استفاده از یک کانال سیگنال نوار مغزی به منظور تشخیص خواب آلودگی با استفاده از یادگیری عمیق

با توجه به سیر صعودی کیفیت و استانداردهای زندگی، افزایش ترافیک جاده ای و متعاقب آن تصادفات رانندگی، به ویژه حوادث ناشی از خستگی راننده یا خواب آلودگی راننده در حال اتفاق است. طبق آمارها، حدود ۷ درصد از تصادفات رانندگی و ۱۶.۵ درصد تصادفات مرگبار ناشی از به خواب رفتن رانندگان است که نشانگر نیاز روزافزون به یک سیستم تشخیص خواب آلودگی است. یکی از رویکردهای محققان در تشخیص خواب آلودگی شامل تجزیه و تحلیل سیگنال های الکتروانسفالوگرافی است و تحقیقات محدودی با استفاده از الگوریتم های یادگیری عمیق در این زمینه انجام شده است. این مطالعه با استفاده از یک مجموعه داده در دسترس عموم که داده های EEG را از ۱۱ فرد ارائه می دهد، انجام شده است. در این مطالعه ۵ (کانال Fz, Pz, Cz, C۳, C۴) مورد مقایسه قرار گرفت و تنها یک کانال EEG برای تشخیص خواب آلودگی استفاده شد. تحقیقات قبلی از رزولوشن زمانی باالتر از ۳ ثانیه استفاده می کردند، اما در این کار از رزولوشن زمانی نیم ثانیه ای استفاده شد که امکان تشخیص سریع خواب آلودگی در رانندگان یا سایر کارهای پرخطر را بدون کالیبراسیون فراهم می کند. نتایج این مطالعه نشان داد که کانال Fz بهترین نتیجه را با دقت ۶۶.۳۴ درصد در بخش های زمانی نیم ثانیه به دست آورد.

کلیدواژه ها:

سیگنال الکتریکی مغز ، خواب آلودگی مغز ، شبکه عصبی پیچشی ، یادگیری عمیق