Оценка когнитивной нагрузки по фотоплетизмографии и биоимпедансным ответам во время задач на устный счёт

Почему нагрузка на мозг важна

Будь то управление самолётом, наблюдение за пациентами или подготовка к экзамену, бывают моменты, когда мозг незаметно переходит от сосредоточенности к перегрузке. Возможность измерять нарастающее умственное напряжение в реальном времени могла бы помочь предотвратить ошибки, выгорание и несчастные случаи. В этом исследовании изучается новый неинвазивный метод отслеживания «насколько усиленно работает ваш мозг» с помощью небольших датчиков на шее и лбу, без громоздких шапочек для мозга или сложного больничного оборудования.

Прислушиваясь к сердцебиению мысли

Вместо записи мозговых волн исследователи использовали тесную связь между мозгом и сердцем. Когда мы выполняем требовательную задачу, нервная система переключается: сердце бьётся иначе, сосуды сужаются или расслабляются, и кровоток в ключевых областях мозга меняется. Команда применила две простые техники для фиксации этих изменений. Светодиодный датчик на шее (фотоплетизмография, PPG) отслеживал, насколько интенсивно пульсировала кровь в крупной артерии, питающей мозг. Одновременно набор крошечных электродов на лбу (импедансная плетизмография, IPG) улавливал тонкие изменения локального объёма крови в передней части мозга, где мы планируем, считаем и принимаем решения. Вместе эти сигналы давали окно в глобальное и локальное кровоснабжение во время умственной работы.

Нагружая ум числами

Чтобы стрессово нагружать мозг управляемым образом, пятнадцать здоровых добровольцев в возрасте от 20 до 35 лет решали серии арифметических задач на компьютере. Задания были организованы в четыре этапа: расслабляющий базовый уровень, затем простые сложения с одной цифрой, далее сложения с двумя цифрами и, наконец, более трудные суммы из трёх цифр, требовавшие большей памяти и переноса. Каждый короткий эпизод начинался инструкциями на экране, продолжался пятью задачами и заканчивался коротким отдыхом при фиксирующем кресте на экране. На протяжении всех этапов датчики на шее и лбу непрерывно передавали данные, а компьютер фиксировал скорость и точность ответов каждого участника. Как и ожидалось, более сложные задачи приводили к замедлению ответов и увеличению числа ошибок, особенно на самом трудном уровне, что подтверждало рост когнитивной нагрузки.

Декодирование скрытых паттернов кровяных сигналов

Сырые формы сигналов с двух датчиков разрезались на небольшие временные окна и очищались цифровыми фильтрами от медленных дрейфов и высокочастотных шумов. Из каждого окна исследователи извлекали десятки простых характеристик: максимумы и минимумы, средние значения, меру вариативности и распределение энергии по частотам. Они также измеряли интервалы между сердечными сокращениями и задержку между шейным импульсом и лобным импульсом, величину, известную как время прохождения пульсовой волны. Эти числовые признаки затем подавались в три готовых алгоритма машинного обучения — Decision Trees, Random Forest и XGBoost — чтобы проверить, сможет ли компьютер научиться различать уровни умственной нагрузки только по сердечно‑сосудистым паттернам.

Насколько хорошо компьютер считывает ваше умственное напряжение?

Когда модель была индивидуализирована под каждого человека, система показала поразительную точность. Для простой задачи различения «расслабление» и «решение задач» все три алгоритма достигли 100-процентной точности. Даже в более сложной четырёхклассовой задаче — отдых, лёгкая, средняя и тяжёлая арифметика — лучший метод, Random Forest, правильно определял уровень в 96 процентах случаев. Однако производительность падала, когда система пыталась обобщать результаты с одной группы людей на другую: точность снижалась примерно до двух третей. Это указывает на сильные индивидуальные различия в базовых реакциях сердца и кровотока и на то, что устройства реального мира, вероятно, потребуют короткой персональной калибровки для надёжной работы у каждого пользователя.

Что говорят самые информативные сигналы

Анализируя признаки, на которые алгоритмы опирались сильнее всего, исследователи обнаружили, что измерения IPG с лба несли большую часть полезной информации. В частности, средние и крайние значения лобного сигнала последовательно занимали верхние позиции по важности, опережая PPG‑признаки с шеи и комбинированные показатели задержки. Это согласуется с современным пониманием связывания кровотока и мозговой активности: при интенсивной умственной работе передняя часть мозга требует больше топлива, и локальный объём крови меняется соответствующим образом. Датчик на шее по-прежнему вносил вклад, отражая общую сердечно‑сосудистую возбудимость, но локализованные лобные показания давали самые точные подсказки о моментальной умственной нагрузке.

От лабораторных датчиков к умным и безопасным рабочим местам

Для неспециалиста ключевая мысль такова: умственное усилие оставляет отличительный отпечаток в том, как кровь поступает в мозг и внутри него, и этот отпечаток можно зафиксировать с помощью небольших носимых датчиков вместо сложных аппаратов для сканирования мозга. Исследование показывает, что сочетание светового датчика на шее и простых электродов на лбу позволяет алгоритмам отслеживать несколько уровней когнитивной нагрузки с точностью, сопоставимой со многими системами на основе ЭЭГ, по крайней мере при индивидуальной настройке. С дальнейшим совершенствованием и повышением комфорта такая технология однажды сможет помогать в кабинах самолётов, автомобилях, классах и диспетчерских, автоматически корректируя задачи и оповещения, снижая нагрузку до того, как оператор окажется в состоянии опасной перегрузки.

Цитирование: Huynh, D.N., Tran, T.N., Tran, K.T. et al. Assessment of cognitive load through photoplethysmography and bioimpedance responses during mental arithmetic tasks. Sci Rep 16, 7367 (2026). https://doi.org/10.1038/s41598-026-38782-3

Ключевые слова: когнитивная нагрузка, умственная арифметика, носимые датчики, взаимодействие мозга и сердца, машинное обучение