疲劳与我们的日常息息相关。过重的心理压力、超长的工作时间、过大的劳动强度都会使人精疲力竭,影响人的认知和运动功能,甚至导致急性疾病突发或使已有疾病加速恶化。特别是运动障碍患者在康复治疗过程中经常容易由于心急而训练量过大引发运动性疲劳,影响康复治疗效果,甚至加重病情。因此,如何对运动性疲劳进行有效的检测和评估成为神经科学与康复工程等领域的交叉研究热点。已有研究显示,随着运动疲劳程度的加深,大脑运动皮层神经元活动会被抑制,脑连接强度也会减弱,这为通过脑活动检测运动性疲劳提供了理论依据。本文探索基于脑电信号(EEG)的运动性疲劳研究,主要工作包括:(1)与美国马萨诸塞州大学洛厄尔分校合作设计一个模拟上肢功能障碍康复训练的实验,采集了20个被试的上肢康复训练脑电数据,并根据Borg疲劳量表对每次训练试验的疲劳程度打分。(2)利用新因果关系分析法和格兰杰因果关系分析法,从时、频域的角度研究运动皮层C3、C4通道间的信息交互,结合Borg疲劳量表,揭示运动性疲劳机理。研究发现随着疲劳程度的加深(Borg值的增大),1)时、频域上,C3、C4通道间的因果关系呈减弱趋势,说明C3、C4运动功能区间的信息交互减弱,验证了Staudt等人“疲劳对运动神经元产生抑制效果,削弱大脑神经网络连接”这一以往研究结论;2)频域上,Beta频段的因果关系减弱趋势最明显,Alpha频段减弱趋势较缓,其他频段则不明显。这与Jbp等人的“在疲劳发展过程中,Beta频段与其联系最紧密,Alpha频段次之”研究结果一致;3)通过比较新因果关系分析结果与格兰杰因果关系分析结果,发现时域和频域上的新因果关系法计算结果均与Borg值存在显著线性关系,而格兰杰因果关系法计算结果均不存在该关系。这说明新因果关系法的分析结果更能准确揭示运动性疲劳与大脑运动功能区间的联系,解释运动性疲劳机理。(3)将大脑运动区多通道的相位同步特征应用于运动性疲劳检测。在Alpha、Beta频段上分别计算锁相值(PLV),利用支持向量机、逻辑回归和随机森林算法对运动性疲劳程度进行分类和检测。研究表明,在Alpha频段、Beta频段上,采用相位同步方法的疲劳分类准确率均高于69%,且三种方法在Beta频段上的平均准确率都高于Alpha频段,其中Beta频段上支持向量机的疲劳检测平均准确率高达78%。综上,运动性疲劳与大脑运动功能区活动状态联系紧密,完全有可能基于单一脑电信号对其进行检测和评估,这对疲劳检测评价系统的开发具有一定参考价值,将推动智能康复治疗机器人的研究发展。