跳到正文
只看信号与统计方法#用户疲劳
1月1日周五
  1. OpenReview · EEG68

    基于 EEG 小波熵的 SSVEP-BCI 疲劳检测

    基于摘要分析。本文针对 SSVEP-BCI 使用过程中疲劳可能引起不适及系统性能下降的问题，提出以 EEG 小波熵特征检测疲劳的方法，主要贡献是识别低频小波分量的熵特征，并评估其相对于传统熵特征及常规疲劳指标的分类价值。 方法先对 EEG 进行小波分析，获得不同层级的近似分量和细节分量，再计算这些分量的样本熵作为分类特征。因此，文中的“小波熵”具体涉及小波分解后各分量的样本熵，而不能仅凭名称理解为小波能量分布的熵。小波类型、分解层级、样本熵参数、分析窗长度与分类器设置尚未验证。 作者报告，在区分任务前清醒状态与任务后疲劳状态的实验中，0–4.6875 Hz 低频分量的熵是最重要的特征；所提方法的 Accuracy 为 87.7%，传统熵方法为 65.1%。作者还报告，在使用多种常规疲劳指标的比较中，以新小波熵特征替换 delta 频段幅度后，Accuracy 从 91.9% 提升至 96.5%。这些结果对应摘要所述任务前后状态分类，不能直接外推为连续疲劳程度估计，也不能视为 SSVEP 解码 Accuracy 或 ITR 的改善。 复现与应用评估需核对被试数量、疲劳标签依据、EEG 通道与预处理、数据划分以及属于被试内还是跨被试协议，并确认各特征比较是否采用一致设置。低频特征对眼动、慢漂移等因素的敏感性，以及在线检测延迟和跨会话稳定性，也需要进一步核查；摘要不足以判断这些因素是否已被控制。实验协议、消融及统计信息尚未验证。

1月1日周二
  1. OpenReview · EEG71

    基于 EEG 多尺度熵的 SSVEP-BCI 疲劳评估

    基于摘要分析。该研究针对 SSVEP-BCI 使用过程中疲劳导致用户不适及系统性能下降的问题，提出基于 EEG 多尺度熵（Multi-Scale Entropy，MSE）的客观疲劳指数，并在 12 名被试的实验中进行验证。其主要贡献是探索以多时间尺度的脑活动特征评估疲劳，而非仅依赖 EEG 频谱指标。 机制方面，作者将多个时间尺度上的脑活动同步性作为疲劳评估的切入点，使用 MSE 构建疲劳指数。摘要未给出尺度选择、熵计算参数、EEG 预处理、通道配置或疲劳指数的具体构造，因而尚不能确定其计算流程与在线使用条件。 结果方面，作者报告：在这项 12 名被试的实验中，所提指数与主观疲劳指数显著相关；区分“清醒”（alert）与“疲劳”（fatigue）状态的 Accuracy 为 97%，且显著优于基于 θ、α、β 等 EEG 频谱的既有疲劳指标。摘要未说明这一分类结果采用被试内还是跨被试评估，也未提供数据划分、状态标签定义、相关系数、对照指标具体成绩或显著性检验细节，不能据此推断对新被试或新会话的泛化能力。 该工作直接服务于 SSVEP-BCI 的疲劳监测，但疲劳状态识别不等同于改善 SSVEP 解码性能或降低疲劳。作者提出其可用于现实场景中的智能可穿戴 BCI 和人机协作工效学评估，这些应用的实际有效性仍需进一步验证。复现前应核对刺激与疲劳诱发流程、主观量表、MSE 参数及评估划分；实验协议、消融及统计信息尚未验证。

    阅读价值：该研究将 EEG 多尺度熵用于 SSVEP-BCI 疲劳评估，并报告了与主观疲劳及频谱指标的对照结果，值得核对其状态定义、数据划分和跨被试适用性。

  2. OpenReview · EEG71

    基于 SSVEP 的 BCI 中利用 EEG 多尺度熵进行疲劳评估

    基于摘要分析。研究针对 SSVEP-based BCI 使用中的疲劳评估问题，提出基于 EEG 多尺度熵（Multi-Scale Entropy，MSE）的客观疲劳指标，并在 12 名被试的实验中进行验证。其目标是量化疲劳程度，为理解和缓解用户不适及系统性能下降提供评估工具，而非直接提出新的 SSVEP 解码算法。 方法上，作者将多个时间尺度上的脑活动同步性作为疲劳评估的切入点，使用 EEG 的 MSE 构建指标。摘要未说明多尺度粗粒化方式、熵计算参数、通道选择、时间窗或最终指标的组合方式，这些实现细节尚未验证。 结果方面，作者报告，在该 12 名被试的实验中，所提指标与主观疲劳指标显著相关，并以 97% Accuracy 区分“清醒”和“疲劳”状态；作者还报告，其表现显著优于基于 θ、α、β 等 EEG 频谱信息的既有疲劳指标。摘要未提供相关系数、统计检验细节、分类方法及数据划分，无法确定该准确率对应被试内还是跨被试评估，也不能据此推断对新用户或跨会话的泛化能力。 复现时需核对疲劳诱发流程、主观疲劳量表与状态标签定义、EEG 预处理、MSE 参数，以及所提指标和频谱基线是否采用一致的评估协议。实验协议、消融及统计信息尚未验证。作者将智能可穿戴 BCI 和其他人机协作的人因评估列为应用方向，但摘要中的状态区分结果尚不能证明长期真实场景监测有效，也不能证明利用该指标调整系统后可减轻疲劳或提升 BCI 性能。

    阅读价值：值得核对其多尺度熵疲劳指标与主观疲劳的一致性及相对 EEG 频谱指标的优势，但摘要中的高分类准确率仍需结合被试划分和状态标注协议评估。