工程科学学报，第39卷，第9期：1421-1427,2017年9月 Chinese Journal of Engineering,Vol.39,No.9:1421-1427,September 2017 DOI:10.13374/j.issn2095-9389.2017.09.016;http://journals.ustb.edu.cn 立体深度运动引发的立体视觉疲劳的脑电评估 沈丽丽四，孙伟鹏 天津大学电气自动化与信息工程学院，天津300072 ☒通信作者，E-mail:sl@u.cdu.cn 摘要3D技术的发展受到其引发的不舒适感的限制，长时间观看立体显示影像将会引起立体视觉疲劳，一种客观评价立 体视觉疲劳的有效指标亟待提出.本文利用EEG(electroencephalography)三个频带0(4-8z)、a(8-13Hz)、B(13-22 H)的相对能量及其能量比值Ea+BEpE+a®在八个不同脑区及整个脑区的54个指标作为备选，借助配对t检验、 灰色关联度分析(GRA)、支持向量机(SVM),最后得出指示由立体深度运动引发的视觉疲劳的最佳脑电指标为：顶区Ee· 并比较了三个频带相对能量在不同疲劳状态的变化：疲劳状态下，a频带明显上升(p<0.01),B频带明显下降(p<0.01),0 频带保持稳定， 关键词视觉疲劳：脑电；立体显示；客观评价 分类号R318 Using EEG for assessment of stereoscopic visual fatigue caused by motion-in-depth SHEN Li-li,SUN Wei-peng School of Electronic Automation and Information Engineering,Tianjin University.Tianjin 300072,China Corresponding author,E-mail:sll@tju.edu.cn ABSTRACT Stereoscopic visual fatigue occurs after an individual watches a 3D display for a long period of time,which limits its development.As such,it is necessary to undertake an effective and objective evaluation of stereoscopic visual fatigue.The relative power of three electroencephalography (EEG)wavebands,namely 0(4-8 Hz),a (8-13 Hz),and B (13-22 Hz)and three algo- rithms,EEEwere elicited in eight EEG channel regions and in all the channels,respectively.The results show there to be 54 possible EEG indicators available for identifying the optimal indicator for assessing stereoscopic visual fatigue.Lastly, based on the results of a paired-samples t-test,grey relational analysis (GRA),and a support vector machine (SVM),the algorithms parietal E is proved to be the best indicator.In addition,0 activity remains stable over time,whereas a activity increases signifi- cantly (p<0.01)and B activity decreases significantly (p <0.01)when in a fatigue status. KEY WORDS visual fatigue;electroencephalography;3D displays;objective evaluation 近些年，立体显示技术越来越火热，被广泛应用于 展.为了解决这个问题，很有必要找到度量立体视觉 许多领域：电影、游戏以及医疗、工业、文化、教育等领 疲劳的合适指标. 域的可视化口.3D电视能够带来身临其境的感觉以 传统的度量方法是采用主观评价，主要形式有心 及更好的视觉体验，所谓的3D时代已经到来.然而， 理物理法和问卷调查法[3-，这种方法的弊端在于：评 如果长时间观看3D电视将会引起一些生理或心理症 价状况受到被试个体差异的影响，被试能够达到隐瞒 状：视觉疲劳、头晕、恶心等).立体视觉疲劳主要是 主观感受的目的.并且评价的标准目前也尚不统一 由辐辏调节之间的冲突引起的，限制了3D产业的发 因此，衡量立体视觉疲劳的客观指标亟待提出. 收稿日期：2016-11-09 基金项目：国家自然科学基金资助项目(61302123,61520106002,61471262)
工程科学学报,第 39 卷,第 9 期:1421鄄鄄1427,2017 年 9 月 Chinese Journal of Engineering, Vol. 39, No. 9: 1421鄄鄄1427, September 2017 DOI: 10. 13374 / j. issn2095鄄鄄9389. 2017. 09. 016; http: / / journals. ustb. edu. cn 立体深度运动引发的立体视觉疲劳的脑电评估 沈丽丽苣 , 孙伟鹏 天津大学电气自动化与信息工程学院, 天津 300072 苣通信作者, E鄄mail:sll@ tju. edu. cn 摘 要 3D 技术的发展受到其引发的不舒适感的限制,长时间观看立体显示影像将会引起立体视觉疲劳,一种客观评价立 体视觉疲劳的有效指标亟待提出. 本文利用 EEG( electroencephalography)三个频带 兹 (4 ~ 8 Hz)、琢 (8 ~ 13 Hz)、茁 (13 ~ 22 Hz)的相对能量及其能量比值 E(琢 + 兹) / 茁 、E琢/ 茁 、E(琢 + 兹) / (琢 + 茁)在八个不同脑区及整个脑区的 54 个指标作为备选,借助配对 t 检验、 灰色关联度分析(GRA)、支持向量机(SVM),最后得出指示由立体深度运动引发的视觉疲劳的最佳脑电指标为:顶区 E琢/ 茁 . 并比较了三个频带相对能量在不同疲劳状态的变化:疲劳状态下,琢 频带明显上升( p < 0郾 01),茁 频带明显下降( p < 0郾 01),兹 频带保持稳定. 关键词 视觉疲劳; 脑电; 立体显示; 客观评价 分类号 R318 Using EEG for assessment of stereoscopic visual fatigue caused by motion鄄in鄄depth SHEN Li鄄li 苣 , SUN Wei鄄peng School of Electronic Automation and Information Engineering, Tianjin University, Tianjin 300072, China 苣Corresponding author, E鄄mail:sll@ tju. edu. cn ABSTRACT Stereoscopic visual fatigue occurs after an individual watches a 3D display for a long period of time, which limits its development. As such, it is necessary to undertake an effective and objective evaluation of stereoscopic visual fatigue. The relative power of three electroencephalography (EEG) wavebands, namely 兹 (4鄄鄄8 Hz), 琢 (8鄄鄄13 Hz), and 茁 (13鄄鄄22 Hz) and three algo鄄 rithms, E(琢 + 兹) / 茁 、E琢/ 茁 、E(琢 + 兹) / (琢 + 茁) were elicited in eight EEG channel regions and in all the channels, respectively. The results show there to be 54 possible EEG indicators available for identifying the optimal indicator for assessing stereoscopic visual fatigue. Lastly, based on the results of a paired鄄samples t鄄test, grey relational analysis (GRA), and a support vector machine (SVM), the algorithms parietal E琢/ 茁 is proved to be the best indicator. In addition, 兹 activity remains stable over time, whereas 琢 activity increases signifi鄄 cantly (p < 0郾 01) and 茁 activity decreases significantly (p < 0郾 01) when in a fatigue status. KEY WORDS visual fatigue; electroencephalography; 3D displays; objective evaluation 收稿日期: 2016鄄鄄11鄄鄄09 基金项目: 国家自然科学基金资助项目(61302123,61520106002,61471262) 近些年,立体显示技术越来越火热,被广泛应用于 许多领域:电影、游戏以及医疗、工业、文化、教育等领 域的可视化[1] . 3D 电视能够带来身临其境的感觉以 及更好的视觉体验,所谓的 3D 时代已经到来. 然而, 如果长时间观看 3D 电视将会引起一些生理或心理症 状:视觉疲劳、头晕、恶心等[2] . 立体视觉疲劳主要是 由辐辏调节之间的冲突引起的,限制了 3D 产业的发 展. 为了解决这个问题,很有必要找到度量立体视觉 疲劳的合适指标. 传统的度量方法是采用主观评价,主要形式有心 理物理法和问卷调查法[3鄄鄄4] ,这种方法的弊端在于:评 价状况受到被试个体差异的影响,被试能够达到隐瞒 主观感受的目的. 并且评价的标准目前也尚不统一. 因此,衡量立体视觉疲劳的客观指标亟待提出
·1422. 工程科学学报，第39卷，第9期 客观评价方法主要通过分析客观所得数据或者建 度运动引起的，四种速度模式深度运动的视差范围均 立数学模型对舒适度进行评价.Yano等)发现在无 在-1到+1°之间.运动的起始位置均为+1°处（屏 图像深度的条件下，汇聚和图像平移会提升视觉舒适 幕后)，运动的时长均为4s.试验采用32寸偏光式立 度：Kim与Sohnt)提出一种预测矩阵，用于监测因拍摄 体显示屏，显示方式为并排方式，被试带上立体3D眼 问题造成的立体不匹配，从而反映视疲劳的程度，作为 镜，舒适得坐在距离屏幕为3倍于屏幕高度处观看， 立体视觉疲劳的客观指标.最近一些立体视觉疲劳客 观评价研究开始把注意力转移到生物信号上来.包括 心电(ECG)、血压和心率测量、脑活动测量等.其中， 脑活动测量的方式有：核磁共振(MRI)、正电子放射 断层造影术(PET)、脑磁图(MEG)、脑电(EEG)等]. 陈春晓团队[s-O利用核磁共振(MRI)、脑功能网络 “小世界”模型、EEG功率谱系数等手段来寻找3D疲 劳的可靠指标.在所有脑活动测量方式中，EEG信号 图1立体深度运动刺激场景 相对容易采集和获得，成本也比较低.其中包含了丰 Fig.I Stimulus scene of motion-in-depth 富的生理心理信息，当然也包括疲劳信息，是一项具有 试验刺激通过E-prime程序呈现.整个试验共有 广泛发展前景的立体疲劳检测指标.Emoto等[通过 480个试次，每种速度模式均为120个试次.一个试次 提取EEG中的稳态视觉诱发电位(SSVEP)发现，包含 结束后有1s停顿时间，紧接着展示下一个试次，4种 水平双目视差的内容将会引起神经传导的延迟.Frey 速度模式采用随机呈现的方式.整个刺激时间大约为 等[]的研究表明辐辏调节冲突量的不同将会引起平 50min.整个刺激呈现前，被试被要求闭上眼睛，处于 均脑活动量的不同.因此，有理由猜测，脑电与立体视 放松安静状态，采集5min脑电数据作为非疲劳状态样 觉疲劳有密切关系.事实上，很多研究者测量了观看 本.整个刺激一结束，被试紧接着再次闭上眼睛被采 立体电视一段时间后的EEG与观看前或者观看2D电 集5min脑电数据，作为疲劳状态样本.脑电数据采集 视的EEG,通过作对比，利用基于EEG的频带算法寻 过程结束后，立即对被试做一个立体视觉疲劳问卷调 找测量立体视觉疲劳的有效指标[3] 查，对列出的各项疲劳症状进行主观打分.试验刺激 立体视觉疲劳主要是由辐辏调节之间的冲突引起 开始前的2min和结束后的2min的脑电数据被用于分 的，即过大的水平双目视差，相关领域公认的静态立体 析，寻找指示立体深度运动引发的立体视觉疲劳的最 画面的舒适视差范围大约在±1以内.但研究表明， 佳脑电指标. 即使在所谓的舒适视差之内，由于立体深度运动引起 的辐辏不断变化将会引起强烈的不舒适感，其影响甚 1.2脑电数据获取 至远远超过辐辏调节冲突8-].可以料想，长时间观 共有12名右利手的被试(8男，4女，22~25岁) 看立体深度运动，将会引起严重的立体视觉疲劳，因此 参与试验，每个被试参与试验前做了严格的视觉检查， 试验设计采用立体深度运动作为刺激引发立体视觉疲 均有正常或矫正正常的视力，以及合格的立体视觉与 劳.本文正是基于EEG,并且对脑区进行科学的划分， 立体锐度，并且都没有药物禁忌症，比如，伴发疾病，酗 利用各个脑区的基本频带相对能量及其比值算法去寻 酒，药物滥用等以及精神和智力问题[20].被试不得在 找有效反映立体深度运动引发的立体视觉疲劳的最佳 试验前24h饮酒、抽烟、喝咖啡、服用药物.为了避免 脑电指标 昼夜节律的潜在影响，所有参与者在中午后1.5h参与 试验2].闪烁是灯光引起疲劳的主要因素[2]，为了避 1试验方案和方法 免灯光影响，整个试验环境的灯光被严格控制，在一个 1.1试验材料与流程 较暗淡的环境中进行.试验室周围相对比较安静，以 试验材料通过maya软件制作，可以通过调节ma- 免引入干扰.脑电数据采用国际10-20系统，嵌入式 y软件的参数，调整立体深度运动的速度、位置、方向 34导联脑电帽与Neuroscan系统进行采集，每个导联 与时间.刺激场景左右视图如图1所示：以蓝天白云 注入电导液，以使每个电极电阻低于5k2,采样频率 为背景，灰色的环状物体固定在屏幕中央位置（零视 为1000Hz,参考电极为左耳电极，其中四个导联用于 差位置)作为标记，以把被试注意集中在立体深度运 记录眼电.使用eeglab结合Matlab进行脑电数据 动区域.虚拟石头通过环中央做前后往复周期性匀速 分析. 运动.立体深度运动速度分为4种：520、640、3120和 1.3脑电数据的处理 3900mms.为使立体视觉疲劳尽可能是由立体深 根据10-20电极导联系统电极名称匹配一览表
工程科学学报,第 39 卷,第 9 期 客观评价方法主要通过分析客观所得数据或者建 立数学模型对舒适度进行评价. Yano 等[5] 发现在无 图像深度的条件下,汇聚和图像平移会提升视觉舒适 度;Kim 与 Sohn [6]提出一种预测矩阵,用于监测因拍摄 问题造成的立体不匹配,从而反映视疲劳的程度,作为 立体视觉疲劳的客观指标. 最近一些立体视觉疲劳客 观评价研究开始把注意力转移到生物信号上来. 包括 心电(ECG)、血压和心率测量、脑活动测量等. 其中, 脑活动测量的方式有:核磁共振( fMRI)、正电子放射 断层造影术(PET)、脑磁图(MEG)、脑电(EEG)等[7] . 陈春晓团队[8鄄鄄10] 利用核磁共振( fMRI)、脑功能网络 “小世界冶模型、EEG 功率谱系数等手段来寻找 3D 疲 劳的可靠指标. 在所有脑活动测量方式中,EEG 信号 相对容易采集和获得,成本也比较低. 其中包含了丰 富的生理心理信息,当然也包括疲劳信息,是一项具有 广泛发展前景的立体疲劳检测指标. Emoto 等[11] 通过 提取 EEG 中的稳态视觉诱发电位(SSVEP)发现,包含 水平双目视差的内容将会引起神经传导的延迟. Frey 等[12]的研究表明辐辏调节冲突量的不同将会引起平 均脑活动量的不同. 因此,有理由猜测,脑电与立体视 觉疲劳有密切关系. 事实上,很多研究者测量了观看 立体电视一段时间后的 EEG 与观看前或者观看 2D 电 视的 EEG,通过作对比,利用基于 EEG 的频带算法寻 找测量立体视觉疲劳的有效指标[13鄄鄄17] . 立体视觉疲劳主要是由辐辏调节之间的冲突引起 的,即过大的水平双目视差,相关领域公认的静态立体 画面的舒适视差范围大约在 依 1毅以内. 但研究表明, 即使在所谓的舒适视差之内,由于立体深度运动引起 的辐辏不断变化将会引起强烈的不舒适感,其影响甚 至远远超过辐辏调节冲突[18鄄鄄19] . 可以料想,长时间观 看立体深度运动,将会引起严重的立体视觉疲劳,因此 试验设计采用立体深度运动作为刺激引发立体视觉疲 劳. 本文正是基于 EEG,并且对脑区进行科学的划分, 利用各个脑区的基本频带相对能量及其比值算法去寻 找有效反映立体深度运动引发的立体视觉疲劳的最佳 脑电指标. 1 试验方案和方法 1郾 1 试验材料与流程 试验材料通过 maya 软件制作,可以通过调节 ma鄄 ya 软件的参数,调整立体深度运动的速度、位置、方向 与时间. 刺激场景左右视图如图 1 所示:以蓝天白云 为背景,灰色的环状物体固定在屏幕中央位置(零视 差位置)作为标记,以把被试注意集中在立体深度运 动区域. 虚拟石头通过环中央做前后往复周期性匀速 运动. 立体深度运动速度分为 4 种:520、640、3120 和 3900 mm·s - 1 . 为使立体视觉疲劳尽可能是由立体深 度运动引起的,四种速度模式深度运动的视差范围均 在 - 1毅到 + 1毅之间. 运动的起始位置均为 + 1毅处(屏 幕后),运动的时长均为 4 s. 试验采用 32 寸偏光式立 体显示屏,显示方式为并排方式,被试带上立体 3D 眼 镜,舒适得坐在距离屏幕为 3 倍于屏幕高度处观看. 图 1 立体深度运动刺激场景 Fig. 1 Stimulus scene of motion鄄in鄄depth 试验刺激通过 E鄄鄄 prime 程序呈现. 整个试验共有 480 个试次,每种速度模式均为 120 个试次. 一个试次 结束后有 1 s 停顿时间,紧接着展示下一个试次,4 种 速度模式采用随机呈现的方式. 整个刺激时间大约为 50 min. 整个刺激呈现前,被试被要求闭上眼睛,处于 放松安静状态,采集5 min 脑电数据作为非疲劳状态样 本. 整个刺激一结束,被试紧接着再次闭上眼睛被采 集 5 min 脑电数据,作为疲劳状态样本. 脑电数据采集 过程结束后,立即对被试做一个立体视觉疲劳问卷调 查,对列出的各项疲劳症状进行主观打分. 试验刺激 开始前的2 min 和结束后的2 min 的脑电数据被用于分 析,寻找指示立体深度运动引发的立体视觉疲劳的最 佳脑电指标. 1郾 2 脑电数据获取 共有 12 名右利手的被试(8 男,4 女,22 ~ 25 岁) 参与试验,每个被试参与试验前做了严格的视觉检查, 均有正常或矫正正常的视力,以及合格的立体视觉与 立体锐度,并且都没有药物禁忌症,比如,伴发疾病,酗 酒,药物滥用等以及精神和智力问题[20] . 被试不得在 试验前 24 h 饮酒、抽烟、喝咖啡、服用药物. 为了避免 昼夜节律的潜在影响,所有参与者在中午后1郾 5 h 参与 试验[21] . 闪烁是灯光引起疲劳的主要因素[22] ,为了避 免灯光影响,整个试验环境的灯光被严格控制,在一个 较暗淡的环境中进行. 试验室周围相对比较安静,以 免引入干扰. 脑电数据采用国际 10鄄鄄20 系统,嵌入式 34 导联脑电帽与 Neuroscan 系统进行采集,每个导联 注入电导液,以使每个电极电阻低于 5 k赘,采样频率 为 1000 Hz,参考电极为左耳电极,其中四个导联用于 记 录 眼 电. 使 用 eeglab 结 合 Matlab 进 行 脑 电 数 据 分析. 1郾 3 脑电数据的处理 根据 10鄄鄄20 电极导联系统电极名称匹配一览表, ·1422·
沈丽丽等：立体深度运动引发的立体视觉疲劳的脑电评估 ·1423· 从除记录眼电外的30个电极中挑选出19个电极.把 整个脑区细分为八个不同脑区：前额(Fpl、Fp2),侧额 35 3.6 (F7、F8),额(F3、Fz、F4),题(T7、T8),中央(C3、Cz、 2828 29 C4),后题(P7、P8),顶(P3、Pz、P4),枕(01、02).首先 1.5 对脑电进行预处理，以去除伪迹和不必要的频谱成分. 1.0 其中包括1~30Hz的带通滤波，以去除工频干扰和基 0.5 0 线漂移.滤波后借助独立成分分析，去除眼电和肌电 等伪迹干扰.之后把观看刺激场景前和观看后2min 爱 的脑电信号提取出来，并分别切成120份1s长的脑电 典 疲劳症状 片段：然后，以1Hz的频谱分辨率对每个脑电片段进 图2每个疲劳症状量化后的平均值 行快速傅里叶变换，把能量划分为三个频段6(4~8 Fig.2 Mean values of fatigue symptoms Hz)、a(8~13Hz)、B(13~22Hz),并计算每个电极 上3个频段相对能量E。、E。、E。·8(0.5~4Hz)频段 故采用变异系数反映每个症状的离散程度.变异系数 未被分析，因为此频段脑电波往往发生在深度睡眠期 C也称标准差率，其计算公式为： 间，并常常夹杂各种伪迹4，).Ea、Ea、 E。+a+B,3种能量比值也分别在每个电极的各个脑 C、=x (1) 电片段上计算出来，取3个基本频段相对能量及3种 式中，8为标准差，x为平均数 能量比值在2min120个脑电片段上的平均值.接着再 变异系数排除了平均值的影响，能够更好地对不 按照上述脑区划分，分别计算3个基本频段及3种能 同项目之间的离散程度作出比较，变异系数越小，代表 量比值在八个脑区及整个脑区电极上的平均值，作为 此组数据的差异越小，样本越准确.调查量表中这17 未疲劳与疲劳状态的最终指示，借助双因素方差分析、 个症状的变异系数如表1. 配对：检验及灰色关联度分析从中筛选出优越指标指 表1不同疲劳症状的变异系数 示立体深度运动引起的立体视觉疲劳.最后，以观看 Table 1 Variation coefficients of fatigue symptoms 刺激场景前后2min的240个脑电片段作为样本，把筛 变异 变异 变异 症状 症状 症状 选出的优越指标及其组合作为特征，训练线性核函数 系数/% 系数/% 系数/% 的支持向量机(SVM),并验证正确率，进一步确定最 视力模糊 28 眼痒 39 腿沉 67 具效率的指示立体深度运动引发的立体视觉疲劳的 眼睛沉重 25 眼睛刺痛 39 背部疼痛 49 指标 眩晕 35 肩膀僵硬 53 畏光 36 2试验结果及数据分析 头沉 52 摇头时头疼 罗 流泪 33 眼睛干涩 56 头痛 69 呕吐 63 2.1主观调查量表分析 复视 30 恶心 45 本试验采用的调查量表为立体视觉疲劳主观分析 问卷，在Rechichi与Scullica2提出的l0个视疲劳症 在平均得分较高的症状中，视力模糊、眼睛沉重、 状的基础上，另加眼睛干涩、头沉、摇头时头疼、肩膀僵 眩晕的变异系数远低于50%，而眼睛干涩、呕吐和头 硬、肩部疼痛、腿沉、眩晕7个症状.主观调查表共有 沉的变异系数较高，说明在观看立体深度运动刺激时， 17个症状，按图2中排序，前8个症状针对眼睛疲劳， 出现视力模糊、眼睛沉重和眩晕的症状相对严重的结 后9个症状针对躯体疲劳.每个症状按照1~5分标 论在一定条件下具有普遍意义，眼睛干涩、呕吐和头沉 准进行打分，从1到5分所代表的症状程度分别为：1： 虽然平均得分较高，但其严重程度可能因人而异.同 无：2：轻微：3：一般：4：严重：5：非常严重.分别对得到 理，在平均得分较低的症状中，在一定程度上可以承认 的十二份主观调查量表中每个疲劳症状得分进行平均 畏光和流泪症状普遍比较轻微. 化，得到如图2的结果. 主观调查量表中前8个症状是关于眼睛疲劳，后 由图2可见，视力模糊、眼睛沉重、眼睛干涩、呕 9个症状是关于躯体疲劳，为了探究这两类不适感哪 吐、头沉、眩晕平均得分较高，尤其视力模糊和眼睛沉 一类更为严重，分别按9/17的权重和8/17的权重计 重症状得分在4分以上，而畏光、流泪、背部疼痛和腿 算出所有被试眼睛疲劳和躯体疲劳的总得分，结果如 沉平均得分较低.为了得出各个症状是否对被试具有 图3所示，其中眼睛疲劳总得分为145.2，躯体疲劳总 普遍意义，计算这12个样本中每个症状得分相对平均 得分为123.3.可见在立体深度运动刺激后，眼睛疲劳 值的离散程度.对不同项目而言，标准差缺乏可比性， 程度比躯体疲劳程度更大
沈丽丽等: 立体深度运动引发的立体视觉疲劳的脑电评估 从除记录眼电外的 30 个电极中挑选出 19 个电极. 把 整个脑区细分为八个不同脑区:前额(Fp1、Fp2),侧额 (F7、F8),额( F3、Fz、F4),颞( T7、T8),中央( C3、Cz、 C4),后颞(P7、P8),顶(P3、PZ 、P4),枕(O1、O2). 首先 对脑电进行预处理,以去除伪迹和不必要的频谱成分. 其中包括 1 ~ 30 Hz 的带通滤波,以去除工频干扰和基 线漂移. 滤波后借助独立成分分析,去除眼电和肌电 等伪迹干扰. 之后把观看刺激场景前和观看后 2 min 的脑电信号提取出来,并分别切成 120 份 1 s 长的脑电 片段;然后,以 1 Hz 的频谱分辨率对每个脑电片段进 行快速傅里叶变换,把能量划分为三个频段 兹 (4 ~ 8 Hz)、琢 (8 ~ 13 Hz)、茁 (13 ~ 22 Hz),并计算每个电极 上 3 个频段相对能量 E兹 、E琢 、E茁 . 啄 (0郾 5 ~ 4 Hz)频段 未被分析,因为此频段脑电波往往发生在深度睡眠期 间, 并 常 常 夹 杂 各 种 伪 迹[14,23] . E(琢 + 兹) / 茁 、 E琢/ 茁 、 E(琢 + 兹) / (琢 + 茁) 3 种能量比值也分别在每个电极的各个脑 电片段上计算出来,取 3 个基本频段相对能量及 3 种 能量比值在2 min 120 个脑电片段上的平均值. 接着再 按照上述脑区划分,分别计算 3 个基本频段及 3 种能 量比值在八个脑区及整个脑区电极上的平均值,作为 未疲劳与疲劳状态的最终指示,借助双因素方差分析、 配对 t 检验及灰色关联度分析从中筛选出优越指标指 示立体深度运动引起的立体视觉疲劳. 最后,以观看 刺激场景前后 2 min 的 240 个脑电片段作为样本,把筛 选出的优越指标及其组合作为特征,训练线性核函数 的支持向量机( SVM),并验证正确率,进一步确定最 具效率的指示立体深度运动引发的立体视觉疲劳的 指标. 2 试验结果及数据分析 2郾 1 主观调查量表分析 本试验采用的调查量表为立体视觉疲劳主观分析 问卷,在 Rechichi 与 Scullica [24] 提出的 10 个视疲劳症 状的基础上,另加眼睛干涩、头沉、摇头时头疼、肩膀僵 硬、肩部疼痛、腿沉、眩晕 7 个症状. 主观调查表共有 17 个症状,按图 2 中排序,前 8 个症状针对眼睛疲劳, 后 9 个症状针对躯体疲劳. 每个症状按照 1 ~ 5 分标 准进行打分,从 1 到 5 分所代表的症状程度分别为:1: 无;2:轻微;3:一般;4:严重;5:非常严重. 分别对得到 的十二份主观调查量表中每个疲劳症状得分进行平均 化,得到如图 2 的结果. 由图 2 可见,视力模糊、眼睛沉重、眼睛干涩、呕 吐、头沉、眩晕平均得分较高,尤其视力模糊和眼睛沉 重症状得分在 4 分以上,而畏光、流泪、背部疼痛和腿 沉平均得分较低. 为了得出各个症状是否对被试具有 普遍意义,计算这 12 个样本中每个症状得分相对平均 值的离散程度. 对不同项目而言,标准差缺乏可比性, 图 2 每个疲劳症状量化后的平均值 Fig. 2 Mean values of fatigue symptoms 故采用变异系数反映每个症状的离散程度. 变异系数 CV也称标准差率,其计算公式为: CV = 啄 x . (1) 式中,啄 为标准差,x 为平均数. 变异系数排除了平均值的影响,能够更好地对不 同项目之间的离散程度作出比较,变异系数越小,代表 此组数据的差异越小,样本越准确. 调查量表中这 17 个症状的变异系数如表 1. 表 1 不同疲劳症状的变异系数 Table 1 Variation coefficients of fatigue symptoms 症状 变异 系数/ % 症状 变异 系数/ % 症状 变异 系数/ % 视力模糊 28 眼痒 39 腿沉 67 眼睛沉重 25 眼睛刺痛 39 背部疼痛 49 眩晕 35 肩膀僵硬 53 畏光 36 头沉 52 摇头时头疼 47 流泪 33 眼睛干涩 56 头痛 69 呕吐 63 复视 30 恶心 45 在平均得分较高的症状中,视力模糊、眼睛沉重、 眩晕的变异系数远低于 50% ,而眼睛干涩、呕吐和头 沉的变异系数较高,说明在观看立体深度运动刺激时, 出现视力模糊、眼睛沉重和眩晕的症状相对严重的结 论在一定条件下具有普遍意义,眼睛干涩、呕吐和头沉 虽然平均得分较高,但其严重程度可能因人而异. 同 理,在平均得分较低的症状中,在一定程度上可以承认 畏光和流泪症状普遍比较轻微. 主观调查量表中前 8 个症状是关于眼睛疲劳,后 9 个症状是关于躯体疲劳,为了探究这两类不适感哪 一类更为严重,分别按 9 / 17 的权重和 8 / 17 的权重计 算出所有被试眼睛疲劳和躯体疲劳的总得分,结果如 图 3 所示,其中眼睛疲劳总得分为 145郾 2,躯体疲劳总 得分为 123郾 3. 可见在立体深度运动刺激后,眼睛疲劳 程度比躯体疲劳程度更大. ·1423·
·1424· 工程科学学报，第39卷，第9期 ■眼睛疲劳 分较高，其他各项得分较低.且眼睛疲劳维度图蓝线 ■驱体疲劳 所围面积大于躯体疲劳维度图蓝线所围面积，进一步 说明立体深度运动刺激后，眼睛疲劳程度大于躯体疲 劳程度.Rechichi和Scullica认为，只要出现其所提症 状的两个及以上，即可认为出现视觉疲劳.根据以 上结果，视力模糊、眼睛沉重症状得分均在4分以上， 且具有普遍性，说明立体深度运动刺激后，被试普遍出 现视觉疲劳.除此之外被试普遍出现眩晕症状.个别 图3眼睛疲劳和躯体疲劳所占比重 被试眼睛干涩、呕吐和头沉症状较严重.综上所述，说 Fig.3 Proportion of eye fatigue and body fatigue 明试验所用立体深度运动刺激普遍引起了被试包括眼 为了更加直观地看出眼睛疲劳和躯体疲劳中各类 睛疲劳和躯体疲劳在内的立体视觉疲劳，且眼睛疲劳 症状与整体的关系，采用维度图来体现.每一维度代 程度大于躯体疲劳程度 表具体的各个症状，维度上的分度值代表此症状的严 2.2脑电指标分析 重程度，如图4 图5显示了12名被试在0、、B频段的相对能量 对于眼睛疲劳，维度图分布偏向视力模糊、眼睛沉 变化脑电地形图.采用双因素方差分析来分析六种脑 重、眼睛干涩，这3项得分较高，其他各项得分较低 电指标在不同脑区及观看刺激前后的差异，结果如表 躯体疲劳方面，维度图分布偏向眩晕、头沉、呕吐，其得 2所示. 恶心 (a 视力模糊 (b) 5 眩晕 呕吐 眼痒 眼睛沉重 腿沉 头沉 复视 眼睛干涩 背部疼痛 头痛 流洱 眼睛刺痛 畏光 肩膀僵硬摇头时头疼 图4眼睛疲劳(a)和躯体疲劳(b)维度图 Fig.4 Dimension maps of eye fatigue (a)and body fatigue (b) 0.35 0.65 0.60 0.30 0.55 观看前 0.25 0.50 0.20 0.45 0.40 0.15 035 0.30 E 35 0.65 0.60 观看后 25 0.20 0.40 0.15 0.35 0.30 0.20 图5所有被试在观看刺激场景前、后各个基本频带(6，α，B,)相对能量脑电地形图 Fig.5 EEG topographical head maps of relative power in basic wavebands (0,a,B)for all the participants 由表2结果可知，所有的脑电指标均在不同脑区 下，该频段的相对能量相对未疲劳状态降低.α频段 间表现出显著性差异，除E,、Ea+ap之外的其他指 疲劳状态的相对能量与未疲劳状态相比，出现了显著 标则在观看刺激前后出现显著性差异，且六种指标均 上升.两者的变化在后颞、顶区和枕区最为明显.而日 未出现交互效应.结合图5看出，B频段的相对能量 波段的相对能量则在未疲劳与疲劳状态下几乎保持稳 在观看刺激后，出现了很大程度的下降，即疲劳状态 定，此项结论与文献[14,16,25]取得的结果一致.配
工程科学学报,第 39 卷,第 9 期 图 3 眼睛疲劳和躯体疲劳所占比重 Fig. 3 Proportion of eye fatigue and body fatigue 为了更加直观地看出眼睛疲劳和躯体疲劳中各类 症状与整体的关系,采用维度图来体现. 每一维度代 表具体的各个症状,维度上的分度值代表此症状的严 重程度,如图 4. 对于眼睛疲劳,维度图分布偏向视力模糊、眼睛沉 重、眼睛干涩,这 3 项得分较高,其他各项得分较低. 躯体疲劳方面,维度图分布偏向眩晕、头沉、呕吐,其得 分较高,其他各项得分较低. 且眼睛疲劳维度图蓝线 所围面积大于躯体疲劳维度图蓝线所围面积,进一步 说明立体深度运动刺激后,眼睛疲劳程度大于躯体疲 劳程度. Rechichi 和 Scullica 认为,只要出现其所提症 状的两个及以上,即可认为出现视觉疲劳[24] . 根据以 上结果,视力模糊、眼睛沉重症状得分均在 4 分以上, 且具有普遍性,说明立体深度运动刺激后,被试普遍出 现视觉疲劳. 除此之外被试普遍出现眩晕症状. 个别 被试眼睛干涩、呕吐和头沉症状较严重. 综上所述,说 明试验所用立体深度运动刺激普遍引起了被试包括眼 睛疲劳和躯体疲劳在内的立体视觉疲劳,且眼睛疲劳 程度大于躯体疲劳程度. 2郾 2 脑电指标分析 图 5 显示了 12 名被试在 兹、琢、茁 频段的相对能量 变化脑电地形图. 采用双因素方差分析来分析六种脑 电指标在不同脑区及观看刺激前后的差异,结果如表 2 所示. 图 4 眼睛疲劳(a)和躯体疲劳(b)维度图 Fig. 4 Dimension maps of eye fatigue (a) and body fatigue (b) 图 5 所有被试在观看刺激场景前、后各个基本频带(兹, 琢, 茁,)相对能量脑电地形图 Fig. 5 EEG topographical head maps of relative power in basic wavebands (兹, 琢, 茁) for all the participants 由表 2 结果可知,所有的脑电指标均在不同脑区 间表现出显著性差异,除 E兹 、E(琢 + 兹) / (琢 + 茁之外的其他指 标则在观看刺激前后出现显著性差异,且六种指标均 未出现交互效应. 结合图 5 看出,茁 频段的相对能量 在观看刺激后,出现了很大程度的下降,即疲劳状态 下,该频段的相对能量相对未疲劳状态降低. 琢 频段 疲劳状态的相对能量与未疲劳状态相比,出现了显著 上升. 两者的变化在后颞、顶区和枕区最为明显. 而 兹 波段的相对能量则在未疲劳与疲劳状态下几乎保持稳 定,此项结论与文献[14,16,25]取得的结果一致. 配 ·1424·
沈丽丽等：立体深度运动引发的立体视觉疲劳的脑电评估 ·1425· 对：检验被用于各个类别的脑电指标在不同脑区及整 表3中八个脑区及整个脑区与六类指标相结合共 个脑区在观看刺激前后的分析.分析结果如表3所示. 组成54个指标.其中有24个指标出现显著性差异. 表2脑电指标双因素方差分析结果 为了从这24个指标中选出相对优越的指标，采用了灰 Table 2 Two-factor results for subjects based on anova of EEG indicators 色关联度分析.灰色关联度分析是一种从整体出发， 脑电指标 观看刺激前后因素 脑区因素 对受多因素影响的事物和现象进行综合评价的分析思 Ea F=50.667,p<0.001 想，把比较数列集与参考数列集构成曲线的几何形状 E。 F=114.68,p<0.001 F=52.106,p<0.001 进行比较，二者越相似关联度越大，则相关指标性能越 Ea F=108.51,p<0.001 F=8.383,p<0.001 优越.参考数列一般为比较理想的数列集[2s-2).Spe E(a+0)/ F=92.269,p<0.001 F=8.563,p<0.001 ranza等[]将灰色关联度分析用于从多个待选脑电指 Eap F=93.6,p<0.001 F=34.908,p<0.001 标中筛选出指示视觉疲劳的最佳脑电指标.灰色关联 E(a+)/(+B) F=9.546,p<0.001 度计算过程如下： 注：p值表示不拒绝原假设的程度，P值越小结果越可信：F值 (1)首先确定参考数列W。与第i个比较数列V, 表示整个拟合方程的显著性，F值越大，表示方程越显著.p<0.05 如式(2)，其中w)()分别表示参考数列与比较 有显著性差异 数列中的第j个对应元素. 表3观看刺激前后不同脑区脑电指标配对：检验分析结果 Table 3 Results of paired-sample t-test of EEG indicators in different regions 脑电指标 前额 侧颜 额 颗 中央 后颞 顶 的 整个脑区 Ea 0.003 E。 0.012 0.007 0.001 <0.001 0.013 <0.001 Ee 0.022 0.043 0.006 0.005 0.002 <0.001 E(a+0)/B <0.001 <0.001 <0.001 E 0.036 0.011 0.021 <0.001 <0.001 0.002 <0.001 E(a)/(a+B) <0.001 注：P值表示不拒绝原假设的程度，P值越小结果越可信.P<0.05有显著性差异 Wg={wg(1),1U(2),…0r(j)…,wm(n)}, (6)最终所有比较数列与参考数列的关联关系用 V={u(1),(2),e(G)…,a(n)}, 式(7)反映： i=1,2,…,m (2) R=[r,2,…,rn]. (7) (2)计算各个比较数列与参考数列每个对应元素 为了筛选出指示立体深度运动引发的立体视觉疲 之间的绝对差值△(G),即： 劳的最佳脑电指标.参考数列由疲劳状态组成，即观 4:）=lDa(i)-0r(j)l,j=1,2…,n (3) 看刺激前后的状态.其中疲劳状态用1表示，未疲劳 (3)确定绝对差值的最大值△与最小值△，如 状态用0表示.12个被试，共有24个状态，因此，参考 公式(4)： 数列由24个数据组成，数据值为0、1.有24个脑电指 △as=max{max[4,G)]}, 标参与评估，因此比较数列有24个，每个比较数列对 A=minmin[A(j) (4) 应于一个脑电指标，由12个被试的24个观看刺激前 (4)计算各个比较数列与参考数列每个对应元素 后的该脑电指标值构成.观看刺激前的脑电指标在比 的关联系数：()，如公式(5)： 较数列中的位置对应于参考数列中相应位置的值0， △in+nds 同理，观看刺激后的脑电指标在参考数列中对应位置 )=A,)+n (5) 值为1，分辨系数设为0.5.灰色关联度分析前，所有 式中，)为分辨系数，其值在(0,1)之间，n取值越小， 脑电指标比较数列与参考数列一起进行标准化处理. 关联系数间的差异越大，分辨能力越强，通常取η= 图6为对24个脑电指标的灰色关联度分析结果.FP、 0.5. F、F、T、C、PT、P、O、EN分别代表前额、侧额、额、颞、中 (5)对各个比较数列分别计算其每个元素与参考 央、后颞、顶、枕、整个脑区.其后数字123、4、5、6，分 数列对应元素的关联系数，该数列所有元素对应关联 别表示脑电指标E。、E。、E、Eae、ER和 系数均值即为相对关联度值.如式(6)： E(aa+B脑区与数字组合表示相应脑区的相应脑 1 电指标，如：PT5表示后颗区的Ee脑电指标. 6) 由灰色关联度分析结果可知，关联度相对较高的
沈丽丽等: 立体深度运动引发的立体视觉疲劳的脑电评估 对 t 检验被用于各个类别的脑电指标在不同脑区及整 个脑区在观看刺激前后的分析. 分析结果如表 3 所示. 表 2 脑电指标双因素方差分析结果 Table 2 Two鄄factor results for subjects based on anova of EEG indicators 脑电指标 观看刺激前后因素 脑区因素 E兹 ― F = 50郾 667,p < 0郾 001 E琢 F = 114郾 68,p < 0郾 001 F = 52郾 106,p < 0郾 001 E茁 F = 108郾 51,p < 0郾 001 F = 8郾 383,p < 0郾 001 E(琢 + 兹) / 茁 F = 92郾 269,p < 0郾 001 F = 8郾 563,p < 0郾 001 E琢/ 茁 F = 93郾 6,p < 0郾 001 F = 34郾 908, p < 0郾 001 E(琢 + 兹) / (琢 + 茁) ― F = 9郾 546,p < 0郾 001 注: p 值表示不拒绝原假设的程度,p 值越小结果越可信;F 值 表示整个拟合方程的显著性,F 值越大,表示方程越显著. p < 0郾 05 有显著性差异. 表 3 中八个脑区及整个脑区与六类指标相结合共 组成 54 个指标. 其中有 24 个指标出现显著性差异. 为了从这 24 个指标中选出相对优越的指标,采用了灰 色关联度分析. 灰色关联度分析是一种从整体出发, 对受多因素影响的事物和现象进行综合评价的分析思 想,把比较数列集与参考数列集构成曲线的几何形状 进行比较,二者越相似关联度越大,则相关指标性能越 优越. 参考数列一般为比较理想的数列集[26鄄鄄27] . Spe鄄 ranza 等[19]将灰色关联度分析用于从多个待选脑电指 标中筛选出指示视觉疲劳的最佳脑电指标. 灰色关联 度计算过程如下: (1)首先确定参考数列 WR与第 i 个比较数列 V i A , 如式(2),其中 wR (j)、vA (j)分别表示参考数列与比较 数列中的第 j 个对应元素. 表 3 观看刺激前后不同脑区脑电指标配对 t 检验分析结果 Table 3 Results of paired鄄sample t鄄test of EEG indicators in different regions 脑电指标 前额 侧额 额 颞 中央 后颞 顶 枕 整个脑区 E兹 ― ― ― ― ― ― 0郾 003 ― ― E琢 ― 0郾 012 0郾 007 ― ― 0郾 001 < 0郾 001 0郾 013 < 0郾 001 E茁 ― ― 0郾 022 ― 0郾 043 0郾 006 0郾 005 0郾 002 < 0郾 001 E(琢 + 兹) / 茁 ― ― ― ― ― ― < 0郾 001 < 0郾 001 < 0郾 001 E琢/ 茁 0郾 036 0郾 011 ― 0郾 021 ― < 0郾 001 < 0郾 001 0郾 002 < 0郾 001 E(琢 + 兹) / (琢 + 茁) ― ― ― ― ― ― < 0郾 001 ― ― 注:p 值表示不拒绝原假设的程度,p 值越小结果越可信. p < 0郾 05 有显著性差异. WR = {wR (1),wR (2),…wR (j)…,wR (n)}, V i A = {vA (1),vA (2),…vA (j)…,vA (n)}, i = 1,2,…,m. (2) (2)计算各个比较数列与参考数列每个对应元素 之间的绝对差值 驻i(j),即: 驻i(j) = |vA (j) - wR (j) | , j = 1,2…,n. (3) (3)确定绝对差值的最大值 驻max与最小值 驻min ,如 公式(4): 驻max = max i {max j [驻i(j)]}, 驻min = min i {min j [驻i(j)]}. (4) (4)计算各个比较数列与参考数列每个对应元素 的关联系数 孜i(j),如公式(5): 孜i(j) = 驻min + 浊驻max 驻i(j) + 浊驻max . (5) 式中,浊 为分辨系数,其值在(0,1)之间,浊 取值越小, 关联系数间的差异越大,分辨能力越强,通常取 浊 = 0郾 5. (5)对各个比较数列分别计算其每个元素与参考 数列对应元素的关联系数,该数列所有元素对应关联 系数均值即为相对关联度值. 如式(6): ri = 1 n 移 n j = 1 孜i(j). (6) (6)最终所有比较数列与参考数列的关联关系用 式(7)反映: R = [r1 ,r2 ,…,rm ] T . (7) 为了筛选出指示立体深度运动引发的立体视觉疲 劳的最佳脑电指标. 参考数列由疲劳状态组成,即观 看刺激前后的状态. 其中疲劳状态用 1 表示,未疲劳 状态用 0 表示. 12 个被试,共有 24 个状态,因此,参考 数列由 24 个数据组成,数据值为 0、1. 有 24 个脑电指 标参与评估,因此比较数列有 24 个,每个比较数列对 应于一个脑电指标,由 12 个被试的 24 个观看刺激前 后的该脑电指标值构成. 观看刺激前的脑电指标在比 较数列中的位置对应于参考数列中相应位置的值 0, 同理,观看刺激后的脑电指标在参考数列中对应位置 值为 1,分辨系数设为 0郾 5. 灰色关联度分析前,所有 脑电指标比较数列与参考数列一起进行标准化处理. 图 6 为对 24 个脑电指标的灰色关联度分析结果. FP、 IF、F、T、C、PT、P、O、EN 分别代表前额、侧额、额、颞、中 央、后颞、顶、枕、整个脑区. 其后数字 1、2、3、4、5、6,分 别 表 示 脑 电 指 标 E兹 、 E琢 、 E茁 、 E(琢 + 兹) / 茁 、 E琢/ 茁 和 E(琢 + 兹) / (琢 + 茁 . 脑区与数字组合表示相应脑区的相应脑 电指标,如:PT5 表示后颞区的 E琢/ 茁脑电指标. 由灰色关联度分析结果可知,关联度相对较高的 ·1425·
·1426· 工程科学学报，第39卷，第9期 0.60 0.55 0.50 0.40 0.35 0352F5P235CSP2TPT$P1F2P45F602030405E2EN3E4EN5 脑电波指标 图6具有显著性差别的24个脑电指标的灰色关联度分析结果 Fig.6 Grey relational grade of 24 EEG indicators with significant differences 前五个指标从高到低依次为：枕区E。B、枕区E(a+p、 刺激场景前后2min的240个脑电片段作为样本，分别 顶区EB、顶区Ea+B、后颞区EB:从这个结果来 以筛选出的5个指标及其组合作为特征，随机把样本 看，有效指示立体视觉疲劳的脑电指标主要集中在后 分量的7/10作为训练样本，3/10作为验证样本，利用 颞、顶区，枕区，与相对能量脑电地形图分析结果相一 支持向量机(SVM),以10次交叉验证的正确率的平均 致.有效的脑电指标类别主要是EopF(e为了进 值作为每个被试的正确率结果，最后取12个被试正确率 一步验证以上5个通过灰色关联度分析筛选出的脑电 的平均值作为最终表示5个脑电指标及其组合作为特征 指标对立体视觉疲劳识别的有效性，把每个被试观看 对疲劳状态识别有效性的指示.分类结果如表4所示 表4各个脑电波指标作为特征及其组合的分类正确率 Table 4 Accuracy of results for different EEG indicators and their combination % 枕区 枕区 顶区 顶区 后颗区 五个指标 枕区指标 顶区指标 E E(a+0)/ Eae E(a+)/B Ewve 组合特征 组合特征 组合特征 69.31 69.17 75 74.03 72.5 72.97 69.03 75.83 由分类正确率结果来看，5个指标及其组合指标 与疲劳状态下，脑电波将在不同的频段与脑区出现显 均表现出可分性，表明所选指标对识别立体视觉疲劳 著差别：两种状态下，日频段相对能量未出现明显变 具有有效性.其中顶区指标的有效性最高，后颞区、枕 化：α频段相对能量出现显著性上升：而B频段相对能 区指标有效性略低.且5个指标组合的有效性比之顶 量出现显著性下降，并且两者在后题区、顶区和枕区的 区指标有效性并未有提升.枕区指标组合有效性比之 变化最为明显.E。E。EEa8 BEa/p E(a-+均 枕区各个指标有效性也未有提升，顶区指标组合的有 在不同脑区出现显著差异，其中除E。、Ea,+外， 效性比之顶区各个指标有效性未有显著提升.综上来 其他脑电指标在疲劳前后出现显著差异，且六类指标 看，就有效性而言，顶区EB顶区E。及其组合对 均未出现脑区与疲劳状态的交互效应. 立体视觉疲劳的识别最优越.但结合频段提取及计算 (3)在八个脑区及整个脑区脑电指标E。、E。、E。、 复杂度，则顶区的脑电指标EB是最合适有效的指示 E(aeE.wpE(aova+)组成的54个脑电指标中，共 由立体深度运动引起的立体视觉疲劳的指标 有24个指标在疲劳前后出现显著性差异.通过灰色 3 结论 关联度分析，得出比较优越的五个指标为：枕区E、 枕区Ea+wB顶区EB、顶区EaoB后颞区Eg:优 (1)长时间观看立体深度运动刺激，将普遍引起 越指标的类别为：E(a+wp、EB,主要集中在枕区、顶 包括眼睛疲劳与躯体疲劳在内的立体视觉疲劳，其中 区、后颞区.把5个优越指标及其组合作为特征，利用 视力模糊、眼睛沉重、眩晕的症状具有普遍性，且眼睛 支持向量机(SVM)进行训练分类，分类正确率结果表 疲劳程度比躯体疲劳程度更大 明：顶区E顶区E(aow、及其组合最有效，考虑到 (2)观看立体深度运动刺激前后，即未疲劳状态 频段提取及计算复杂度，最后得出：在所有备选指标
工程科学学报,第 39 卷,第 9 期 图 6 具有显著性差别的 24 个脑电指标的灰色关联度分析结果 Fig. 6 Grey relational grade of 24 EEG indicators with significant differences 前五个指标从高到低依次为:枕区 E琢/ 茁 、枕区 E(琢 + 兹) / 茁 、 顶区 E琢/ 茁 、顶区 E(琢 + 兹) / 茁 、后颞区 E琢/ 茁 . 从这个结果来 看,有效指示立体视觉疲劳的脑电指标主要集中在后 颞、顶区,枕区,与相对能量脑电地形图分析结果相一 致. 有效的脑电指标类别主要是 E琢/ 茁 、E(琢 + 兹) / 茁 . 为了进 一步验证以上 5 个通过灰色关联度分析筛选出的脑电 指标对立体视觉疲劳识别的有效性,把每个被试观看 刺激场景前后 2 min 的 240 个脑电片段作为样本,分别 以筛选出的 5 个指标及其组合作为特征,随机把样本 分量的 7 / 10 作为训练样本,3 / 10 作为验证样本,利用 支持向量机(SVM),以 10 次交叉验证的正确率的平均 值作为每个被试的正确率结果,最后取 12 个被试正确率 的平均值作为最终表示 5 个脑电指标及其组合作为特征 对疲劳状态识别有效性的指示. 分类结果如表4 所示. 表 4 各个脑电波指标作为特征及其组合的分类正确率 Table 4 Accuracy of results for different EEG indicators and their combination % 枕区 E琢/ 茁 枕区 E(琢 + 兹) / 茁 顶区 E琢/ 茁 顶区 E(琢 + 兹) / 茁 后颞区 E琢/ 茁 五个指标 组合特征 枕区指标 组合特征 顶区指标 组合特征 69郾 31 69郾 17 75 74郾 03 72郾 5 72郾 97 69郾 03 75郾 83 由分类正确率结果来看,5 个指标及其组合指标 均表现出可分性,表明所选指标对识别立体视觉疲劳 具有有效性. 其中顶区指标的有效性最高,后颞区、枕 区指标有效性略低. 且 5 个指标组合的有效性比之顶 区指标有效性并未有提升. 枕区指标组合有效性比之 枕区各个指标有效性也未有提升,顶区指标组合的有 效性比之顶区各个指标有效性未有显著提升. 综上来 看,就有效性而言,顶区 E琢/ 茁 、顶区 E(琢 + 兹) / 茁及其组合对 立体视觉疲劳的识别最优越. 但结合频段提取及计算 复杂度,则顶区的脑电指标 E琢/ 茁是最合适有效的指示 由立体深度运动引起的立体视觉疲劳的指标. 3 结论 (1)长时间观看立体深度运动刺激,将普遍引起 包括眼睛疲劳与躯体疲劳在内的立体视觉疲劳,其中 视力模糊、眼睛沉重、眩晕的症状具有普遍性,且眼睛 疲劳程度比躯体疲劳程度更大. (2)观看立体深度运动刺激前后,即未疲劳状态 与疲劳状态下,脑电波将在不同的频段与脑区出现显 著差别:两种状态下,兹 频段相对能量未出现明显变 化;琢 频段相对能量出现显著性上升;而 茁 频段相对能 量出现显著性下降,并且两者在后颞区、顶区和枕区的 变化最为明显. E兹 、E琢 、E茁 、E(琢 + 兹) / 茁 、E琢/ 茁 、E(琢 + 兹) / (琢 + 茁) 均 在不同脑区出现显著差异,其中除 E兹 、E(琢 + 兹) / (琢 + 茁) 外, 其他脑电指标在疲劳前后出现显著差异,且六类指标 均未出现脑区与疲劳状态的交互效应. (3)在八个脑区及整个脑区脑电指标 E兹 、E琢 、E茁 、 E(琢 + 兹) / 茁 、E琢/ 茁 、E(琢 + 兹) / (琢 + 茁) 组成的 54 个脑电指标中,共 有 24 个指标在疲劳前后出现显著性差异. 通过灰色 关联度分析,得出比较优越的五个指标为:枕区 E琢/ 茁 、 枕区 E(琢 + 兹) / 茁 、顶区 E琢/ 茁 、顶区 E(琢 + 兹) / 茁 、后颞区 E琢/ 茁 . 优 越指标的类别为:E(琢 + 兹) / 茁 、E琢/ 茁 ,主要集中在枕区、顶 区、后颞区. 把 5 个优越指标及其组合作为特征,利用 支持向量机(SVM)进行训练分类,分类正确率结果表 明:顶区 E琢/ 茁 、顶区 E(琢 + 兹) / 茁 、及其组合最有效,考虑到 频段提取及计算复杂度,最后得出:在所有备选指标 ·1426·
沈丽丽等：立体深度运动引发的立体视觉疲劳的脑电评估 ·1427· 中，最合适有效用于指示由立体深度运动引起的立体 driver fatigue.Biol Psychology,2001,55(3):173 视觉疲劳的脑电指标为：顶区E [14]Eoh H J,Chung M K,Kim S H.Electroencephalographic study of drowsiness in simulated driving with sleep deprivation.IntJ 参考文献 Ind Ergonomies,2005,35(4):307 [1]Pollock B,Burton M,Kelly J W,et al.The right view from the [15]Jap B T,Lal S,Fischer P,et al.Using EEG spectral compo- wrong location:depth perception in stereoscopic multi-user virtual nents to assess algorithms for detecting fatigue.Expert Syst Appl, environments.IEEE Trans Visualization Comput Graphics,2012, 2009,36(2):2352 18(4):581 [16]Hsu B W,Wang M J J.Evaluating the effectiveness of using [2]Ukai K,Howarth PA.Visual fatigue caused by viewing stereo- electroencephalogram power indices to measure visual fatigue. scopic motion images:background,theories,and observations. Per-ceptual Motor Skills,2013,116(1):235 Dis-pdax,2008,29(2):106 [17]Chen C X,Li K,Wu Q Y,et al.EEG-based detection and [3]Li HCO,Seo J,Kham K,et al.Method of measuring subjective evaluation of fatigue caused by watching 3DTV.Displays,2013. 3-D visual fatigue:a five-factor model//Optical Society of Ameri- 34(2):81 ca:Digital Holography and Three-Dimensional Imaging.Peters- [18]Yano S,Ide S,Mitsuhashi T,et al.A study of visual fatigue burg,2008:DWA5 and visual comfort for 3D HDTV/HDTV images.Displays, [4]GutierrezJ,Perez P,Jaureguizar F,et al.Subjective assessment 2002,23(4):191 of the impact of transmission errors in 3DTV compared to HDTV [19]Speranza F,Tam W J.Renaud R,et al.Effect of disparity and /3DTV Conference:The True Vision-Capture,Transmission and motion on visual comfort of stereoscopic images//Proceedings of Display of3D Video.Antalya,2011 SPIE 6055 Stereoscopic Displays and Virtual Reality Systems XIlI- [5]Yano S.Emoto M.Mitsuhashi T.Two factors in visual fatigue The International Society for Optical Engineering.San Jose, caused by stereoscopic HDTV images.Displays,2004,25(4): 2006:60550B 141 [20]Craig A,Hancock K.Craig M.The lifestyle appraisal question- [6]Kim D,Sohn K.Visual fatigue prediction for stereoscopic image. naire:a comprehensive assessment of health and stress.Psychol- IEEE Trans Circuits Syst Video Technol,2011,21(2):231 ogy Health,1996,11(3):331 [7]Lambooij M,Fortuin M,Heynderickx I,et al.Visual discomfort [21]Craig A,Tran Y,Wijesuriya N,et al.A controlled investigation and visual fatigue of stereoscopic displays:a review.lmaging into the psychological determinants of fatigue.Biol Psychology, Sci Technol,2009,53(3):30201-l 2006,72(1):78 [8]Li J,Chen C X,Liu Y P,et al.Small-world brain functional net- [22]Sheedy J E,Hayes J,Engle J.Is all asthenopia the same?Op- work altered by watching 2D/3DTV.J Visual Commun Image Rep- tometry Vision Sci.2003.80(11):732 resentation,2016,38:433 [23]Li W,He Q C,Fan X M,et al.Evaluation of driver fatigue on [9]Chen C X.Wang J,Li K,et al.Visual fatigue caused by wate- two channels of EEG data.Neurosci Lett,2012,506(2):235 hing 3DTV:an fMRI study.Biomed Eng Online,2015,14(Sup- [24]Rechichi C,Scullica L.Asthenopia and monitor characteristics. pl1):S12 J Francais D'ophtalmologie,1990.13(8-9):456 [10]Chen C X,Wang J,Li K,et al.Assessment visual fatigue of [25]Zou B C.Liu Y.Guo M,et al.EEG-based assessment of stereo- watching 3DTV using EEG power spectral parameter.Displays, scopic 3D visual fatigue caused by vergence-accommodation con- 2014,35(5):266 flict.J Display Technol,2015,11(12):1076 [11]Emoto M,NidaT,Okano F.Repeated vergence adaptation cau- [26]Samvedi A,Jain V,Chan FTS.An integrated approach for ma- ses the decline of visual functions in watching stereoscopic televi- chine tool selection using fuzzy analytical hierarchy process and sion.J Display Technol,2005,1(2):328 grey relational analysis.Int J Prod Res,2012,50(12):3211 [12]Frey J.Pommereau L,Lotte F,et al.Assessing the zone of com- [27]Mu R,Zhang J T.Research of hierarchy synthetic evaluation fort in stereoscopic displays using EEG//Proceeding of CHI EA based on grey relational analysis.Syst Eng Theory Practice, 14 CHI 14 Extended Abstracts on Human Factors in Computing 2008,28(10):125 Systems.New York,2014:2041 (穆瑞，张家泰。基于灰色关联分析的层次综合评价.系统 [13]Lal S K L.Craig A.A eritical review of the psychophysiology of 工程理论与实践，2008,28(10)：125)
沈丽丽等: 立体深度运动引发的立体视觉疲劳的脑电评估 中,最合适有效用于指示由立体深度运动引起的立体 视觉疲劳的脑电指标为:顶区 E琢/ 茁 . 参 考 文 献 [1] Pollock B, Burton M, Kelly J W, et al. The right view from the wrong location: depth perception in stereoscopic multi鄄user virtual environments. IEEE Trans Visualization Comput Graphics, 2012, 18(4): 581 [2] Ukai K, Howarth P A. Visual fatigue caused by viewing stereo鄄 scopic motion images: background, theories, and observations. Dis鄄plays, 2008, 29(2): 106 [3] Li H C O, Seo J, Kham K, et al. Method of measuring subjective 3鄄D visual fatigue: a five鄄factor model / / Optical Society of Ameri鄄 ca: Digital Holography and Three鄄Dimensional Imaging. Peters鄄 burg, 2008: DWA5 [4] Guti佴rrez J, P佴rez P, Jaureguizar F, et al. Subjective assessment of the impact of transmission errors in 3DTV compared to HDTV / / 3DTV Conference: The True Vision鄄Capture, Transmission and Display of 3D Video. Antalya, 2011 [5] Yano S, Emoto M, Mitsuhashi T. Two factors in visual fatigue caused by stereoscopic HDTV images. Displays, 2004, 25 (4 ): 141 [6] Kim D, Sohn K. Visual fatigue prediction for stereoscopic image. IEEE Trans Circuits Syst Video Technol, 2011, 21(2): 231 [7] Lambooij M, Fortuin M, Heynderickx I, et al. Visual discomfort and visual fatigue of stereoscopic displays: a review. J Imaging Sci Technol, 2009, 53(3): 30201鄄1 [8] Li J, Chen C X, Liu Y P, et al. Small鄄world brain functional net鄄 work altered by watching 2D/ 3DTV. J Visual Commun Image Rep鄄 resentation, 2016, 38: 433 [9] Chen C X, Wang J, Li K, et al. Visual fatigue caused by watc鄄 hing 3DTV: an fMRI study. Biomed Eng Online, 2015, 14(Sup鄄 pl 1): S12 [10] Chen C X, Wang J, Li K, et al. Assessment visual fatigue of watching 3DTV using EEG power spectral parameter. Displays, 2014, 35(5): 266 [11] Emoto M, Niida T, Okano F. Repeated vergence adaptation cau鄄 ses the decline of visual functions in watching stereoscopic televi鄄 sion. J Display Technol, 2005, 1(2): 328 [12] Frey J, Pommereau L, Lotte F, et al. Assessing the zone of com鄄 fort in stereoscopic displays using EEG / / Proceeding of CHI EA '14 CHI '14 Extended Abstracts on Human Factors in Computing Systems. New York, 2014: 2041 [13] Lal S K L, Craig A. A critical review of the psychophysiology of driver fatigue. Biol Psychology, 2001, 55(3): 173 [14] Eoh H J, Chung M K, Kim S H. Electroencephalographic study of drowsiness in simulated driving with sleep deprivation. Int J Ind Ergonomics, 2005, 35(4): 307 [15] Jap B T, Lal S, Fischer P, et al. Using EEG spectral compo鄄 nents to assess algorithms for detecting fatigue. Expert Syst Appl, 2009, 36(2): 2352 [16] Hsu B W, Wang M J J. Evaluating the effectiveness of using electroencephalogram power indices to measure visual fatigue. Per鄄ceptual Motor Skills, 2013, 116(1): 235 [17] Chen C X, Li K, Wu Q Y, et al. EEG鄄based detection and evaluation of fatigue caused by watching 3DTV. Displays, 2013, 34(2): 81 [18] Yano S, Ide S, Mitsuhashi T, et al. A study of visual fatigue and visual comfort for 3D HDTV/ HDTV images. Displays, 2002, 23(4): 191 [19] Speranza F, Tam W J, Renaud R, et al. Effect of disparity and motion on visual comfort of stereoscopic images / / Proceedings of SPIE 6055 Stereoscopic Displays and Virtual Reality Systems XIII 鄄 The International Society for Optical Engineering. San Jose, 2006: 60550B [20] Craig A, Hancock K, Craig M. The lifestyle appraisal question鄄 naire: a comprehensive assessment of health and stress. Psychol鄄 ogy Health, 1996, 11(3): 331 [21] Craig A, Tran Y, Wijesuriya N, et al. A controlled investigation into the psychological determinants of fatigue. Biol Psychology, 2006, 72(1): 78 [22] Sheedy J E, Hayes J, Engle J. Is all asthenopia the same? Op鄄 tometry Vision Sci, 2003, 80(11): 732 [23] Li W, He Q C, Fan X M, et al. Evaluation of driver fatigue on two channels of EEG data. Neurosci Lett, 2012, 506(2): 235 [24] Rechichi C, Scullica L. Asthenopia and monitor characteristics. J Francais D蒺ophtalmologie, 1990, 13(8鄄9): 456 [25] Zou B C, Liu Y, Guo M, et al. EEG鄄based assessment of stereo鄄 scopic 3D visual fatigue caused by vergence鄄accommodation con鄄 flict. J Display Technol, 2015, 11(12): 1076 [26] Samvedi A, Jain V, Chan F T S. An integrated approach for ma鄄 chine tool selection using fuzzy analytical hierarchy process and grey relational analysis. Int J Prod Res, 2012, 50(12): 3211 [27] Mu R, Zhang J T. Research of hierarchy synthetic evaluation based on grey relational analysis. Syst Eng Theory Practice, 2008, 28(10): 125 (穆瑞, 张家泰. 基于灰色关联分析的层次综合评价. 系统 工程理论与实践, 2008, 28(10): 125) ·1427·