采用嵌入式微型神经网络的耳后 EEG 可穿戴驾驶员困倦检测系统

基于摘要分析。该研究针对传统头皮 EEG 驾驶员困倦检测设备较笨重、依赖外部计算及无线传输的问题，提出集成耳后（BTE）EEG 采集与端侧神经网络推理的可穿戴头带系统，主要贡献是将信号采集、特征提取和嵌入式检测整合为便携方案。 系统从四个提出的耳后位置采集 EEG 并进行预处理，使用 Welch’s method 提取 theta、alpha 和 beta 三个频带的相对功率谱密度（rPSD）比值特征。作者训练了 multilayer perceptron（MLP）与 convolutional neural network（CNN），并在部署至嵌入式设备前与 support vector machine（SVM）比较，随后开展端侧性能基准测试。摘要未交代预处理步骤、频带边界、特征比值的具体定义、网络结构及训练设置。 作者报告，测试结果支持该系统用于端侧驾驶员困倦检测的实用性与可行性；但摘要未提供检测指标、推理时延、内存占用或功耗数值，因此尚不能量化其相对外部计算方案的收益，也不能判定 MLP、CNN 与 SVM 的性能排序。 该工作的阅读重点是耳后采集位置、频谱特征与嵌入式部署之间的工程衔接，而非摘要中已证实的全新解码算法。被试规模、困倦标签获取方式、驾驶任务环境、被试内或跨被试划分、硬件配置及代码可用性均尚未验证；实验协议、消融及统计信息尚未验证。评估复现价值时，应优先核对上述条件，以及耳后 EEG 在运动伪迹和佩戴变化下的检测稳定性，不能仅凭端侧可运行推定其具备真实道路应用可靠性。