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。