面向可泛化的生物学信号驱动嗜睡监测： preliminary 研究
信号处理
2025-06-10 v1 机器学习
摘要
准确检测嗜睡对驾驶安全至关重要。尽管多种检测方法 exist，但基于生物学信号的嗜睡监测相较于基于摄像头的方法更具隐私保护优势。然而，关于不同生物学指标如何与不同数据集中的嗜睡标签相关联存在争议。因此，我们分析了来自四个数据集中来自心电图(ECG)、皮肤电导活性(EDA)和呼吸(RESP)信号的关键特征，其中使用了不同嗜睡诱因(如疲劳和低兴奋)和评估方法(主观 vs.客观)。构建了二项逻辑回归模型以识别与嗜睡相关的生物学指标。研究发现，不同的嗜睡诱因会导致不同的生物学反应，客观评估在检测嗜睡方面比主观评估更敏感。进一步地，心率稳定性增加、呼吸幅度降低以及 tonic EDA降低均与嗜睡程度增加稳健相关。这些结果增进了对嗜睡检测的理解，可为未来的通用监测设计提供指导。
引用
@article{arxiv.2506.06360,
title = {Towards Generalizable Drowsiness Monitoring with Physiological Sensors: A Preliminary Study},
author = {Jiyao Wang and Suzan Ayas and Jiahao Zhang and Xiao Wen and Dengbo He and Birsen Donmez},
journal= {arXiv preprint arXiv:2506.06360},
year = {2025}
}
备注
Accepted by HFES2025