10.3969/j.issn.1674-5825.2022.06.010
基于心率变异性与机器学习相结合的警觉度水平监测
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.
警觉度、心率变异性、机器学习、生理指标
28
V7(航空、航天医学)
载人航天工程航天医学实验领域项目HYZHXM03008
2023-01-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
779-784