通过无线、可穿戴式的脑电图系统监测工人在施工过程中的注意力及警惕性

本文是针对论文《通过无线、可穿戴式的脑电图系统监测工人在施工过程中的注意力及警惕性（Monitoring workers’ attention and vigilance in construction activities through a wireless and wearable electroencephalography system）》的一篇论文解析，这篇论文旨在验证一种无线、可穿戴式脑电图设备，在评估工人注意力水平的有效性。该篇论文在2017年发表于《AUTOMATION IN CONSTRUCTION》。

建筑行业是一个高伤亡率行业，建筑工人因长期暴露在危险中，从而对危险变得不太敏感。因此，维持工人的警惕性并监测他们的注意程度，是成功的安全管理措施的关键。本文提出了一种无线、可穿戴的脑电图（EEG）系统，通过处理人脑信号定量、自动地评估工人的注意力水平。通过现场实验，分析工人在施工过程中躲避不同障碍的脑电信号模式，验证了该系统的有效性。实验结果表明，脑电信号的频率、功率谱密度以及空间分布等特征，可以高效反映和量化工人的危险感知水平。特别是，低伽马频带和左前额脑电簇是最直接的工人警惕性状态观察指标。根据以上结论，通过数据滤波和信道优化可促进穿戴式脑电设备的未来实现。

关键词：施工安全、可穿戴设备、注意力、脑电图（EEG）、大脑信号处理

一、研究背景

 施工安全是建设项目成功的重要因素。造成事故的最常见、直接的原因是工人的不安全行为。而选择不安全行为的主要原因是， “客观”风险与工人感知风险之间存在偏差。 风险感知与人们主观的工作记忆（也即脑力负荷）高度相关，当大脑将更多的脑力负荷分配给工作活动时，用于警惕性的脑力负荷就会减少；反之，警惕性越高，对工作活动的关注就越少。因此，有必要测量工人在施工过程中的注意力/警惕性水平，以帮助工人正确认识危险并纠正他们对不安全行为的理解，可以提高施工现场的安全性。

二、研究现状

目前的注意力测评方法是事后的、主观的并且在在施工过程中难以实施的。主要是从行为心理角度通过调查问卷评估工人的不安全行为和警惕性水平，缺乏客观性和可靠性。

三、研究问题

通过无线、可穿戴式的脑电（EEG）系统，建立一种监测工人注意力水平的可行方法，以量化、客观地评估工人的风险感知水平。本研究主要集中在三个问题上：1.不同活动中不同频带的关联 ；2.不同大脑区域的空间性能 ；3.脑电信号模式中的个体差异 。预料有两项挑战：1.脑力负荷和工作复杂性有关；当任务复杂性增加，认知需求增加。2.采集到的脑电因工人个体不同而不同。  

时域分析和频域分析

采用时频和ERP分析，以便从不同角度处理数据并进行交叉参考。时频分析根据神经振荡（频率、功率和相位）、频谱和空间分析来解释结果。通过检测振荡及其振幅、持续时间和周期，特别是强信号强度的峰值，我们可以区分不同的精神状态。原始的脑电数据是根据现场捕捉到的视频中的事件进行标记的，标记事件之后，就会构造一个时间窗口，并且就可以根据不同的活动分离原始数据。ERP分析去除伪迹做数据预处理，然后进行快速傅里叶变换和带通滤波器，滤出感兴趣的频段，如alpha、beta和gamma频段。ERP分析侧重利用统计分析的时域分析 ，时频分析方法的多维频域分析补充了ERP分析。

警惕性和注意力评估

在警惕性研究中，最成熟的评估是EEG-vigilance状态。EEG-vigilance状态分为具有显性α波段和低电压非α波段。EEG-vigilance模型利用F3, F4, O1, O2通道的alpha波段的功率来评估受试者如何感知风险。该分析使用基于时频分析计算出的频带功率和表1中指定的阈值(EEG模式1列)，根据计算出的F3、F4、O1、O2通道的alpha功率和总功率，为实验任务分配相应的警戒状态。

表1脑电图警惕状态及脑电图特征

脑电图空间和地形分析

空间和地形位置是指脑电电极的应用位置。电极的数量决定了脑电监测的空间分辨率，也反映了数据的可靠性水平和分辨率。由于脑电传感器监测的是脑下区域的电场强度，不同的脑电通道的功率直接反映不同大脑活动。本文探讨不同空间信道的功率是如何反映警觉性水平的。地形图是一种普遍且直观的显示监测脑电图空间分布的方法。根据各通道的应用位置，绘制出头皮上的电力分布。与独立成分分析（ICA）结合，地形图说明了在某一警惕性状态下最活跃的大脑区域，有助于确定哪些信道对警惕性更加敏感并设计适当的空间拉普拉斯滤波器。

被试

10名健康的男性工人，平均年龄在51.8±3.7岁，惯用右手，实验前充分休息，每个工人平均每天工作10小时，本人及家人无任何精神疾病，被招募到该项目后，没有接受过正式的工作培训。

刺激和程序

要求所有被试将两根金属管从一个位置移动到另一个位置。在实验道路上有四个障碍， (O1)一堆木板，(O2)一个架空钢筋，(O3)一些铁管，(O4)一堆钢筋。（如图1所示）

图1

在测试开始时，要求受试者放松几分钟，然后拿起铁管。然后受试者需要通过所有障碍到达目的地。实验旨在测试他们面对不同障碍时的警惕性和注意力传导。实验结束后，要求所有受试者填写一份调查问卷来收集他们的个人资料。

每个被试完成3个试次，10个工人，共计30个试次。

EEG记录

在实验过程中，使用Emotive Epoc+14通道无线便携脑电系统（图2）持续记录脑电数据。14个通道包括AF3、F7、F3、FC5、T7、P7、O1、O2、P8、T8、FC6、F4、F8以及AF4。为了更好地解释结果，我们将这些信道分为四组：左簇(AF3, F7, F3)，右簇(AF4, F8, F4)，中间簇(FC5, FC6, T7, T8)，后簇(P7, P8, O1, O2)，如图3。

图2

图3

实验数据集

将原始数据集分为六个动作：

图4

每个动作开始时，一个事件标签与脑电数据相关联。所有的实验数据都是根据个体试验和不同动作进行分组的。

在数据分析之前，对原始数据进行预处理，以消除伪迹（由线噪声、肌肉运动、眼睛闪烁或放大器短暂饱和引起的波动，从而影响真实的脑电信号）。用滤波器去除高频带使线噪声降到最低。肌肉运动属于原始数据的一部分，不需要移除。眨眼会给大脑信号增加额外的电压，扭曲信号结果，是产生错误的主要原因，使用EEGlab工具对原始数据集进行ICA清理。

        原始数据的另一个问题与学习效果有关。因为每个被试都重复了三次实验，他们的行为可能会受到之前实验中学到的经验的影响。为了减轻这种影响，时频分析只使用了第一次试验的数据。在ERP分析中，为了提供足够的统计学意义，使用三次实验的所有数据。

原始数据和选定被试

       原始数据包括30个试次，在统计上足以用于时域分析。但在频域分析中，样本过多，只选取了4个典型被试（如表2）的第一次试验数据进行分析。

表2

从EEG原始数据可以看出，当被试进行不同的活动时，会产生不同的信号。部分信道相较于其他信道更敏感。当被试进行A1(空转)时，所有被试的电压水平都接近8000μV（如图5，被试3的原始EEG数据），而在其他活动中，电压强度的变化可能因被试不同而不同。

图5

根据预处理后的原始数据，计算alpha波段和总波段的信道功率，评估所有被试在所有动作下的警惕性状态（表3）。

表3

PSD信道分析

功率谱密度(PSD)反映脑电信号在不同频率上的能量分配情况。显示了不同施工活动的频率变化和频带功率。通过划分不同频带，不同频带对应不同波（如图6，被试2动作1的PSD图），而每种波决定不同的大脑状态，PSD分析不同波段的能量分配意味着不同被试在不同动作下的警惕性级别。

图6

从PSD分析可得， PSD的强度可用于区分警惕行为和放松行为。在高频，特别是在低伽玛波段(30至40赫兹)缓慢衰减和反弹，是高警惕性的良好迹象。个体对不同警觉性行为的感知不同，额叶簇对警觉性行为更为敏感。

独立定量分析和信道空间分析

通过ICA（独立定量分析）通过一组相关信道的协方差来检验数据的所有方差，以确定哪些信道更加重要。首先构造使所有的分量都不相关的独立变量，并使几个分量尽可能多地解释剩余变量。各分量被解释的方差百分比表示各分量的解释能力。百分比越高，说明对剩余变量的解释能力就越强，或者说与结果的相关性越强。如图7，为被试2前三个方差百分比最高的ICA分量的所有动作的二维空间信号。

图7

分析结果显示在大多数的避障任务中，额叶簇，特别是左叶簇具有最高的强度，中心簇似乎对所有受试者和活动的各种动作都不敏感。由于头骨大小的不同，个体可能会有不同的二维信号分布，但不同被试在避障任务上存在良好的相似性。同时，地形图显示了对应不同活动的最敏感的大脑区域，从而我们可以明确最有效的应用位置和相关的脑电通道。这些发现将有助于优化通道数量，提高检测质量。

统计分析

对脑电图警戒状态进行多项逻辑回归分析。该分析包括30个试次的详细信息，以A3阶段为参考类别。回归变量由人口统计信息、动作和脑电相对通道强度三个数据组组成。其中包括三个模型：模型1包含所有变量，模型2包含与动作和脑电通道相关的变量，模型3只包含脑电通道。回归结果显示，在较少的数据组下，拟合的偏差显著提高。更简单的模型似乎更适合回归。A2、A3、A4、A5均在0.05显著水平上处于活跃状态，说明任务内容对感知风险或警戒水平有显著影响。另外，对比模型2和模型3，脑电通道的左簇和右簇数据也表明它们与高警戒状态有显著的相关性。

影响和贡献

本文提出的通过脑电系统监测工人警惕性的方法，可以从两方面提高施工安全：

1. 测量工人的风险感知水平，明确感知风险和真实风险之间的差异，以制定方案和干预措施，减少现场安全事故。

2. 通过分析脑电信道的频带功率评估脑力负荷的集中水平，识别事故现场的弱势群体。

此外本文的实验结果为安全监测设备的研制、工人工作时间安排、建筑工地健康状况监测及设计智能工地提供了技术指导。

局限

1. 记录和解读人类神经元信号是一项复杂的研究，未来的研究中仍有许多困难需要克服。

2. 设计一种可行、可穿戴、可靠的脑电设备是一项具有挑战性的任务。

3. 需要更多样的数据样本，本研究实验规模较小，缺乏年轻员工和女性员工的参与。

4. EEG数据收集使用的液体导电，让受试者感到不舒服，且当液体干了，还可能在脑电信号中产生错误。

5. 没有确定使用这种可穿戴设备(传感器安装在头盔上)是否会给工人带来额外的危险。

本文讨论了利用预装在安全帽上的可穿戴式脑电图监测装置收集的脑电信号来测量在施工现场工人对周围危险的警惕性的可能性。为回答三个基本研究问题进行了现场实验。实验结果表明，本文提出的基于脑电的方法监测建筑工人在施工过程中的注意力和警觉性在概念上是可行的。研究发现，工作内容会影响工人的警觉状态，警觉水平可以用不同频带和不同脑电信道的PSD来定量反映。实验表明，较低的伽玛频带和左额通道簇对脑电警惕性信号的变化更为敏感。该技术未来在建筑行业的成功实施，有望在工人主观风险感知能力测量方面取得重大进展。

引用格式：Wang, D.; Chen, J.; Zhao, D.; Dai, F.; Zheng, C.; Wu, X. Monitoring workers’ attention and vigilance in construction activities through a wireless and wearable electroencephalography system. Automation in Construction. 2017, 82, 122-137.

END

扫码关注我们

勤勤恳恳，善始善终

持之以恒，专心致志