机构名称：
¥ 2.0
疲劳的客观测量在职业健康和安全等领域至关重要，因为疲劳会损害认知和运动能力，从而降低生产力并增加受伤风险。可穿戴系统代表了疲劳监测的极具前景的解决方案，因为它们能够在无人值守的环境中持续、长期监测生物医学信号，同时具有所需的舒适度和非侵入性。这是开发实时疲劳监测准确模型的先决条件。然而，通过可穿戴设备监测疲劳带来了独特的挑战。为了概述目前通过可穿戴设备监测与疲劳相关的变量的最新技术，并发现当前知识中的潜在差距和缺陷，进行了系统回顾。在 Scopus 和 PubMed 数据库中搜索了自 2015 年以来以英文发表的文章，标题中包含术语“疲劳”、“困倦”、“警觉”或“警觉”，并提出了基于可穿戴设备的非侵入性疲劳量化系统。在检索到的 612 篇文章中，60 篇满足纳入标准。纳入的研究主要是短期研究，且在实验室环境中进行。总体而言，研究人员根据运动（MOT）、脑电图（EEG）、光电容积图（PPG）、心电图（ECG）、皮肤电反应（GSR）、肌电图（EMG）、皮肤温度（T sk ）、眼球运动（EYE）和呼吸（RES）数据开发疲劳模型，这些数据均由市场上的可穿戴设备获取。在提出的疲劳量化方法中，监督机器学习模型（更具体地说是二元分类模型）占主导地位。这些模型在检测疲劳方面被认为表现非常出色，然而，在模型开发过程中几乎没有努力确保使用高质量的数据。总之，本综述的结果表明，方法上的局限性阻碍了大多数提出的疲劳模型的普遍性和现实世界的适用性。还需要开展更多的工作来充分探索可穿戴设备在疲劳量化方面的潜力，以及更好地理解疲劳与生理变量变化之间的关系。
通过可穿戴设备监测疲劳：最新进展综述
主要关键词
相关文件推荐
