测量大脑功能的汽车司机利用功能性近红外光谱(fNIRS)

文摘

本研究的目的是提出一个方法来分析被测信号获得功能性近红外光谱(fNIRS),这对汽车司机适用于神经影像学研究。我们开发了一种信号处理方法,基于离散小波变换的多分辨率分析(MRA)。使用z分数统计组分析是提取后进行任务相关使用MRA信号。大脑活动的主题有不同程度的心理计算衡量fNIRS和功能磁共振成像。fNIRS心理计算结果与九个受试者通过使用和功能磁共振成像表明,该方法是有效的大脑活动由于评估的任务。最后,应用该方法评价脑功能的汽车司机有或没有自适应巡航控制系统(ACC)系统,说明了该方法的有效性。结果表明,额叶与ACC主题开车时不活跃。

1。介绍

近年来,各种驾驶辅助系统已经开发出来,以确保安全通过减少司机的工作负载。例子包括自适应巡航控制系统(ACC)系统,它维护了一个司机的车辆之间的安全距离,前方的车辆和lane-keeping援助系统,使汽车在一个车道通过转向支持。

但也有可能,虽然司机工作量减少了,司机的注意力也减少了,导致意想不到的事故。因此,有必要检查司机工作负载从认知工程和人体生理学的观点。有必要澄清司机工作量和大脑活动之间的关系,包括识别和判断。也就需要评估司机的注意力和澄清的大脑活动和驾驶性能之间的关系。

少量的神经影像学研究使用在汽车驾驶模拟器研究大脑活动。在这些研究中(1,2),功能性磁共振成像(fMRI)已被使用。然而,功能磁共振成像有许多缺点在评估驾驶性能,因为它需要的主题在评价和躺在一个狭窄的缸不允许身体的运动,尤其是头部。这种情况使得驾驶任务不现实和不自然。

近红外光谱(NIRS)近年来引起了人们的关注3,4]。评估这种非侵入性技术利用近红外光的增加或减少氧合血红蛋白或组织缺氧血红蛋白从身体表面。

NIRS可以实时检测大脑的血流动力学,而主题是运动。因此,可以测量大脑活动在不同的环境中。最近的研究使用功能性近红外光谱(fNIRS)来测量大脑活动的火车司机5,6]。清水等人fNIRS用来评估汽车司机的心理活动使用驾驶模拟器(7]。

各种参数都聚焦在信号来自fNIRS的解释,也没有统一的信号处理方法尚未建立。平均和基线校正传统信号处理方法用于fNIRS的信号。这些方法需要块设计、实验技术,包括重复相同的刺激(任务)和多次休息为了检测任务时大脑活动。然而,它已被指出,大脑活动逐渐下降,当一个主题多次重复相同的任务(8]。

傅里叶分析,经常用于信号分析、变换在时域信息通过傅里叶变换到频域。然而,时间信息丢失的变换。随着fNIRS信号不稳定性质,适用于fNIRS的信号时频分析。

小波变换是一种有效的时频分析方法(9]。它适应窗口宽度在时间和频率,以便窗口宽度的频率变得越来越小,当时间窗口宽度大,频率或窗口宽度变大时,窗口宽度很小。多分辨率分析(MRA) (10将信号分解成不同尺度的决议。正交小波基的MRA有助于完成信号的分解和重构有效不丢失原始信息的信号。

此外,氧合血红蛋白和脱氧血红蛋白测量fNIRS的相对价值从一开始的测量,为主题和多变的大脑的一部分。因此,fNIRS的简单平均信号不应申请统计分析。为了解决这个问题,我们提出z分数fNIRS信号进行统计分析。

这项研究的目的是提出了信号处理方法适合fNIRS信号,适用于汽车司机使用fNIRS的神经影像学研究。在本文中,我们首先描述的原则与fNIRS测量大脑活动。然后,我们提出了离散小波多分辨提取任务相关信号从原始fNIRS录音。我们进行了同步测量实验和fNIRS fMRI使用心理计算任务来证实该方法的有效性。fNIRS z分数信号提出了统计分析。我们展示该方法的可能性评估司机的大脑活动在现实的驾驶环境。

2。fNIRS的原则

使用近红外射线,fNIRS无创测量脑血流量的变化。其测量原理是由Jobsis [11),是基于测量血红蛋白氧化的脑血流量。

在均匀分布的组织,入射光被吸收和散射衰减。因此,以下表达式,修改Lambert-Beer法律,使用:

在这里,是光的辐照量;探测到的光量;是吸收系数;浓度;平均路径长度;是散射项。

如果假设没有散射的变化脑组织发生在大脑的激活,吸收在激活的变化可以表示通过以下表达式: 此外,如果假设的变化浓度()氧合血红蛋白的变化成正比()和缺氧血红蛋白(),可以获得以下关系表达式:

氧合血红蛋白和脱氧血红蛋白的吸收系数在每个波长,和是已知的;因此,和可以通过执行测量获得近红外射线的两个不同波长和求解联立方程(3)。然而,这里的物理量得到的产物浓度的变化和平均路径长度;所以应该小心。

一般来说,平均路径长度变化很大程度上从一个人到另一个,从一个到另一个部分。因此,必须注意评估结果。

3所示。fNIRS的信号处理方法

3.1。fNIRS信号的记录

心理计算任务,低级任务:简单的一位数加法(例如,),高级任务:与小数减法和除法(例如,),将获得fNIRS的信号。大脑前额叶的活动用fNIRS测量。测量仪器是多通道fNIRS仪器、石- 3000,日本岛津公司公司、日本(12]。

图1说明了光纤的安排单位和每个通道的位置(矩阵,32通道)。图2显示历史记录时间的氧合血红蛋白(红线,表示oxy-Hb)和缺氧血红蛋白(蓝线,表示deoxy-Hb) 20频道号码。

3.2。fNIRS信号的分析

在fNIRS的分析中,需要单独的噪声相关的任务,这不是自fNIRS措施不仅大脑活动在任务的信号还其他信号,包括测量噪声。

一般而言,氧合血红蛋白和脱氧血红蛋白的变化当大脑被激活并恢复到原始状态表现出趋势见图1(13]。因此,如果这些信号可以从测量信号中提取,很明显,大脑被激活。

平均和基线校正是传统的信号处理方法。这些方法需要块设计、实验技术,包括重复相同的刺激(任务)和多次休息为了检测任务时大脑活动。

平均数据的方法是平均每个任务。由平均随机生成的声音接近零,只剩下期刊数据。平均反复生成类似的反应时是有效的。然而,对于脑血流量,有大量散射反应相同的刺激,平均信号的可靠性较低,可以创建和虚假信号。此外,它是可能的,即使是重要的信号平均后可能会察觉。

基线校正纠正一个块的开始点和结束点为零移除温柔的趋势,基于假设血液流动在任务块恢复到初始状态。然而,由于血液流动包括不规则波动,参考点是不稳定的。因此,如果整个块修正仅基于这两点,信号可能会扭曲。

图4显示了基线校正的结果申请fNIRS信号(图2移动平均线)后去除高频噪声的25个数据。图5显示额叶的脑功能成像。应该注意的是,大脑活动逐渐下降,当一个话题多次重复相同的任务。

3.3。使用小波变换fNIRS信号的分解和重构

3.3.1。小波变换

傅里叶分析,经常用于波形分析,将信息在时域转换成通过傅里叶变换在频域的信息。然而,时间信息丢失的变换。

短时傅里叶变换,或窗口的傅里叶变换,可以用于信号的时频分析。然而,检测能力变化在很大程度上,取决于窗口的设置。

相比之下,小波变换是一种有效的时频分析方法。它适应窗口宽度在时间和频率,以便窗口宽度的频率变得越来越小,当时间窗口宽度大,频率或窗口宽度变大时,窗口宽度很小。

小波变换表达当地波形的形状进行分析,通过转移和扩张的波形称为母小波,,然后分析了波形。

连续小波变换是由

在连续小波变换、信息是重复的,需要很多的计算。因此,表达的方法(5),一个和b是离散的,称为离散小波变换:

在哪里

离散小波变换处理一个更小的体积比连续小波变换的信息,但它能够更有效地变换信号。此外,使用一个标准正交基促进完全重建原始信号没有冗余。下面的部分将介绍分解和重建信号的使用多分辨率分析(MRA)。

3.3.2。多分辨率分析(MRA)

多分辨分解信号使用离散小波变换成一个树状结构。多分辨分解对象时间序列信号,到一个近似组件(低频分量)和多个详细的组件(高频组件)。

信号可以表达如下离散小波变换使用一个标准正交基:

在这里,是扩展函数定义由以下方程。

系数的近似计算组件 详细的组件的信号水平米可以表达的 因此,原始信号,可以表示为 因此,它是可能的重建任务相关组件从多个详细的组件。

小波变换的母小波的选择是很重要的。我们使用Daubechies小波(14),这是和紧支撑小波正交基地。消失的时刻Daubechies小波通过索引可以改变。我们决定使用一个相对高阶生成指数,。

图5介绍了MRA的氧合血红蛋白结果频道数20日任务相关的变化是显著的。这里的被测信号分解成十的水平。整个实验的趋势是近似提取组件(一个₁₀),最低频率范围。在这里,d₁和d₂,最高频率范围,有一个相对较大的振幅。这有可能是测量噪声。因为重复的任务和休息的时间间隔是64秒,d₈组件的核心任务相关的变化。因此,信号被添加重建d₇,d₈,d₉组件。

重建信号如图6。应该注意的是,氧合血红蛋白和脱氧血红蛋白的激活模式,如图3是观察到的非常清楚。对比图4(传统方法)和图6(方法)显示了该方法的更好的性能。结果表明,氧合血红蛋白增加,大脑被激活在心理计算任务。

4所示。测量工作负载使用心理计算任务下的脑功能

确认信号处理方法的有效性在前一节中解释的那样,我们测量通过同时使用fNIRS和功能磁共振成像大脑功能。

4.1。设定的工作负载

测量大脑活动在工作负载下,我们使用精神计算的工作量。心理计算任务设置为低、中、高水平如下:

(我)低级任务:简单的一位数加法(例如,);(2)中级任务:一位数的三个数字(例如,);(3)高级任务:与小数减法和除法(例如,)。

实验给出了图的设计7。每组由28秒的任务和36秒休息的秩序。通过为每个级别以随机的顺序安排三组,共九组实验进行了超过592秒。

28 seconds-task由14问题2 seconds-intervals低水平的10个问题在2.8 seconds-intervals中级水平,或两个问题在14 seconds-intervals高水平。主题显示在电脑屏幕上回答出问题,没有说话。36 seconds-rest时间期间,主题休息而稳步盯着十字架标志显示在电脑屏幕上。

4.2。fNIRS和fMRI录音

大脑前额叶的活动同时测量使用fNIRS和功能磁共振成像。fNIRS数据收集石- 3000,日本岛津公司公司,日本,在磁共振扫描仪。

功能磁共振成像数据收集(3毫米厚度,40片)西门子Symphony 1.5 T (T2 *三gradient-echo序列,毫秒,毫秒,度,像素,毫米)。整个大脑图像获得t1加权图像(毫秒,毫秒,度,毫秒,1毫米³体素,毫米)。

fMRI数据预处理使用统计参数映射(SPM99,欢迎成像神经科学、英国)归一化对比图像平滑与各向同性高斯内核(毫米)。地区的利益(roi)被定义为集群10或更多的像素点的参数估计从零值明显不同()。

受试者9名健康男性和女性。光纤单元的布置和测量位置如图1。

4.3。fNIRS信号的分解和重构

图8介绍了测量结果通过所有渠道为主题在第一个三个任务。在高水平(即心理计算任务。,the third task), oxygenated hemoglobin increased deoxygenated hemoglobin decreased on both outer sides of the frontal lobe.

图9介绍了MRA的氧合血红蛋白结果频道号码26日任务相关的变化是显著的。整个实验的趋势是近似提取组件(一个₁₀)。因为重复的任务和休息的时间间隔是64秒,组件的核心任务相关的变化。因此,信号被添加重建,,组件。

重建信号的频道数如图2610。结果表明,氧合血红蛋白增加,大脑被激活在心理计算任务。此外,这种变化成为更大的心理计算任务变得更高。

图11显示了fNIRS比较功能性大脑成像的功能磁共振成像和方法。功能磁共振成像图像的矩形表示该地区fNIRS的测量。fNIRS的图片一致的功能磁共振成像在不同工作负载水平。这个结果支持MRA与离散小波变换的有效性。

4.4。统计分析

fNIRS的信号表达的量相对变化使用起点作为参考;然而,比较对象之间的测量或测量的统计处理的对象不能使用这个信号来实现。因此,我们提出一个方法来转换数据的氧合血红蛋白和脱氧血红蛋白的使用以下表达式,通过查看到z得分的平均值是0和标准偏差是1:

在这里,氧合血红蛋白的信号或缺氧血红蛋白使用MRA重建;是他们的平均值;标准偏差。

图12显示了平均fNIRS信号使用z分数九个科目。应该注意的是,不同的工作负载水平是反映在氧合血红蛋白浓度的梯度。图13显示了九个学科组分析的结果。功能磁共振成像图像的矩形表示该地区fNIRS的测量。fNIRS的图片一致的功能磁共振成像在不同工作负载水平。这个结果支持该方法的有效性。

4.5。主观和客观评估工作量

在这个实验中,每个主题是测量的工作负载使用日本版本的NASA-TLX评估精神的工作负载之间的相关性计算任务和fNIRS的客观评价。NASA-TLX由六个措施:精神需求,物质需求,需求时间,工作表现,努力,和沮丧。工作量评估之前,这个主题进行一对一的比较元素的重要性的工作负载参与任务的性能。

每个的重量测量是基于一个元素被选中的次数,更重要的是在15一对一的比较。当评估每个任务的工作量,在适当的位置放置一个标记段画两个极端之间的六大措施。

加权负载(“全球词典”)得分是通过阅读获得的位置每个评估马克在0到100的规模和乘以每个测量的重量由一对一的比较,然后平均所有的产品。

图14介绍了“全球词典”的主题由NASA-TLX确定。当任务工作量成为高一级的是更高的。

图15显示9学科评估结果使用的最大梯度含氧血红蛋白在任务与不同工作负载水平。瑞安多元测试使用方法使用。高级和低级任务或任务之间的显著差异之间的高级任务,可以观察到中级任务。表现出很好的相关性与NASA-TLX进行主观评价。这个结果证实的可行性评估工作负载使用的信号从fNIRS获得的脑血流量。

5。测量大脑功能的汽车司机

机动车驾驶员对周围环境获得视觉信息,识别和判断适当的信息,然后通过方向盘控制自己的车,油门和刹车踏板操作。人类大脑活动功能来控制这些过程。在有必要的情况下预测意想不到的危险,人们认为一个司机的大脑活动增强认知功能通过自发提高水平的关注。开发驱动程序支持系统过程中,重要的是要有一个清晰的理解人类大脑活动在这样的驾驶情况。

5.1。任务的内容

验证驱动负载自适应巡航控制系统(ACC)可以减少评估从大脑活动,我们做了一个实验,涉及使用驾驶模拟器跟随车辆(图16)。

驾驶模拟器的主要规格如下:尺寸:2440毫米(W)* 2280毫米(H)* 1850毫米(D),前视图:宽了(138度)屏幕投影,DLP投影机像素总数为780000 (XGA),后方的观点:三镜独立液晶显示器640 * 480像素(VGA),计算机图形学:重绘速度:30到60火焰/ s,和仿真系统:6轴运动基本系统使用6电动螺杆气缸。

驾驶考试进行了以下两个条件:一个涉及车辆利用ACC后,所涉及的其他车辆后没有ACC开车时。主体执行实践运行变得有些熟练处理驾驶模拟器,然后把每个条件下的两倍。大脑活动在一个条件相比,在其他条件。

5.2。测量方法

大脑额叶的活动用fNIRS测量。图17描述了一个场景的实验。测量仪器是一个近红外成像设备,石- 300,日本岛津公司公司,日本。图18阐述了光纤的安排单位(矩阵,42频道)。之间的数字发光纤维单元和感光纤维单元表示测量通道;通过共42渠道进行测量。此外,也记录在驾驶模拟器驾驶性能测量大脑活动。四个男性受试者,20多岁的健康状况和普通驾照,参加。

5.3。fNIRS信号的分解和重构

fNIRS的信号包括信号不相关的大脑活动(如噪声的测量仪器,影响呼吸和血压的变化)。有必要删除这些不相关的信号来评估大脑活动的细节。因此,测量了fNIRS信号通过多分辨分解使用离散小波变换,和相关的组件驾驶任务是重建。然后,使用z分数组分析是对所有受试者进行的。

5.4。结果

数据19和20.描述之间的关系时大脑活动主题后分馏手动工具不使用ACC和,当使用ACC(26频道外右额叶的一部分)和车辆速度。

图19礼物组的结果分析四个司机没有ACC,和图20.介绍了与ACC的结果。图(19日)证实,氧合血红蛋白增加当开车没有ACC和下半年的高价值的任务。脑功能成像图19 (b)确认,如常见的大脑活动,外部的部分额叶开始活跃在驾驶任务。

图20(一个)开车时表明,氧合血红蛋白没有增加与ACC的使用。此外,脑功能图像如图20 (b)表明,额叶是比开车没有ACC主题时不活跃。这个结果可能反映了ACC的减少驱动负载。

6。结论

信号处理方法提取任务相关组件和基于离散小波变换的多分辨率分析(MRA)提出了fNIRS。然后集成开发多个科目使用z得分的数据统计组分析。

主体的大脑活动被不同程度的心理计算给定的工作负载任务测量fNIRS和功能磁共振成像。fNIRS的图像采用该方法同意功能磁共振成像图像在不同工作负载水平。这些结果表明,该方法是有效的评估fNIRS大脑活动来衡量。

大脑活动的变化与工作负载被NASA-TLX与主观评价的工作负载。好之间的相关性观察大脑活动被fNIRS和工作负载从NASA-TLX获得的分数。这个结果表明,它可以评估工作负载从fNIRS的脑血流量信号。

驱动负载的减少是否由ACC可以从大脑活动评估是评估通过使用驾驶模拟器实验。结果显示,而外层部分额叶是活跃在与主题开车时驾驶性能没有ACC,它表示没有相关活动使用ACC驾驶性能。这些结果说明的可能性评估驾驶辅助系统通过评估驾驶工作负载使用fNIRS从测量大脑活动。

神经影像学研究使用fNIRS的汽车司机应该进行数量的增加科目。我们不能得出这样的结论:降低大脑活动通过减少驾驶工作负载导致安全驾驶;因此,在未来,我们将设计和评估驾驶辅助系统,需要一个适当的水平的大脑活动。

承认

这项工作是支持的日本大学多学科研究格兰特在2006年和2007年。

引用

1. y中山教授,k .电子束曝光,a . Kozato t·冈田克也和n . Sadato”的神经基质驾驶在一个安全的距离:功能性磁共振成像研究中,“神经学字母,卷352,不。3、199 - 202年,2003页。视图:出版商的网站|谷歌学术搜索
2. h·j·施皮尔和e·a·马奎尔,”神经基质的驾驶行为,”科学杂志,36卷,不。1,第255 - 245页,2007。视图:出版商的网站|谷歌学术搜索
3. y法师:小林,m .(“近红外光谱信号的解释:一个新开发的大脑灌注大鼠模型,研究”应用生理学杂志,卷90,不。5,1657 - 1662年,2001页。视图:谷歌学术搜索
4. m(“功能性近红外spectoroscopy”,神经科学的进步;C系列卷,47号6,891 - 901年,2003页。视图:谷歌学术搜索
5. t .小岛,h . Tsunashima t . Shiozawa h .高田和t .酒井法子,“测量火车司机的大脑活动功能近红外光谱(fNIRS)”光学和量子电子学,37卷,不。13 - 15,1319 - 1338年,2005页。视图:出版商的网站|谷歌学术搜索
6. t .小岛,h . Tsunashima和t . y . Shiozawa”测量火车司机的大脑活动功能近红外光谱(fNIRS)”计算机在铁路X英国南安普顿,智慧出版社,2006年。视图:谷歌学术搜索
7. t .清水,s . Hirose h . Obara et al .,“测量大脑额叶皮质的活动应由驱动负载和增加关注,“SAE纸2009-01-0545,SAE国际Warrendale,宾夕法尼亚州,美国,2009年4月。视图:谷歌学术搜索
8. k .高桥:小林,渡边n和t . Harada”评价的初步实验使用大脑活动,基于虚拟现实训练系统”学报11日日本的虚拟现实社会的年度会议卷。11日,页。354 - 355年,2006年9月日本仙台。视图:谷歌学术搜索
9. s . Mallat小波信号处理、学术出版社,伦敦,英国,1998年。
10. s . g . Mallat”多分辨率信号分解的一个理论:小波表示,“IEEE模式分析与机器智能,11卷,不。7,674 - 693年,1989页。视图:出版商的网站|谷歌学术搜索
11. f . f . Jobsis”,非侵入式、红外监测脑和心肌氧充足和循环参数,“科学,卷198,不。4323年,第1267 - 1264页,1977年。视图:出版商的网站|谷歌学术搜索
12. Kohno,石川,s . Tsuneishi t . Amita k .清水和y Mukuta“功能性近红外成像系统的应用程序开发,”日本岛津公司审查,卷63,不。3 - 4、195 - 200年,2006页。视图:谷歌学术搜索
13. s . a . Huettel a . w .歌曲,和g .麦卡锡功能性磁共振成像,Sinauer Associates,桑德兰,质量,美国,2004年。
14. Daubechies,十个专题小波在应用数学没有CBMS-NSF地区会议系列。61年暹罗,费城,宾夕法尼亚州,美国,1992年。

版权

版权©2009仁Tsunashima平贺柳泽一辉。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。