利用fNIRs研究噪声环境下脑力负荷变化规律

目的研究噪声环境下操作者的脑力负荷(mental workload,MWL)变化规律。方法采用功能性近红外光谱技术(functional near-infrared spectroscopy,fNIRs)、心电、皮肤电和脉搏波多种生理测量手段结合脑力负荷敏感脑区的氧合血红蛋白幅值变化、主观量表评价和脑力负荷评估模型输出来评估噪声刺激下操作者的MWL变化。选用16名参试者完成中性图片N-back任务,分为噪声组和对照组,噪声环境采用(80±3)d B,对照组的外界声源控制为45 d B以下。结果在同一任务负荷状态下,噪声环境中参试者的脑力负荷水平高于对照组,其中噪声组2-back任务诱发的脑力负荷水平等同于对照组3-back任务诱发的脑力负荷水平,但其在3-back任务阶段脑力负荷仅略高于对照组的同等任务阶段。结论参试者在噪声环境下执行同等工作记忆任务时脑力负荷水平可以提高,但任务难度较高时提升幅度降低;利用fNIRs监测大脑前额叶皮层血氧生理参数方法能够有效评估噪声环境下的脑力负荷变化,值得进一步深入研究。     

基于心率和呼吸特征结合的睡眠分期研究

目的研究通过心率和呼吸信号进行睡眠分期,探讨将心率和呼吸信号结合进行睡眠分期研究的有效性。方法基于ISURE-sleep睡眠数据库中9名健康受试者ECG和呼吸波数据,采用时域、频域和非线性分析方法,计算并筛选出HRV、呼吸波和心肺耦合特征共计34个指标。基于SVM、随机森林、XGBoosting和BP神经网络4种分类器构建模型,采用独立被试和非独立被试两种方案对觉醒期、快速眼动期和非快速眼动期进行分类测试。结果在4种分类模型下,综合建模分期方法结果均优于基于HRV或呼吸单一信号建模的睡眠分期方法,综合建模Kappa系数有显著提升。基于XGBoosting的模型在4种方法中表现最优,取得了独立被试测试73.3%的平均准确率(Kappa=0.42)和非独立被试测试准确率88.7%(Kappa=0.75)。结论加入呼吸特征和心肺耦合特征可以作为辅助指标,提升目前常用的基于HRV的睡眠分期模型的性能。心率和呼吸特征结合的睡眠分期方法在便携式睡眠监测等领域具有实际应用价值。     

基于fNIRS的情绪对工作记忆负荷影响规律研究

目的研究情绪刺激和任务负荷共同影响下的大脑皮层血氧特性响应规律。方法 20名年轻男性分别进行了负性、中性与积极3种情绪图片刺激下1~3-back认知记忆负荷任务实验,采用功能近红外谱(functional near-infrared spectroscopy,fNIRS)监测参试者脑前额叶皮层(prefrontal cortex,PFC)功能区和左右运动区的含氧血红蛋白(Hb O_2)与脱氧血红蛋白(Hbr)信号均值、斜率及近似熵(approximate entropy,ApEn)3种生理特征指标来描述其脑功能活动。结果随着任务负荷增加,均值表征的脑功能活动强度增强,PFC区域血氧供应和脑功能活动强度变化率降低且趋于稳定。近似熵用于表征的脑功能活动复杂度指标,随着任务负荷增加,中性情绪状态下复杂度降低,而在负性和积极情绪状态下复杂度上升。结论背外侧PFC区域为任务负荷敏感区域脑区;运动区域脑功能活动会受情绪状态影响。近似熵能有效地表征脑区fNIRS信号的复杂度变化,并适合描述情绪状态下大脑皮层功能活动多样性。     

基于fNIRs技术的清醒-睡眠状态识别

目的研究睡眠-清醒状态下大脑血氧变化特性,探讨基于功能近红外光谱深层次信息识别两状态的可行性。方法采用便携式功能近红外设备(波长849 nm、757 nm)测量了6名年轻(20~26岁)男性志愿者静止躺卧姿势下睡眠-清醒状态大脑前额位置6通道的功能近红外谱(f NIRs)数据,计算得到反映前额叶血氧水平变化的氧合血红蛋白(HbO_2)均值、心动信号和Burg功率谱等共计36个生理特征,并用支持向量机(support vector machine,SVM)分类器建立了清醒与睡眠两个状态的识别模型。结果在清醒与睡眠过渡阶段大脑前额叶HbO_2均值水平呈下降趋势,心动信号频率在睡眠由浅入深过程中也呈下降趋势;睡眠时功率谱中呼吸波与心动强度均比清醒时有所下降(符合正常睡眠呼吸变缓、心动减弱规律);睡眠-清醒状态的平均分类识别准确率可达90%。结论基于功能近红外光谱信息检测实现人体静止躺卧姿势下睡眠与清醒状态的自动化识别具有技术可行性,对在轨航天员空间作息评估与规划具有实际应用价值。