基于多维自适应Transformer网络的疲劳驾驶检测研究

作者及机构
本研究的通讯作者为电子科技大学临床医学院成都脑科学研究院的Wu Dingming（dmw@uestc.edu.cn）与成都信息工程大学计算机学院的Liu Shihong（1585538946@qq.com），合作者包括Liu Deng与Lu Quanping。研究发表于Springer旗下期刊Cognitive Neurodynamics 2025年第19卷。

学术背景

研究领域与动机
疲劳驾驶是交通安全的重大威胁，传统检测方法（如主观问卷、车辆轨迹分析）存在可靠性低、易受环境干扰等问题。脑电图（Electroencephalogram, EEG）能直接反映大脑皮层活动，但EEG信号具有高维度、非线性和个体差异大的特点，传统深度学习模型（如CNN、LSTM）难以充分提取其多维度特征。Transformer架构在自然语言处理中表现优异，但其在EEG信号分析中的应用多局限于时间维度，忽略了频域和空间域信息。

研究目标
本研究提出多维自适应Transformer识别网络（Multidimensional Adaptive Transformer Recognition Network, MATRN），旨在通过融合EEG信号的时域、频域和空间域特征，实现高精度、泛化性强的疲劳状态检测。

研究方法与流程

1. 数据预处理与特征提取

数据集
- SEED-VIG数据集：23名受试者，2小时模拟驾驶，18通道EEG，采样率1000Hz，以PERCLOS指数≥0.35定义疲劳状态。
- SFDE数据集：12名受试者，3种驾驶场景，32通道EEG，同样以PERCLOS指数标注。

特征提取
- 时域特征：每50个采样点计算标准差。
- 频域特征：将EEG信号分解为5个频带（δ波0.5–4Hz、θ波4–8Hz、α波8–12Hz、β波12–30Hz、γ波30–50Hz），提取差分熵（Differential Entropy）。
- 空间域特征：基于相邻电极的Pearson相关系数构建邻接矩阵，计算局部聚类系数。

2. 多维Transformer架构设计

核心创新
- 多分支注意力机制：分别处理时域、频域和空间域数据，通过线性变换生成查询（Query）、键（Key）、值（Value）矩阵，计算注意力权重（公式1-5）。
- 自适应权重分配：频域数据因包含5个子频带，其权重通过平均化处理，最终通过残差连接（Residual Structure）保留原始信息。
- 归一化与正则化：采用层归一化（LayerNorm）和Dropout（公式6-8）防止过拟合。

3. 特征压缩结构

循环压缩模块
- 通过类残差组件（ResNet-like）迭代3次压缩特征，保留关键判别信息。
- 最大池化（Max Pooling）降低计算复杂度，全连接层输出分类结果。

4. 实验设计

对比模型
包括CNN、3D-CNN-LSTM、ARFN等8种先进模型，评估指标为准确率（Accuracy）、精确率（Precision）、召回率（Recall）和F1分数。

交叉验证
采用留一受试者法（Leave-One-Subject-Out），确保模型泛化性。

主要结果

1. 分类性能

• SEED-VIG数据集：MATRN准确率达93.17%（比最优对比模型高15.3%），F1分数92.28%。
  
• SFDE数据集：准确率95.23%（提升10.41%），F1分数94.99%。
  

2. 消融实验

• 频域特征贡献最大：单独使用时频域特征准确率88.62%，移除后性能下降6.23%。
  
• 空间特征影响较小：单独使用准确率仅70.36%，但多维度融合可提升整体鲁棒性。
  

3. 跨受试者实验

MATRN在SEED-VIG和SFDE上的平均准确率分别优于对比模型5.81%和6.64%，证明其强泛化能力。

4. 可解释性分析

• 频带权重分布：疲劳状态下θ和β波权重显著增加（见图10-11），与神经科学中疲劳相关的低频活动增强现象一致。
  
• 脑区激活模式：疲劳时额叶活动降低，枕叶活动差异因数据集而异（图12-13）。
  

结论与价值

科学价值
1. 方法论创新：首次将Transformer的多维度注意力机制引入EEG疲劳检测，解决了传统模型对频域和空间域特征提取不足的问题。
2. 理论验证：通过可解释性分析，证实θ/β波与疲劳状态的强相关性，为神经机制研究提供新证据。

应用价值
- 可集成至车载实时监测系统，通过轻量化EEG设备（如干电极）预警疲劳驾驶。
- 模型框架可扩展至其他生理信号（如心电、眼动）的多模态融合分析。

研究亮点

1. 多维特征融合：首次同时建模EEG的时域、频域和空间域特征，准确率突破95%。
   
2. 自适应Transformer：通过多分支注意力动态分配权重，优于固定架构模型。
   
3. 开源数据集验证：在SEED-VIG和SFDE两大公开数据集上实现SOTA性能。
   

局限性
- 个体差异性未完全解决，未来需结合迁移学习优化。
- 实时性待提升，需进一步压缩模型参数量。

（注：全文共计约1500字，涵盖研究全流程及核心创新点。）