Abstract

引言

脑力疲劳是一种非常复杂的心理生理现象，迄今为止，还没有统一的定义。Grandjean ^{[ 1 - 2 ]} 分别于 1979 和 1988 年提出，脑力疲劳是一种介于清醒与睡眠之间的过渡状态，它是以工作效率的下降和对工作的厌烦为标志的一种状态。Layzer ^{[ 3 ]} 从临床医学的角度也对脑力疲劳进行了定义，他认为脑力疲劳是指在工作过程中无法继续集中精力和保持效率，在对慢性疲劳综合征的研究中多运用这种定义 ^{[ 4 ]} 。一般疲劳研究均主要针对较为关注的脑力疲劳，它是一种渐进、累积的过程，并且常伴随着头脑昏沉、注意力不集中、思考困难、记忆力下降、反应迟钝、工作绩效下降，导致记忆、学习、数学运算、逻辑推理及加工等认知功能受到损害 ^{[ 5 ]} 。现代生活中，脑力疲劳也是一种常见的现象。因此，对于一些特定工作环境或职业的脑力疲劳展开研究，具有非常重要的意义。例如，长时间的驾驶和飞行工作，需要驾驶员和飞行员长时间保持高度的警惕性、决策力以及知觉运行控制能力，注意力高度集中，因而很容易导致脑力疲劳，从而影响驾驶和飞行的安全性。

目前，关于脑力疲劳的研究方法主要包括主观评价法和客观评价法。主观评价法最为常见的测量方式是调查问卷，如美国宇航局的任务负荷指数量表（NASA-TLX） ^{[ 6 ]} 、日本产业卫生学会提出的《疲劳自觉症状调查表》 ^{[ 7 ]} 和 Stanford 睡眠尺度问卷 ^{[ 8 ]} 等，但是它的不足之处在于受试者评分标准不统一，受个体差异影响较大。客观测量法主要包括心理学、行为学测量法和生理学测量法，而生理学测量法主要包括自发脑电（electroencephalogram，EEG）、事件相关电位（event-related potential，ERP）、心电图（electrocardiography，EOG）、肌电（electromyogram，EMG）等。其中，ERP 被认为是反映认知活动敏感而有意义的指标，它主要通过电极在头皮表面采集到源于刺激诱发的电位活动，以高时间分辨率客观反映人对刺激信息进行认知加工的过程，为观察脑功能提供了客观且简便可行的方法，因而在心理学、生理学、认知神经科学及人机工效学等领域都得到了广泛的应用。脑力疲劳主要反映了大脑认知加工能力的下降，因此利用 ERP 来评估脑力疲劳具有一定的合理性。宋国萍等 ^{[ 9 ]} 的研究已经证实，利用 ERP 技术研究疲劳对认知能力的影响是可行的。Biferno ^{[ 10 ]} 曾对疲劳展开了研究，认为 P300 的幅值与疲劳有关。Larue 等 ^{[ 11 ]} 发现在疲劳之后 ERP 成分中的 P300 的幅值随着时间的变化呈线性下降趋势。Zhao 等 ^{[ 12 ]} 发现被试在完成 90 min 模拟疲劳驾驶之后，电极 Fz 和 Cz 上的 P300 的幅值明显下降，且潜伏期变长。Fowler ^{[ 13 ]} 的研究中表明 P300 潜伏期的延长是由于负荷而导致的感、知觉信息处理速度变慢，并认为 P300 的幅值和潜伏期都是评价脑力负荷的有效参数。Gosselin 等 ^{[ 14 ]} 的研究发现，在持续 36 h 的睡眠剥夺之后，P3a 和 P3b 的波幅都出现下降，被试完成注意需求任务的能力降低。除此之外，由于失匹配负波（mismatch negativity，MMN）是一种内源性的 ERP 成分，它反映了脑对信息的自动加工过程 ^{[ 15 ]} 。而 Raz 等 ^{[ 16 ]} 研究发现，36 h 的睡眠剥夺使 MMN 波幅降低，意味着脑力疲劳导致人脑前期注意的认知加工过程变得缓慢且自动信息加工能力受损。伴随性负波（contingent negative variation，CNV）是在接受预备信号后，期待目标信号呈现时出现的负波，与注意、警觉、动机等因素相关 ^{[ 17 ]} 。Boksem 等 ^{[ 18 ]} 在其脑力疲劳的研究中发现，CNV 的波幅随着疲劳程度的增加而降低，意味着人的预响应能力也在减弱。

随着 ERP 技术的广泛应用及成熟，越来越多的指标被发现可用于疲劳评价，很多研究倾向于将多种指标组合来共同完成疲劳的评价任务。由于 ERP 对认知活动的敏感性，不同的任务设计所诱发产生的脑力模型不同，得到的结论也不尽相同。而以往的研究多集中于对注意任务或者睡眠剥夺所引起的脑力疲劳模型所展开的 ERP 探索，而对长时间工作记忆任务下的脑力疲劳的研究还很少。同时，由于脑力疲劳是一个多维的构建，涉及心理学、行为学以及生理学等多个学科，以往关于脑力疲劳的研究多采用单一的方法或指标，其客观性和可行性受到一定的限制。因此，不同于以往的研究，本论文从多个研究角度、选用多个指标同时对长时间工作记忆任务下的脑力疲劳展开评价，将主观评定和行为绩效评定法作为辅助手段，重点从 ERP 技术角度出发，提取与脑力疲劳有关的特征量，通过探讨其对脑力疲劳的敏感程度来寻求客观有效的评价指标，为后期研究脑力疲劳对抗措施提供依据。

1. 研究方法

1.1. 受试者

选拔健康男性 32 人（男性头发短，在打导电膏过程中比女性更易于降电阻），年龄 22～28（24.2 ±1.4）岁。将受试者随机分成两组，一组为正常组（ n = 16），另一组为疲劳组（ n = 16）。所有受试者的视力或矫正视力均在 1.0 以上，均为右利手，无心理、精神、神经、色盲等病史或家族史，无药物滥用史，无饮用咖啡、茶，酗酒，吸烟等习惯，睡眠质量良好。受试者自愿参加实验，并填写书面同意书，完成实验后均向其支付一定酬劳。实验前，受试者均未接触过该类型的实验操作。

1.2　任务设计

1.2.1. 脑力疲劳诱发任务

以往的研究表明， n -back 是常见的脑力疲劳诱发手段，其中 0-和 1-back 过于简单，需要较长的诱发时间，而 3-back 难度过大，容易使受试者产生负面情绪如挫败感，不利于有效地诱发脑力疲劳 ^{[ 19 ]} 。因此，本研究使用 2-back 来诱发受试者的脑力疲劳，刺激材料为 0～9 这十个数字，出现在屏幕中央，屏幕背景为黑色，刺激数字为白色，如 图 1 所示。要求受试者判断屏幕上当前出现的数字与从它开始数的倒数第二个数字是否是同一个数字，如果是按“N”键，如果不是则按“M”键，并尽可能快而准确地操作。

Open in a separate window

图 1

Experimental paradigm for numerical 2-back

数字 2-back 实验范式示意图

1.2.2. 实验流程

要求受试者在正式实验的前一天晚上将头发洗干净，并尽量保证良好的睡眠，让身心得到充分的休息。进到实验室后，要求受试者将手机关机或静音，实验过程中不得使用手机，并避免身体有较大幅度的移动。两组受试者的具体实验流程如 图 2 所示。对于两组受试者，都需要在任务开始及结束阶段根据自己的精神状态对四个项目（思维清晰、注意集中、困倦程度以及综合疲劳）进行主观疲劳打分，每个项目包含 10 个等级，分别对应 1～10 分，见 图 3 。对于疲劳组，需要连续执行 2-back 任务 100 min 来诱发脑力疲劳。而对于正常组，开始和结束 10 min 分别执行 2-back 任务，中间 80 min 休息。记录两组受试者主观疲劳前测和后测数据、2-back 的操作绩效数据（反应时、正确率以及遗漏率）以及 2-back 后测（10 min）的脑电数据。

Open in a separate window

图 2

Experiment procedure

实验流程

Open in a separate window

图 3

Subjective fatigue scale

主观疲劳评价量表

1.3. 脑电信号采集及处理

采用国际通用的 10–20 电极导联定位标准，如 图 4 所示。使用德国 BP 公司生产的 32 导脑电设备采集脑电信号，其中，选取乳突电极 TP9 和 TP10 为参考电极，前额接地。脑电采集频率为 500 Hz，AC 采集，头皮电阻控制在 5 kΩ 以下。采用脑电系统自带的 BrainVision Analyser 软件对采集的脑电数据进行离线（off-line）处理，具体步骤包括：降采样、重参考、独立成分分析（independent component analysis，ICA）眼电伪迹去除、其他伪迹去除、滤波、分段、基线校正、叠加平均及峰值检测等。在脑电记录中，2-back 任务每个 trial 出现的第一个数字进行标记，设为 S1；当受试者出现错误操作时，标记为 S2。

Open in a separate window

图 4

Placement method for 10–20 international standard system electrode

10–20 国际标准系统电极放置法

错误行为产生的刺激往往会在人脑额叶中部诱发产生一个负波，即错误相关负波（error related negativity，ERN），它可以反映大脑的错误检测功能。除了 ERN 波，还会出现一个正波，称为错误正波（error positivity，Pe），它与错误的再次加工有关，是一种有意识的调节过程 ^{[ 20 ]} 。这里拟设定 P300、ERN/Pe 作为脑电特征参数对脑力疲劳展开研究，ERP 成分的提取方法如下。

（1）刺激锁时成分提取

提取刺激锁时 ERP 成分 P300。首先对含标记 S1 波段进行提取，形成有效分段（Marker 呈现前 200 ms 到呈现后 600 ms）；对所有脑电分段进行基线校正（Marker 前－200～0 ms）；将所有分段叠加并求平均即可得到 P300 波形。P300 的分析时程为 200～550 ms，根据各成分的分析时程进行峰值检测，就可以得到 P300 的幅值和潜伏期。

（2）响应锁时成分提取

取响应锁时 ERP 成分 ERN/Pe，获取在错误反应操作时的脑电波变化。对包含错误反应的 Marker 波段进行提取，形成有效分段（Marker 呈现前 400 ms 到呈现后 400 ms）；对所有脑电分段进行基线校正（Marker 前－400～－200 ms）；将所有分段进行叠加平均就可以得到 ERN 和 Pe 的波形。ERN 的分析时程为 0～200 ms，Pe 的分析时程为 200～400 ms，根据各成分的分析时程，进行峰值检测，就可以得到 ERN 和 Pe 的幅值和潜伏期。

1.4. 统计方法

利用统计软件 SPSS 19.0 对数据展开分析。首先，分别利用独立样本 t 检验的方法比较分析疲劳组和正常组主观评价前测和行为前测数据（前 10 min），检验实验前期两组受试者的主观疲劳感和行为学表现是否具有同质性，这是实验有效性的保证。在二者同质性的基础上，再分别利用独立样本 t 检验的方法比较两组受试者实验后期的主观疲劳感和行为绩效（后 10 min）的差异是否有统计学意义，即从主观和行为绩效的角度来验证 100 min 的 2-back 任务是否诱发了脑力疲劳。在脑力疲劳有效的情况下，利用双因素方差分析法（组间因素：疲劳组和正常组；组内因素：不同导联）对疲劳组和正常组实验后期（后 10 min）采集的脑电指标进行分析，从而获取潜在的脑力疲劳评价指标。以上显著水平均取 α = 0.05。

2. 实验结果分析

2.1. 主观分析

首先分析两组受试者的主观疲劳感是否具有同质性。对正常组和疲劳组的主观前测数据进行独立样本 t 检验，描述性统计结果（平均值和标准差）及 t 检验结果见 表 1 。从中可以看出，两组受试者的思维清晰程度、注意集中程度、困倦程度以及综合疲劳感均无显著差异（均有 P > 0.05）。因此，两组受试者实验开始时的主观感受无明显差异，即具有同质性，可以进行后续分析。

表 1

Pretest and posttest data of subjective evaluation and the results of independent sample t -test

主观评价前测与后测数据及独立样本 t 检验结果

组别	项目	思维清晰	注意集中	困倦程度	疲劳综合评估
括号里的数字为标准差，其余表格相同
主观前测	正常组	1.600（0.828）	1.667（0.724）	2.533（1.457）	2.200（1.207）
	疲劳组	1.667（0.899）	2.067（1.099）	2.267（1.668）	2.133（0.915）
	t 值	–0.221	–1.117	0.466	0.170
	P 值	0.834	0.249	0.645	0.866
主观后测	正常组	2.267（1.387）	2.867（1.356）	3.267（1.870）	3.067（1.580）
	疲劳组	4.400（2.640）	4.467（2.326）	4.867（2.295）	5.067（2.492）
	t 值	–2.770	–2.302	–2.093	–2.625
	P 值	0.010	0.029	0.045	0.014

Open in a separate window

再将两组受试者主观疲劳后测数据进行独立样本 t 检验，描述性统计结果及 t 检验结果见 表 1 。由该表可知，与正常组相比，疲劳组受试者思维清晰程度显著下降（ P < 0.05），注意力明显减弱（ P < 0.05），困倦程度明显增加（ P < 0.05），综合疲劳感显著上升（ P < 0.05）。因此，疲劳组受试者的主观疲劳感明显高于正常组受试者，从主观评价的角度验证了连续执行 100 min 的 2-back 任务产生了脑力疲劳。

2.2. 行为数据分析

实验获取了两组受试者在实验前后 10 min 的 2-back 任务的反应时、正确率和遗漏率。首先，检验两组受试者的行为学数据是否具有同质性，将正常组和疲劳组的受试者 2-back 前测的绩效数据进行独立样本 t 检验，描述性统计结果及 t 检验结果见 表 2 。两组受试者操作 2-back 的反应时、正确率以及遗漏率均无明显差异（均有 P > 0.05）。因此，两组受试者疲劳前的 2-back 操作绩效无明显差异，即具有同质性，可进行后续分析。

表 2

Pretest and posttest data of performance and the results of independent sample t -test

行为绩效前测与后测数据及独立样本 t 检验结果

组别	项目	反应时间/ms	正确率	遗漏率
绩效前测	正常组	548.659（284.076）	0.912（0.055）	0.006（0.017）
	疲劳组	594.839（124.168）	0.904（0.053）	0.005（0.020）
	t 值	–2.095	–3.998	–0.214
	P 值	0.509	0.686	0.380
绩效后测	正常组	520.085（118.844）	0.925（0.042）	0.006（0.014）
	疲劳组	698.684（308.106）	0.836（0.075）	0.008（0.029）
	t 值	–2.095	–3.998	–0.214
	P 值	0.045	0.000	0.832

Open in a separate window

将正常组和疲劳组的受试者 2-back 后测的绩效数据进行独立样本 t 检验，描述性统计结果及 t 检验结果见 表 2 。与正常组相比，疲劳组受试者操作 2-back 的反应时明显增加（ P < 0.05），正确率明显下降（ P < 0.01），遗漏率有所增加但差异没有统计学意义（ P > 0.05）。因此，疲劳组受试者的 2-back 操作绩效明显比正常组受试者差，从行为学角度验证了连续执行 100 min 的 2-back 任务产生了脑力疲劳。

为进一步观察受试者在整个过程中的疲劳变化情况，将疲劳组 100 min 的 2-back 任务分成 10 个 block，每个 block 为 10 min，计算每个 block 受试者的操作反应时和正确率并作变化曲线图。从 图 5 可以看出疲劳组的反应时间随时间的增加整体呈上升趋势，而正确率则呈下降趋势，期间存在一定的波动，这可能是由于在实验的过程中受试者出现抵抗疲劳的现象，通过主观努力试图保持清醒，以获得较好的绩效，但是主观努力只能暂时性地加快反应速度并保持较高的正确率，无法持续。说明受试者已经达到脑力疲劳状态，而且随着任务时间延长，脑力疲劳程度不断加深，工作绩效随之降低。

Open in a separate window

图 5

Performance changes over time during the 2-back task for fatigue group

疲劳组在 2-back 任务下行为绩效随时间的变化趋势

2.3. ERP 分析

2.3.1. P300

已有研究表明，P300 在导联 Fz、Cz、Pz 三点表现较为明显，因此本文选取这三个导联的脑电信号进行研究。S1 刺激在 Fz、Cz、Pz 三个导联处诱发产生的脑电总平均波形如 图 6 所示，可见 S1 刺激诱发出了较为明显的 P300 波形，并且疲劳组的波幅明显低于正常组。 表 3 为正常组和疲劳组受试者 2-back 后测任务（10 min）中的 P300 幅值和潜伏期的描述性统计结果。进一步采用双因素方差分析法对 P300 的波幅和潜伏期进行分析，如 表 4 所示，对于 P300 波幅，组别的主效应显著（ P < 0.05），而导联的主效应以及它们之间的交互效应不显著（均有 P > 0.05）；对于 P300 潜伏期，组别和导联的主效应以及它们之间的交互效应均不显著（均有 P > 0.05）。综上所述，只有 P300 的波幅在疲劳后显著降低，因此作为 2-back 任务下表征脑力疲劳的有效指标。

表 3

P300 amplitude and latency data for both normal group and fatigue group

正常组和疲劳组受试者 P300 幅值和潜伏期数据

参数		疲劳组	正常组
幅值/μV	Fz	2.78（1.34）	5.11（1.23）
	Cz	2.48（1.61）	5.41（0.63）
	Pz	0.84（0.09）	1.98（2.19）
潜伏期/ms	Fz	222.20（37.87）	230.40（41.72）
	Cz	255.80（38.88）	264.00（55.88）
	Pz	208.00（54.43）	214.80（58.23）

Open in a separate window

表 4

The main effect results of P300 in different groups and electrodes

不同组别和导联下 P300 指标主效应分析结果

来源	幅值			潜伏期
	F 值
组间	2.539	0.020		0.087	0.650
导联	7.890	0.340		14.789	0.320
组间 × 导联	1.340	0.670		4.677	0.540

Open in a separate window

Open in a separate window

图 6

The grand-average ERPs for P300 between fatigue group and normal group

疲劳组和正常组 P300 总平均波形对比图

2.3.2. ERN/Pe

由于 ERN/Pe 主要集中在前额和中央区，因此本文选取 Fz、Cz、FC1、FC2 导联上的脑电信号进行研究。S2 刺激在 Fz、Cz、FC1、FC2 四个导联处诱发产生的脑电总平均波形如 图 7 所示，可见 S2 诱发出了较为明显的 ERN 和 Pe 成分，且疲劳组的 ERN 波幅明显低于正常组。 表 5 为正常组和疲劳组受试者 2-back 后测任务（10 min）中的 ERN/Pe 幅值和潜伏期的描述性统计结果。进一步采用双因素方差分析对 ERN 和 Pe 的波幅和潜伏期分别进行统计分析，结果如 表 6 所示，对于 ERN 幅值，组别和导联的主效应显著（均有 P < 0.05），而它们的交互效应不显著（ P > 0.05）。即疲劳组产生的 ERN 波幅明显低于正常组，且在 Fz、Cz、FC1、FC2 四个导联上差异明显；对于 ERN 潜伏期，组别和导联的主效应以及它们之间的交互效应均不显著（均有 P > 0.05）。同样，对于 Pe 的波幅和潜伏期，组别和导联的主效应以及它们之间的交互效应均不显著（均有 P > 0.05）。综上所述，疲劳组较正常组而言，ERN 波幅明显降低，而其潜伏期以及 Pe 的幅值和潜伏期均未发生明显变化。因此，ERN 波幅可以作为 2-back 任务下脑力疲劳的有效评价指标。

表 5

ERN/Pe amplitude and latency data for both normal group and fatigue group

正常组和疲劳组受试者 ERN 和 Pe 幅值和潜伏期数据

参数		ERN			Pe
		疲劳组	正常组		疲劳组	正常组
幅值/μV	Fz	–2.63（0.37）	–6.49（0.27）		–3.05（0.14）	–4.04（0.27）
	Cz	–2.83（0.23）	–6.23（0.18）		–2.99（0.23）	–3.00（0.19）
	FC1	–2.85（0.17）	–6.40（0.13）		–2.55（0.24）	–2.85（0.24）
	FC2	–2.50（0.15）	–5.70（0.17）		–3.07（0.21）	–3.98（0.28）
潜伏期/ms	Fz	32.02（3.42）	30.06（4.11）		275.63（10.57）	257.31（7.66）
	Cz	32.12（4.19）	28.47（2.47）		267.25（9.76）	264.24（10.92）
	FC1	31.23（3.46）	27.56（3.20）		254.84（10.28）	247.35（10.08）
	FC2	34.47（2.80）	33.70（3.79）		271.44（10.15）	269.59（12.22）

Open in a separate window

表 6

The main effect results of ERN/Pe in different groups and electrodes

不同组别和导联下 ERN/Pe 指标主效应分析结果

参数	来源	幅值			潜伏期
		F 值
ERN	组间	10.040	0.042		22.560	0.650
	导联	35.240	0.036		3.670	0.320
	组间 × 导联	11.803	0.067		81.520	0.540
Pe	组间	10.450	0.074		62.670	0.051
	导联	14.260	0.089		1.617	0.057
	组间 × 导联	4.058	0.053		1.064	0.067

Open in a separate window

Open in a separate window

图 7

The grand-average ERPs for ERN/Pe between fatigue group and normal group

疲劳组和正常组 ERN/Pe 总平均波形对比图

3. 讨论

本论文主要针对 2-back 任务下的脑力疲劳展开研究，从主观评价结果来看，疲劳组相对正常组受试者主要表现为思维清晰程度显著下降，注意力明显减弱，困倦程度明显增加。从行为学分析结果来看，疲劳组比正常组受试者操作 2-back 的反应时增加，正确率下降。两种方法充分表明疲劳组受试者在经历了 100 min 的 2-back 任务后产生了有效的脑力疲劳。

从 ERP 分析看，P300 波幅具有明显的疲劳效应。研究表明，P300 的波幅受注意资源分配、记忆能力等多种因素的影响 ^{[ 21 ]} 。本研究中，由于疲劳组后期脑力疲劳的产生对受试者的注意力和记忆力造成损害，因此相比正常组，P300 波幅降低。P300 的潜伏期与受试者对刺激的评价及决策时间相关，受任务复杂度影响，在本研究中，两组受试者的 P300 潜伏期差异并不显著，说明 100 min 的 2-back 任务引发的脑力疲劳并未对人脑处理信息的速度造成太大影响。

与 P300 不同的是，ERN 反映了错误监控能力 ^{[ 22 ]} 。本研究结果显示疲劳组的 ERN 幅值明显降低，表明脑力疲劳导致了受试者认知系统不能检测错误行为，行为监控功能受到损害。位于大脑额叶内侧的前扣带回皮层（anterior cingulate cortex，ACC）可以实时监控正在进行的目标定向行为，在出现反应冲突或者错误时提供信号，并能根据当前的任务加工要求将注意资源在相关脑区中进行有效配置，可能是执行功能神经网络中的一个高级调控结构 ^{[ 23 ]} 。探究其机制，是因为基底神经节上有错误监控系统，错误信息的产生作用于多巴胺系统，使得传递到 ACC 中的多巴胺减少而使一些神经元去抑制，于是产生了 ERN ^{[ 24 ]} 。而脑力疲劳的产生往往会影响并破坏纹状体和扣带回中多巴胺的传递，导致错误监控功能受损，故脑力疲劳的发生可能源于 ACC 功能的改变。同时，研究发现疲劳前后 Pe 未见显著差异，这是因为 ERN 和 Pe 反映了错误监控过程的不同阶段，ERN 主要是对错误发生时的初步自动反应，而 Pe 反映的是错误发生后基于行为结果上的调整，显然，脑力疲劳对错误之后的行为调整未造成影响。

4. 结论

本文主要利用 ERP 技术分析了长时间持续执行 2-back 产生脑力疲劳后的脑电特性变化，结果表明 P300 和 ERN 成分的波幅可作为评价工作记忆任务下脑力疲劳模型的有效指标，为后期研究脑力疲劳对抗措施提供依据。但由于时间和条件所限，本研究仍有一些不足之处。在未来的工作中，还应在以下方面进行改进：

① 采用睡眠剥夺、长时间简单重复任务等其他方法建立多种脑力疲劳模型，与 2-back 建立的脑力疲劳模型相对比，探讨不同模型间的脑力疲劳发生神经机制。

② 被试数量太少，个体差异很容易影响到最后的结果。因此，在后期研究中要进一步扩大受试者的样本量。

③ 除了主观评价和行为绩效法，在后期的研究中可将眼电、肌电、心电等生理测量方式与脑电结合起来对脑疲劳进行综合研究，结果更为全面、准确。

Funding Statement

中国标准化研究院院长基金面上项目（522018Y-5943）；中国标准化研究院院长基金重大项目（522018Y-5984）

References

1. Grandjean E Fatigue in industry. Br J Ind Med. 1979; 36 (3):175–186. [ PMC free article ] [ PubMed ] [ Google Scholar ]

2. Grandjean E Fitting the task to the man. Physiotherapy. 1988; 84 (5):242. [ Google Scholar ]

3. Layzer R B Asthenia and the chronic fatigue syndrome. Muscle Nerve. 1998; 21 (12):1609–1611. [ PubMed ] [ Google Scholar ]

4. Campagnolo N, Johnston S, Collatz A, et al Dietary and nutrition interventions for the therapeutic treatment of chronic fatigue syndrome/myalgic encephalomyelitis: a systematic review. J Hum Nutr Diet. 2017; 30 (3):247–259. [ PMC free article ] [ PubMed ] [ Google Scholar ]

5. 苗丹民, 王京生, 刘立. 军事心理学手册. 北京: 中国轻工业出版社, 2004.

6. Ramkumar A, Stappers P J, Niessen W J, et al Using GOMS and NASA-TLX to evaluate human-computer interaction process in interactive segmentation. Int J Hum Comput Interact. 2017; 33 (2):123–134. [ Google Scholar ]

7. 韩辉, 周音莲, 蔡文杰, 等 日本《疲劳自觉症状调查表》在潜艇部队的适用性研究 海军医学杂志 2011; 32 (5):313–315. [ Google Scholar ]

8. Liu J C, Verhulst S, Massar S A, et al Sleep deprived and sweating it out: the effects of total sleep deprivation on skin conductance reactivity to psychosocial stress. Sleep. 2015; 38 (1):155–159. [ PMC free article ] [ PubMed ] [ Google Scholar ]

9. 宋国萍, 赵仑, 张侃 连续 10h 驾驶对听觉非随意注意影响的 ERPs 研究 航天医学与医学工程 2006; 19 (2):147–149. [ Google Scholar ]

10. Biferno M Mental workload measurement in operational air craft systems: two promising approaches. Designs Codes & Cryptography. 1987; 6 (12):67–75. [ Google Scholar ]

11. Larue G S, Rakotonirainy A, Pettitt A N Driving performance impairments due to hypovigilance on monotonous roads. Accid Anal Prev. 2011; 43 (6):2037–2046. [ PubMed ] [ Google Scholar ]

12. Zhao Chunlin, Zhao Min, Liu Jianpin, et al Electroencephalogram and electrocardiograph assessment of mental fatigue in a driving simulator. Accid Anal Prev. 2012; 45 (1):83–90. [ PubMed ] [ Google Scholar ]

13. Fowler B P300 as a measure of workload during a simulated aircraft landing task. Hum Factors. 1994; 36 (4):670–683. [ PubMed ] [ Google Scholar ]

14. Gosselin A, De Koninck J, Campbell K B Total sleep deprivation and novelty processing: implications for frontal lobe functioning. Clin Neurophysiol. 2005; 116 (1):211–222. [ PubMed ] [ Google Scholar ]

15. 完颜笑如, 庄达民, 刘伟 脑力负荷对前注意加工的影响与分析 北京航空航天大学学报 2012; 38 (4):497–501. [ Google Scholar ]

16. Raz A, Deouell L Y, Bentin S Is pre-attentive processing compromised by prolonged wakefulness? Effects of total sleep deprivation on the mismatch negativity. Psychophysiology. 2001; 38 (5):787–795. [ PubMed ] [ Google Scholar ]

17. 吕亦萱. 脑力疲劳对持续性注意的影响研究. 北京: 北京航空航天大学, 2015.

18. Boksem M A, Meijman T F, Lorist M M Effects of mental fatigue on attention: an ERP study. Brain Res Cogn Brain Res. 2005; 25 (1):107–116. [ PubMed ] [ Google Scholar ]

19. Shigihara Y, Tanaka M, Ishii A, et al Two types of mental fatigue affect spontaneous oscillatory brain activities in different ways. Behav Brain Funct. 2013; 9 (2):1–12. [ PMC free article ] [ PubMed ] [ Google Scholar ]

20. Schapkin S A, Freude G Neuronal mechanisms of working memory performance in younger and older employees//International Conference on Engineering Psychology and Cognitive Ergonomics. Heraklion, Crete, Greece. 2014:70–81. [ Google Scholar ]

21. Smith J L, Smith E A, Provost A L, et al Sequence effects support the conflict theory of N200 and P3 in the go/nogo task. International Journal of Psychophysiology. 2015; 75 (3):217–226. [ PubMed ] [ Google Scholar ]

22. Xiao Yi, Ma Feng, Lv Yixuan, et al Sustained attention is associated with error processing impairment: evidence from mental fatigue study in four-choice reaction time task. PLoS One. 2015; 10 (3):e0117837. [ PMC free article ] [ PubMed ] [ Google Scholar ]

23. Themanson J R, Ball A B, Khatcherian S M, et al The effects of social exclusion on the ERN and the cognitive control of action monitoring. Psychophysiology. 2014; 51 (3):215–225. [ PubMed ] [ Google Scholar ]

24. Pfabigan D M, Pintzinger N M, Siedek D R, et al Feelings of helplessness increase ERN amplitudes in healthy individuals. Neuropsychologia. 2013; 51 (4):613–621. [ PMC free article ] [ PubMed ] [ Google Scholar ]

---

Articles from Sheng Wu Yi Xue Gong Cheng Xue Za Zhi = Journal of Biomedical Engineering are provided here courtesy of West China Hospital of Sichuan University

---