论文部分内容阅读
精神疲劳表现为主观感受到的疲惫、精力不足，会对人的工作效率乃至生命财产安全造成很大的危害，因此精神疲劳的监测预警具有重要的意义。依据精神疲劳发生后人体多种生理信号产生有规律的变化这一事实，基于多模态生理信号的精神疲劳检测方法表现出较高的检测准确率。然而常用的生理信号检测设备较为笨重、舒适感低、并可能带来皮肤过敏症状，不适合长期佩戴。表皮电子系统的超薄、低模量、重量轻、与皮肤共形接触的特性，符合精神疲劳程度监测手段对于生理信号采集设备舒适性、健康性的要求。当前用于生理信号检测的表皮电子设备存在灵敏度有限、制备工艺复杂等缺点。
本论文为实现精神疲劳的舒适无侵入性监测，首先从理论研究和工艺改进出发，分别研究可采集呼吸信号的高灵敏度应变传感器和采集生物电信号的表皮电极，进而制备出可同时检测心电、呼吸、皮电信号的多模态表皮电子传感器，实现三类信号的采集和特征提取，最后利用机器学习算法训练基于多模态生理信号特征的预测模型，实现对精神疲劳的监测。主要内容包括：
(1)提出了通过实现导电复合物对渗流阈值点的接近来设计高灵敏度应变传感器的方法，制备了具有超高灵敏度的应变传感器。依据渗流导电原理，提出填充浓度处于渗流阈值点的导电复合物，其电阻对于应变将会有很高的敏感性的假设。选取石墨作为导电材料，砂纸作为柔性基底，通过石墨在砂纸上摩擦实现导电颗粒向聚合物基底的填充，并实时监控填充过程中的电阻变化，通过统计学渗流理论和二维导电通路渗流模型证明了所制得的石墨层对渗流阈值点的接近。成功制备电阻接近渗流阈值点的石墨层，制备成具有超高灵敏度的传感器，其应变因子最高可达9720。利用该传感器成功实现呼吸频率的检测。
(2)开发了一种基于激光图案化的表皮电子设备制备工艺，制备了可准确检测心电信号的柔性表皮电极。利用激光的高精度特性，开发基于激光图案化的制备工艺，以水转印纸为基底，实现聚合物基板上金属薄膜层的高精度图案化。设计了无闭合的蜿蜒线网状结构的表皮电极，赋予了表皮电极优异的可拉伸性以及与皮肤低接触阻抗特性，实现基于柔性表皮电极的心电信号的高精度采集并完成信号噪声过滤。
(3)构建了基于多模态表皮电子传感器的精神疲劳监测体系。借助表皮电子系统平台，制备了可同时监测心电信号、呼吸信号、皮电信号的多模态表皮电子传感器，并借助机器学习算法实现多模态信息融合，训练出高准确率预测模型，实现精神疲劳检测。其中，基于贴附转移，将心电传感器和呼吸传感器集成为一个模块，贴附在胸口实现心电和呼吸信号的同时有效检测；根据人体汗腺分布特定，制备可贴附在手掌处的皮电传感器模块，实现皮电信号有效检测。然后设计精神疲劳实验，采集被测试者在不同精神疲劳状态下的生理信号及对应的疲劳标签。使用多种机器学习算法来训练模型并评估模型准确率，并优选出准确率高达89%的决策树算法作为研究基于生理信号特征的精神疲劳监测的较优算法。将训练得到的高准确率预测模型，应用于实际场景中精神疲劳程度的预测，探究不同日常脑力活动的精神疲劳过程和不同放松方式缓解疲劳的效果。
本论文为实现精神疲劳的舒适无侵入性监测，首先从理论研究和工艺改进出发，分别研究可采集呼吸信号的高灵敏度应变传感器和采集生物电信号的表皮电极，进而制备出可同时检测心电、呼吸、皮电信号的多模态表皮电子传感器，实现三类信号的采集和特征提取，最后利用机器学习算法训练基于多模态生理信号特征的预测模型，实现对精神疲劳的监测。主要内容包括：
(1)提出了通过实现导电复合物对渗流阈值点的接近来设计高灵敏度应变传感器的方法，制备了具有超高灵敏度的应变传感器。依据渗流导电原理，提出填充浓度处于渗流阈值点的导电复合物，其电阻对于应变将会有很高的敏感性的假设。选取石墨作为导电材料，砂纸作为柔性基底，通过石墨在砂纸上摩擦实现导电颗粒向聚合物基底的填充，并实时监控填充过程中的电阻变化，通过统计学渗流理论和二维导电通路渗流模型证明了所制得的石墨层对渗流阈值点的接近。成功制备电阻接近渗流阈值点的石墨层，制备成具有超高灵敏度的传感器，其应变因子最高可达9720。利用该传感器成功实现呼吸频率的检测。
(2)开发了一种基于激光图案化的表皮电子设备制备工艺，制备了可准确检测心电信号的柔性表皮电极。利用激光的高精度特性，开发基于激光图案化的制备工艺，以水转印纸为基底，实现聚合物基板上金属薄膜层的高精度图案化。设计了无闭合的蜿蜒线网状结构的表皮电极，赋予了表皮电极优异的可拉伸性以及与皮肤低接触阻抗特性，实现基于柔性表皮电极的心电信号的高精度采集并完成信号噪声过滤。
(3)构建了基于多模态表皮电子传感器的精神疲劳监测体系。借助表皮电子系统平台，制备了可同时监测心电信号、呼吸信号、皮电信号的多模态表皮电子传感器，并借助机器学习算法实现多模态信息融合，训练出高准确率预测模型，实现精神疲劳检测。其中，基于贴附转移，将心电传感器和呼吸传感器集成为一个模块，贴附在胸口实现心电和呼吸信号的同时有效检测；根据人体汗腺分布特定，制备可贴附在手掌处的皮电传感器模块，实现皮电信号有效检测。然后设计精神疲劳实验，采集被测试者在不同精神疲劳状态下的生理信号及对应的疲劳标签。使用多种机器学习算法来训练模型并评估模型准确率，并优选出准确率高达89%的决策树算法作为研究基于生理信号特征的精神疲劳监测的较优算法。将训练得到的高准确率预测模型，应用于实际场景中精神疲劳程度的预测，探究不同日常脑力活动的精神疲劳过程和不同放松方式缓解疲劳的效果。