В последнем обновлении Capsule 0.7.0 и API мы добавили новую метрику, которая позволяет оценивать интенсивность умственной нагрузки. Для этого мы проанализировали 14 982 ЭЭГ сессий из базы нашего продукта и в результате вывели функцию f(Concentration Score) и разработали алгоритм вычисления численного показателя мгновенной интенсивности умственной нагрузки. Рассказываем, как у нас это получилось.
Интенсивная умственная работа ведет к нарастанию утомления, что отражается в
изменениях биоэлектрической активности мозга. Помимо сдвига активности в более низкие диапазоны [1] [2], также появляются изменения амплитуды Индекса Концентрации (Concentration Score). Это связано с тем, что мозгу требуется прилагать дополнительные усилия, чтобы поддерживать
необходимый уровень внимания и работоспособности.
Для отслеживания динамики показателя мы применили статистический анализ. Если значение Индекса Концентрации находится в пределах типичного диапазона и по статистике имеет высокую вероятность появления, то, скорее всего, это обычный уровень нагрузки, не требующий повышенных затрат. Если же индекс имеет высокие значения и выходит за рамки привычного диапазона и встречается с
низкой вероятностью, значит, человеку приходится прилагать дополнительные усилия для поддержания работоспособности, что рано или поздно приведёт к усталости.
Интенсивная умственная работа ведет к нарастанию утомления, что отражается в
изменениях биоэлектрической активности мозга. Помимо сдвига активности в более низкие диапазоны [1] [2], также появляются изменения амплитуды Индекса Концентрации (Concentration Score). Это связано с тем, что мозгу требуется прилагать дополнительные усилия, чтобы поддерживать
необходимый уровень внимания и работоспособности.
Для отслеживания динамики показателя мы применили статистический анализ. Если значение Индекса Концентрации находится в пределах типичного диапазона и по статистике имеет высокую вероятность появления, то, скорее всего, это обычный уровень нагрузки, не требующий повышенных затрат. Если же индекс имеет высокие значения и выходит за рамки привычного диапазона и встречается с
низкой вероятностью, значит, человеку приходится прилагать дополнительные усилия для поддержания работоспособности, что рано или поздно приведёт к усталости.
Отличия от Fatigue score
Скриншот из программы Capsule Chimera, поставляемой вместе с API для нейроустройств
Neiry. Вверху — график накопленной усталости за время написание этой статьи, внизу —
график Fatigue score за этот же период времени.
Neiry. Вверху — график накопленной усталости за время написание этой статьи, внизу —
график Fatigue score за этот же период времени.
Fatigue Score реагирует на моментальные отвлечения благодаря пластичности
нашего мозга, и при обычной деятельности, в которой допустимо посмотреть в
окошко или перекинуться парой слов с коллегой, в эти моменты сбрасывается, что
видно на нижнем графике. Постоянно расти этот показатель будет только при
монотонной деятельности без права отвлечься, как, например, у пилотов,
водителей, авиадиспетчеров и т.д. Для таких профессий этот показатель и был
разработан.
Accumulated Fatigue подходит для анализа трудоемкости вашей повседневной
деятельности. И не сбрасывается, даже если вы отвлекались и делали перерывы.
В случае Accumulated Fatigue анализируется динамика накопленного утомления.
Эти значения суммируются с учетом временного фактора. Поэтому мы и называем
эту метрику «накопленной»: по механике она действительно копится, а усталостью —
потому что этим оборачиваются в конечном итоге усилия, совершенные в большом
объеме.
Если человек 10 минут интенсивно работал, то вся интенсивность этой работы в
среднем накопится и отобразится на графике. Также если человек совершает
сверхусилия за короткий промежуток времени, то мы тоже увидим рост графика:
нашего мозга, и при обычной деятельности, в которой допустимо посмотреть в
окошко или перекинуться парой слов с коллегой, в эти моменты сбрасывается, что
видно на нижнем графике. Постоянно расти этот показатель будет только при
монотонной деятельности без права отвлечься, как, например, у пилотов,
водителей, авиадиспетчеров и т.д. Для таких профессий этот показатель и был
разработан.
Accumulated Fatigue подходит для анализа трудоемкости вашей повседневной
деятельности. И не сбрасывается, даже если вы отвлекались и делали перерывы.
В случае Accumulated Fatigue анализируется динамика накопленного утомления.
Эти значения суммируются с учетом временного фактора. Поэтому мы и называем
эту метрику «накопленной»: по механике она действительно копится, а усталостью —
потому что этим оборачиваются в конечном итоге усилия, совершенные в большом
объеме.
Если человек 10 минут интенсивно работал, то вся интенсивность этой работы в
среднем накопится и отобразится на графике. Также если человек совершает
сверхусилия за короткий промежуток времени, то мы тоже увидим рост графика:
Если человек не совершает каких-либо затратных действий, то усталость копиться
не будет:
не будет:
Перспективы применения
График накопленной усталости может применяться для оптимизации рабочих
процессов, чтобы избежать переутомления. Кроме того, его наравне с Fatigue Score можно использовать для оценки эффективности различных методик обучения и тренировки внимания. А также для
объективного контроля уровня усталости в профессиях повышенного риска, таких
как пилоты, водители дальних рейсов и др.
[1] Jap, B. T., Lal, S., Fischer, P., & Bekiaris, E. (2009). Using EEG spectral components to
assess algorithms for detecting fatigue. Expert Systems with Applications, 36(2 PART 1).
https://doi.org/10.1016/j.eswa.2007.12.043
[2] Jing, D., Liu, D., Zhang, S., & Guo, Z. (2020). Fatigue driving detection method based
on EEG analysis in low-voltage and hypoxia plateau environment. International Journal of
Transportation Science and Technology, 9(4), 366–376. https://doi.org/10.1016/
J.IJTST.2020.03.008
процессов, чтобы избежать переутомления. Кроме того, его наравне с Fatigue Score можно использовать для оценки эффективности различных методик обучения и тренировки внимания. А также для
объективного контроля уровня усталости в профессиях повышенного риска, таких
как пилоты, водители дальних рейсов и др.
[1] Jap, B. T., Lal, S., Fischer, P., & Bekiaris, E. (2009). Using EEG spectral components to
assess algorithms for detecting fatigue. Expert Systems with Applications, 36(2 PART 1).
https://doi.org/10.1016/j.eswa.2007.12.043
[2] Jing, D., Liu, D., Zhang, S., & Guo, Z. (2020). Fatigue driving detection method based
on EEG analysis in low-voltage and hypoxia plateau environment. International Journal of
Transportation Science and Technology, 9(4), 366–376. https://doi.org/10.1016/
J.IJTST.2020.03.008