基于脑氧饱和度的加速度致意识丧失预警模型研究

摘要

目的 基于脑氧饱和度,针对不同加速度暴露模式下飞行员的加速度致意识丧失(G-LOC)状态进行预警。方法 选取33名志愿者进行载人离心机训练,施加不同的加速度暴露模式,并完成脑氧饱和度等生理指标的测量,建立超限学习机(ELM)模型对G-LOC状态进行预测。结果 所建立的G-LOC预警模型在载人离心机训练的试验数据上表现较好,平均准确率为93.61%,几何平均数为0.963 7,真阳性率为99.45%,真阴性率为93.51%。结论 本研究所建立的基于脑氧饱和度的ELM模型可以有效预测G-LOC临界昏厥状态。未来可以在扩大样本数据量,在飞行训练与作战实际的基础上,进一步完善基于脑氧饱和度的G-LOC预警机制的构建。

关键词

加速度 / 脑氧饱和度 / 加速度致意识丧失预警算法 / 机器学习