脑电信号(Electroencephalogram,EEG)可有效反映大脑活动状态,不同状态的EEG具有很大差异,通过信号处理算法,可映射出大脑功能状态。在驾驶疲劳评估领域,传统EEG分析方法大多是定性表征脑功能状态,即判断大脑是处于清醒还是疲劳状态,极少有定量评估其脑功能状态动态变化过程的研究。简单地定性表征疲劳状态,并不能满足实际应用需求LXH254研究购买,因此,寻找一种客观方法定量评估脑功能状态具有重要的实际意义。本文借助样本集空间距离,以驾驶疲劳为研究对象,开展了基于EEG的脑功能状态定量评估方法研究,并将其应用于驾驶疲劳的定量评估中,同时也基于复杂网络理论构建了脑功能网络,研究驾驶疲劳形成Belnacasan浓度的脑网络机制。本文完成的主要工作如下:(1)研究基于样本集空间距离的脑功能状态评估方法。首先提取脑电功能连接特征并进行排序,根据特征排序结果,依次取前n个特征构建特征子集(n≤1104),计算特征子集的空间距离并将其与反应时间作相关分析,以均方根误差为评价指标,对比特征子集相关系数所对应的均方根误差值从而筛选出最优特征子集,此后基于最优特征子集的空间距离进行脑功能状态的定量评估。实验结果表明,随着任务时间的推移,脑电特征集的空间距离呈近似线性的增加趋势,即脑功能状态变化程度逐渐变大;其空间距离与反应时间呈正相关,平均相关系数为0.3839。(2)研究基于线性加权的脑功能状态评估方法。根Biobased materials据特征排序结果,依次利用线性加权法对前n个特征进行融合(n≤1104)并构建融合特征子集,以均方根误差为评价指标,将融合特征子集的空间距离与反应时间作相关分析并计算其对应的均方根误差值以及对比,进而筛选出最优特征子集,此后利用融合后的脑电特征的空间距离进行脑功能状态的定量评估。实验结果表明,脑电融合特征的空间距离随着任务时间的增加呈近似递增趋势,意味着脑功能状态变化程度逐渐加深;其空间距离与反应时间呈正相关,平均相关系数为0.4851;对脑电功能连接特征进行融合处理可提升脑功能状态定量评估的准确性。(3)研究驾驶疲劳动态过程的脑网络机制。以最优特征子集的特征数为阈值、特征值为连接边的权重构建脑功能网络,从功能连接角度度量其脑网络机制。研究结果表明,驾驶疲劳过程中的脑功能反应时与Gamma节律显著相关,并与跨长程脑区的功能连接异常相关,为后续驾驶疲劳监测、恢复、干预提供了基础理论支撑。本文基于样本集空间距离提出一种脑功能状态评估方法,同时基于脑功能网络理论探索了驾驶疲劳的脑网络机制,为脑功能状态评估的发展提供了新的视角。