基于心率变异性与机器学习相结合的警觉度水平监测

摘要：

针对目前警觉性监测指标单一且不精确等问题,将心率变异性结合机器学习对警觉度水平进行监测.48名受试者连续完成5组精神运动警戒任务(PVT),同时进行心电测量.将P VT任务的反应时分为5级,使用多分类支持向量机方法,对警觉性分级进行预测.在行为结果上,表现为P VT测试反应时相关指标的延长;在生理指标上,反映为心率变异性高频指标(HF-HRV)以及极低频指标(VLF-HRV)的增加.VLF-HRV与反应时的平均数以及反应时的中位数呈现显著的正相关,与反应时倒数的平均值呈现出显著的负相关.HF-HRV也与反应时的平均数以及反应时的中位数呈现显著的正相关.采用多分类支持向量机手段对受试者的警觉度进行预测,结果表明,单独使用2种心电指标对警觉度水平进行预测的平均准确率为77.81％,ROC曲线下的平均面积为0.87,平均灵敏度为0.763,平均特异度为0.792.研究表明:心率变异性是反映警觉度波动变化的敏感指标,可用于开展警觉度的预测.

关键词：警觉度、心率变异性、机器学习、生理指标

所属期刊栏目：28

分类号：V7(航空、航天医学)

资助基金：载人航天工程航天医学实验领域项目HYZHXM03008

在线出版日期：2023-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：779-784