基于EEG与fNIRS的复杂任务情境意识生理测量研究：绩效与自动化监控中的有效性验证

为解决复杂任务中情境意识(SA)测量依赖模拟冻结(SAGAT)的局限性，研究人员探索了EEG和fNIRS生理监测技术。通过对24名fNIRS受试者和29名EEG受试者进行多属性任务组(MATB)测试，发现EEG参与指数能独立预测SA（校正工作量、难度等因素后p<0.05），分类准确率达76%，而fNIRS无显著关联。该研究为高危领域实时SA监测提供了客观生理指标。

　　

这项开创性研究揭示了脑电图(EEG)在捕捉情境意识(SA)方面的独特优势。当受试者完成多属性任务组(MATB)的三个难度级别和警戒任务时，研究者同步采集了功能性近红外光谱(fNIRS)和EEG数据，并采用情境意识全局评估技术(SAGAT)和NASA任务负荷指数量表(NASA-TLX)进行对照。

令人振奋的是，即便排除任务难度、工作负荷和个体差异等干扰因素，EEG参与指数仍能显著预测SA水平（p<0.05）。相比之下，fNIRS信号与SA未见明显相关性。在警戒状态下，受试者的SA得分骤降至主动任务表现的50%，而EEG指标能以76%的准确率区分这两种状态。

这些发现为高危行业（如航空、手术等）的实时SA监测开辟了新途径。EEG展现出的独立于工作负荷的SA检测能力，使其成为替代传统中断式评估的理想工具，而fNIRS在此领域的适用性仍需进一步验证。研究数据来自24名fNIRS参与者和29名EEG参与者（其中18人同时完成两项检测），确保了结果的可靠性。