SQ_D-d，并输入数据分析处理平台，作为初始疲劳程度评估的考虑依据；

(22)通过数据分析处理平台的疲劳度评估模型，计算出D-d日的睡前疲劳程度为EFL_D-d；

疲劳度评估模型如下：

其中，t_ss和t_se分别是睡眠开始时间和结束时间，K₁(t)为t时刻对应的生理节律下，睡眠质量对疲劳程度的恢复模型，暂无解析式，由实验数据配合模型训练反复迭代获得；SQ_D-d为D-d日的睡眠时间和质量；

D-d日的睡前疲劳程度EFL_D-d为：

EFL_D-d＝FL_D-d|t·Time，t时刻干预无效或t时刻主动注销；

然后根据D日夜晚睡眠时长与质量SQ_D-d，计算出休息后的D日初始疲劳程度SFL_D；

(23)将D日的初始疲劳程度SFL_D作为继续判断疲劳程度的依据输入至数据分析处理平台的疲劳度评估模型；并将SFL_D作为D日疲劳度历史数据存入数据分析处理平台中的生理周期节律数据库；

(3)以一定的周期T定时测量D日t时刻的生物电信号和生理表现数据，作为疲劳程度评估的依据输入至数据分析处理平台，在每个周期内计算出D日t时刻的疲劳程度FL_D|t，并对疲劳程度FL_D|t进行处理；包括：

(31)以一定的周期T定时测量D日t时刻的各种生物电信号，通过脑电子系统测量实时的脑电信号EEG_t、通过心电子系统测量实时的心电信号ECG_t，作为疲劳程度评估的依据；

(32)以一定的周期T定时测量D日t时刻的各种生理表现数据，通过眼部动作子系统测量实时的眨眼频率BlinkFreq_t和闭眼百分比PERCLOS_t、通过头部动作子系统测量实时的哈欠频率YawnFreq_t和点头频率NodeFreq_t、通过坐姿子系统测量实时的体重压力分布Wdis_t，作为疲劳程度评估的依据；

(33)在每个周期内计算出D日t时刻的疲劳程度FL_D|t，方法如下：

FL_D|t＝Vote(FL_D|t·EEG，FL_D|t·ECG，FL_{D|t·BlinkFreq}，FL_D|t·PERCLOS，FL_{D|t·YawnFreq}，

FL_{D|t·NodeFreq}，FL_D|t·Wdis，FL_D|t·Time)；

其中，FL_D|t·EEG、FL_D|t·ECG、FL_{D|t·BlinkFreq}、FL_D|t·PERCLOS、FL_{D|t·YawnFreq}、FL_{D|t·NodeFreq}、FL_D|t·Wdis、FL_D|t·Time分别指基于脑电、心电、眨眼频率、闭眼百分比、哈欠频率、点头频率、体重压力分布和疲劳积累模型的实时疲劳值分量；K₂(t)为t时刻对应的生理节律下的疲劳积累模型；T_B、T_Y、T_N、T_W分别为眨眼频率、哈欠频率、点头频率、体重压力分布用于判断是否疲劳的阈值；T_δ1、T_δ2、T_δ3、T_SMR1、T_SMR2、T_SMR3为脑电信号用于判断是否为严重疲劳、疲劳、轻度疲劳及注意力的阈值；T_S1、T_S2、T_L1、T_L2为心电信号用于判断是否为疲劳、轻度疲劳的阈值；T_P1、T_P2为闭眼百分比用于判断是否为疲劳、轻度疲劳的阈值；T_T1、T_T2、T_T3为疲劳积累模型用于判断是否为严重疲劳、疲劳、轻度疲劳的阈值；

Vote为最终判断是否疲劳的投票模型，其中基于疲劳积累模型的结果投票权值为1，其余为2，由于疲劳判断的指标上限不同，因此在评判各级疲劳状态时，不能表征该级疲劳度的指标不参加；投票过程如下：

①按权重对不疲劳(0)进行投票，若投票结果为0，结束；若不为0，进入②；

②按权重对轻度疲劳(0.5)进行投票，该轮过程仅FL_D|t·EEG、FL_D|t·ECG、FL_D|t·PERCLOS及FL_D|t·Time参加，若投票结果为0.5，结束；若不为0.5，进入③；

③按权重对严重疲劳(2)进行投票，该轮过程仅FL_D|t·EEG及FL_D|t·Time参加，若投票结果为2，结束；若不为2则认定投票结果为疲劳(1)，结束。

将当前的疲劳程度FL_D|t通过管理终端进行实时的更新显示；并将FL_D|t作为D日实时疲劳程度的历史数据存入数据分析处理平台中的生理周期节律数据库；

(4)通过比较疲劳程度FL_D|t与阈值Th的高低判断是否需要干预，若是，则由反馈干预子系统对值班人员进行干预，提醒其保持注意力，防止疲劳程度进一步提高；若否，则进行是否注销结束当日值班的判断。