【文献】基于心率变异性和呼吸频率的驾驶疲劳识别模型研究
近期，陆军特色医学中心军事交通伤防治研究室向洪义、廖志康、李 奎、赵 辉联合重庆理工大学张琼敏、王俊杰、王思平、孙丽璐，使用迈尔诺医疗提供的微型12导联心电图系统，用于《基于心率变异性和呼吸频率的驾驶疲劳识别模型研究》。目前，研究成果已发表于《陆军军医大学学报》。
军用车辆是部队摩托化的机动平台和日常机动保障的主要装备，车辆事故是导致军队非战斗减员的主要因素。军车驾驶员作为平台的直接操作者，承受较强心理和生理负荷，容易产生驾驶疲劳。诱发驾驶疲劳的因素多，军车驾驶员因特殊军事任务，更有可能遭受包括昼夜节律、睡眠时间、驾驶时间长度和环境因素等影响而出现驾驶疲劳。陆军在注重能力训练要求中提到强化在职训练，已将抗疲劳驾驶作为重要训练内容。需要指出的是，驾驶疲劳问题在地方道路交通安全中也很突出。
自主神经系统(autonomic nervous system，ANS)通过传入和传出交感神经系统(sympathetic nervous system，SNS)和副交感神经系统(parasympathetic nervous system，PNS)通路调节身体的大部分内部过程(循环、呼吸、消化等)，确保身体稳态环境。研究表明疲劳与ANS功能失衡有关。因此通过分析ANS活动情况对驾驶疲劳的进程进行监测，基于心电图(electrocardiogram，ECG)提取的心率变异性(heart rate variability，HRV)被证实与自主神经系统活动密切相关，因ECG信号信噪比高、易检测和分析，HRV被广泛应用于驾驶员疲劳识别。KNN、SVM、AdaBoost和随机森林等机器学习方法被用于建立驾驶疲劳识别模型，模型预测精度参差不齐，HRV特征纳入参数范围也还存在争议。RESP是影响HRV的重要参数，呼吸过程会影响SNS与PNS活动，导致呼吸性窦性心律失常，但迄今鲜有研究综合HRV和呼吸频率来识别驾驶疲劳。本研究拟使用HRV和RESP参数进行机器学习，探索具有可实施性、适用于不同疲劳程度的驾驶疲劳识别方法，以提升军用车辆事故防范的技术能力。
陆军军医大学学报，2022，44（13）
目的
建立结合心率变异性(heart rate variability，HRV)和呼吸频率(respiratory rate，RESP)的驾驶疲劳识别机器学习模型并明确最优特征子集。方法 2021年6-12月，从陆军军医大学招募20名年龄在20~30岁之间的健康男性志愿者参加疲劳驾驶试验。记录正常睡眠和睡眠剥夺后驾驶员在驾驶任务中的心电信号，提取18维疲劳相关HRV特征值，选择清醒与疲劳状态下存在差异的HRV特征结合RESP作为特征集。比较支持向量机(support vector machines, SVM)、K最邻近(k-nearest neighbor，KNN)、朴素贝叶斯(naive Bayes，NB)、决策树(decision tree，DT)和逻辑回归(logistic regression，LR)这五种经典机器学习方法，筛选最优特征子集，并建立疲劳识别模型。结果 低频功率(low frequency，LF)与高频功率(high frequency，HF)的比值LF/HF、RESP、平均RR间隔(mean RR interval，Mean RR)、样本熵(sample entropy，SampEn)、去趋势波动分析(detrended fluctuation analysis，DFA)短期斜率DFA α1五个特征是疲劳识别的有效特征子集，在SVM中分类效果最好，疲劳识别的准确性、敏感性、特异性分别为87.03%、87.07%、87.13%。其中LF/HF和RESP是最为重要的驾驶疲劳识别指标，两个维度下各个模型的准确性均能达到80%以上，SVM与LR整体表现更好，准确性、敏感性、特异性分别为84.99%、85.13%、82.65%和84.43%、86.49%、82.02%。
资料与方法
1.1 试验对象
2021年6-12月从陆军军医大学招募20名年龄在20~30岁之间的健康男性志愿者参加疲劳试验，试验前采用问卷对参与者的驾驶生涯、健康状况和睡眠习惯进行调查。所有志愿者均健康，日常作息规律。试验前24 h无酒精、咖啡及功能性饮料等神经兴奋物质摄入，未参加剧烈的体育运动，正式试验前1 d佩戴可以检测睡眠时间的手环。试验过程中不能嚼口香糖、听音乐及接听电话，避免主动或被动刺激影响驾驶员的状态。本试验已通过陆军特色医学中心伦理委员会审批[医研伦审(2020)第130号]，在试验前充分告知受试者试验内容并签署《知情同意书》。
驾驶模拟平台：具有高仿真度驾驶感受的6自由度驾驶模拟系统(ZG-06，北京紫光基业)；微型12导联心电图系统(MIC-12DL，迈尔诺医疗)：记录试验全程心电信号，采样频率为500 Hz；HRV分析系统(Kubios HRV Premium 3.5，芬兰)：其计算方式与欧洲心脏病协会的指南一致，各HRV指标意义已充分论述；4K高分辨率摄像系统(海康威视)。华为4Pro手环：监测驾驶员前一晚睡眠时间。
为使模型能够适用于不同疲劳程度下的疲劳识别，增强模型泛化能力，驾驶员参与2次试验，一次为充足睡眠(睡眠时间不小于8 h)条件下的驾驶任务，另一次采用部分睡眠剥夺(3:00-7:00，4 h睡眠时间)诱发疲劳后再参与试验。试验前驾驶员有10 min时间熟悉模拟器操作，熟悉驾驶环境后开始驾驶任务。两次试验开始时间均为上午9：00，在模拟器上执行90 min的驾驶任务，路面有少量的车辆，驾驶环境为白天，在遵守交通规则、不发生交通事故的前提下，驾驶员可以自行决定车速。室内光线充足，空气流通顺畅，室温23 ℃。
用酒精棉球擦拭驾驶员胸部后粘贴心电电极片，确保心电信号能正常采集，试验过程中微型心电图系统全程记录驾驶员ECG。在驾驶员正前方放置摄像系统记录驾驶员驾驶过程中的面部表情及身体活动情况。
结论
LF/HF、RESP是驾驶疲劳识别的有效特征，在基于HRV特征和RESP的驾驶疲劳识别中SVM与LR的整体表现优于其他模型。
微型12导联心电图系统
标准十二导联心电图，支持输出原始数据并导出心率变异性（长程分析和每5分钟的短程分析）数据，满足科研用户的需求。
可支持分析指标：Minimum RR、Mean RR、SDNN、SDSD、Triangular Index、NN50、PNN50、Total Power、VLE Power、LF Power、LF Power、HF Power、VHF Power、LF/HF.....
可支持导出的数据
HRV 每小时短程分析数据
HRV 5分钟短程分析数据
HRV 长程分析数据
