ارزیابی الگوریتم های مبتنی بر مولفه های طیفی الکتروآنسفالوگرافی در ردیابی خستگی ذهنی رانندگان اتوبوس های بین شهری
- سال انتشار: 1398
- محل انتشار: یازدهمین همایش سراسری بهداشت و ایمنی کار
- کد COI اختصاصی: NCOHS11_417
- زبان مقاله: فارسی
- تعداد مشاهده: 485
نویسندگان
استادیار دانشگاه علوم پزشکی کرمانشاه گروه مهندسی بهداشت حرفه ای، دانشکده بهداشت
استادیار دانشگاه علوم پزشکی کرمانشاه گروه مهندسی بهداشت حرفه ای، دانشکده بهداشت
استادیار دانشگاه علوم پزشکی کرمانشاه گروه مهندسی بهداشت حرفه ای، دانشکده بهداشت
استادیار دانشگاه علوم پزشکی کرمانشاه گروه مهندسی بهداشت حرفه ای، دانشکده بهداشت
استادیار دانشگاه علوم پزشکی کرمانشاه گروه مهندسی بهداشت حرفه ای، دانشکده بهداشت
چکیده
زمینه و هدف: بهکارگیری مولفه های طیفی الکتروآنسفالوگرافی برای تشخیص خستگی راننده به دلیل تنوع در ویژگی هایاستخراج شده از آن بسیار بحث انگیز است و هنوز شاخصی مطمئن برای ردیابی خستگی رانندگان ارایه نشده است، لذامطالعه حاضر با هدف ارزیابی الگوریتمهای مبتنی بر مولفههای طیفی الکتروآنسفالوگرافی در ردیابی خستگی ذهنی رانندگاناتوبوس های بین شهری انجام شد.مواد و روش ها: این مطالعه به روش توصیفی- تحلیلی در روی 30 راننده اتوبوس بین شهری سالم مرد صورت پذیرفت. از رانندگان خواسته شد که یک جاده مجازی یکنواخت را به طول 107 کیلومتر با سرعت ثابت 110 کیلومتر در ساعت در رویشبیه ساز رانندگی کنند. در طول رانندگی به طور همزمان سیگنال های بیولوژیکی با استفاده از دستگاه g.USB amp ساخت اتریش از 14 کانال مغزی در نواحی پیش قدامی، گیجگاهی، مرکزی، آهیانه و پس سری با نرخ نمونه برداری256 هرتز ثبت می شد. پس از فیلترکردن و حذف سیگنال های مزاحم، در نرم افزار Mathworks Matlab R2019a از تبدیلسریع فوریه برای به دست آوردن طیف نمایی باندهای فرکانسی θ ، α و β استفاده شد. سپس تغییرات چهار الگوریتم (1)θ/β؛ α/β (2)؛ α+θ)/β)؛ (3) و(4) (θ + α)/ (α + β) در طول رانندگی بررسی شدند. برای تعیین وجود اختلافات معنادار دراین چهار الگوریتم در نواحی مختلف مغزی و فواصل زمانی 10 دقیقه ای رانندگی از آنالیز واریانس سنجش های مکرر و آزمونتعقیبی بنفرونی استفاده گردید.یافته ها: در الگوریتم 1 بجز ناحیه گیجگاهی و مرکزی (p= 0.074)، در نواحی دیگر مغزی، اختلافات آماری معنادار دیده شد(p= 0.001). بیشترین تغییرات الگوریتم 1 با روند صعودی در طول رانندگی در ناحیه پیشانی (فرونتال) اتفاق افتاد. آزمونهای چند متغیره حاکی از وجود اختلافات معنادار در الگوریتم 1 بین فواصل زمانی 10 دقیقه ای رانندگی بود (F= 1, p= 0.0001). در الگوریتم 2 شاهد کمترین تغییرات در براورد میانگین حاشیه ای در تمام مراحل رانندگی و نواحی مختلف مغزیبودیم. آزمون تعقیبی بنفرونی در الگوریتم 3، اختلافات معنادار در تمامی فواصل زمانی رانندگی گزارش نمود (F= 2, p= 0.007). بیشترین تغییرات در الگوریتم 3 و 4 با روند صعودی مربوط به نواحی پیشانی و مرکزی بودند. بین فواصل زمانیرانندگی اختلافات معنادار در الگوریتم 4 دیده شد (p= 0.001).نتیجه گیری: با توجه به نتایج به دست آمده ظاهرا الگوریتم های 1 و 3 شاخصهای احتمالی مناسب برای ردیابی خستگیذهنی رانندگان اتوبوس های بین شهری می باشند. پژوهش های بیشتر برای شناسایی شاخص های ردیابی خستگی دررانندگان حرفه ای توصیه می شود.کلیدواژه ها
خستگی راننده، الگوریتم، مولفه طیفی الکتروآنسفالوگرافی، شبیه ساز رانندگیمقالات مرتبط جدید
- چالش های برخی گیاهان دارویی استان کهگیلویه و بویراحمد
- Evaluation of Candida auris Colonization using Clinical Skin Swabs: A Single-Center Study in Isfahan, Iran
- Support and Practice of Smoke-Free Eating Places in Sarawak, Malaysia: A Structural Path Analysis
- Rate and Causes of Claim Denials in Iranian Hospitals: A Systematic Review and Meta-analysis
- The Effect of Impulsivity on Addition and Addictive Tendencies: A Meta-analysis
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.