【文獻】基于心率變異性和呼吸頻率的駕駛疲勞識別模型研究
近期，陸軍特色醫(yī)學中心軍事交通傷防治研究室向洪義、廖志康、李 奎、趙 輝聯(lián)合重慶理工大學張瓊敏、王俊杰、王思平、孫麗璐，使用邁爾諾醫(yī)療提供的微型12導聯(lián)心電圖系統(tǒng)，用于《基于心率變異性和呼吸頻率的駕駛疲勞識別模型研究》。目前，研究成果已發(fā)表于《陸軍軍醫(yī)大學學報》。
軍用車輛是部隊摩托化的機動平臺和日常機動保障的主要裝備，車輛事故是導致軍隊非戰(zhàn)斗減員的主要因素。軍車駕駛員作為平臺的直接操作者，承受較強心理和生理負荷，容易產生駕駛疲勞。誘發(fā)駕駛疲勞的因素多，軍車駕駛員因特殊軍事任務，更有可能遭受包括晝夜節(jié)律、睡眠時間、駕駛時間長度和環(huán)境因素等影響而出現(xiàn)駕駛疲勞。陸軍在注重能力訓練要求中提到強化在職訓練，已將抗疲勞駕駛作為重要訓練內容。需要指出的是，駕駛疲勞問題在地方道路交通安全中也很突出。
自主神經系統(tǒng)(autonomic nervous system，ANS)通過傳入和傳出交感神經系統(tǒng)(sympathetic nervous system，SNS)和副交感神經系統(tǒng)(parasympathetic nervous system，PNS)通路調節(jié)身體的大部分內部過程(循環(huán)、呼吸、消化等)，確保身體穩(wěn)態(tài)環(huán)境。研究表明疲勞與ANS功能失衡有關。因此通過分析ANS活動情況對駕駛疲勞的進程進行監(jiān)測，基于心電圖(electrocardiogram，ECG)提取的心率變異性(heart rate variability，HRV)被證實與自主神經系統(tǒng)活動密切相關，因ECG信號信噪比高、易檢測和分析，HRV被廣泛應用于駕駛員疲勞識別。KNN、SVM、AdaBoost和隨機森林等機器學習方法被用于建立駕駛疲勞識別模型，模型預測精度參差不齊，HRV特征納入參數(shù)范圍也還存在爭議。RESP是影響HRV的重要參數(shù)，呼吸過程會影響SNS與PNS活動，導致呼吸性竇性心律失常，但迄今鮮有研究綜合HRV和呼吸頻率來識別駕駛疲勞。本研究擬使用HRV和RESP參數(shù)進行機器學習，探索具有可實施性、適用于不同疲勞程度的駕駛疲勞識別方法，以提升軍用車輛事故防范的技術能力。
陸軍軍醫(yī)大學學報，2022，44（13）
目的
建立結合心率變異性(heart rate variability，HRV)和呼吸頻率(respiratory rate，RESP)的駕駛疲勞識別機器學習模型并明確最優(yōu)特征子集。方法 2021年6-12月，從陸軍軍醫(yī)大學招募20名年齡在20~30歲之間的健康男性志愿者參加疲勞駕駛試驗。記錄正常睡眠和睡眠剝奪后駕駛員在駕駛任務中的心電信號，提取18維疲勞相關HRV特征值，選擇清醒與疲勞狀態(tài)下存在差異的HRV特征結合RESP作為特征集。比較支持向量機(support vector machines, SVM)、K最鄰近(k-nearest neighbor，KNN)、樸素貝葉斯(naive Bayes，NB)、決策樹(decision tree，DT)和邏輯回歸(logistic regression，LR)這五種經典機器學習方法，篩選最優(yōu)特征子集，并建立疲勞識別模型。結果 低頻功率(low frequency，LF)與高頻功率(high frequency，HF)的比值LF/HF、RESP、平均RR間隔(mean RR interval，Mean RR)、樣本熵(sample entropy，SampEn)、去趨勢波動分析(detrended fluctuation analysis，DFA)短期斜率DFA α1五個特征是疲勞識別的有效特征子集，在SVM中分類效果最好，疲勞識別的準確性、敏感性、特異性分別為87.03%、87.07%、87.13%。其中LF/HF和RESP是最為重要的駕駛疲勞識別指標，兩個維度下各個模型的準確性均能達到80%以上，SVM與LR整體表現(xiàn)更好，準確性、敏感性、特異性分別為84.99%、85.13%、82.65%和84.43%、86.49%、82.02%。
資料與方法
1.1 試驗對象
2021年6-12月從陸軍軍醫(yī)大學招募20名年齡在20~30歲之間的健康男性志愿者參加疲勞試驗，試驗前采用問卷對參與者的駕駛生涯、健康狀況和睡眠習慣進行調查。所有志愿者均健康，日常作息規(guī)律。試驗前24 h無酒精、咖啡及功能性飲料等神經興奮物質攝入，未參加劇烈的體育運動，正式試驗前1 d佩戴可以檢測睡眠時間的手環(huán)。試驗過程中不能嚼口香糖、聽音樂及接聽電話，避免主動或被動刺激影響駕駛員的狀態(tài)。本試驗已通過陸軍特色醫(yī)學中心倫理委員會審批[醫(yī)研倫審(2020)第130號]，在試驗前充分告知受試者試驗內容并簽署《知情同意書》。
駕駛模擬平臺：具有高仿真度駕駛感受的6自由度駕駛模擬系統(tǒng)(ZG-06，北京紫光基業(yè))；微型12導聯(lián)心電圖系統(tǒng)(MIC-12DL，邁爾諾醫(yī)療)：記錄試驗全程心電信號，采樣頻率為500 Hz；HRV分析系統(tǒng)(Kubios HRV Premium 3.5，芬蘭)：其計算方式與歐洲心臟病協(xié)會的指南一致，各HRV指標意義已充分論述；4K高分辨率攝像系統(tǒng)(?？低?。華為4Pro手環(huán)：監(jiān)測駕駛員前一晚睡眠時間。
為使模型能夠適用于不同疲勞程度下的疲勞識別，增強模型泛化能力，駕駛員參與2次試驗，一次為充足睡眠(睡眠時間不小于8 h)條件下的駕駛任務，另一次采用部分睡眠剝奪(3:00-7:00，4 h睡眠時間)誘發(fā)疲勞后再參與試驗。試驗前駕駛員有10 min時間熟悉模擬器操作，熟悉駕駛環(huán)境后開始駕駛任務。兩次試驗開始時間均為上午9：00，在模擬器上執(zhí)行90 min的駕駛任務，路面有少量的車輛，駕駛環(huán)境為白天，在遵守交通規(guī)則、不發(fā)生交通事故的前提下，駕駛員可以自行決定車速。室內光線充足，空氣流通順暢，室溫23 ℃。
用酒精棉球擦拭駕駛員胸部后粘貼心電電極片，確保心電信號能正常采集，試驗過程中微型心電圖系統(tǒng)全程記錄駕駛員ECG。在駕駛員正前方放置攝像系統(tǒng)記錄駕駛員駕駛過程中的面部表情及身體活動情況。
結論
LF/HF、RESP是駕駛疲勞識別的有效特征，在基于HRV特征和RESP的駕駛疲勞識別中SVM與LR的整體表現(xiàn)優(yōu)于其他模型。
微型12導聯(lián)心電圖系統(tǒng)
標準十二導聯(lián)心電圖，支持輸出原始數(shù)據(jù)并導出心率變異性（長程分析和每5分鐘的短程分析）數(shù)據(jù)，滿足科研用戶的需求。
可支持分析指標：Minimum RR、Mean RR、SDNN、SDSD、Triangular Index、NN50、PNN50、Total Power、VLE Power、LF Power、LF Power、HF Power、VHF Power、LF/HF.....
可支持導出的數(shù)據(jù)
HRV 每小時短程分析數(shù)據(jù)
HRV 5分鐘短程分析數(shù)據(jù)
HRV 長程分析數(shù)據(jù)
