آدرس ایمیل خود را وارد نمایید
ثبت
پیام خود را بنویسید
دوره 9، شماره 3 - ( فصلنامه تخصصی انجمن ارگونومی و مهندسی عوامل انسانی ایران 1400 )
جلد 9 شماره 3 صفحات 18-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Zakerian S A, Kouhnavard B. Application of Electroencephalography (EEG) in Ergonomics: A Systematic Review. Iran J Ergon 2021; 9 (3) :1-18
URL: http://journal.iehfs.ir/article-1-833-fa.html
URL: http://journal.iehfs.ir/article-1-833-fa.html
ذاکریان سید ابوالفضل، کوهنورد بهرام. کاربرد الکتروانسفالوگرافی (EEG) در ارگونومی: مطالعه مروری نظام‌مند. مجله ارگونومی. 1400; 9 (3) :1-18
1- استاد، گروه مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران.
2- مرکز پژوهش‌های علمی دانشجویان، دانشگاه علوم پزشکی تهران، تهران، ایران ، bahramk2011@gmail.com
2- مرکز پژوهش‌های علمی دانشجویان، دانشگاه علوم پزشکی تهران، تهران، ایران ، bahramk2011@gmail.com
چکیده: (4849 مشاهده)
زمینه و هدف: الکتروآنسفالوگرافی ازجمله روش‌های غیرتهاجمی و نسبتاً ارزان است که می‌تواند جهت ارزیابی نوروفیزیولوژی و عملکردهای شناختی مورداستفاده قرار گیرد. این مطالعه مروری سیستماتیک باهدف کاربرد الکتروانسفالوگرافی (EEG) در علم ارگونومی انجام شد.
روش کار: در این مطالعه مروری، کلیه مقالات چاپ‌شده به زبان فارسی و انگلیسی درزمینه کاربرد الکتروانسفالوگرافی در ارگونومی از بازه زمانی ۱ فروردین ۱۳۸۹ لغایت ۱ فروردین ۱۴۰۰ (march ۲۰۱۰ ۲۰تا ۲۱ march ۲۰۲۱) موردبررسی قرار گرفتند. برای این منظور جستجوی نظام‌مند مقالات با استفاده از کلمات کلیدی ارگونومی شناختی، خستگی ذهنی، الکتروانسفالوگرافی، EEG و امواج مغزی در پایگاه‌های اطلاعاتی PubMed, Google Scholar, Web of science, SID, Scopus, Magiran Iran Medex انجام گردید.
یافته‌ها: بیشتر مطالعات طی سال‌های ۲۰۱۵ تا ۲۰۲۰ صورت گرفته است (۴۱ مقاله) و اکثر افراد موردمطالعه نیز رانندگان خودرو بودند. مقالات انتخاب‌شده در هفت حیطه خستگی ذهنی، بارکاری ذهنی، تلاش ذهنی، خستگی دیداری، بار حافظه کاری، احساسات و استرس و تشخیص خطا مورد بررسی قرار گرفتند. مجله Perceptual and Motor Skills و بعد از آن Applied Ergonomics بیشترین تعداد مقالات مربوطه را منتشر کرده بودند.
نتیجه گیری: در مطالعات بررسی‌شده ارزیابی حالات روانی فرد، به‌ویژه هنگام رانندگی با یک وسیله نقلیه، بیشتر موردمطالعه قرارگرفته است و از طریق آن کارهای ردیابی، نظارت و کارهای مختلف حافظه کاری دنبال شده است. تحقیقات آینده باید بر استفاده از روش‌های محاسباتی متمرکز باشد که ماهیت پویا و غیرثابت داده‌های EEG را در نظر می‌گیرند. چنین رویکردی می‌تواند توسعه سیستم‌های تشخیص خستگی و سیستم‌های تطبیقی خودکار را تسهیل کند.
روش کار: در این مطالعه مروری، کلیه مقالات چاپ‌شده به زبان فارسی و انگلیسی درزمینه کاربرد الکتروانسفالوگرافی در ارگونومی از بازه زمانی ۱ فروردین ۱۳۸۹ لغایت ۱ فروردین ۱۴۰۰ (march ۲۰۱۰ ۲۰تا ۲۱ march ۲۰۲۱) موردبررسی قرار گرفتند. برای این منظور جستجوی نظام‌مند مقالات با استفاده از کلمات کلیدی ارگونومی شناختی، خستگی ذهنی، الکتروانسفالوگرافی، EEG و امواج مغزی در پایگاه‌های اطلاعاتی PubMed, Google Scholar, Web of science, SID, Scopus, Magiran Iran Medex انجام گردید.
یافته‌ها: بیشتر مطالعات طی سال‌های ۲۰۱۵ تا ۲۰۲۰ صورت گرفته است (۴۱ مقاله) و اکثر افراد موردمطالعه نیز رانندگان خودرو بودند. مقالات انتخاب‌شده در هفت حیطه خستگی ذهنی، بارکاری ذهنی، تلاش ذهنی، خستگی دیداری، بار حافظه کاری، احساسات و استرس و تشخیص خطا مورد بررسی قرار گرفتند. مجله Perceptual and Motor Skills و بعد از آن Applied Ergonomics بیشترین تعداد مقالات مربوطه را منتشر کرده بودند.
نتیجه گیری: در مطالعات بررسی‌شده ارزیابی حالات روانی فرد، به‌ویژه هنگام رانندگی با یک وسیله نقلیه، بیشتر موردمطالعه قرارگرفته است و از طریق آن کارهای ردیابی، نظارت و کارهای مختلف حافظه کاری دنبال شده است. تحقیقات آینده باید بر استفاده از روش‌های محاسباتی متمرکز باشد که ماهیت پویا و غیرثابت داده‌های EEG را در نظر می‌گیرند. چنین رویکردی می‌تواند توسعه سیستم‌های تشخیص خستگی و سیستم‌های تطبیقی خودکار را تسهیل کند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
سایر موارد
دریافت: 1400/5/10 | پذیرش: 1400/10/14 | انتشار الکترونیک: 1400/11/10
دریافت: 1400/5/10 | پذیرش: 1400/10/14 | انتشار الکترونیک: 1400/11/10
فهرست منابع
1. Young MS, Brookhuis KA, Wickens CD, Hancock PA. State of science: mental workload in ergonomics. Ergonomics.2015;58(1):1-17. [DOI]
2. Reimer B, Mehler B. The impact of cognitive workload on physiological arousal in young adult drivers: a field study and simulation validation. Ergonomics.2011;54(10):932-42. [DOI]
3. Knaepen K, Marusic U, Crea S, Guerrero CDR, Vitiello N, Pattyn N, et al. Psychophysiological response to cognitive workload during symmetrical, asymmetrical and dual-task walking. Hum Mov Sci. 2015;40:248-63. [DOI]
4. Tran TQ, Boring RL, Dudenhoeffer DD, Hallbert BP, Keller MD, Anderson TM, editors. Advantages and disadvantages of physiological assessment for next generation control room design. Human Factors and Power Plants and HPRCT 13th Annual Meeting, 2007 IEEE 8th; 2007: IEEE. [DOI]
5. Makeig S, Inlow M. Lapses in alertness: coherence of fluctuations in performance and EEG spectrum. Electroencephalogr Clin Neurophysiol. 1993; 86(1):23-35. [DOI]
6. Sauseng P. Klimesch W. Schabus M. and Doppelmayr M. “Fronto-parietal EEG coherence in theta and upper alpha reflect central executive functions of working memory, Int. J. Psychophysiol. 2005; 57(4): 97–103. [DOI]
6. Chuckravanen D, Rajbhandari S, Bester A. Brain signal analysis using EEG and Entropy to study the effect of physical and mental tasks on cognitive performance. BRAIN. Broad Research in Artificial Intelligence and Neuroscience. 2015; 20(5):46-59.
7. Vecchiato G, Astolfi L, Fallani FD, Cincotti F, Mattia D, Salinari S, Soranzo R, Babiloni F. Changes in brain activity during the observation of TV commercials by using EEG, GSR and HR measurements. Brain topography. 2010;23(2):165-79. [DOI]
8. Teplan M. Fundamentals of EEG measurement. Measur Sci Rev. 2002;2(2):1-11.
9. Bronzino JD. Principles of electroencephalography. The biomedical engineering handbook. 1995; 1(234-241).
10. Haas LF. Hans berger (1873–1941), Richard caton (1842–1926), and electroencephalography. J Neurol Neurosurg Psych. 2003;74(1):9-17. [DOI]
11. Nedelcu E, Portase R, Tolas R, Muresan R, Dinsoreanu M, Potolea R, editors. Artifact detection in EEG using machine learning. 2017 13th IEEE International Conference on Intelligent Computer Communication and Processing (ICCP); 2017: IEEE.
12. Hsu BW, Wang MJ, Chen CY, Chen F. Effective indices for monitoring mental workload while performing multiple tasks. Perceptual and motor skills. 2015;121(1):94-117. [DOI]
13. Johnson A, (ed.), Proctor R, (ed.). Neuroergonomics: A cognitive neuroscience approach to human factors and ergonomics. Houndsmills: Palgrave MacMillan, 2013. P.248
14. D.P. Subha, P.K. Joseph, R.U. Acharya & C.M. Lim. 2008, EEG Signal Analysis: A Survey, Journal of Medical Systems, Springer. 2010;19(5):202-212. [DOI]
15. Tatum IV WO. Handbook of EEG interpretation: Demos Medical Publishing; 2014.
16. D.P. Subha, P.K. Joseph, R.U. Acharya & C.M. Lim. 2008, EEG Signal Analysis: A Survey, Journal of Medical Systems, Springer. 2010;19(5):202-212. [DOI]
17. Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gøtzsche PC, Ioannidis JP, et al. Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. BMJ. 2009; 33(9): 332-6. [DOI]
18. Mohammadi A, fouladi dehaghi B, Nematpour L. Mental Fatigue and Its Effect on the Performance of the Faculty of Health Staff Using Electroencephalographic Signals. Johe. 2019;5(4):41-49. [DOI]
19. Lashgari M, Arab M. Investigation of Relationship between Noise Annoyance and Neurophysiological Responses of Drivers in Exposure to Tractor Sound. Iran J Ergon. 2018;6(3):65-74. [DOI]
20. Mohammadi A, fouladi dehaghi B, Nematpour L. Mental Fatigue and Its Effect on the Performance of the Faculty of Health Staff Using Electroencephalographic Signals. johe. 2019; 5(4):41-49. [DOI]
21. Gharagozlou F, Nasl Saraji J, Mazloumi A, Nahvi A, Motie Nasrabadi A, Rahimi Foroushani A, et al. Investigating EEG Alpha Variations for Mental Fatigue Detection on Car Driving Simulator. Iran J Ergon. 2013;1(1):5-13.
22. Lacko D, Vleugels J, Fransen E, Huysmans T, De Bruyne G, Van Hulle MM, Sijbers J, Verwulgen S. Ergonomic design of an EEG headset using 3D anthropometry. Appl Ergon. 2017;58(6):128-136. [DOI]
23. Y. Peng et al. "Fatigue Evaluation Using Multi-Scale Entropy of EEG in SSVEP-Based BCI, in IEEE Access. [DOI]
24. Gergelyfi M, Jacob B, Olivier E, Zénon A. Dissociation between mental fatigue and motivational state during prolonged mental activity. Front Behav Neurosci. 2015;13(9):170-176. [DOI]
25. Hsu BW, Wang MJ. Evaluating the effectiveness of using electroencephalogram power indices to measure visual fatigue. Percept Mot Skills. 2013;116(1):235-52. [DOI]
26. Jap, B.T. Lal, S. Fischer, P. Comparing combinations of EEG activity in train drivers during monotonous driving. Expert Syst. 2011;38(7):996–1003. [DOI]
27. Talukdar U, Hazarika SM, Gan JQ. Motor imagery and mental fatigue: inter-relationship and EEG based estimation. J Comput Neurosci. 2019;46(1):55-76. [DOI]
28. Charbonnier, S. Roy, R.N. Bonnet, S. Campagne, A. EEG index for control operators’ mental fatigue monitoring using interactions between brain regions. Expert Syst. Appl. Int. J. 2016;52(4):91-98. [DOI]
29. Perrier J, Jongen S, Vuurman E, Bocca ML, Ramaekers JG, Vermeeren A. Driving performance and EEG fluctuations during on-the-road driving following sleep deprivation. Biol Psychol. 2016;121(4):1-11. [DOI]
30. Borghini G. Astolfi L. Vecchiato G. Mattia D. and Babiloni F. “Measuring neurophysiological signals in aircraft pilots and car drivers for the assessment of mental workload, fatigue and drowsiness, Neurosci. Biobehav. 2014;44(6):58-75. [DOI]
31. Charbonnier S. Roy R. N. Bonnet S. and Campagne A. “EEG index for control operators’ mental fatigue monitoring using interactions between brain regions,”. Expert Syst Appl. 2016;52(6):91-98. [DOI]
32. Körber M. Cingel A. Zimmermann M. and Bengler K. “Vigilance decrement and passive fatigue caused by monotony in automated driving, in Procedia Manufacturing. 2015;3(9): 2403–2409. [DOI]
33. Marcos I. Carmona A. and Kircher K. “Reduced Attention Allocation during Short Periods of Partially Automated Driving: An Event-Related Potentials Study,” Front. Hum. Neurosci.2017;11(6):537-541. [DOI]
34. Cao T. Wan F. Wong C. M. Da cruz J. N. and Hu Y. “Objective evaluation of fatigue by EEG spectral analysis in steady-state visual evoked potential-based brain-computer interfaces,”. Biomed Eng. 2014;13(1):13-28. [DOI]
35. Tanaka M. Shigihara Y. Ishii A. Funakura M. Kanai E. and Watanabe Y. “Effect of mental fatigue on the central nervous system: an electroencephalography study,”. Behav Brain Funct. 2012;8(1):8-17. [DOI]
36. Roy R. Charbonnier S. Campagne A. and Bonnet S. “Efficient mental workload estimation using task using task-independent EEG features,”. J Neural Eng. 2016;13(5):26-36. [DOI]
37. Caldwell J. A. Hall K. K. Erickson B. S. and Rucker F. “EEG Data Collected From Helicopter Pilots in Flight are Sufficiently Sensitive to Detect Increased Fatigue From Sleep Deprivation,” Int. J. Aviat. Psychol. 2002;12(1):19-32. [DOI]
38. Lin F. Ko L. Chuang C. Su T. and Lin C. “Generalized EEG-Based Drowsiness Prediction System by Using a Self-Organizing Neural Fuzzy System,” IEEE Trans. Circuits Syst. 2012;59(9):2044–2055. [DOI]
39. Wascher E. et al. “Frontal theta activity reflects distinct aspects of mental fatigue,” Biol. Psychol. 2014;96(3):57–65. [DOI]
40. Otmani S. Pebayle T. Roge J. and Muzet A. “Effect of driving duration and partial sleep deprivation on subsequent alertness and performance of car drivers,” Physiol. Behav. 2005;84(1):715-724. [DOI]
41. Gribkov D. and Gribkova V. “Learning dynamics from nonstationary time series: Analysis of electroencephalograms,” Phys. Rev. Xiong Y. Gao J. Yang Y. Yu X. and Huang W. “Classifying Driving Fatigue Based on Combined Entropy Measure Using EEG Signals,” Int. J. Control Autom. 2016;9(3):329-338. [DOI]
42. Kar S. Bhagat M. and Routray A. “EEG signal analysis for the assessment and quantification of driver’s fatigue,” Traffic Psychol. Behav. 2010;13(5):297–306. [DOI]
43. Okena B. B.S. Salinskya M. C. and Elsas S. M. “Vigilance, alertness, or sustained attention: physiological basis and measurement,” Clin Neurophysiol. 2006;117(9):885-1901. [DOI]
44. Yeo M. V. Li X. Shen K. and Wilder-Smith E. P. “Can SVM be used for automatic EEG detection of drowsiness during car driving?” Saf. Sci. 2009;47(1):115-124. [DOI]
45. Nguyen T. Ahn S. Jang H. Jun S. C. and Kim J. G. “Utilization of a combined EEG / NIRS system to predict driver drowsiness,” Sci. Rep.2017; 10(7):43-21.
46. Dasari D. Shou G. and Ding L. “ICA-Derived EEG Correlates to Mental Fatigue, Effort, and Workload in a Realistically Simulated Air Traffic Control Task,” Front. Neurosci. 2017;11(3):297- 308. [DOI]
47. Boksem M. A. S. Meijman T. F. and Lorist M. M. “Effects of mental fatigue on attention: An ERP study,” Cogn. Brain Res. 2005;51(25):107-116. [DOI]
48. hao C. Zhao M. Liu J. and Zheng C. “Electroencephalogram and electrocardiograph assessment of mental fatigue in a driving simulator,” Accid. Anal. Prev. 2012;45(3):83-90. [DOI]
49. Pires FO, Silva-Júnior FL, Brietzke C, Franco-Alvarenga PE, Pinheiro FA, de França NM, et al. Mental fatigue alters cortical activation and psychological responses, impairing performance in a distance-based cycling trial. Front Physiol. 2018;9(1):227-229. [DOI]
50. Arnau S, Möckel T, Rinkenauer G, Wascher E. The interconnection of mental fatigue and aging: an EEG study. Int J Psychophysiol. 2017;11(7):17-25. [DOI]
51. Trejo LJ, Kubitz K, Rosipal R, Kochavi RL, Montgomery LD. EEG-based estimation and classification of mental fatigue. Psychology. 2015;6(5):572. [DOI]
52. Chanel G. Rebetez C. Bétrancourt M. and Pun T. “Emotion Assessment From Physiological Signals for Adaptation of Game Difficulty, IEEE Trans. Syst. Man, Cybern.—Part A Syst. Humans. 2011:41(6):111 [DOI]
53. Hopstaken J. F. Van Der Linden D. Bakker A. B. and Kompier M. A. J. “A multifaceted investigation of the link between mental fatigue and task disengagement, Psychophysiology. 2015;52(1):305-315. [DOI]
54. Marcos I. Carmona A. and Kircher K. “Reduced Attention Allocation during Short Periods of Partially Automated Driving: An Event-Related Potentials Study,” Front. Hum. Neurosci. 2017;11(4):537-544. [DOI]
55. Young M. S. and Stanton N. A. “Mental workload In: Handbook of Human Factors and Ergonomics Methods, Stanton N. A. Hedge A. Brookhuis K. Salas E. and Hendrick H. W. Eds. London: Taylor & Francis. 2005.
56. Ryu K. and Rohae M. “Evaluation of mental workload with a combined measure based on physiological indices during a dual task of tracking and mental arithmetic,” Int. J. Ind. Ergon. 2005;35(2):991-1009. [DOI]
57. Baldwin C. L. “Commentary,” Theor. Issuesin Ergon. SCI. 2003;4(2):132–141. [DOI]
58. Murata A. “An Attempt to Evaluate Mental Workload Using Wavelet Transform of EEG,” Hum. Factors.2005;47(3):498–508. [DOI]
59. Mathan S. Feyereisen T. and Whitlow S. “WorkSense: Exploring the Feasibility of Human Factors Assessment using Electrophysiological Sensors, in Proceedings of ICACS. 2007.
60. Giraudet L. Imbert J. Bérenger M. Tremblay S. and Causse M. “The Neuroergonomic Evaluation of Human Machine Interface Design in Air Traffic Control using behavioral and EEG / ERP measures,” Behav. Brain Res. 2015;294(3):246–253 [DOI]
61. L. Giraudet, M. E. Saint-Louis, and M. Causse, “Electrophysiological correlates of inattentional deafness: no hearing without listening, in HFES Europe Chapter Conference. 2012.
62. Dehais F. Lafont A. Roy R. and Fairclough S. “A Neuroergonomics Approach to Mental Workload, Engagement and Human Performance,” Front. Neurosci. 2020;14(1): 1-17. [DOI]
63. Charbonnier S, Roy RN, Bonnet S, Campagne A. EEG index for control operators’ mental fatigue monitoring using interactions between brain regions. Expert Syst Appl. 2016;52(2):91-98. [DOI]
64. Zhao C, Zhao M, Liu J, Zheng C. Electroencephalogram and electrocardiograph assessment of mental fatigue in a driving simulator. Accid Anal Prev. 2012;45(11):83-90. [DOI]
65. Hockey G. Nickel P. Roberts A. and Roberts M. “Sensitivity of candidate markers of psychophysiological strain to cyclical changes in manual control load during simulated process control, Appl. Ergon. 2009;40(6):1011–1018. [DOI]
67. Wiyor H. D. Ntuen C. A. Stephens J. D. and Jiang Z. “Classifying visual fatigue severity based on neurophysiological signals and psychophysiological ratings, Int. J. Hum. Factors Ergon. 2013;2(1) no. 1, pp. 11–32, 2013. [DOI]
68. Huang R. Jung T. Delorme A. and Makeig S. “Tonic and phasic electroencephalographic dynamics during continuous compensatory tracking. Neuroimage. 2008;39(4):1896-1909. [DOI]
69. Campagne A. “Correlation between driving errors and vigilance level: influence of the driver’s age, Physiol. Behav. 2004;80(4):515-524. [DOI]
70. Gazzaley A. “Influence of early attentional modulation on working memory. Neuropsychologia. 2011;49(6).1410–1424, 2011. [DOI]
71. Jensen O. Kaiser J. and Lachaux J. “Human gamma-frequency oscillations associated with attention and memory, Trends Neurosci.2007;30(7):317-324. [DOI]
72. Alarcao S. M. and Fonseca M. J. “Emotions Recognition Using EEG Signals: A Survey, IEEE Trans. Affect. Comput. 2017;10(3):374-393. [DOI]
73. Causse M. Dehais F. Péran P. Sabatini U. and Pastor J. “The effects of emotion on pilot decision-making: A neuroergonomic approach to aviation safety, Transp. Res. 2013;33(2):272-281. [DOI]
74. Sulaiman N. Hayatee N. Hamid A. Murat Z. and Taib M. “Initial Investigation of Human Physical Stress Level using Brainwaves, IEEE Student Conf. Res. 2009;22(5):230–233. [DOI]
75. O. Sourina et al. “Neuroscience Based Design: Fundamentals and Applications, in In 2016 International Conference on Cyberworlds. 2016. 250–257. [DOI]
76. Fedota J. and Parasuraman R. “Neuroergonomics and human error, Theor. Issues Ergon. Sci. vol. 11, no. 5, pp. 402–421, 2010. [DOI]
77. Miltner W. H. Brauer J. Hecht H. Trippe R. and Coles M. G.“Parallel brain activity for self-generated and observed errors», Errors, conflicts, brain Curr. Opin. Perform. Monit. 2004. 124–129.
78. J. Kim, Y.A. Suh, and M. Yim, “An Investigation of Human Error Identi fication Based on Bio-monitoring System (EEG and ECG Analysis), in In International Conference on Applied Human Factors and Ergonomics. 2018.145–151. [DOI]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
