在核电站、航空管制、紧急救援等高风险岗位中，操作人员面对极端环境时，大脑与身体会承受巨大压力。一旦认知能力下降，错误操作可能引发严重的次生灾害。因此，如何实时识别操作者的异常状态，成为工业5.0时代的关键课题。
近日，研究给出了一个创新答案——结合心电（ECG）+脑血氧（fNIRS）多生理信号，通过深度学习实时评估操作员在热应激下的表现。
极热环境=致命隐患？
研究团队招募了核电站操作人员，在四种逐渐升高的温湿度环境下（25℃ 到 40℃ & 60%～90%湿度）执行关键任务：
故障识别
反应堆紧急停堆
情景感知（SAGAT）
工作记忆（2-back任务）
结论令人警醒：
最危险的是第三类：人表现“看似更快”，却更容易做出致命决策错误！
如何监控大脑正在“走神”？
研究者同时采集：
核心技术亮点👇
✔ 心电频谱图+CNN
将ECG信号转为时频图像输入卷积神经网络，提取心率调控变化模式。
✔ 基于大脑网络的GAT图神经网络
前额叶各脑区之间的连接结构→构成小世界脑网络图
利用图注意力网络（GAT）捕捉认知负荷变化更敏感
✔ 多生理融合
CNN特征 + 心电手工特征 + GAT脑网络特征 → 综合判断表现状态
最终模型的预测能力：
AUC达0.90，明显优于传统方法。在危险状态（类别3）识别上尤其突出
工业5.0时代的人本安全守护
论文提出的新模型具备三大现实意义：
让机器真正理解“人”，就是工业5.0的核心！
未来展望
研究者也坦言当前挑战⬇：
数据量有限，模型泛化能力有待提升
在非极端环境（类别1与2）仍较难区分
未来将加入更多样本与增强技术（GAN等），实现更高精度与落地部署。
A neuroergonomics model for evaluating nuclear power plants operators’ performance under heat stress driven by ECG time-frequency spectrums and fNIRS prefrontal cortex network: A CNN-GAT fusion model
如果您觉得有收获，点击在看，
把他推荐给更多朋友~
同时也欢迎赞赏作者，留言讨论，
您的支持是作者的最大动力！
如果大家有兴趣和我一起运营这个公众号，
或有工作想要宣传，欢迎后台私聊~
或者邮件联系：xxy23@mails.tsinghua.edu.cn ~
