Результаты разработки средств объективного контроля состояния бодрствования

Аннотация

Н.А. Михайлов, И.В. Фудимов

Проведен обзор методов контроля состояния, разработаны аппаратная платформа и программный алгоритм реализации выбранного метода применительно к задаче оперативного определения наступающей дремоты у операторов систем человек-машина.  Проведена экспериментальная проверка работы устройства. До недавнего времени, аналогичные устройства широкого распространения не имели. Высокая скорость работы и достоверность, относительно известных аналогов, были достигнуты за счет применения современной элементной базы и новейших исследований в области нейрокибернетики.
Ключевые слова: дремота, оператор, контроль состояния, анализ электроэнцефалограммы, одновременно,  амплитудный анализ, спектральный анализ, дисперсионный и корреляционный анализ, аппаратная платформа, программный алгоритм, испытания. № гос. регистрации 0420900096\0013

05.13.01 - Системный анализ, управление и обработка информации (по отраслям)

ФГУП «РНИИРС»

В современном мире человеко–машинных систем (диспетчерская служба аэропортов, машинист-электровоз, водитель-автопоезд и т.д.) резко возрастает психофизиологическая нагрузка на составляющую этой системы – человека-оператора. Одним из самых опасных факторов «отказов» нормативной работы такой системы является дремота (засыпание) оператора даже в тех видах деятельности, когда перед каждым выходом на дежурство (работу) оператор проходит медицинское освидетельствование основных показателей физической готовности к исполнению функциональных обязанностей. Количество исследований, посвященных этой проблеме увеличивается, наибольшую сложность представляет поиск эффективных критериев для создания систем контроля состояния оператора, которые позволили бы максимально объективно и оперативно (единицы и доли секунды) определять момент перехода от состояния бодрствования к наступление дремоты.
Используемые в настоящее время, как в нашей стране, так и за рубежом, средства контроля бодрствования не обладают достаточной достоверностью (30–75%) и малым временем определения преддремотного состояния (более 30 секунд) [1,2].
Целью настоящей работы являлось создание мобильного устройства, позволяющего определять наступление преддремотного состояния оператора (водителя).
Для достижения цели необходимо решить следующие задачи:
-провести анализ существующих способов определения преддремотного состояния для выбора и создания наиболее эффективного алгоритма работы системы контроля состояния оператора;
- разработать аппаратные средства;
- разработать программное обеспечение функционирования системы;
-получить эталонные записи для проверки работоспособности и настройки устройства, оценки его эффективности.
Для решения задачи оперативного определения функционального состояния человека-оператора применяются разные методики, которые можно разделить на две группы: физиологические и нефизиологические. Нефизиологические: по времени реакции на стимул [3], по движениям головы и глаз [4].Использование этих методик оправдано, если ложное срабатывание не влечет за собой аварийную ситуацию, это ограничивает область их применения. Физиологические: по электродермальной активности (ЭДА) [5], по деятельности сердца [6], по анализу электроэнцефаллограммы (ЭЭГ) [7,8].
Параметры ЭДА сильно изменяются в ответ на чувственные или эмоциональные стимулы. Влияние этих мешающих факторов необходимо устранять, чтобы выделить изменение значения, связанное именно с дремотой. Таким образом, существующие системы, основанные на ЭДА, оценивают изменение уровня активности человека в ответ на стимулы, но не могут зарегистрировать момент наступления дремоты. Метод распространен и используется для контроля водителей поездов.
Во втором методе расплывчаты пороги наступления дремоты – т.е. насколько чувствительна частота сердечных сокращений, и насколько быстро изменяется эта частота при изменении уровня бодрствования. Кроме того, на частоту сердечных сокращений могут влиять многие психологические процессы, такие как страх или волнение. Главное, что этот метод не имеет надежных критериев, поэтому может использоваться только параллельно с показателями дыхания или кожно-гальванической реакции.
Определение преддремотного состояния по параметрам ЭЭГ является наиболее надежным и быстрым. В качестве отличительной черты можно отметить принцип заблаговременного прогнозирования состояния человека, а не фиксирования косвенных признаков уже наступившей дремоты.
Ростовская школа нейрокибернетики достигла в исследованиях метода, разработке алгоритмов достаточно больших результатов [7]. Это позволило продвигаться в инженерную область практической программно-аппаратной реализации технических средств.
Амплитуды ЭЭГ сильно различаются у разных людей и зависят от условий получения, таким образом, абсолютные значения амплитуды не могут служить однозначным источником данных о функциональном состоянии. Однако одновременный амплитудный, спектральный, дисперсионный и корреляционный анализ, а также предварительная калибровка на индивидуальные особенности сигналов ЭЭГ позволяет увеличить вероятность и скорость определения преддремотного состояния и уменьшить число ложных срабатываний по сравнению с чисто амплитудными методами.
При проведении медицинских исследований используются более 20 точек отведения сигнала, для оценки функционального состояния оператора и диагностики его преддремотного состояния при реализации мобильного комплекта аппаратуры достаточно использование сигналов с 4 точек отведения: два с центральной области и два с затылочной области. Наиболее информативными диапазонами спектра ЭЭГ являются альфа (10-14 Гц), тета (3-8 Гц) и дельта (1-3 Гц). Полученные данные проверяются на соответствие нижеперечисленные критериям:
1. Перераспределение спектральной плотности сдвиг в область низких частот (тета-диапазон) вследствие увеличения доли тормозных процессов головного мозга [8].
2. Возрастание мощности альфа ритма в (передних) центральных областях мозга по отношению к затылочным [9] – смещение фокуса доминирующей активности из-за рассогласования корково-подкорковых взаимодействий.
3. Возрастание мощности в тэта и дельта диапазонах ЭЭГ [10] – возрастание влияния подкорковых структур и ослабление контролирующих корковых.
4. Мгновенный рост коэффициента межполушарной когерентности в альфа диапазоне ЭЭГ [3].
5. Увеличение периода (замедление) альфа ритма [4].
6. Резкое увеличение мощности альфа ритма [10].
7. Снижение мощности альфа ритма при одновременном росте мощности ЭЭГ в тэта диапазоне [10].
8. Появление полимодальности в альфа диапазоне - на спектре вместо одного выраженного пика на ведущей частоте появляются несколько (два-три) пиков [4]. Ослабление регулирующих посылок вызывает нерегулярность (разброс частоты) альфа-ритма в результате рассогласования деятельности регулирующих стволовых структур.
При реализации аппаратуры и программного алгоритма для обеспечения достоверности регистрации ЭЭГ сигналов учитывались следующие особенности: низкий уровень сигнала (50-100 мкВ), наличие значительного постоянного напряжения смещения (до 30 мВ), высокое выходное сопротивление источника сигнала (до 1 МОм), наличие сетевой помехи 50 Гц (на уровне до 100 мВ).
Структурные схемы аппаратуры приведены на рисунке 1 и рисунке 2

Рис 1. Структурная схема носимой части (усилитель - передатчик).

Рис 2. Структурная схема стационарной части (приемник - вычислитель).

Фотографии разработанного устройства определения преддремотного состояния оператора представлены на рисунке 3.

а	б	в

                                                                   
Рис 3. а) Передатчик, б) набор электродов, в)  приемник-вычислитель.

Сигнал с четырех датчиков  по кабелю поступает на вход первого каскада усилителя. Отличительной чертой этого каскада является высокое входное сопротивление, двуполярное питание, высокое подавление синфазной помехи. Коэффициент усиления каскада не превышает 10 дБ. За ним расположен активный фильтр, построенный на операционном усилителе и имеющий полосу пропускания 0,5-30 Гц, сигнал с которого поступает на оконечный усилитель, который осуществляет основное усиление сигнала (27 дБ) и совмещение амплитуды сигнала с динамическим диапазоном АЦП. АЦП имеет разрядность 12 бит и совершает 1000 выборок в секунду по каждому из каналов ЭЭГ. Сигнал с АЦП обрабатывается процессором, кодируется для повышения помехоустойчивости и передаётся по радиоканалу на приёмно-обрабатывающий модуль, в котором подвергается основной цифровой обработке.
Основная часть алгоритма цифровой обработки принятого ЭЭГ сигнала осуществляется программным обеспечением приёмника и состоит в следующем:
Поток ЭЭГ данных, передаваемый передатчиком по радиоканалу, обрабатывается программным драйвером, обслуживающим физическую линию. Затем из потока ЭЭГ данных выделяются посторонние сигналы (артефакты). Далее поток ЭЭГ данных передается в модуль первичной фильтрации и коррекции, который удаляет из ЭЭГ низкочастотную составляющую и возможную наводку сети 50 Гц. Далее сигнал подвергается фильтрации, при которой из текущей ЭЭГ выделяются частотные диапазоны соответствующие физиологическим диапазонам альфа и тета ритмов. Затем осуществляется вычисление значения амплитуды для соответствующих диапазонов ЭЭГ и вычисляются значения параметров состояния оператора. Окончательное решение о наступлении преддремотного состояния оператора принимается по поведению результирующего параметра – взвешенной суммы нормированных значений, рассчитанных ранее. Превышение скользящего среднего результирующего параметра критического значения в течение 2-х и более секунд считается признаком наступления преддремотного состояния и сопровождается соответствующей индикацией.
Для проведения экспериментальной проверки работы устройства необходимы эталонные сигналы, которые могли быть однозначно определены как сигналы, несущие признаки наступающей дремоты. Для проверки работы системы решено было сделать две группы записей ЭЭГ по 14 испытуемым: записи в бодром состоянии, днем, на рабочем месте, до обеденного перерыва (длительность записи – около пятнадцати минут), записи в состоянии сильного утомления, ночью, во время управления автомобилем. При этом были созданы условия, стимулирующие засыпание – прямая загородная дорога с минимумом встречного транспорта, низкая скорость, тепло в салоне, отсутствие отвлекающих факторов – музыки и разговора. Наблюдатель, находящийся в машине, фиксировал внешние признаки наступления дремоты. Длительность записи – около двух часов.
Первая запись использовалась для калибровки на индивидуальные особенности испытуемого, после чего вторая запись проверялась на наличие признаков наступающей дремоты и при необходимости, на основании записей наблюдателя производилась корректировка алгоритма, которая состояла в подборе весовых коэффициентов критериев дремоты, уточнении рабочих диапазонов частот и времен усреднения результатов анализа.
Получены ЭЭГ записи условно бодрого и дремотного состояния 14 человек-водителей в условиях, максимально приближенных к реальным, используемые для проверки работоспособности устройства.
После корректировки алгоритма производилась повторная проверка на записях ЭЭГ.
Выводы.

1. Определено, что ЭЭГ сигналы позволяют наиболее достоверно и оперативно получать информацию о наступлении преддремотного состояния человека;
2. На основе рассмотренных ЭЭГ критериев преддремотного состояния разработан и реализован программный алгоритм и разработана мобильная компактная аппаратная платформа, обеспечивающая непрерывный ЭЭГ мониторинг состояния оператора;
3. Разработанное мобильное устройство позволяет определять наступление преддремотного состояния человека с вероятностью срабатывания не менее 85% на полученных ЭЭГ записях. Время принятия решения составляет не более 2 секунд.
4. Полученные результаты свидетельствуют о перспективности методики определения наступления преддремотного состояния по мониторингу ЭЭГ сигналов человека-оператора.

Список литературы.         

1. A. Whitlock. Driver Vigilance Devices: Systems Review // Railway Safety. Quintec. 2002
2. A. Williamson, T. Chamberlain. Review of on-road driver fatigue monitoring devices // University of New South Wales. April  2005
3. Nguyen Lan T., Jauregui Beatrice, Dinges David F. Changing Behaviors to Prevent Drowsy Driving and Promote Traffic Safety: Review of Proven // Promising, and Unproven Techniques. August. 1998
4. Orden, K.F., Jung Tzyy-Ping, Makeig, S. Combined eye activity measures accurately estimate changes in sustained visual task performance // Biological Psychology. 2000. 52, p.221-240.
5. J.L. Andreassi (ed.). Mental activity and electrodermal phenomena // Psychophysiology: Human Behaviour and Physiological Response, 3rd edn. Hillsdale. 2001. p175-180
6. Баевский Р. М., Кириллов О. И., Клей­кий С. 3. Математический анализ изменений сердечного ритма при стрессе  М., 1984.
7. Владимирский Б.М. Проблемы космической биологии. Функциональное состояние человека-оператора. Оценка и прогноз  М. 1991
8. Коган А. Б., Думбай В. Н., Власкииа Л. А., Шабельницкая А. А.  Физиологические основы утомления человека. Ижевск, 1978
9. Makeig, S., Jung, Tzyy -Ping, Sejnowski, T.J., Stensmo, T.J. Estimating alertness from the EEG power spectrum // IEEE transactions on biomedical engineering. 1997. Vol. 44, no. 1.
10. Gillberg, M., Kecklund, G., & Akerstedt, T. (1994). Relations between performance and subjective ratings of sleepiness during a night awake // Sleep 17(3), 236-241.