长航时模拟飞行中疲劳对HRV影响的初步研究
吴峰1
熊瑾乐2
梁学宇2
葛华1
郭华1
赵安东1
李晅1
范晓丽1
邓略3
曹征涛4
1.空军军医大学空军特色医学中心航空卫生保障与飞行安全研究室,北京 1001422.空军军医大学空军特色医学中心航空医学工程研究中心,北京 1001423.空军军医大学空军特色医学中心空天医学总体论证研究室,北京 1001424.空军军医大学空军特色医学中心研究部,北京 100142
摘要：目的 揭示长航时模拟飞行中心率的规律变化,总结飞行疲劳的变化特征,并分析整个试验过程中持续的生理状态变化.方法 8名健康男性分为4组,每2名1组分别执行机长和副驾驶的任务,采用4 h工作和4 h休息轮班模式进行模拟飞行,试验连续进行48 h.在整个过程中记录心电图信号,并应用心率变异性(heart rate variability,HRV)指标评估试验过程中个体的生理变化.取每次飞行开始与结束时的10 min心电信号,分别作为非疲劳与疲劳状态,各个HRV指标作为提取特征,采用50％作为训练集,50％作为测试集,分别用精细高斯支持向量机(support vector machines,SVM)、精细K近邻算法(K-nearest neighbor,KNN)、决策树(decision tree,DT)、逻辑回归(logistic regression,LR)和朴素贝叶斯(naive Bayes classifier,NBC)进行区分,建立机器学习模型.结果 机长与副驾驶均不同程度地受到昼夜节律和工作量累积的影响,其中昼夜节律的影响使其在48 h内7次独立飞行呈现出规律的变化模式,且昼夜节律的影响在午夜达到峰值.工作量累积的影响使试验人员在4 h飞行模拟开始和结束时的HRV指标呈现出差异;SVM、KNN、DT、LR与NBC机器学习模型准确率分别为92.78％、93.78％、79.21％、68.98％和66.05％,曲线下面积分别为97.60％、93.82％、84.62％、74.75％、73.06％.结论 在轮班模拟飞行中,飞行员的疲劳程度受到昼夜节律与工作量累积的影响,心率变异性分析可以直观地捕捉其变化,并通过结合相关机器学习模型(其中SVM整体表现最好),有效区分模拟飞行开始和结束时飞行员的疲劳与非疲劳状态.
关键词：飞行疲劳心率变异性机器学习
分类号：R3(基础医学)V7(航空、航天)R85(航空航天医学)
论文发表日期：2025-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 193-199 )
英文信息