引　言

疲劳主要分为精神疲劳和生理疲劳，是由于过度的身体活动或者心理活动导致的。生理疲劳主要体现在身体活动功能以及效率下降，而精神疲劳主要体现在潜在的认知功能损害^[1]。人类大脑的前额叶主要负责认知和记忆等功能^[2]，大脑精神疲劳体现在认知功能下降，因此对前额叶区域进行认知功能监测可以看出受试者在长时间精神高度集中的工作状态下是否产生疲劳^[3]。对于需要长时间注意力集中的工作人员来说，若在工作时因脑疲劳发生失误可能会导致严重的后果，例如：司机长时间在高速公路行驶容易因疲劳驾驶而发生车祸；工厂操作工容易因长时间的工作而产生脑疲劳，从而导致发生安全事故的概率上升；甚至在军事领域中，若作战人员需要面对突发情况但已经处于大脑疲劳的状态，由于其操作能力和反应能力的下降容易造成工作失误。因此，实时监测工作人员的大脑疲劳状态对于保障其人身安全来说非常重要。

目前检测疲劳状态的主流方法是在工作前后通过测试认知能力并查看能力是否下降的结果来判断疲劳状态，或者在工作结束后通过《疲劳自测表》来判断^[4]。因此此类判断疲劳的方法存在较大的漏洞，无法在工作过程中检测到疲劳状态，容易在工作后期因大脑疲劳而产生安全隐患。此外还有通过监控检测眼动信号，手环检测心率变异性、肌肉抽搐等生理指标^[5]来检测疲劳状态，这些生理指标间接检测了大脑的疲劳状态，而功能性近红外脑成像技术（functional near-infrared spectroscopy，fNIRS）设备能够直接检测大脑的认知状态，对于疲劳状态检测具有直接效果^[6]，此外fNIRS具有良好的时间分辨率和空间分辨率，具有非侵入性、无损、便携、低成本等特点^[7]，fNIRS设备的可穿戴性以及便携性可以使其应用于各个工作场景。

fNIRS可以实时对大脑前额叶的激活程度进行成像，是一种通过放置在头颅上的fNIRS头套去采集分析信号从而反映脑活动的一种技术^[8]。fNIRS的检测原理为当大脑受到外界任务刺激并且开始剧烈的脑活动时，在神经血管耦合的作用下会引起氧合血红蛋白（HbO）的浓度上升以及脱氧血红蛋白（Hb）的浓度下降^[9]，由于HbO和Hb在600～900 nm波长范围内具有较高的吸收系数，可采用近红外波段来检测HbO和Hb的浓度变化^[10]。其检测过程为放置在头皮上的光源发射近红外光并且穿过脑组织，由放置头皮上的光电探测器接收出射光强，出射光强在脑组织吸收和散射的作用下与入射光强相比幅值有所减少，因此根据已知的入射光强和采集到的出射光强应用修正的比尔–朗伯定律（modified Beer-Lambert law, MBLL）^[11]可以将其转化为HbO和Hb的浓度，MBLL如式（1）所示，血红蛋白浓度变化的求解如式（2）所示。

$ \Delta OD = \left( {{\varepsilon _{{\rm{HbO}}\left( \lambda \right)}}\Delta {C_{{\rm{HbO}}}} + {\varepsilon _{{\rm{Hb}}\left( \lambda \right)}}\Delta {C_{{\rm{Hb}}}}} \right) \cdot DPF\left( \lambda \right) \cdot d $

(1)

$ \left( \begin{gathered} \Delta {C_{{\rm{HbO}}}} \\ \Delta {C_{{\rm{Hb}}}} \\ \end{gathered} \right) = \frac{1}{{DPF \cdot d}}{\left( \begin{gathered} {\varepsilon _{{\rm{HbO}}\left( {{\lambda _1}} \right)}}{\varepsilon _{{\rm{Hb}}\left( {{\lambda _1}} \right)}} \\ {\varepsilon _{{\rm{HbO}}\left( {{\lambda _2}} \right)}}{\varepsilon _{{\rm{Hb}}\left( {{\lambda _2}} \right)}} \\ \end{gathered} \right)^{ - 1}}\left( \begin{gathered} \Delta OD\left( {{\lambda _1}} \right) \\ \Delta OD\left( {{\lambda _2}} \right) \\ \end{gathered} \right) $

(2)

式中：ΔOD为光衰减量，可由已知的入射光强和探测到的出射光强计算得到；ε为消光系数，可通过文献查阅HbO和Hb在各种波长下对应的ε^[12]；C为需要求解的HbO和Hb的浓度变化；DPF为路径长度修正因子，可通过文献查阅得到不同波长下的DPF^[13]；d为光源–探测器之间的距离。

血红蛋白的浓度变化反映了大脑的血液动力学活动，从而间接反映了大脑皮层各个脑区的激活程度。在fNIRS系统中，大脑精神疲劳导致的认知能力下降体现在HbO的浓度下降以及Hb的浓度上升，因此普遍认为血红蛋白的浓度变化是认知状态变化的直接响应^[14]。

为了检测工作过程中的大脑疲劳状态，本文设计了一款测量前额叶血红蛋白浓度变化的连续波型^[15]fNIRS头带，采用激光二极管（LD）和光电二极管（PD）的组合作为该系统的发射光源和信号接收模块，为了使探测通道能覆盖前额叶整个区域，采用3 cm的光源–探测器距离，共组成10通道对受试者的前额叶进行测量。随后通过间隔认知实验测试了fNIRS系统的性能，证实了fNIRS系统能够按照实验设计产生相应的血红蛋白浓度响应。在验证fNIRS设备可正常工作后，设计了一个模拟驾驶实验，监测受试者在模拟驾驶过程中从精神状态良好过渡到疲劳状态时大脑前额叶的血氧浓度变化，并且通过测试认知任务的对比反应受试者在模拟驾驶任务前后的认知能力，其结果与fNIRS设备显示的结果一致，验证了fNIRS设备在工作时检测疲劳状态的可行性。

1 fNIRS系统设计 1.1 光源模块设计

本实验所设计的fNIRS头带共由4组光源和4个探测器组成，共组成10个通道，可以对大脑前额叶全域进行测量。每组光源由一个780 nm和850 nm波长的N型激光二极管（LD型号QL78J6SA和QL85J6SA）组成。除LD之外，将LED作为光源也较为常见^[16]，因为LED相比于LD的波长选择范围更广、体积更小、安全性能更高且其价格更便宜^[15]，但是LED的缺点在于它发射出来的是带宽较宽的非相干光，而激光二极管则能发射窄带宽的相干光。当光源应用于fNIRS系统时，LD可以避免两波长的重叠，能够大大降低光源波长重叠带来的干扰^[17]，该优势对于同时发射不同波长光源的fNIRS系统来说尤为重要，因此本文采用LD作为该系统的发射光源。为了完全区分每组光源中同时发光的两个不同波长的激光二极管，采用了频分复用的方法，将780 nm波长的LD和830 nm波长的LD分别调制在1.3 kHz和1.8 kHz的频率上，然后对采集到的数据利用带通滤波器提取1.3 kHz和1.8 kHz频率上的信号，该信号即光源穿过头皮的真实光强变化信号，此方法还可以屏蔽环境光的干扰。

激光二极管的驱动电路采用了德国IC-Haus公司的IC-NZN集成芯片，用于驱动N型激光二极管，其驱动电路如图1（a）所示。为了使探测器在光源时分复用时探测到个位数级的电压，将LD的平均输出光功率设置为15 mW，属于三类激光产品^[18]。LD的光功率由该芯片第3引脚MD所连接的RMON电阻调节，该电阻用于控制流过LD的电流大小；为了防止流过LD的电流太大而损坏LD，因此在第19引脚连接RSI电阻来设置限制电流，当电流达到所设置的极限时，第23引脚NERR会发出过流信号，放置在NERR端的LED能够发光警告；第22脚NSLP实现对LD的开关控制，当NSLP接高电平时，LD发光，因此将NSLP端外接数据采集卡（DAQ）来控制LD的驱动顺序。

1.2 光电探测器模块设计

光电探测器采用的是普通光电二极管（PD，TI公司，型号OPT101），光电二极管与雪崩光电二极管（APD）和光电倍增管（PMT）相比，它的成本低且线性度好，OPT101内部集成了光敏器件和一个互阻放大器，能够有效地减少漏电流和杂散电容所引起的误差，对提升系统的抗干扰性具有较大的帮助^[19]；OPT101的输出信号为电压信号，能够被数据采集卡直接采集，不需要转换电路将电流信号转化为电压信号，从而减少I/V转换带来的损耗。OPT101的探测电路如图1（b）所示，OPT101为8引脚的探测器，其4脚和5脚用于连接数据采集卡，将实时的电压变化输出至数据采集卡储存；当探测器处于相对黑暗的环境时，易产生暗电流，因此采用REF200、OPA177以及500 kΩ的可调电阻用于减少光电探测器产生的暗电流，提高采集信号的准确度。

1.3 系统控制及数据采集模块设计

光电探测器和光源被分别安装于3D打印的探头外壳内，光源和探测器的距离为3 cm^[20]，如图2所示。测量时将所需要的光源和探测器探头放入fNIRS头带的凹槽底座内，此设计利用简单的旋转可将探头与底座拆卸和安装，探头的平面设计可以使光源垂直入射大脑，以便光电探测器接收。

为了避免4组光源同时发光从而导致探测器在接收时无法区分来自各个方向的光强，系统采用时分复用^[21]的方法将每组LD轮流点亮，为了提高探测器的测量效率，光源轮流点亮的过程为S2、S3、然后S1和S4同时点亮，每组光源点亮200 ms，整个周期为600 ms，光源和探测器的排布以及光源驱动时序图如图3所示。4个光电探测器持续采集大脑的出射光强信号，采集完毕后将不同时段采集到的信号进行通道标号，例如当S2亮时，D1采集到的信号标为CH3；D2采集到的信号为CH4；D3采集到的信号为CH6，以此类推，每组光源驱动时探测器采集的通道如表1所示，其中由于S2与D4以及S3与D1的探测距离过长，因此舍弃D4与D1所采集到的信号。

数据采集卡（DAQ，型号USB3136A）的模拟I/O口接收来自OPT101的电压信号，并将其保存在指定文件夹中。该数据采集卡的编程环境为LabView，因此光源的控制以及光电探测器的采集和保存均由LabView完成。其采集过程为：首先，由正弦波控件生成频率为1.3 kHz和1.8 kHz、相位为90、幅值为0.28、偏移量为0.28的两路余弦调制信号，由DAQ的模拟输出端AO0，AO1输出，由于该DAQ只有2个模拟输出，因此采用8选2的CD4052芯片将两路调制信号按照图3所示的时序图轮流对每组光源进行调制；其次，OPT101接收穿过大脑的光强信号并将其转化为电压信号；最后，由数据采集卡模拟输入端接收并保存，其中为了保证保存速度高于采样速度，增加了生产者/消费者结构^[22]，以便数据不易丢失。

2 fNIRS系统性能测试 2.1 系统性能测试方法

当大脑受到外界的刺激时，在fNIRS的结果中显示为HbO的浓度上升以及Hb的浓度下降。为了测试所设计的fNIRS系统的可行性，设计了间隔性认知测试来验证fNIRS结果是否呈现间隔上升或下降。间隔性认知实验主要分为4个阶段，过程如图4所示。

第一阶段：受试者佩戴好fNIRS头带，安静地坐着，告知受试者闭眼放松，在此状态下测量血氧的浓度变化2 min，该过程称为测量静息状态下的基线变化。在测量基线的过程中，由于受试者处于闭眼安静且没有外界刺激的环境下，大脑的活动会趋于平静，表现为HbO的浓度能够变化至平缓状态。第二阶段：让受试者开始3 min的寻物认知测试，过程为根据提示点击对应的图片，在此过程中，由于大脑受到外界的任务刺激，从而导致该阶段内HbO的浓度上升，Hb的浓度下降。第三阶段和第四阶段重复第一和第二阶段的过程。

实验共招募了两名受试者进行间隔认知任务实验，两名受试者的平均年龄为25岁，且身体健康，在开始间隔认知任务实验前均具有良好的精神状态。

2.2 数据处理及分析

fNIRS头带的原始数据由DAQ传输至上位机进行处理分析，数据处理及结果分析以其中一名受试者的CH1为例。fNIRS原始信号数据是由光电探测器连续采集所得，根据系统时分复用驱动光源的方法，每个探测器所采集到的数据均由3个通道数据共同组成，探测器的原始数据如图5（a）所示，不同的通道采集到的幅值有所区别，因此首先需要将每个光电探测器所采集到的数据进行分割，将其划分成所需的10个通道数据。小波分解^[23]能够清晰地反映出信号中发生突变的断点位置，断点所包含的高频分量可以在多层小波分解中显现出来，因此可以通过断点所在的索引将数据划分成各个通道数据。查看原始数据的频谱可知数据中包含780 nm的1.3 kHz以及850 nm的1.8 kHz光强信号，如图5（b）所示。在调制过程中探测到的载波与原始载波存在一个时间差，因此实际探测到的信号与调制过后的信号存在一个相位差φ，为了消除相位差φ干扰，本文采用正交解调^[24]的方法对每个通道信号解调，解调后的780 nm和850 nm波长的信号如图5（c）所示。

解调后的fNIRS信号可能含有生理噪声和受试者在测试过程中因不当行为所引起的噪声等，因此需要通过预处理去除噪声，提高信号的信噪比。生理噪声主要包括心跳信号（1～1.5 Hz）、呼吸信号（0.2～0.3 Hz）、Mayer波（0.1 Hz左右），通过<0.1 Hz的低通滤波器可以将大部分生理信号噪声去除^[25]。针对头动等不当行为引起的噪声大部分在数据中呈现异常值的状态，因此可以通过简单的阈值滤波可以将其去除。本文采用上述所提到的小波分解检测每个通道的异常值并将其用附近点的平均值代替。预处理后将两个波长的光强数据转化成光密度数据后代入修正的比尔−朗伯定律得到HbO和Hb的浓度变化曲线，区域平滑处理后的曲线如图5（d）所示，其中红色为HbO的浓度变化，蓝色为Hb的浓度变化。

在fNIRS系统中，由图5（d）可知，在测量基线的前2 min内，HbO和Hb的浓度变化趋于平缓。当大脑受到任务刺激时，即从第2 min开始，HbO的浓度明显上升，Hb的浓度相比于基线有所下降，血红蛋白浓度随着任务的进行出现起伏变化。当任务结束受试者重新闭眼静坐时，HbO的浓度大幅度下降以及Hb的浓度略微上升，符合受试者处于静息状态时大脑活动较少的血液动力学响应。当第4阶段重新开始任务时，HbO的浓度再次上升，直至任务结束。实验结果表明fNIRS所测得的HbO曲线与实验理想的HbO浓度变化基本一致，验证了本文所设计的fNIRS系统的可行性，可进一步用于检测大脑的疲劳状态。

3 fNIRS用于疲劳检测实验 3.1 实验对象及方法

本次实验通过长时间的模拟驾驶来监测受试者的大脑血红蛋白浓度变化，由此验证fNIRS头带用于疲劳状态检测的可行性。实验共招募了3名受试者进行实验，由2名女性和1名男性组成，他们的平均年龄为26岁，且身体健康，实验前保证其8 h睡眠时间，使其在实验初期精神状态良好。实验过程主要分为4个阶段，如图6所示。第一阶段：测量基线，让受试者闭眼舒适地坐2 min，测量该状态下的fNIRS数据作为基线。第二阶段：舒尔特方格游戏，该游戏通过从小到大点击7×7方格内的1～49的数字来测试认知反应能力，并记录游戏时长；第三阶段：1 h的模拟驾驶，该模拟驾驶游戏为《欧洲卡车模拟2》，受试者需要佩戴耳机，用游戏手柄操控卡车，以获取模拟驾驶的真实状态，如图7所示；第四阶段：舒尔特方格游戏，在模拟驾驶结束后再次测试认知游戏，对比之前的游戏时长验证大脑是否产生疲劳。本实验符合《赫尔辛基宣言》规定的伦理标准，所有参与本实验的受试者均熟悉实验目的和流程，并签署知情同意书。

3.2 实验结果分析

图8是3名受试者在整个实验过程中10个通道的大脑HbO的平均变化曲线，对照实验流程图6可知，在模拟驾驶前的5 min中，受试者处于闭眼测量基线和完成简单认知测试的状态，因此大脑的激活程度与模拟任务开始时对比相对平缓。当受试者开始模拟驾驶时，HbO的曲线开始上升，由此可知当大脑开始复杂的模拟驾驶任务时会使受试者的HbO浓度上升，Hb浓度下降，且随着模拟驾驶的进行，HbO的浓度开始出现活跃的变化，对比受试者模拟驾驶时的录屏发现，当突遇紧急状况时，HbO曲线会有快速上升的现象；当匀速在公路上行驶时，HbO曲线会逐渐下降。大约从实验的第22 min左右开始，可以看到明显的HbO浓度下降，如图8蓝色直线所示，说明受试者在该模拟测试后期到达疲劳峰值，随后由于大脑氧气浓度的持续降低，供氧系统对这一变化做出反应^[26]，即实验末期HbO浓度开始逐渐回升以实现脑血氧的动态平衡，后期的幅度变化与刚开始相比较为平缓，说明在后期模拟驾驶对大脑的刺激程度无法达到刚开始实验时的水平，验证了受试者已经脑疲劳。观察实验录屏过程发现在后期当注意力下降时，受试者出现车祸，车辆剐蹭等现象的次数上升，如图8事故点所示。这些现象的频繁出现也客观反映了受试者的大脑已经疲劳。

将受试者10个通道的HbO数据进行归一化并且将其按照探头分布绘制前额叶中不同脑区的HbO浓度，图9为受试者C在实验过程中不同时间点的前额叶HbO浓度分布图，其中红色代表HbO的浓度高，蓝色代表HbO的浓度低。由图9可知，背外侧前额叶（DLPFC）皮层在整个前额叶激活区域中占主导地位。当模拟开始时，DLPFC皮层的激活程度开始上升，并于模拟中期逐渐下降，在模拟后期下降至最小值。Ngetich等^[27]提出DLPFC在认知领域的功能主要体现在注意力、规划、工作记忆、决策、执行能力等方面，其中左侧DLPFC主要负责决策中的认知能力和执行能力，右侧DLPFC主要负责决策的注意力以及规划等。对比模拟前和模拟开始时期，左侧和右侧DLPFC的HbO浓度均有上升，且右侧的激活程度大于左侧，说明模拟驾驶需要注意力高度集中。在模拟驾驶的中期和后期，DLPFC皮层的激活程度逐渐下降，并由内侧前额叶（MPFC）占主导地位，Papasideris等^[28]研究表明MPFC主要负责情绪控制、意识等，由此可见在模拟驾驶任务的中后期，注意力和认知能力的下降并且由意识占据主导地位来完成剩余的驾驶任务，说明此时受试者已产生脑疲劳。受试者在模拟驾驶任务前后所测试的认知任务时长如表2所示，时长变化均为正说明在模拟驾驶任务后大脑的认知能力下降，与任务前相比已经产生疲劳，该结果与fNIRS设备显示的结果保持一致，因此可以验证本文所设计fNIRS头带用于检测脑疲劳的可行性。

4 结　论

首先基于LD和OPT101的优点，结合光源的频分复用以及时分复用技术设计出了具有10通道的可穿戴fNIRS头带。采用fNIRS头带对受试者采集模拟驾驶任务时的血红蛋白浓度，通过对实验结果可视化后发现均能在实验后期观察到HbO浓度的下降以及HbO的浓度变化不再活跃，从而证明大脑已进入疲劳状态，验证了fNIRS检测疲劳状态的可行性。fNIRS应用于疲劳检测弥补了只能在工作结束后才能判断疲劳与否的弊端，对于需要长时间监测疲劳状态的工作者来说具有积极的意义。未来可将深度学习与fNIRS系统相结合，通过对大量模拟驾驶样本的训练，达到能够实时对采集到的数据进行疲劳状态判断及预警的目的，同时还可以对大脑疲劳状态进行一系列的研究，这对于人类大脑的疲劳机制的认知具有重要意义。