这是“神经工程管理”第41篇推送
内容来源：牛佳晨
本期编辑：董博
校 对：郭晓彤
审 核：付汉良
仅用于学术交流，原文版权归原作者和原发刊所有
本文是针对论文《使用脑电图在不舒适的高温和舒适的环境之间连续判断个体的热舒适感》（Using electroencephalogram to continuously discriminate feelings of personal thermal comfort between uncomfortably hot and comfortable environments）的一篇论文解析，该论文于2020年发表于《Indoor Air》期刊。该研究作者包括Meng Wu, Hailong Li, Hongzhi Qi。
摘要
（背景）热舒适性是建筑物设计的重要因素。尽管已经充分认识到许多生理参数与人的热舒适或不舒适状态有关，但是如何使用生理信号来判断热舒适状态还没有得到很好的研究。在本文中，通过在私人空间中使用脑电图（EEG）信号讨论了连续判断个体热舒适感的可行性。（方法设计）在这项研究中，有22名被试暴露在舒适和不舒适（热）的环境中，并记录了他们的EEG信号。提取脑电信号的频谱功率特征，采用LDA或SVM作为集成学习方法建立判别模型。（结果）表明，在60秒的检测窗口内可获得87.9％的平均识别精度。通过不中断的多通道EEG信号来判断个体在私人空间中感到舒适或过热是可行的，并提出了在神经人体工程学中进一步应用的可能性。
关键词：基于脑电图的个体热舒适度模型；脑电图；线性判别分析；功率谱密度；支持向量机；热舒适度（EEG-based individual thermal comfort model, electroencephalogram, linear discriminant analysis, power spectral density, support vector machine, thermal comfort）
思维导图
1.引言
热舒适性是建筑能源管理的核心问题，例如人们住在恶劣的环境中会感到不适。因此，热舒适也会影响工作效率，在舒适环境中的工作效率要高于在过热或过冷环境中的工作效率。评估热舒适性有两种方法：主观方法和客观方法。主观方法的缺点：①一般而言，量表方法需要对许多被试的得分取平均值，以便获得相对可靠的室内环境评估。②另外，必须要中断当前的工作被试才能回答问题，因此难以连续测量被试的状态。
近年来生理信息被广泛应用于客观评估个体的生理或心理状态，包括但不限于对热舒适的研究。EEG脑电信号可以直接响应神经系统的活动。与主观方法相比，使用生理信号的一项优势是评估热舒适度的变化而不会受到干扰。与生理信息和身体信息相比，神经信号显然对心理活动的反应更大。脑电已被广泛应用于连续地检测个体的心理状态（脑力负荷和情绪）。在神经人体工程学中，已经建立了成熟的研究范式，以使用神经生理信号检测个体的精神状态。
本研究基于EEG信号建立热舒适性，以实现对EEG的连续监测。基于实验期间记录的EEG信号，本研究开发一种机器学习方法从而建立热舒适度判别模型。如果该模型可以准确地判断个体的热感，则可以在未来的空调控制中使用该模型，以根据个体的热感维持舒适的室温环境。
2.方法
2.1 实验设计
·被试情况：22人（男10，女12）参加实验。实验前签署了知情同意书。问卷被用来对环境的热舒适状态进行主观评估。
·分组情况：实验分为两组：两间房间建立不同的热舒适条件，即舒适和过热，实验在35度的盛夏进行。一个房间将温度控制在26度作为舒适环境，另一个房间控制在33度为不适环境。除此之外，室内湿度等其他因素保持一致以避免有潜在影响。
·EEG信号：由八个通道收集：F3,F4,T3,P3,P4,O1,O2；按照国际10-20系统，每个通道皮肤电极阻抗小于5k欧； 采样频率：1000Hz；
·实验过程：包括四部分（如图1）
Session1：被试会带上EEG设备并冷静下来以适应环境；
Session2：被试填写主观问卷；
Session3：被试待在设定环境中读20分钟小说；
Session4：被试再次填写主观舒适度调查的问卷。（由于带上EEG帽可能影响被试的热感，因此在每部分开始和结束前都会检察他们的热感觉处在一个稳定的范围内）
2.2 数据处理和热舒适度判别模型
首先用0.5-35Hz的滤波器对记录的EEG信号进行滤波。然后将数据分为不重叠的多段。
在本研究中，分别把t设定为0.5s，1s，2s，4s，6s，即使用不同的时间长度划分出不同数量的频谱，xi=第i个频谱。如果是来自舒适环境的被试，则对应yi=+1,如果来自非舒适环境的被试，则对应yi=-1。（图2）考虑到热舒适状态不会很快改变，可以使用较长时间的EEG信号来评估此期间的总体热舒适度。
linear discriminant analysis线性判别分析(LDA)和supported vector machine支持向量机(SVM)可用来建立整体判别模型。LDA可以优化投影方向，以最大程度地减少类内差异，并最大程度地实现类间差异。建立判别模型后，可以使用EEG通过三个步骤连续监测对象的热感：以特征xe1和LDA分析为例，①收集具有检测窗口长度的EEG信号，②计算特征向量，③计算热感觉值。
3.结果
图3显示了在两个实验条件下所有被试的平均室内温度和热舒适等级的平均得分。①从图3A可以看出，舒适条件下的平均室内温度为26.2℃，而不舒适条件下的平均室内温度为32.9℃。配对t检验的结果表明，两个条件之间存在显着差异（P <0.001）。②从图3B可以看出，舒适条件下被试的打分情况为-0.09±0.25，通常在舒适区域内。同时，不适（热）状态的得分为2.07±0.39，并且被试报告了热但可忍受的感觉。配对t检验的结果还表明，在两种情况下，热舒适等级的得分存在显着差异（P <0.001）。③图3中显示的结果表明，被试在两种环境中经历了不同的热感觉，并具有不同的热感。
表1a显示使用1秒EEG 频谱和1秒detection window的辨别精度的结果。从表中可以看出，无论机器学习方法和功能选择如何，使用1秒EEG信号对每个被试的识别准确度均显着高于随机水平（50％）。它证明了使用EEG信号评估单个热舒适性的可靠性。结果表明，使用多个脑电特征建立的个体判别模型可以判别被试的热感。此外，尽管不同的脑电特征和机器学习方法对判别准确性有一定影响，但与随机猜测相比，它们都能获得更好的判别结果，显示了确定个体热舒适度的可行性。
在这项研究中，采用延长检测窗口（detection window）的方法来提高分类精度。表1b显示使用1秒EEG 频谱和60秒检测窗口的识别精度结果。从表1b中可以看出，每个被试的判别准确度显然大于50％。此外，在所有功能和机器学习方法的所有条件下，平均判别精度均超过80％，明显高于表1a（P <0.05）。结果表明，判别模型可以使用更长的检测窗口（即，使用多个EEG 频谱来判别综合热舒适度）来获得判别，它将在某种程度上降低监视的时间敏感性。但是，考虑到热舒适状态通常会缓慢变化，因此60秒钟的检测窗口对于潜在的应用是可以接受的。
图4进一步探讨了检测窗口的长度和EEG 频谱对判别性能的影响。在这里，选择LDA分类器和xe1功能。①图4A，B示出分别在1秒和6秒EEG频谱的情况下，鉴别精度随检测窗口长度的增加而变化。可以看出，所有判别精度均明显高于50％，显示了通过EEG信号评估热舒适度的可靠性。另外，随着检测窗口长度的增加，平均判别精度显示出明显的提高，当判别窗口长约60秒时，判别精度最高。结果表明，检测窗的长度对提高判别精度具有重要作用。②图4C，D示出了当检测窗口分别为60秒和30秒时，鉴别精度如何随EEG频谱的长度而变化。可以看出，当检测窗口长度固定时，EEG历时长度的变化对判别性能几乎没有影响，这表明与热舒适性相关的脑电特征对脑电图段的长度不敏感。
4. 讨论
这项工作仅考虑了热不适和舒适，而没有考虑冷不适。如果模型中包含更多的感觉水平，例如冷和热，则可以实现更好的舒适性或节能效果。但是，这也意味着将需要进行更复杂的实验，并且需要处理大量数据。这项工作的主要目的是研究使用脑电图检测热不适发生的可行性，开发这样的模型，该模型可以判断更多不同状态条件，将在以后的研究中进行完善。
局限性：①除EEG信号外，还有其他可能影响热舒适性的参数，例如空气湿度，风速等，它们对脑电模型的影响仍然未知。②此外，当个体的精神状态发生变化时，他们可能会有不同的热感觉。此类更改可能还会影响模型的性能，需要进一步研究。
在这项研究中，被试在实验过程中一直在执行阅读任务，这是对工作状态的简单模拟。从总体趋势来看，我们认为LDA分析的结果是合理的。用于建立判别模型的EEG信息涵盖了多个大脑区域和多个频段，从而使该模型可用于更全面地评估热舒适度对大脑神经活动的影响。
5. 结论
本文显示了使用EEG信号持续监测个体热舒适感的可行性，并提出了在神经人体工程学中进一步应用的可能性。基于EEG的个体热舒适模型可用于维持私人空间中的室内热舒适。本研究提供了一种基于心理因素而非身体因素的室温控制方法，从而实现了更加个性化的环境热舒适性。
引用格式：Wu M, Li H, Qi H. Using EEG to Continuously Discriminate Feelings of Personal Thermal Comfort between Uncomfortably Hot and Comfortable Environments[J]. Indoor Air, 2020, 30(3): 534-543.
本篇文章来源于微信公众号：神经工程管理