基于生理信号的实时警觉性监测计算模型的范围综述

《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》:Real-Time Vigilance Monitoring via Biosignals: A Scoping Review

【字体: 大 中 小 】 时间:2026年10月23日 来源:Proceedings of the Human Factors and Ergonomics Society Annual Meeting

编辑推荐:

   摘要本次范围综述旨在识别使用生理信号进行实时警觉性监测的计算模型类型。警觉性,即在规定时间内持续集中注意力的能力,对于驾驶、航空和工业操作等领域至关重要,这些领域中注意力缺失可能造成严重后果。按照PRISMA指南,该综述检索了IEEE、ProQuest、PubMed和Scie

  

摘要

本次范围综述旨在识别使用生理信号进行实时警觉性监测的计算模型类型。警觉性,即在规定时间内持续集中注意力的能力,对于驾驶、航空和工业操作等领域至关重要,这些领域中注意力缺失可能造成严重后果。按照PRISMA指南,该综述检索了IEEE、ProQuest、PubMed和ScienceDirect数据库,共筛选出16项研究,涉及警觉性和实时监测系统。大多数研究采用了有监督机器学习,主要用于警觉状态的二分类,如清醒与嗜睡状态的区分,且多集中于汽车相关场景。脑电图(EEG)是最常用的传感器,而心率变异性(HRV)、眼电图(EOG)、光电容积脉搏波(PPG)和皮肤电反应(GSR)的使用频率较低。总体而言,现有系统仍以基于阈值的检测为主,而非对警觉性变化的连续追踪。该综述强调了多模态传感、真实环境验证以及自适应建模框架的重要性,以支持系统在多样化操作环境中的可靠部署。

引言

警觉性是指在一定时间内维持注意力和警觉状态的能力(Davies和Parasuraman,1982;Mackworth,1948),对安全关键任务中的安全表现至关重要(Sebastiani等,2020;Warm等,2008)。警觉性下降会增加驾驶、航空和工业操作等领域中的错误风险(Xu和Albeaino,2025)。生理传感技术已显示出用于客观警觉性监测的潜力(Sharma等,2023),近期研究越来越强调能够支持及时干预的实时系统(Ladouce等,2022;Saleem等,2023)。常用模态包括EEG、HRV、EOG和GSR,但运动伪影和环境噪声仍是阻碍其在真实环境中部署的障碍(Sharma等,2023)。本综述旨在考察基于生物信号的实时警觉性监测领域的当前进展与不足。

方法

遵循PRISMA框架(Moher等,2009),采用"vigilance" AND "real-time" AND "monitoring system"作为检索词,在IEEE、ProQuest、PubMed和ScienceDirect数据库中进行结构化检索。检索共识别出1,155篇论文。纳入标准为:全文可获取、同行评审、英文撰写、2015年后发表,且使用生理数据进行实时或连续警觉性监测。排除综述论文及未使用生理信号监测的研究,最终纳入16项研究进行分析。

结果

EEG是最常用的模态(16项研究中占9项),其次是HRV(4/16);PPG、EOG和GSR各被使用一次。有监督分类占主导地位(13/16项研究),涵盖SVM、随机森林、KNN和梯度提升,以及LSTM和深度神经网络。大多数研究(9/16)聚焦于警觉性下降检测,通常区分清醒与低警觉状态,另有5项研究估计分级或连续警觉状态。仅有一项研究使用隐马尔可夫模型显式建模警觉性为动态潜在过程,一项研究使用强化学习进行自适应干预。研究集中于汽车相关场景(13/16项研究),主要使用驾驶模拟器。仅两项研究在真实驾驶环境中评估了模型,而航空、铁路和通用实验室警觉性范式的代表性较弱(表1)。
表1。PRISMA综述中纳入的16项研究的分类,汇总了建模范式、传感器与模型的耦合模式、系统目的以及基于生物信号的实时警觉性监测中的应用领域。
论文生理信号传感摄像头传感建模类型建模目的应用领域任务/环境
Abdel-Rahman等,2015EEG不适用有监督分类(SVM)警觉性下降检测汽车驾驶模拟器
Al Arnaout等,2025HRV不适用有监督分类(随机森林、SVM、KNN)警觉性下降检测汽车实路驾驶
Alyan等,2026EEG眨眼检测有监督分类(CNN)警觉性估计汽车驾驶模拟器
Amidei等,2023GSR不适用有监督分类(梯度提升集成)警觉性下降检测汽车驾驶模拟器
Ganesh和Gurumoorthy,2021EEG不适用有监督分类(SVM)警觉性下降检测通用PVT任务
Gopal等,2025HRV不适用有监督分类(SVM、随机森林)警觉性下降检测汽车驾驶模拟器
Jiman等,2025HRV眨眼检测有监督分类(逻辑回归)警觉性下降检测汽车驾驶模拟器
Kim等,2025EEG不适用有监督分类(MLP、随机森林)警觉性估计铁路火车模拟器
Lee等,2015HRV不适用有监督分类(决策树、SVM)警觉性下降检测汽车实路驾驶
Li等,2024EEG眼动检测无监督聚类(高斯混合模型)警觉性估计航空航空模拟
Murugan等,2023EOG不适用有监督分类(随机森林)警觉性下降检测汽车驾驶模拟器
Pe?a等,2025EEG/ECG不适用有监督分类(LSTM)警觉性估计汽车驾驶模拟器
Wang等,2023HRV不适用概率状态建模(隐马尔可夫模型)警觉性估计工业单调重复性工作
Yang等,2024EEG不适用有监督分类(胶囊网络)警觉性估计汽车驾驶模拟器
Yousaf等,2024EEG不适用强化学习自适应干预汽车驾驶模拟器
Zayed等,2025EEG不适用有监督分类(SVM)警觉性下降检测通用PVT任务
注。EEG = 脑电图,HRV = 心率变异性,ECG = 心电图,EOG = 眼电图,GSR = 皮肤电反应,PVT = 心理运动警觉任务。

结论

文献表明,基于生物信号的实时警觉性监测已取得显著进展,但仍存在关键局限。大多数方法将警觉性视为二分类检测问题,而非对警觉性状态变化的连续追踪。EEG通常与复杂的神经网络架构配对使用,而HRV、EOG和GSR等低维信号则多采用传统有监督分类器,这表明模型复杂度更多由传感器维度而非警觉性动力学的显式表征所驱动。验证工作仍然有限,真实环境评估较少,且对部署可行性的比较不足。研究集中于汽车相关场景,进一步限制了向其他安全关键领域的迁移。未来工作应在建模严谨性、传感可行性、时间表征和生态效度之间实现更好匹配,以支持可靠的实时部署。

利益冲突声明

作者声明,就本研究、撰写和/或发表本文不存在潜在的利益冲突。

资助

作者披露,本研究、撰写和/或发表本文获得了以下资助:本研究由美国国家科学基金会资助,项目编号2237661。

ORCID iD

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号