近日，团队成员万银星等在国际学术期刊Intelligent Automation & Soft Computing（大类学科：工程技术、影响因子：3.4007、JCR Q2）发表研究论文《Recent Advances in Fatigue Detection Algorithm Based on EEG》，并于2022年8月17日在线发表，发表网址为：

https://www.techscience.com/iasc/v35n3/49382

疲劳是一种常见的由过度劳累引起的状态，严重影响了日常工作和生活。如何检测精神疲劳一直是研究人员探索的热点。脑电图（EEG）被认为是最准确和客观的指标之一。本文研究了近年来应用于基于EEG的疲劳检测的分类算法的发展。根据数据来源的不同，我们可以将这些分类算法分为两类，被试内（同一被试）和跨被试（不同被试之间）。在大多数研究中，传统的机器学习算法与人工特征提取方法被普遍用于被试内的疲劳检测。此外，深度学习算法也已被广泛应，并能基于大规模数据集上取得有效结果。然而，在实际应用中很难对受试者进行长期校准训练，在缺乏大样本的情况下，迁移学习算法作为一种跨被试的算法可以推进疲劳检测方法的实际应用。我们发现，近年来，基于深度学习和迁移学习的研究逐渐增多。但作为一个不断发展的领域，研究人员仍需继续探索高效的解码算法，设计有效的实验范式，收集和积累有效的标准数据，实现快速准确的疲劳检测方法或系统，以进一步广泛运用。