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。