脑力负荷的检测方法、系统及相关设备

摘要

本申请公开了一种脑力负荷的检测方法、系统及相关设备。其中，该方法包括：在检测到受试者执行完预设的测试任务后，通过脑电测试设备对受试者的脑部进行测量，并通过脑电测试设备获取M个通道中的脑电信号；通过功能性近红外光谱对受试者的前额区域进行测量，以获取前额区域的功能性近红外光谱信号；对每个通道的脑电信号进行处理，以得到每个通道中脑电信号的第一特征参数；根据对功能性近红外光谱信号进行处理，以得到功能性近红外光谱信号的第二特征参数；根据每个通道中脑电信号的第一特征参数和功能性近红外光谱信号的第二特征参数，确定受试者针对脑力负荷级别的脑力负荷水平。该方法实现了对脑力负荷的在线检测，使脑力负荷的检测更精准。

权利要求

1.一种脑力负荷的检测方法，其特征在于，包括：

在检测到受试者执行完预设的测试任务后，通过脑电测试设备对所述受试者的脑部进行测量，并通过所述脑电测试设备获取M个通道中的脑电信号，其中，M为大于1的正整数，其中，所述测试任务与脑力负荷级别对应；

通过功能性近红外光谱对所述受试者的前额区域进行测量，以获取所述前额区域的功能性近红外光谱信号；

对每个通道的脑电信号进行处理，以得到每个通道中脑电信号的第一特征参数，其中，所述第一特征是指用来评估脑力负荷强度的脑电特征参数；

根据对所述功能性近红外光谱信号进行处理，以得到所述功能性近红外光谱信号的第二特征参数，其中，所述第二特征参数是指用来评估脑力负荷强度的血氧特征参数；

根据每个通道中脑电信号的第一特征参数和所述功能性近红外光谱信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平；

在所述在检测到受试者在执行预设的测试任务之前，所述方法还包括：根据预先建立的脑力负荷级别与测试任务之间的对应关系，确定所述受试者的测试任务，并在用户任务界面中为所述受试者提供所述测试任务；

所述第一特征参数包括复杂熵、alpha波段功率值、beta波段功率值、alpha波段功率与beta波段功率值比值、beta波段中心频率，所述第二特征参数包括脱氧血红蛋白和氧合血红蛋白的均值；

所述方法还包括：

获取所述受试者针对所述测试任务的绩效指标；

所述根据每个通道中脑电信号的第一特征参数和所述功能性近红外光谱信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平，包括：根据所述测试任务的绩效指标、所述每个通道中脑电信号的第一特征参数和所述功能性近红外光谱信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平。

2.如权利要求1项所述的方法，其特征在于，所述绩效指标包括反应时间、正确率和执行任务时间。

3.一种脑力负荷的检测系统，其特征在于，所述系统用于实现如权利要求1所述的一种脑力负荷的检测方法，所述系统包括：脑电信号获取模块，用于在检测到受试者执行完预设的测试任务后，通过脑电测试设备对所述受试者的脑部进行测量，并通过所述脑电测试设备获取M个通道中的脑电信号，其中，M为大于1的正整数，其中，所述测试任务与脑力负荷级别对应；

近红外光谱信号获取模块，用于通过功能性近红外光谱对所述受试者的前额区域进行测量，以获取所述前额区域的功能性近红外光谱信号；

第一处理模块，用于对每个通道的脑电信号进行处理，以得到每个通道中脑电信号的第一特征参数，其中，所述第一特征是指用来评估脑力负荷强度的脑电特征参数；

第二处理模块，用于根据对所述功能性近红外光谱信号进行处理，以得到所述功能性近红外光谱信号的第二特征参数，其中，所述第二特征参数是指用来评估脑力负荷强度的血氧特征参数；

脑力负荷确定模块，用于根据每个通道中脑电信号的第一特征参数和所述功能性近红外光谱信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平。

4.如权利要求3所述的系统，其特征在于所述系统还包括：

任务确定模块，用于在所述在检测到受试者在执行预设的测试任务之前，根据预先建立的脑力负荷级别与测试任务之间的对应关系，确定所述受试者的测试任务，并在用户任务界面中为所述受试者提供所述测试任务。

5.如权利要求3所述的系统，其特征在于，所述第一特征参数包括复杂熵、alpha波段功率值、beta波段功率值、alpha波段功率与beta波段功率值比值、beta波段中心频率，所述第二特征参数包括脱氧血红蛋白和氧合血红蛋白的均值。

6.如权利要求3‑5任一项所述的系统，其特征在于，所述系统还包括：绩效获取模块，用于获取所述受试者针对所述测试任务的绩效指标；

所述脑力负荷确定模块，具体用于：

根据所述测试任务的绩效指标、所述每个通道中脑电信号的第一特征参数和所述功能性近红外光谱信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平。

7.如权利要求6项所述的系统，其特征在于，所述绩效指标包括反应时间、正确率和执行任务时间。

8.一种电子设备，其特征在于，包括：

存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑2中任一所述的脑力负荷的检测方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑2中任一所述的脑力负荷的检测方法。

说明书

脑力负荷的检测方法、系统及相关设备

技术领域

[0001] 本申请涉及神经工程与人因工程的交叉领域，特别是涉及一种脑力负荷的检测方法、 系统、电子设备和计算机可读存储介质。

背景技术

[0002] 目前，脑力负荷诱发方案采用汽车驾驶任务、模拟飞行驾驶任务、舰船战斗任务以及 航空交通管制任务等平台。汽车驾驶任务构建一个模拟汽车的驾驶任务环境，包括模拟汽 车操作部件、大面积显示屏幕与仿真交通状况图像构成。汽车驾驶任务诱发脑力负荷水平 通过设定不同交通情况的驾驶情况予以决定，例如，设定一级驾驶难度为在空旷的路面上 直线行驶；二级驾驶难度为通过有交通信号灯、交会的车辆的路面上直线行驶；三级驾驶 难度为通过有行人跨越、交通信号灯、拥堵车辆、交叉路口的路面按道路指示行驶；四级 驾驶难度为有行人跨越、交通信号灯、拥堵车辆、交叉路口的路面按道路指示行驶，途中 可能会有逆行以及变道车辆。通过上述四种工况，诱发出操作不同的脑力负荷水平。对操 作者的脑力负荷水平采用主观问卷量表的方式予以评定。

[0003] 但是，由于汽车驾驶任务涉及多种任务特性，且随任务情景变化而导致任务特性变化， 不能精确操控任务特性的改变；模拟驾驶任务情况中，同一个驾驶任务难度诱发的脑力负 荷水平是波动变化，不能保证不同时刻的脑力负荷水平是稳定不变的，与脑力负荷研究中 假定同级别难度任务诱发脑力负荷保持稳定不变的前提存在矛盾，也不利于脑力负荷研究 的后续分析；采用主观问卷量表的形式评价，参与者自身评价标准不一致，致使评价数据 的结果不统一。

发明内容

[0004] 本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。

[0005] 为此，本发明的第一个目的在于提出一种脑力负荷的检测方法。该方法实现了对脑力 负荷的在线检测，使脑力负荷的检测更精准，且扩大了应用范围，便于后续脑力负荷特征 的分析研究。

[0006] 本申请的第二个目的在于提出一种脑力负荷的检测系统。

[0007] 本申请的第三个目的在于提出一种电子设备。

[0008] 本申请的第四个目的在于提出一种计算机可读存储介质。

[0009] 为达到上述目的，本申请第一方面实施例提出的脑力负荷的检测方法，所述方法包括： 在检测到受试者执行完预设的测试任务后，通过脑电测试设备对受试者的脑部进行测量， 并通过脑电测试设备获取M个通道中的脑电信号，其中，M为大于1的正整数，其中，测 试任务与脑力负荷级别对应；通过功能性近红外光谱对受试者的前额区域进行测量，以获 取前额区域的功能性近红外光谱信号；对每个通道的脑电信号进行处理，以得到每个通道 中脑电信号的第一特征参数，其中，第一特征是指用来评估脑力负荷强度的脑电特征参数； 根据对功能性近红外光谱信号进行处理，以得到功能性近红外光谱信号的第二特征参数， 其中，第二特征参数是指用来评估脑力负荷强度的血氧特征参数；根据每个通道中脑电信 号的第一特征参数和功能性近红外光谱信号的第二特征参数，确定受试者针对脑力负荷级 别的脑力负荷水平。

[0010] 根据本申请实施例的脑力负荷的检测方法，在检测到受试者执行完与脑力负荷级别对 应的测试任务后，通过脑电测试设备对受试者的脑部进行测量，并通过脑电测试设备获取 M个通道中的脑电信号，然后，通过功能性近红外光谱对受试者的前额区域进行测量，以 获取前额区域的功能性近红外光谱信号，对每个通道的脑电信号进行处理，以得到每个通 道中脑电信号指用来评估脑力负荷强度的脑电特征参数，之后根据对功能性近红外光谱信 号进行处理，从而确定出用来评估脑力负荷强度的血氧特征参数，获取受试者针对测试任 务的绩效指标，根据测试任务的绩效指标、每个通道中脑电信号的第一特征参数和功能性 近红外光谱信号的第二特征参数，确定受试者针对脑力负荷级别的脑力负荷水平。由此， 结合受试者在执行完对应脑力负荷级别的脑电特征参数以及血氧特征参数，准确确定出了 受试者针对脑力负荷级别的脑力负荷水平，实现了对脑力负荷的准确在线检测，使脑力负 荷的检测更精准，便于后续脑力负荷特征的分析研究。

[0011] 根据本申请的一个实施例,在所述在检测到受试者在执行预设的测试任务之前，所述方 法还包括：根据预先建立的脑力负荷级别与测试任务之间的对应关系，确定所述受试者的 测试任务，并在用户任务界面中为所述受试者提供所述测试任务。

[0012] 根据本申请的一个实施例,所述第一特征参数包括复杂熵、alpha波段功率值、beta波 段功率值、alpha波段功率与beta波段功率值比值、beta波段中心频率，所述第二特征参 数包括脱氧血红蛋白和氧合血红蛋白的均值。

[0013] 根据本申请的一个实施例,所述脑力负荷的检测方法还包括：获取所述受试者针对所述 测试任务的绩效指标；所述根据每个通道中脑电信号的第一特征参数和所述功能性近红外 光谱信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平，包括： 根据所述测试任务的绩效指标、所述每个通道中脑电信号的第一特征参数和所述功能性近 红外光谱信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平。

[0014] 根据本申请的一个实施例,所述绩效指标包括反应时间、正确率和和执行任务时间。

[0015] 为达到上述目的，本申请第二方面实施例提出的脑力负荷的检测系统，所述脑力负荷 的检测系统包括：脑电信号获取模块，用于在检测到受试者执行完预设的测试任务后，通 过脑电测试设备对所述受试者的脑部进行测量，并通过所述脑电测试设备获取M个通道中 的脑电信号，其中，M为大于1的正整数，其中，所述测试任务与脑力负荷级别对应；近 红外光谱信号获取模块，用于通过功能性近红外光谱对所述受试者的前额区域进行测量， 以获取所述前额区域的功能性近红外光谱信号；第一处理模块，用于对每个通道的脑电信 号进行处理，以得到每个通道中脑电信号的第一特征参数，其中，所述第一特征是指用来 评估脑力负荷强度的脑电特征参数；第二处理模块，用于根据对所述功能性近红外光谱信 号进行处理，以得到所述功能性近红外光谱信号的第二特征参数，其中，所述第二特征参 数是指用来评估脑力负荷强度的血氧特征参数；脑力负荷确定模块，用于根据每个通道中 脑电信号的第一特征参数和所述功能性近红外光谱信号的第二特征参数，确定所述受试者 针对所述脑力负荷级别的脑力负荷水平。

[0016] 根据本申请实施例的脑力负荷的检测系统，在检测到受试者执行完与脑力负荷级别对 应的测试任务后，通过脑电测试设备对受试者的脑部进行测量，并通过脑电测试设备获取 M个通道中的脑电信号，然后，通过功能性近红外光谱对受试者的前额区域进行测量，以 获取前额区域的功能性近红外光谱信号，对每个通道的脑电信号进行处理，以得到每个通 道中脑电信号指用来评估脑力负荷强度的脑电特征参数，之后根据对功能性近红外光谱信 号进行处理，从而确定出用来评估脑力负荷强度的血氧特征参数，获取受试者针对测试任 务的绩效指标，根据测试任务的绩效指标、每个通道中脑电信号的第一特征参数和功能性 近红外光谱信号的第二特征参数，确定受试者针对脑力负荷级别的脑力负荷水平。由此， 结合受试者在执行完对应脑力负荷级别的脑电特征参数以及血氧特征参数，准确确定出了 受试者针对脑力负荷级别的脑力负荷水平，实现了对脑力负荷的准确在线检测，使脑力负 荷的检测更精准，便于后续脑力负荷特征的分析研究。

[0017] 根据本申请的一个实施例,所述脑力负荷的检测系统还包括：任务确定模块，用于在所 述在检测到受试者在执行预设的测试任务之前，根据预先建立的脑力负荷级别与测试任务 之间的对应关系，确定所述受试者的测试任务，并在用户任务界面中为所述受试者提供所 述测试任务。

[0018] 根据本申请的一个实施例,所述第一特征参数包括复杂熵、alpha波段功率值、beta波 段功率值、alpha波段功率与beta波段功率值比值、beta波段中心频率，所述第二特征参 数包括脱氧血红蛋白和氧合血红蛋白的均值。

[0019] 根据本申请的一个实施例,所述脑力负荷的检测系统还包括：绩效获取模块，用于获取 所述受试者针对所述测试任务的绩效指标；所述脑力负荷确定模块，具体用于：根据所述 测试任务的绩效指标、所述每个通道中脑电信号的第一特征参数和所述功能性近红外光谱 信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平。

[0020] 根据本申请的一个实施例,所述绩效指标包括反应时间、正确率和和执行任务时间。

[0021] 为达到上述目的，本申请第三方面实施例提出的电子设备，包括：存储器、处理器及 存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程 序时实现本申请第一方面实施例所述的脑力负荷的检测方法。

[0022] 为达到上述目的，本申请第四方面实施例的计算机可读存储介质，所述计算机程序被 处理器执行时实现本申请第一方面实施例所述的脑力负荷的检测方法。

[0023] 本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明 显，或通过本申请的实践了解到。

附图说明

[0024] 本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显 和容易理解，其中：

[0025] 图1是根据本申请的一个实施例的脑力负荷的检测方法的流程图。

[0026] 图2是根据本申请的一个实施例的1级注意搜索任务特性水平的显示界面。

[0027] 图3是根据本申请的一个实施例的2级注意搜索任务特性水平的显示界面。

[0028] 图4是根据本申请的一个实施例的3级注意搜索任务特性水平的显示界面。

[0029] 图5是根据本申请的一个实施例的4级注意搜索任务特性水平的显示界面。

[0030] 图6是根据本申请的一个实施例的5级注意搜索任务特性水平的显示界面。

[0031] 图7是根据本申请的一个实施例的记忆任务特性的显示界面。

[0032] 图8是根据本申请的一个实施例的脑力负荷诱发实验刺激序列的示意图。

[0033] 图9是根据本申请的一个实施例的脑电测量区域的示意图。

[0034] 图10是根据本申请的一个实施例的近红外光谱测量区域的示意图。

[0035] 图11是根据本申请一个具体实施例的脑力负荷的检测方法的流程图。

[0036] 图12是根据本申请一个具体实施例的十级脑力负荷任务特性配比的反应时变化趋势的 示意图。

[0037] 图13是根据本申请一个具体实施例的十级脑力负荷任务特性配比的反应时变化趋势的 示意图。

[0038] 图14是根据本申请一个具体实施例的十级脑力负荷任务特性配比的主观脑力负荷评分 变化趋势的示意图。

[0039] 图15是根据本申请一个实施例的脑力负荷的检测系统的结构示意图。

[0040] 图16是根据本申请一个实施例的脑力负荷的检测系统的结构示意图。

[0041] 图17是根据本申请一个实施例的脑力负荷的检测系统的结构示意图。

[0042] 图18是根据本申请一个实施例的电子设备的结构示意图。

具体实施方式

[0043] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同 或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描 述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

[0044] 下面参照附图描述本申请实施例的脑力负荷的检测方法、脑力负荷的检测系统、电子 设备和存储介质。

[0045] 图1是根据本申请的一个实施例的脑力负荷的检测方法的流程图。需要说明的是，本 申请实施例的脑力负荷的检测方法可应用于脑力负荷的检测系统，该脑力负荷的检测系统 可配置在电子设备上。其中，在本发明的实施例中，该电子设备可以包括但不限于PC机、 移动终端(例如手机、平板电脑、PAD、个人数字助理等具有各种操作系统的硬件设备)和 服务器等，该实施例对此不作限定。

[0046] 如图1所示，该脑力负荷的检测方法可以包括：

[0047] S110，在检测到受试者执行完预设的测试任务后，通过脑电测试设备对受试者的脑部 进行测量，并通过脑电测试设备获取M个通道中的脑电信号，其中，M为大于1的正整数， 其中，测试任务与脑力负荷级别对应。

[0048] 在本申请的实施例中，在检测到受试者在模拟环境中完成预设的测试任务后，可通过 脑电测试设备对受试者的脑部进行测量，并通过脑电测试设备获取M个通道中的脑电信号， 其中，M为大于1的正整数，其中，测试任务与脑力负荷级别对应。

[0049] 其中，在本申请的实施例中，模拟环境通常为常规自动化或半自动化人机系统模 拟环境，在模拟环境中设置了人机交互方式、人人交互方式和常规任务模式等任务类 型(例如：基于工作记忆任务、注意搜索任务和运动执行任务等)。

[0050] 其中，需要说明的是，不同脑力负荷级别，其对应的测试任务是不同的。本实施例中 的测试任务是一种基于不同级别的工作记忆任务、注意搜索任务以及运动执行任务组合的 测试任务。

[0051] 其中，注意搜索任务的任务模式是视觉搜索任务，可区分为6种注意搜索任务特 性水平，主要构成为当前屏幕中出现的字母矩阵大小、字符颜色和数量，其中，字母 矩阵大小、字符颜色和数量三者决定注意搜索任务特性的水平，其中，2至6级注意搜 索任务特性水平中需指定特定颜色字符为目标字符。

[0052] 以下对1至6级注意搜索任务特性水平的显示界面进行示意说明。

[0053] 其中，1级注意搜索任务特性水平的显示界面的示意图，如图2所示，可以看出， 1级注意搜索任务特性水平为显示界面只出现一个字符方块，该字符为目标字符。2级 注意搜索任务特性水平的界面的示意图，如图3所示，2级注意搜索任务特性水平为显 示界面出现5个字符方块，各个方块字符不同，每种方块的字母具有不同颜色，受试 者需要快速搜索到指定颜色的字符作为目标字符。例如，红色为指定字符(红色字符 为F)。3级注意搜索任务特性水平的界面的示意图，如图4所示，3级注意搜索任务 特性水平为显示界面出现9个字符方块，每种方块的字母的颜色可能相同或不同，各 个方块的字母可能相同货不同，但指定颜色的字符只有1个，受试者需要快速搜索到 指定颜色的字符作为目标字符，例如，指定字符颜色为黑色(黑色字符为5)。4级注 意搜索任务特性水平的界面的示意图，如图5所示，4级注意搜索任务特性水平为显示 界面出现16个字符方块，每种方块的字母的颜色可能相同或不同，但指定颜色的字符 只有1个，受试者需要快速搜索到指定颜色的字符作为目标字符，例如，指定字符颜 色为绿色，目标字符为D。5级和6级注意搜索任务特性水平的认知资源水平分别为25 个和36个字符方块，每种方块的字母的颜色可能相同或不同，指定颜色的字符可能有 多个不同字符，但其中指定颜色的字符数量为1个的字符为目标字符，受试者需要快 速搜索到指定颜色的字符作为目标字符。举例，5级注意搜索任务特性的界面的示意图， 如图6所示，5级注意搜索任务特性水平的认知资源水平中，指定字符为黑色，黑色字 符的5有两个，黑色字符的B只有1个，其中B为目标字符。

[0054] 记忆任务特性采用工作记忆任务实现，具体实现方法为通过比对当前显示界面出 现的目标字符与前N个显示界面的目标字符(N＝1/2/3)或指定某特定字符(N＝0)进行 比对是否相同，具体界面如下图7所示。显示界面之间为休息界面，该界面呈现为一个 白色十字，间隔时间约为1.5秒，显示界面存在时间为1.5秒。显示界面所示界面为注 意搜索任务中一种。

[0055] 其中，本实施例中的工作记忆任务可以分为多个级别。其中，不同工作记忆任务 其对应的任务是不同的。一级记忆任务特性水平为记忆特定字符与目标字符进行比对， 记忆认知资源消耗为记忆特定字符。二至四级记忆任务特性为比对前N个显示界面的目 标字符与当前出现的目标字符的异同来实现，记忆任务特性水平通过需要更新记忆的 目标字符数量来确定，例如，二级记忆任务特性需要记忆前一个显示界面的目标字符， 并将其与当前目标字符比对是否相同，依次循环；三级记忆任务特性需要记忆前第二 个和第一个显示界面的目标字符，并将当前显示界面目标字符与前第二个显示界面目 标字符比对是否相同，依次循环；四级记忆任务特性需要记忆前三个显示界面的目标 字符，并将当前显示界面目标字符与前第三个显示界面目标字符比对是否相同，依次 循环。

[0056] 其中，二至四级记忆任务特性中，受试者的记忆内容随当前显示界面的目标字符 变化而动态更新变化。因此，四种记忆任务特性的难度水平通过需要动态记忆的字符 数量予以决定，难度越高，动态记忆的字符数量越多。

[0057] 执行任务特性的水平通过规定受试者操作的步骤予以决定。其中，执行任务特性 水平分为四个级别，受试者根据当前显示界面目标字符与前N(N＝0/1/2/3)个显示界 面目标字符比对结果，执行对应操作步骤。比对结果为相同的执行步骤1，比对结果为 不同时执行步骤2，执行认知资源的水平分为四个级别，四个级别的步骤1、步骤2存在 不同。其中，一级执行任务特性水平，步骤1为按方向左键，步骤2为按方向右键，时 间为1秒，超时判定为失败；二级执行任务特性水平，步骤1为按A、S、D键，步骤2为 按H、J、K键，时间为1.5秒内，超时判定为失败；三级执行任务特性水平，步骤1为依 次按Q、W、E、A、S、D、Z、X、C键，步骤2为依次按Y、U、I、H、J、K、N、M、L键， 时间为2.5秒内，超时判定为失败；四级执行任务特性水平，步骤1位依次按Q、A、Z、 W、S、X、E、D、C、R、F、V键，步骤2位依次按T、G、B、Y、H、N、U、J、M、I、K、 L键，时间为3秒内，超时判定为失败。

[0058] 在本申请的实施例中，基于工作记忆任务、注意搜索任务以及运动执行任务的三种任 务特性水平模式组合构成脑力负荷诱发和检测系统及设备，诱发不同级别的脑力负荷 水平。例如，工作记忆任务有6种级别，工作记忆任务有4种级别，运动执行任务有4 种级别，上述三种任务进行组合，可以诱发的脑力负荷等级组合为6(注意搜索任务) ×4(工作记忆任务)×4(运动执行任务)＝96种测试组合。

[0059] 在本实施例中，可通过精确控制工作记忆任务、注意搜索任务以及运动执行任务三 种任务特性诱发不同级别的脑力负荷。

[0060] 其中，需要理解的是，在实际脑力水平测试的过程中，组织者可从96种脑力负荷 级别中选取若干种实验组合，组成实验刺激序列，并基于组合的实验刺激序列对相应 的受试者进行测试。

[0061] 在本实施例中，为了进一步提高后续测试结果的准确性，每种实验组合的实验时 间可以为3至6分钟，实验组合之间的休息时间为2至4分钟，每种实验组合任务完 成后，受试者须完成脑力负荷测量，例如，实验刺激序列的示意，如图8所示。

[0062] 在本申请的实施例中，在检测到受试者在执行预设的测试任务之前，可根据预先建立 的脑力负荷级别与测试任务之间的对应关系，确定受试者的测试任务，并在用户任务界面 中为受试者提供对应脑力水平级别的测试任务。

[0063] 举例而言，采用基于工作记忆任务、注意搜索任务以及运动执行任务的三种任务 特性水平模式组合构成脑力负荷诱发范式，通过不同任务特性模块水平组合，可以构 成十级脑力负荷水平，脑力负荷级别越大表明促使大脑消耗的资源水平越高，一级时 消耗脑力资源最低，十级最高。其中，十级脑力负荷水平与工作记忆任务、注意搜索 任务以及运动执行任务之间的关系表，如表1所示。

[0064] 表1十级脑力负荷水平与工作记忆任务、注意搜索任务以及运动执行任务之间的 关系表

[0065]

[0066] 其中，本实施例的脑电测试设备通过对大脑特定区域予以测量，以获取受试者的脑 电信息。例如，大脑特定区域为受试者的前额区域，脑电测量前额区域为国际10‑20 系统Fp1、Fp2、F3、F4、F7、F8、Fz、C3、C4、O1、O2、Cz以及Pz的13个位置测量 任务诱发的脑信号。其中，脑电测量前额区域的13个位置的示意图，如图9。

[0067] S120，通过功能性近红外光谱对受试者的前额区域进行测量，以获取前额区域的功 能性近红外光谱信号。

[0068] 举例而言，可通过功能性近红外光谱测量受试者前额的左右侧区域，其位置约在人眉 毛正上方1.5cm至2.5cm处，如图10所示。其中，图10中，圆形为发射光源，矩形为接 收器，光源与接收器之间的距离为2.8cm至3.5cm之间，中间的红色箭头代表光线通路， 进而可获取前额区域的功能性近红外光谱信号。

[0069] S130，对每个通道的脑电信号进行处理，以得到每个通道中脑电信号的第一特征参数。 其中，第一特征是指用来评估脑力负荷强度的脑电特征参数。

[0070] 在本申请的实施例中，通过脑电测试设备获取到M个通道中的脑电信号，例如，可如 图9所示，可获取12个通道(除Pz外)中的脑电信号，可对每个通道的脑电信号进行分 析，以得到每个通道中脑电信号的第一特征参数。

[0071] 其中，第一特征参数可以包括但不仅限于复杂熵、alpha波段功率值、beta波段功率 值、alpha波段功率与beta波段功率值比值、beta波段中心频率。

[0072] S140，根据对功能性近红外光谱信号进行处理，以得到功能性近红外光谱信号的第二 特征参数，其中，第二特征参数是指用来评估脑力负荷强度的血氧特征参数。

[0073] 在本申请的实施例中，获取到前额区域的功能性近红外光谱信号，可对能性近红外光 谱信号的强度变化进行分析，以得到功能性近红外光谱信号的第二特征参数，进而得到脑 力负荷活动的强度。其中，第二特征参数包括但不仅限于脱氧血红蛋白和氧合血红蛋白的 均值。

[0074] S150，根据每个通道中脑电信号的第一特征参数和功能性近红外光谱信号的第二特征 参数，确定受试者针对脑力负荷级别的脑力负荷水平。

[0075] 在本申请的实施例中，得到每个通道中脑电信号的第一特征参数和功能性近红外光谱 信号的第二特征参数，可将每个通道中脑电信号的第一特征参数和功能性近红外光谱信号 的第二特征参数输入至脑力负荷检测模型，以便确定受试者针对脑力负荷级别的脑力负荷 水平。

[0076] 在本申请的实施例中，得到每个通道中脑电信号的第一特征参数和功能性近红外光谱 信号的第二特征参数，可将每个通道中脑电信号的第一特征参数和功能性近红外光谱信号 的第二特征参数代入到脑力负荷计算公式中，以便确定受试者针对脑力负荷级别的脑力负 荷水平。

[0077] 根据本申请实施例的脑力负荷的检测方法，在检测到受试者执行完与脑力负荷级别对 应的测试任务后，通过脑电测试设备对受试者的脑部进行测量，并通过脑电测试设备获取 M个通道中的脑电信号然后，通过功能性近红外光谱对受试者的前额区域进行测量，以获 取前额区域的功能性近红外光谱信号，对每个通道的脑电信号进行处理，以得到每个通道 中脑电信号用来评估脑力负荷强度的脑电特征参数，之后根据对功能性近红外光谱信号进 行处理，从而确定出用来评估脑力负荷强度的血氧特征参数，最后根据每个通道中脑电信 号的第一特征参数和功能性近红外光谱信号的第二特征参数，确定受试者针对脑力负荷级 别的脑力负荷水平。由此，结合受试者在执行完对应脑力负荷级别的脑电特征参数以及血 氧特征参数，准确确定出了受试者针对脑力负荷级别的脑力负荷水平，实现了对脑力负荷 的准确在线检测，使脑力负荷的检测更精准，便于后续脑力负荷特征的分析研究。

[0078] 为了使脑力负荷的检测更精准，在本申请的实施例中，可结合受试者针对所述测试任 务的绩效指标、受试者的脑电信号的第一特征参数和所述功能性近红外光谱信号的第二特 征参数三者来确定受试者针对脑力负荷级别的脑力负荷水平。下面结合图11对本实施例的 脑力负荷的检测方法进行进一步描述。

[0079] 图11是根据本申请一个具体实施例的脑力负荷的检测方法的流程图。

[0080] 如图11所示，该脑力负荷的检测方法可以包括：

[0081] S1110，在检测到受试者执行完预设的测试任务后，通过脑电测试设备对受试者的脑部 进行测量，并通过脑电测试设备获取M个通道中的脑电信号，其中，M为大于1的正整数， 其中，测试任务与脑力负荷级别对应。

[0082] S1120，通过功能性近红外光谱对受试者的前额区域进行测量，以获取前额区域的 功能性近红外光谱信号。

[0083] S1130，对每个通道的脑电信号进行处理，以得到每个通道中脑电信号的第一特征参数。 其中，第一特征是指用来评估脑力负荷强度的脑电特征参数。

[0084] S1140，根据对功能性近红外光谱信号进行处理，以得到功能性近红外光谱信号的第二 特征参数，其中，第二特征参数是指用来评估脑力负荷强度的血氧特征参数。

[0085] 需要说明的是，在本申请的实施例中，上述步骤S1110～S1140的实现方式可参见上述 步骤S110～S140的实现方式的相关描述，在此不再赘述。

[0086] S1150，获取受试者针对测试任务的绩效指标。

[0087] 其中，绩效指标可以包括反应时间、正确率和和执行任务时间。

[0088] 其中，反应时间是指目标刺激呈现到操作者开始反应的时间，正确率是指操作者 正确反应的次数占总反应次数的比值，测量的主观脑力负荷评价采用NASA‑TLX量表， 采用九分制评价。

[0089] 为验证工作记忆任务、注意搜索任务以及运动执行任务三种任务特性组合诱发的多级 精准脑力负荷水平，本申请进行了相关实验。其中，实验大致内容为：根据表1所示的十 级脑力负荷实验诱发任务特性配比，招募了15名受试者开展了脑力负荷诱发实。实验结束 后，采集了15位受试者完成10种脑力负荷级别的实验数据，包括绩效指标和主观量表指 标。绩效指标的反应时经过ANOVA(Analysis of Variance，方差分析)分析，十级脑力 负荷的反应时之间存在主效应，F(9，126)＝22.63，P<0.001。

[0090] 其中，成对比较结果如表2所示。十级脑力负荷反应时的变化趋势如图12所示。其中， 根据实验结果可以发现随着脑力负荷级别增加，反应时呈现显著上升趋势。

[0091] 表2十级诱发脑力负荷任务特性配比反应时的成对比较结果表：

[0092] 成对比较

[0093] 度量:MEASURE_1

[0094]

[0095]

[0096]

[0097] 基于估算边际均值

[0098] *.均值差值在.05级别上较显著。

[0099] b.对多个比较的调整：Bonferroni。

[0100] 十级脑力负荷任务特性配比的正确绩效指标统计分析。经过ANOVA分析，十级脑力负 荷的正确率之间存在主效应，F(9，126)＝87.58，P<0.001。成对比较结果如表3所示。 十级脑力负荷反应时的变化趋势如图13所示，根据实验结果可以发现随着脑力负荷级别增 加，正确率呈现显著下降趋势。

[0101] 表3十级诱发脑力负荷任务特性配比正确率的成对比较结果表：

[0102] 成对比较

[0103] 度量:MEASURE_1

[0104]

[0105]

[0106]

[0107] 基于估算边际均值

[0108] *.均值差值在.05级别上较显著。

[0109] b.对多个比较的调整：Bonferroni。

[0110] 十级脑力负荷任务特性配比的主观量表指标统计分析。经过ANOVA分析，十级脑力负 荷的正确率之间存在主效应，F(9，126)＝135.9，P<0.001。成对比较结果如表4所示。 十级脑力负荷反应时的变化趋势如图14所示，根据实验结果可以发现随着脑力负荷级别增 加，主观脑力负荷评分呈现显著上升趋势。

[0111] 表4十级诱发脑力负荷任务特性配比主观量表得分的成对比较结果表：

[0112] 成对比较

[0113] 度量:MEASURE_1

[0114]

[0115]

[0116]

[0117] 基于估算边际均值

[0118] *.均值差值在.05级别上较显著。

[0119] b.对多个比较的调整：Bonferroni。

[0120] S360，根据测试任务的绩效指标、每个通道中脑电信号的第一特征参数和功能性近红 外光谱信号的第二特征参数，确定受试者针对脑力负荷级别的脑力负荷水平。

[0121] 在本实施中，根据测试任务的绩效指标、每个通道中脑电信号的第一特征参数和功能 性近红外光谱信号的第二特征参数，确定受试者针对脑力负荷级别的脑力负荷水平的具体 实现方式可以为：可将绩效指标、第一特征参数和第二特征参数输入到预先训练的脑力负 荷检测模型，以便确定受试者针对脑力负荷级别的脑力负荷水平。

[0122] 根据本申请实施例的脑力负荷的检测方法，在检测到受试者执行完与脑力负荷级别对 应的测试任务后，通过脑电测试设备对受试者的脑部进行测量，并通过脑电测试设备获取 M个通道中的脑电信号，然后，通过功能性近红外光谱对受试者的前额区域进行测量，以 获取前额区域的功能性近红外光谱信号，对每个通道的脑电信号进行处理，以得到每个通 道中脑电信号指用来评估脑力负荷强度的脑电特征参数，之后根据对功能性近红外光谱信 号进行处理，从而确定出用来评估脑力负荷强度的血氧特征参数，获取受试者针对测试任 务的绩效指标，根据测试任务的绩效指标、每个通道中脑电信号的第一特征参数和功能性 近红外光谱信号的第二特征参数，确定受试者针对脑力负荷级别的脑力负荷水平。由此， 结合受试者在执行完对应脑力负荷级别的脑电特征参数以及血氧特征参数，准确确定出了 受试者针对脑力负荷级别的脑力负荷水平，实现了对脑力负荷的准确在线检测，使脑力负 荷的检测更精准，便于后续脑力负荷特征的分析研究。

[0123] 与上述几种实施例提供的脑力负荷的检测方法相对应，本申请的一种实施例还提供一 种脑力负荷的检测系统，由于本申请实施例提供的脑力负荷的检测系统与上述几种实施例 提供的脑力负荷的检测方法相对应，因此在脑力负荷的检测方法的实施方式也适用于本实 施例提供的脑力负荷的检测系统，在本实施例中不再详细描述。图15是根据本申请一个实 施例的脑力负荷的检测系统的结构示意图。

[0124] 如图15所示，该脑力负荷的检测系统1500可以包括：脑电信号获取模块1510、近红 外光谱信号获取模块1520、第一处理模块1530、第二处理模块1540和脑力负荷确定模块1550。

[0125] 具体地，脑电信号获取模块1510用于在检测到受试者执行完预设的测试任务后，通过 脑电测试设备对所述受试者的脑部进行测量，并通过所述脑电测试设备获取M个通道中的 脑电信号，其中，M为大于1的正整数，其中，所述测试任务与脑力负荷级别对应；

[0126] 近红外光谱信号获取模块1520用于通过功能性近红外光谱对所述受试者的前额区域进 行测量，以获取所述前额区域的功能性近红外光谱信号；

[0127] 第一处理模块1530用于对每个通道的脑电信号进行处理，以得到每个通道中脑电信号 的第一特征参数，其中，所述第一特征是指用来评估脑力负荷强度的脑电特征参数。

[0128] 第二处理模块1540用于根据对所述功能性近红外光谱信号进行处理，以得到所述功能 性近红外光谱信号的第二特征参数，其中，所述第二特征参数是指用来评估脑力负荷强度 的血氧特征参数；

[0129] 脑力负荷确定模块1550用于根据每个通道中脑电信号的第一特征参数和所述功能性近 红外光谱信号的第二特征参数，确定所述受试者针对所述脑力负荷级别的脑力负荷水平。 作为一种示例，所述第一特征参数包括复杂熵、alpha波段功率值、beta波段功率值、alpha 波段功率与beta波段功率值比值、beta波段中心频率，所述第二特征参数包括脱氧血红 蛋白和氧合血红蛋白的均值。

[0130] 在本申请的一个实施例中，如图16所示，所述脑力负荷的检测系统还包括：任务确定 模块1560，其中，所述任务确定模块1560用于在所述在检测到受试者在执行预设的测试 任务之前，根据预先建立的脑力负荷级别与测试任务之间的对应关系，确定所述受试者的 测试任务，并在用户任务界面中为所述受试者提供所述测试任务。

[0131] 在本申请的一个实施例中，如图17所示，所述脑力负荷的检测系统还包括：绩效获取 模块1570，其中，绩效获取模块1570用于获取所述受试者针对所述测试任务的绩效指标； 所述脑力负荷确定模块1550具体用于：根据所述测试任务的绩效指标、所述每个通道中脑 电信号的第一特征参数和所述功能性近红外光谱信号的第二特征参数，确定所述受试者针 对所述脑力负荷级别的脑力负荷水平。作为一种示例，所述绩效指标包括反应时间、正确 率和和执行任务时间。

[0132] 根据本申请实施例的脑力负荷的检测系统，在检测到受试者执行完与脑力负荷级别对 应的测试任务后，通过脑电测试设备对受试者的脑部进行测量，并通过脑电测试设备获取 M个通道中的脑电信号，然后，通过功能性近红外光谱对受试者的前额区域进行测量，以 获取前额区域的功能性近红外光谱信号，对每个通道的脑电信号进行处理，以得到每个通 道中脑电信号指用来评估脑力负荷强度的脑电特征参数，之后根据对功能性近红外光谱信 号进行处理，从而确定出用来评估脑力负荷强度的血氧特征参数，获取受试者针对测试任 务的绩效指标，根据测试任务的绩效指标、每个通道中脑电信号的第一特征参数和功能性 近红外光谱信号的第二特征参数，确定受试者针对脑力负荷级别的脑力负荷水平。由此， 结合受试者在执行完对应脑力负荷级别的脑电特征参数以及血氧特征参数，准确确定出了 受试者针对脑力负荷级别的脑力负荷水平，实现了对脑力负荷的准确在线检测，使脑力负 荷的检测更精准，便于后续脑力负荷特征的分析研究。

[0133] 为了实现上述实施例，本申请还提出了一种电子设备。

[0134] 图18是根据本申请一个实施例的电子设备的结构示意图。如图18所示，该电子设备 1800可以包括：存储器1810、处理器1820及存储在存储器1810上并可在处理器1820上 运行的计算机程序1830，处理器1820执行程序时，实现本申请上述任一个实施例所述的 脑力负荷的检测方法。

[0135] 为了实现上述实施例，本申请还提出了一种计算机可读存储介质，所述计算机程序被 处理器执行时实现本申请任一所述的脑力负荷的检测方法。

[0136] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、 或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点 包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必 须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任 一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的 技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结 合和组合。

[0137] 流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个 或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分， 并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序， 包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的 实施例所属技术领域的技术人员所理解。

[0138] 在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实 现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令 执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行 系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设 备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播 或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用 的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布 线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读 存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式 光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸 或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解 译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机 存储器中。

[0139] 应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实 施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或 固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下 列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路 的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现 场可编程门阵列(FPGA)等。

[0140] 本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可 以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中， 该程序在执行时，包括方法实施例的步骤之一或其组合。

[0141] 此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各 个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既 可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以 软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读 取存储介质中。

[0142] 上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了 本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制， 本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。