#PAGE_PARAMS# #ADS_HEAD_SCRIPTS# #MICRODATA#

Objektivní měření únavy frekvencí mrkání


Authors: Richard Rokyta 1;  Jiří Pučelík 2;  Jan Dudák 1,3;  Anna Yamamotová 1
Authors‘ workplace: Univerzita Karlova v Praze, 3. lékařská fakulta Ústav normální, patologické a klinické fyziologie, Praha 1;  Program Projekt s. r. o., Plzeň 2;  České vysoké učení technické v Praze, Fakulta biomedicínského inženýrství Katedra přírodovědných oborů, Praha 3
Published in: Lékař a technika - Clinician and Technology No. 3, 2013, 43, 14-18
Category: Original research

Overview

Byla vyvinuta nová metoda měření únavy pracující na principu snímání odrazu infračerveného záření od povrchu oční bulvy. Přístroj zaznamenává frekvenci mrkání, která slouží jako objektivní indikátor únavy. Z výsledků jednoznačně vyplývá, že v nočních hodinách se frekvence mrkání zrychluje ve srovnání s frekvencí mrkání ve dne. Je podrobně popsána aparatura, která umožňuje jednoduché snímání frekvence mrkání. Popsaná metoda může být využita u řidičů, kteří při určité zvýšené frekvenci mrkání budou upozorněni akustickými signály na nebezpečí usnutí.

Klíčová slova:
monitorování mrkání, únava, řidiči

Úvod

Rozvoj automobilismu na celém světě je příčinou velkého množství dopravních nehod končících mnohdy smrtí, které mohou být důsledkem nadměrné únavy řidiče s následnou možností vzniku mikrospánku. Několik výzkumných pracovišť a automobilový průmysl se v posledních desetiletích snažily objektivizovat úna-vu. Nejčastěji to bylo prostřednictvím snímání EEG a měření autonomních funkcí (Faber, Novák 2011; Faber et al. 2011, Macaš et al. 2009; Sýkora et al. 2012). Přestože jsou tyto výsledky velice nadějné, jsou technicky nesmírně náročné a prozatím v praxi obtížně použitelné. Hledali jsme proto jiný způsob a vyšli jsme z pozorování, že při únavě se zvyšuje frekvence mrkání (Stern et al. 1994; Heitmann et al. 2001; Boverie, Girald 2008). V literatuře jsou popsány změny parametrů mrkání jako měřítko ospalosti (Verset, Zaidel 2000; Lal, Craig 2001; Caffier et al. 2003; Barbato et al. 2007). Snažili jsme se o zhotovení jednoduchého přístroje, který by frekvenci mrkání monitoroval. Jedná se o Optoelektronický únavový senzor (OPTUS).

Návrh a konstrukce měřicí aparatury

Provedení optoelektronického únavového senzoru (dále jen OPTUS) je v podobě brýlí, kde pohyb víčka je opticky snímán optoelektronickým snímačem umístěným spolu s další elektronikou v ručce brýlí (obr. 1).

Image 1. Znázornění provedení optoelektronického únavového senzoru OPTUS
Znázornění provedení optoelektronického únavového senzoru OPTUS

Součástí elektroniky je i mikroprocesor s vyhodnocovacím programovým vybavením. Úkolem senzoru je snímat frekvenci mrkání řidiče a na základě analýzy frekvence detekovat jeho stav bdělosti. V případě kritické frekvence mrkání bude řidič varován akustickým signálem.

Optoelektronický snímač pohybu víčka lidského oka

Pro dosažení výše uvedených podmínek funkce optického snímače byla zvolena infračervená oblast elektromagnetického spektra. Optický snímač je tvořen infračervenou LED diodou a dále fototranzistorem snímajícím záření v oblasti infračerveného spektra. LED dioda vyzařuje na boční stranu bělma oka v blízkosti koutku infračervený paprsek nízké intenzity. Změny odrazu paprsku v závislosti na pohybu víčka jsou následně snímány fototranzistorem. Toto je základní princip snímače navrženého a použitého pro měřicí systém, který bude použit u finálního provedení aparátu OPTUS. Uvedené dvě základní optoelektronické součástky jsou doplněny dalšími součástkami zajišťujícími jejich napájení, pracovní nastavení a výstup (obr. 2).

Image 2. Znázornění základního principu optoelektronického únavového senzoru OPTUS.
Znázornění základního principu optoelektronického únavového senzoru OPTUS.

Popis experimentální měřicí soustavy

Pro zjištění důležitých statistických údajů o pohybu víčka oka v závislosti na únavě byl navržen měřicí systém, který navazuje na výstup z bloku pomocné elektroniky znázorněné na obr. 2. Pro záznam jednotlivých měření a jejich vyhodnocení byl zvolen notebook. Z důvodu zajištění kompatibility měřených hodnot s USB vstupem počítače bylo nutné mezi výstup bloku pomocné elektroniky a vstup notebooku vložit další blok vyhodnocovací jednotky.

Vyhodnocovací jednotka

Vestavěný mikroprocesor umožňuje na výstupu z bloku pomocné elektroniky konfigurovat zesílení, nastavení nulové úrovně a provádí vlastní měření. Mikroprocesor měřícího systému je z rodiny AVR firmy Atmel. Program v mikroprocesoru je napsán v jazyce C. Použitý překladač je AVR-GCC.

Naměřená data jsou digitálně filtrována plovoucím průměrem pro odstranění rušení vzniklých při měření. Naměřená data jsou přenášena přes USB 1.1 rozhraní do PC k dalšímu zpracování. Parametry měření jsou uvedeny v tabulce 1. Napájení měřícího systému a sond je z USB rozhraní. To poskytuje napětí 5 V o maximálním zatížení 500 mA. Napětí potřebné pro vyhodnocovací jednotku je (± 12 V) a je vytvořeno DC/DC měničem z napětí 5 V.

Table 1.

Software pro notebook

Data jsou zaznamenávána a ukládána počítačovým programem vytvořeným v jazyce Java. Pro správnou činnost vyžaduje nainstalovaný Java Runtime Environment verze 1.4.2 a vyšší. Po spuštění počítače program sám detekuje připojení měřícího systému. Není-li systém nalezen, program se spustí v demonstračním režimu umožňujícím prohlížení již naměřených dat. Nastavitelné parametry jsou: doba měření, rozsah naměřených hodnot a nulová úroveň.

Software zajišťuje měření s rozlišením 10 bitů s vzorkovací frekvencí 100 Hz. Filtraci naměřených hodnot zajišťuje mikroprocesor AVR pracující na frekvenci 11 MHz. Minimální systémové požadavky jsou uvedeny v tabulce 1.

Metodika měření

Byly provedeny dvě série měření s odstupem půl roku. V první sérii byla nasnímána data skupiny deseti subjektů, ve druhé sérii skupiny dvaceti subjektů. Měřenými subjekty byli dobrovolníci z řad studentů FBMI ČVUT ve věku 20–27 let, 11 žen, 19 mužů.

Každý subjekt se dostavil k měření dvakrát. První fáze měření probíhala mezi 13. a 16. hodinou, kdy se předpokládala plná bdělost subjektů. Druhá fáze pak mezi 2. a 4. hodinou ranní, kde byla předpokladem únava a rozespalost subjektů. Z každé fáze měření bylo získáno 25 minut záznamu mrkání. Tedy 25 minut při stavu svěžesti a 25 minut ve stavu únavy. Z důvodu softwarového omezení byla měření prováděna v pětiminutových cyklech, navazujících na sebe v časovém odstupu 30 sekund. V této pauze mezi dvěma měřeními byla ukládána nasnímaná data.

Měřený subjekt seděl uvolněně v křesle se snímací jednotkou OPTUS upevněnou na hlavě. Křeslo bylo umístěno ve vzdálenosti 3 m od bílé stěny a natočeno tak, aby měřený subjekt byl čelem ke stěně. Úkolem bylo uvolněně sledovat stěnu před sebou mírně nad úrovní výšky očí a neměnit směr pohledu. Vlastní snímání bylo zahájeno deset minut po usazení subjektu do křesla, aby se mohl přizpůsobit aktuálním podmínkám. Při měření v odpoledních hodinách bylo využíváno pouze denní světlo, při snímání v nočních hodinách žárovkové osvětlení.

Pro vyhodnocení nasnímaných dat byla vytvořena jednoduchá aplikace v jazyce C. Jejím úkolem je zaznamenávat čas každého mrknutí a vyhodnotit průměrnou frekvenci mrkání v naměřeném signálu. Byla srovnávána frekvence mrkání subjektů ve dne a v nočních hodinách.

Statistická analýza dat

Rozdíly ve frekvenci mrkání ve dne a v noci byly hodnoceny párovým Studentovým t-testem. Rozdíly ve frekvenci mrkání u mužů a u žen byly hodnoceny dvouvýběrovým t-testem na střední hodnotu.

Výsledky analýzy mrkání

Denní doba a pohlavní rozdíly

Frekvence mrkání je vyšší v nočních hodinách (0,37 ± 0,24 Hz) než v denních (0,24 ± 0,16 Hz) u obou pohlaví shodně (ženy: t = 2.23, p = 0.038; muži t = 2.1, p = 0.0002) (obr. 3).

Image 3. Frekvence denního a nočního mrkání z hle-diska pohlavních rozdílů. Data představují průměr ± SEM; * p < 0.05, *** p < 0.001.
Frekvence denního a nočního mrkání z hle-diska pohlavních rozdílů. Data představují průměr ± SEM; * p &lt; 0.05, *** p &lt; 0.001.

Průměrná frekvence se nelišila u žen a mužů ani ve dne (t = 2.05, p = 0.77) ani v noci (t = 2.05, p = 0.50).

Na relativně velkou interindividuální variabilitu frekvence mrkání poukazuje obr. 4, který představuje poměr noční a denní frekvence mrkání. Noční frekvence byla v průměru 1.56 krát vyšší než denní frekvence. Z výsledků vyplývá, že přestože většina ze zkoumaných subjektů má vyšší frekvenci v noci, individuálně se mohou lišit 2-3 násobně.

Image 4. Poměr noční a denní frekvence mrkání u všech testovaných osob. Plná čára představuje průměr celého souboru, tečkovaně je vyjádřen 95% interval spolehlivosti průměru.
Poměr noční a denní frekvence mrkání u všech testovaných osob. Plná čára představuje průměr celého souboru, tečkovaně je vyjádřen 95% interval spolehlivosti průměru.

Z hlediska intraindividuálních rozdílů je frekvence mrkání pro daného jedince relativně stabilní, o čem svědčí významná pozitivní korelace (r = 0.81, p < 0.00001) mezi frekvencí mrkání ve dne a v noci (obr. 5).

Image 5. Korelace mezi denní a noční frekvencí mrkání.
Korelace mezi denní a noční frekvencí mrkání.

Roční období

Frekvence mrkání ve dne se neliší na jaře a na podzim (t= 2.05, p = 0.28), zatímco noční frekvence byla vyšší na jaře než na podzim (t=2.05, p =0.049) (obr. 6).

Image 6. Vliv roční doby na denní a noční frekvenci mrkání. Data představují průměr ± SEM; * p < 0.05.
Vliv roční doby na denní a noční frekvenci mrkání. Data představují průměr ± SEM; * p &lt; 0.05.

Diskuse a závěry

Naše výsledky potvrzují nálezy ostatních autorů (Barbato et al. 2000) o vyšší frekvenci mrkání ve večerních a nočních hodinách než v denních hodinách. Na základě tohoto zjištění je nutné stanovit individuální mezní frekvenci indikující nebezpečnou únavu, která spouští výstražný akustický signál.

Vyšší noční frekvenci mrkání na jaře než na podzim si můžeme pravděpodobně vysvětlit komplexem fenoménu „jarní únavy“ (zejména vitaminovým, nutričním nebo imunitním deficitem po zimním období) nebo rozdílnou dopaminergní aktivitou, u které byl prokázán sezónní efekt (Eisenberg et al. 2010). Zvýšená frekvence mrkání může odrážet aktivaci dopaminergního systému, který působí proti usínání (Barbato et al. 2007).

Vzhledem ke značným individuálním rozdílům ve frekvenci mrkání u různých osob, bude při prvním spuštění OPTUSu stanovena referenční frekvence mrkání v bdělém stavu. Tato úroveň zůstává v paměti elektroniky. K ní je vztaženo statisticky významné zvýšení frekvence, odpovídající nebezpečné úrovni únavy. Při dosažení nebezpečné úrovně únavy řidiče reaguje systém výstražnými signály pozorujícími na riziko mikrospánku. Pokud řidič jízdu nepřeruší a neodpočine si, bude únavový senzor řidiče opakovaně výstrahou upozorňovat na nebezpečí usnutí. Vypnutí únavového senzoru se provede sejmutím brýlí z očí. Jeho zapnutí je provedeno automaticky nasazením brýlí s únavovým senzorem na oči. Základní koncepcí únavového senzoru ve finálním provedení je upozornění řidiče na možné nebezpečí a je pouze na něm, jak se dále rozhodne.

OPTUS je funkční za tmy i za plného denního i umělého světla. Jeho funkce není ovlivňována vnějšími vlivy, jako jsou teplota, vlhkost a také nočním osvícením světly protijedoucích vozidel.

Pro praktické využití bylo zapotřebí ověřit subjektivní pozorování o tom, že frekvence mrkání je před usínáním častější než v bdělém stavu. Velmi důležité bylo stanovit hranici, kdy se tato frekvence blíží kritické hodnotě signalizující usínání. Pro ověření budou provedena další pozorování s využitím varující akustické stimulace s individuálně zvolenou hranicí násobku spontánní frekvence mrkání.

Poděkování

Práce byla podpořena programem PRVOUK P34.

Prof. MUDr. Richard Rokyta, DrSc.

Univerzita Karlova v Praze, 3. lékařská fakulta

Ústav normální, patologické a klinické fyziologie

Ke Karlovu 4

120 00 Praha 2

E-mail: richard.rokyta@lf3.cuni.cz

Tel.: 224 923 928


Sources

1. Barbato, G., De Padova, V., Paolillo, A. R., Arpaia, L., Russo, E., Ficca, G. Increased spontaneous eye blink rate following prolonged wakefulness. Physiology & Behavior 2007; 90:151–154.

2. Barbato, G., Ficca, G., Muscettola, G., Fichele, M., Beatrice, M., Rinaldia, F. Diurnal variation in spontaneous eye-blink rate. Psychiatry Research 2000; 93:145-151.

3. Boverie, S., Giralt, A. Driver vigilance diagnostic based on eyelid movement observation. Proceedings of the 17th World Congress, The International Federation of Automatic Control Seoul, Korea, 2008; 12831-12836.

4. Eisenberg, D. P., Kohn, P. D., Baller, E. B., Bronstein, J. A., Masdeu, J. C., Berman, K. F. Seasonal effects on human striatal presynaptic dopamine synthesis. J Neurosci. 2010; 30:14691-14694.

5. Faber, J., Pěkný, J., Pieknik, R., Tichý, T., Faber, V., Bouchner, P., Novák, M. Simultaneous recording of electric and metabolic brain activity, Neural Network World 2010; 20:539-557.

6. Faber, J., Novák, M. Thalamo-cortical reverberation in the brain produces alpha and delta rhythms as iterative convergence of fuzzy cognition in a stochastic environment. Neural Network World 2011; 21:169-192.

7. Heitmann, A., Guttkuhn, R., Aguirre, A., Trutschel, U., Moore-Ede, M. Technologies for the monitoring and prevention of driver fatigue. Proceedings of the First International Driving Symposium on Human Factors in Driver Assessment, Training and Vehicle Design 2001; 81-86.

8. Lal, S. K. L., Craig, A. A critical review of the psychophysiology of driver fatigue. Biological Psychology 2001; 55:173–194.

9. Macaš, M., Vavrečka, M., Gerla, V., Lhotská, L. Classification of the emotional states based on the EEG signal processing, Proceedings of 9th International Conference on Information Technology and Applications in Biomedicine [CD-ROM]. Piscataway: IEEE, 2009.

10. Philipp, P., Caffier, P. P., Erdmann, U., Ullsperger, P. Experimental evaluation of eye-blink parameters as a drowsiness measure. Eur J Appl Physiol 2003; 89:319–325.

11. Stern JA, Boyer D, Schroeder D. Blink rate: A possible measure of fatigue. Human Factors 1994; 36:285-297.

12. Sýkora, O., Novotný, S., Bouchner, P. Objective Assessment of Drivers Performance Impaired by Drowsiness. In: Advances in Sensors, Signals, Visualization, Imaging and Simulation. Athens: WSEAS Press, 2012, vol. 1, p. 259-263.

13. Verwey, W. B., Zaidel, D. M. Predicting drowsiness accidents from personal attributes, eye blinks and ongoing driving behaviour. Personality and Individual Differences 2000; 28:123-142.

Labels
Biomedicine
Topics Journals
Login
Forgotten password

Enter the email address that you registered with. We will send you instructions on how to set a new password.

Login

Don‘t have an account?  Create new account

#ADS_BOTTOM_SCRIPTS#