来源：期刊VIP网 时间：
作者：张麟华;郭彩萍;许骁哲;富丽贞;邢珍珍;
单位：太原工业学院计算机工程系;山西文旅集团山投信息有限公司;中北大学软件学院;
摘要：疲劳检测对日常生活是至关重要的，尤其对于驾驶领域。基于脑电（EEG）信号的疲劳驾驶检测已吸引了众多学者的关注，但由于高质量带标签的EEG样本稀少问题严重阻碍了疲劳检测领域的发展。因此，文中首次将自监督学习（SSL）与扩散模型（DDPM）相结合应用于EEG的疲劳检测研究中，提出一种基于SSL-DDPM的脑电疲劳状态检测方法。该方法分为预训练和下游任务两部分，预训练阶段中首先对原始信号进行DDPM扩增，然后以ResNeXt代替ResNet为骨干网络对扩增前后的EEG信号进行特征提取，最后对提取的特征进行信号重构。下游任务的网络以共享预训练网络参数为主，对扩增前后的信号进行疲劳检测。通过SEED数据集和Multi-channel数据集进行实验验证，最终分类准确率分别达到88.23%和86.14%，验证了文中疲劳状态检测方法的有效性。
关键词：脑电信号;;疲劳检测;;自监督学习;;扩散模型;;骨干网络;;信号重构
基金资助：国家自然科学基金青年科学基金资助项目（61602427）;; 山西省科技厅重点研发计划（201903D121171）;; 山西省教育厅科技创新项目（2023L352）
