基于 KC的生理性精神疲勞分級的可行性研究

張連毅

(上海電機學(xué)院電子信息學(xué)院,上海200240)

基于 KC的生理性精神疲勞分級的可行性研究

張連毅

(上海電機學(xué)院電子信息學(xué)院,上海200240)

研究了不同精神疲勞狀態(tài)下腦電信號的柯爾莫哥洛夫復(fù)雜度(KC),通過對8例不同精神疲勞狀態(tài)下腦電信號 KC的分析后發(fā)現(xiàn):腦電信號柯爾莫哥洛夫熵的波動范圍與精神疲勞的狀態(tài)有著明顯的對應(yīng)關(guān)系;利用 KC對生理性精神疲勞進(jìn)行分級具有一定的可行性。

精神疲勞;腦電信號;柯爾莫哥洛夫復(fù)雜度;前額葉皮層;顯著性差異

Abstract：In this paper,the Kolmogorov complexity(KC)of EEG under different mental fatigue statuses was measured.By analyzing the relationship between different mental fatigue statuses and the corresponding KC of EEG,we show that 1)the value of KC is strongly correlative with the mental fatigue state,and the value of mean KC corresponding to a special mental status fluctuates within the special range;and 2)it may be possible to differentiate different mental fatigue level objectively according to the KC value.

Key words:mental fatigue;electroencephalogram(EEG);Kolmogorov complexity(KC);prefrontal cortex;significant difference

疲勞是一種自我感覺[1]。生理性精神疲勞是一個包括由精神和體力活動引起的思維活動性能衰退的專業(yè)術(shù)語[2]。Linden等[3]人將精神疲勞定義為由于維持某一性能而引起的生理與心理狀態(tài)的變化,這些變化中有主觀方面的,也有客觀方面的,包括繼續(xù)努力時難度的增加、信息分析能力下降趨勢的增強,以及心情的變化等。按照上述的精神疲勞定義,所維持的某一性能并不一定局限在同一任務(wù)中,還可在需要付出精神勞動的不同任務(wù)中,如在辦公室工作而引起的精神疲勞。在有認(rèn)識要求的任務(wù)中,工作一定時間常常導(dǎo)致精神疲勞,而精神疲勞會影響人們的思維活動。在現(xiàn)代工業(yè)中,尤其是實時監(jiān)控、車輛駕駛、航空航天、高風(fēng)險作業(yè)等行業(yè),許多事故的發(fā)生都與精神疲勞有關(guān)。因此,認(rèn)識精神疲勞的本質(zhì)及精神疲勞對人們精神活動的影響,對于預(yù)防由精神疲勞引發(fā)的事故是十分重要的。人的生理性精神疲勞是非常復(fù)雜、非常難以客觀檢測的。近年來,有關(guān)生理性精神疲勞的研究已取得了一定的進(jìn)展[4-6]。

腦電信號復(fù)雜度測量是近年來發(fā)展起來的一種新方法,它可以定量評價直觀的信號曲線變化的復(fù)雜性,有效地反映大腦在生理、病理和不同藥物作用下的某些變化特征[7-8],便于各種大腦活動間的比較和區(qū)分。算法復(fù)雜度又稱柯爾莫哥洛夫復(fù)雜度(Kolmogorov Complexity,KC)是常用的信號復(fù)雜度計算方法之一,該方法的計算結(jié)果與信號幅值的大小無關(guān)。本文旨在研究各種疲勞狀態(tài)及與其對應(yīng)腦電信號的 KC之間的關(guān)系,利用KC復(fù)雜度研究精神疲勞狀態(tài)變化過程的一些特征及規(guī)律,以期有助于對精神疲勞的認(rèn)識與了解。

1 Kolmogorov復(fù)雜度

Kolmogorov認(rèn)為,波形的復(fù)雜性可以用一串符號的復(fù)雜性替代,而一個符號序列的復(fù)雜性可定義為能夠重現(xiàn)這一序列的程序的最短長度。一般認(rèn)為描述事物的計算機語言的長度越長,則該事物越復(fù)雜;但從動力學(xué)的觀點來看,穩(wěn)態(tài)、周期或準(zhǔn)周期運動都是有序的,并不復(fù)雜,而當(dāng)動力系統(tǒng)的運動進(jìn)入混沌時就變得復(fù)雜了。這種復(fù)雜程度的定量刻畫十分重要,根據(jù) Kolmogorov熵理論,給定[0,1]序列的復(fù)雜性是由產(chǎn)生該序列的最短計算機程序的比特數(shù)決定的,1976年,Lempel等[9]人在信息理論的研究中對隨機序列的復(fù)雜性給出了定義。1987年,Kaspar等[10]人對于隨機序列Lempel-Ziv意義下的復(fù)雜性進(jìn)行了研究,并提出了隨機序列復(fù)雜性測度的算法。該算法的實質(zhì)是不斷比較某一字符串是否為另一字符串的子串,若是,則復(fù)雜性測度維持不變;若不是,則復(fù)雜度測度加1。本文采用了Lempel-Ziv算法,具體使用過程如下:

(1)采用二值化法對預(yù)處理后的腦電時間序列信號進(jìn)行粗?；幚?

(2)對重構(gòu)形成的[0,1]序列 S={S1,S2,…,Sn},按Lempel-Ziv算法進(jìn)行比較和添加,得到各個子串的界定;

(3)計算重構(gòu)序列的復(fù)雜度c(n);

(4)進(jìn)行歸一化。

為獲得不依賴于序列長度的復(fù)雜度,需將c(n)歸一化,用 C(n)來測度時間序列的復(fù)雜性變化,C(n)為反映被測信號復(fù)雜程度的歸一化度量。Lempel和Ziv對屬于[0,1]的序列進(jìn)行了研究,發(fā)現(xiàn)幾乎所有的c(n)都會趨向于某一定值。設(shè)序列P的長度為n,字符串中不同種類字符的個數(shù)為α,則c(n)的上限確定為[10]

式中,εn為由因長度有限的數(shù)據(jù)串粗?；鸬恼`差。εn很小,當(dāng) n→∞時,εn→0。故 c(n)的上限為 n(logαn)-1,即

用 b(n)對 c(n)歸一化,得

有規(guī)律序列的復(fù)雜度應(yīng)該是0,而白噪聲的復(fù)雜度最大,定義為1。對于[0,1]序列,α=2。

2 精神疲勞實驗

學(xué)習(xí)或腦力勞動的持續(xù)時間、休息時間、心理因素,工作能力、勞動技巧、學(xué)習(xí)方法,營養(yǎng)狀況及飲食情況,體質(zhì)、氣質(zhì)、健康狀況及年齡等因素,都會對生理性精神疲勞程度產(chǎn)生影響。環(huán)境也能夠影響人們的心情和注意力,進(jìn)而對疲勞產(chǎn)生影響。因此,生理性精神疲勞實驗必須同時盡可能多地考慮上述因素對實驗的影響,這涉及到受試人群的選擇、導(dǎo)致生理性精神疲勞的原因等問題。鑒于上述考慮,本文挑選了8位受試者進(jìn)行生理性精神疲勞試驗,選擇了安靜、密閉、有電磁屏蔽、窗簾防光性能較好的實驗室,在室溫下(20℃左右)進(jìn)行實驗。

受試者均為男性,在校(住校)大學(xué)生,右利手,年齡為21～25歲;受試者均無重大腦部疾病史,參加測試的近幾天內(nèi)未服過任何藥物與保健品。學(xué)校工作時間為9∶00～12∶00,13∶00～17∶00;學(xué)校所在地氣候地理環(huán)境為熱帶城市。實驗中只選用FP1與FP2兩通道用來同步記錄實驗中的腦電數(shù)據(jù)。電極位置如圖1所示。采用10～20導(dǎo)聯(lián)頭皮電極系統(tǒng),電極放置于頭部 FP1與 FP2處,各導(dǎo)聯(lián)阻抗均小于5 kΩ,參考電極粘貼在喉結(jié)右下方的鎖骨管處。腦電數(shù)據(jù)記錄儀選用PL-EEG Wavepoint系統(tǒng)。采樣間隔為6 ms。

圖1 電極位置分布圖Fig.1 Electrode placement

本實驗通過對3組不同生理性精神疲勞狀態(tài)的腦電信號分析,探討利用腦電圖信號對各不同生理性精神疲勞狀態(tài)進(jìn)行分級的可行性。實驗過程中受試者一直坐在比較舒適的椅子中,且要求受試者盡可能放松。各疲勞狀態(tài)具體如下:

狀態(tài)1 被試者自我感覺非常清醒。實驗在室內(nèi)正常照明燈光、受試者閉眼狀態(tài)下進(jìn)行。數(shù)據(jù)采集實驗持續(xù)時間為15∶50～15∶55。

狀態(tài)2 被試者自我感覺比較清醒。實驗在室內(nèi)正常照明燈光、受試者閉眼狀態(tài)下進(jìn)行。數(shù)據(jù)采集實驗持續(xù)時間為17∶15～17∶20。

狀態(tài)3 被試者顯得有些疲勞,并偶爾打哈欠。實驗時關(guān)閉室內(nèi)正常照明燈光。數(shù)據(jù)采集實驗持續(xù)時間為18∶52～18∶57。

3 EEG數(shù)據(jù)計算及分析

為去除腦電信號中的噪聲干擾,選用了帶通為0.5～30 Hz的 FIR濾波器。開始逐段計算腦電信號的 KC值時,選取2 500個采樣數(shù)據(jù)(15 s內(nèi)的采樣數(shù)據(jù))為分析窗長(15 s),隨時間采樣點不重疊地平移,計算各數(shù)據(jù)段長度(窗長)的 KC值。為減少 KC值波動的影響,先分別計算FP1與FP2兩通道各數(shù)據(jù)段長度(窗長)的 KC值,再計算各時間段(窗長)內(nèi)兩通道的 KC值的平均值,最后取各受試者 KC的平均值,并作統(tǒng)計處理。

對于實驗中的每一種疲勞狀態(tài),隨機選取了兩通道對應(yīng)時間段的一段數(shù)據(jù)來分析,分別計算出每個分析窗長為15 s、連續(xù)15個窗長的 KC值。表1是3種疲勞狀態(tài)下 KC值的平均值。

表1 3種疲勞狀態(tài)下KC值的平均值Tab.1 Average KC under three different fatigue statuses

實驗中,各生理性精神疲勞狀態(tài)下 FP1與FP2兩通道的 KC值的平均值隨時間的變化曲線如圖2所示。統(tǒng)計分析表明,3種疲勞狀態(tài)間存在顯著性差異(方差分析 F2,28=22.844 3,概率 P<0.01)。多重比較結(jié)果如表2所示。

圖2 各疲勞狀態(tài)下 KC隨時間的變化曲線Fig.2 Change of KC over time

表2 3種狀態(tài) KC的q檢驗比較Tab.2 Comparison between KCs of three q tests

4 結(jié) 論

從電生理學(xué)的角度來看,腦神經(jīng)細(xì)胞的活動是興奮與抑制互相作用、互相轉(zhuǎn)化、互相誘導(dǎo)的過程。大腦在工作時,神經(jīng)細(xì)胞活動相對處于比較有序的狀態(tài),隨著精神疲勞程度的增加,神經(jīng)對細(xì)胞活動的控制能力減弱,神經(jīng)細(xì)胞活動興奮程度增加,神經(jīng)細(xì)胞活動的無序化漸趨加劇,其 KC值將會增加。

由圖1與表1可以看出,主述疲勞的狀態(tài)3的 KC值最大,被試者自我感覺非常清醒的狀態(tài)1的 KC值最小,而被試者自我感覺比較清醒的狀態(tài)2的 KC值介于狀態(tài)1與由狀態(tài)3之間,這與有關(guān)電生理學(xué)的先驗知識相吻合;在不同生理性疲勞狀態(tài)下,前額區(qū)神經(jīng)電活動的復(fù)雜度各有其相應(yīng)的變化范圍。

從上述實驗及分析中可得出以下結(jié)論:①對應(yīng)于特定的生理性精神疲勞狀態(tài),其 KC值在相應(yīng)的一定范圍內(nèi)變化,大腦思維的無序程度有特定的變化范圍;隨著生理性精神疲勞程度的增加,腦細(xì)胞活力下降,其KC值將隨之減小。②利用 KC對生理性精神疲勞進(jìn)行分級具有一定的可行性。

本文的研究結(jié)果與利用 Kolmogorov熵對其進(jìn)行分級可行性的探討性文章[3]具有很好的一致性。本文的研究方法有助于客觀評估精神疲勞水平,同時也為進(jìn)一步認(rèn)識精神疲勞的過程、研究精神疲勞對中樞神經(jīng)系統(tǒng)的影響提供了一種新的工具,在交通運輸業(yè)及其他行業(yè)中將會有廣闊的應(yīng)用前景。

本文的研究方法也存在不足:精神疲勞是多因素相互作用的產(chǎn)物,但本方法只涉及同一腦區(qū)兩對稱通道的腦電數(shù)據(jù)及單一參數(shù)(KC),對于那些精神疲勞水平接近的疲勞狀態(tài),利用本方法進(jìn)行識別是比較困難的;同時,由于本方法是一種非線性定性方法,在粗?；^程中既可能忽略信號彼此之間的差異,也可能犧牲復(fù)雜信號本身的外在特征,在定量分析中會產(chǎn)生誤差。這些都是今后研究中有待改進(jìn)之處。

[1]韓紹安,許華芳.疲勞與休息[M].上海:上?？萍冀逃霭嫔?1998.

[2]Meijman T F.Mental fatigue and the efficiency of information processing in relation to work times[J].International Journal of Industrial Ergonomics,1997,20(1):31-38.

[3]張連毅,鄭崇勛,李小平,等.EEG柯爾莫哥洛夫熵測度用于精神疲勞狀態(tài)的研究[J].中國生物醫(yī)學(xué)工程學(xué)報,2007,26(2):170-176.

[4]Zhang Lianyi,Zheng Chongxun.Lempel-Ziv complexity changes and physiological mental fatigue level during differentmental fatiguestate with spontaneous EEG[J].Health,2009(1):35-38.

[5]Zhang Lianyi,Zhang Zhe,Zheng Chongxun.Study on physiological mental fatigue with nonlinear dynamics[C]//Proceedings of the 2008 Fourth International Conference on Natural Computation,4.Washington,D C.USA:IEEE Computer Society,2008:670-673.

[6]Linden D V D,Frese M,Meijman T F.Mental fatigue and the control of cognitive processes:effects on perseveration and planning[J].Acta Psychologica,2003,113(1):45-65.

[7]Grandori F,Ravazzani P.Magnetic stimulation of the motor cortex-theoretical considerations[J].IEEE Transactions on BiomedicalEngineering,1991,38(2):180-191.

[8]Esselle K P,Stuchly M A.Neural stimulation with magnetic fields:analysis of induced electric fields[J].IEEE Transactions Biomedical Engineering,1992,39(7):693-700.

[9]Ziv L J.On the complexity of finite sequences[J].IEEE Transactions on Information Theory,1976,22(1):75-81.

[10]Kaspar F,Schuster H G.Easily calculable measure for complexity ofspatiotemporal patterns[J].Physical Review:A,1987,36(2):842-848.

Feasibility of Mental Fatigue Grade Based on Kolmogorov Complexity

Z HA N G L ianyi
(School of Electronics and Information,Shanghai Dianji University,Shanghai 200240,China)

R 318.04

A

2010-05-26

國家自然科學(xué)基金項目(30670534)

張連毅(1963-),男,副教授,博士,專業(yè)方向為腦電信號分析,E-mail:zhangly@sdju.edu.cn

2095-0020(2010)04-0197-04