李文斌， 康 陽， 謝小萍， 常耀明*

(1.空軍軍醫(yī)大學(xué)航空航天醫(yī)學(xué)系， 西安 710032； 2.解放軍 71901 部隊(duì)， 聊城 252000)

1 引言

飛行員在飛行過程中需要掌握飛行姿態(tài)，觀察空域和飛行儀表，控制飛行速度與飛行高度，還需要及時應(yīng)對突發(fā)的事件。 飛行活動可以視為多任務(wù)處理過程，這種多任務(wù)處理會導(dǎo)致飛行員面臨過高的腦力負(fù)荷，影響飛行績效甚至威脅飛行安全。 因此，進(jìn)行多任務(wù)腦力負(fù)荷研究，并篩選對多任務(wù)腦力負(fù)荷敏感而可靠的指標(biāo)具有重要的現(xiàn)實(shí)意義。

作業(yè)人員的主觀感受、生理變化以及完成任務(wù)的績效可以間接反映腦力負(fù)荷的大小。 腦力負(fù)荷的評估方法可分為3 類:主觀評估法、績效評估法和生理評估法。 生理評估法具有客觀性和連續(xù)性的優(yōu)點(diǎn)，在國內(nèi)外的腦力負(fù)荷評估研究中得到了更多的關(guān)注。 在生理測量法中，盡管尚無特異性的生理指標(biāo)評估腦力負(fù)荷，但腦電測量作為中樞神經(jīng)系統(tǒng)生理測量的一種，具有很高的時間分辨率，并表現(xiàn)出對腦力負(fù)荷變化的敏感性，被認(rèn)為是金標(biāo)準(zhǔn)。

腦電圖在不同的時間內(nèi)表現(xiàn)出半穩(wěn)定性和不連續(xù)性。 一種地形圖在快速過渡到另一種地形圖之前保持穩(wěn)定，這些離散的地形圖穩(wěn)定時期被稱為微狀態(tài)。 多通道腦電記錄頭皮電位的全局模式會隨時間動態(tài)變化，并可通過模式識別的方法被分解成相互獨(dú)立的電壓分布狀態(tài)，這些瞬時電壓分布狀態(tài)即為腦電微狀態(tài)。 腦電微狀態(tài)與大規(guī)模神經(jīng)網(wǎng)絡(luò)相關(guān)，可用來衡量大規(guī)模腦網(wǎng)絡(luò)的運(yùn)行情況，而不僅僅是大腦特定區(qū)域功能的改變。Michel 等使用k-mean 聚類方法并通過交叉驗(yàn)證標(biāo)準(zhǔn)確定最佳地圖數(shù)為4 個，Khanna 等將這些地圖標(biāo)記為A、B、C 和D 類，后續(xù)研究根據(jù)與原始聚類地圖的空間相似性保留此分類，并且這4類地形圖在不同年齡范圍、覺醒狀態(tài)和病理狀態(tài)的研究中保持一致。 腦電微狀態(tài)是大腦全局功能狀態(tài)的瞬時表征，可以反映全局腦網(wǎng)絡(luò)激活的變化，是認(rèn)知和心理功能的真實(shí)標(biāo)記，可通過任務(wù)需求和功能狀態(tài)來調(diào)節(jié)。

不同的認(rèn)知任務(wù)均可以導(dǎo)致腦電微狀態(tài)的參數(shù)的改變。 Seitzman 等發(fā)現(xiàn)在睜眼和閉眼狀態(tài)下，連續(xù)減法任務(wù)對腦電圖微狀態(tài)時間特性產(chǎn)生影響。 D’Croz-Baron 等在聽視覺刺激及辨認(rèn)任務(wù)對微狀態(tài)變化的研究中發(fā)現(xiàn)視覺刺激的增加可引起微狀態(tài)參數(shù)的變化。 Zappasodi 等探索了反映不同認(rèn)知能力(歸納、空間關(guān)系、空間圖像)的認(rèn)知任務(wù)對腦電微狀態(tài)的影響，并且使用基于微狀態(tài)參數(shù)的多元分類分析對認(rèn)知任務(wù)實(shí)現(xiàn)預(yù)測分類。 在航空工效學(xué)領(lǐng)域，腦電微狀態(tài)分析方法可用來評價飛行活動的腦力負(fù)荷。

本文以模擬飛行為任務(wù)模型，比較在低腦力負(fù)荷和高腦力負(fù)荷下4 類腦電微狀態(tài)參數(shù)變化，并探討腦電微狀態(tài)參數(shù)在不同腦力負(fù)荷下的變化機(jī)制，為基于全局腦網(wǎng)絡(luò)評估飛行員腦力負(fù)荷提供新的思路。

2 方法

2.1 受試者

12 名在校本科生，男性，年齡(21.08±0.79)歲。均為右利手(愛丁堡利手問卷結(jié)果一側(cè)商數(shù)和十分位數(shù)分別為79.03±19.87 和5.50 ± 3.80)，視力或矯正視力及聽力正常，既往無神經(jīng)精神疾病史及近期用藥史。

2.2 任務(wù)模型

實(shí)驗(yàn)任務(wù)模型是模擬飛行中的多任務(wù)模型，該模型已被用于腦力負(fù)荷和飛行疲勞的研究，任務(wù)包含4 項(xiàng)子任務(wù):飛行目標(biāo)追蹤任務(wù)，儀表監(jiān)視任務(wù)，突發(fā)事件處理任務(wù)和剩余能力任務(wù)。 其中，剩余能力任務(wù)為次任務(wù)，其余3 項(xiàng)為主任務(wù)。多任務(wù)程序在電腦上運(yùn)行，任務(wù)界面見圖1，界面中間為飛行目標(biāo)追蹤任務(wù)區(qū)域，下方為儀表監(jiān)視任務(wù)區(qū)域，左側(cè)為突發(fā)事件處理任務(wù)區(qū)域，右側(cè)為剩余能力任務(wù)區(qū)域。

圖1 多任務(wù)模型界面Fig.1 Interface of the multitask model

1)飛行目標(biāo)追蹤任務(wù)。 在飛行目標(biāo)追蹤任務(wù)區(qū)域有一個飛機(jī)形狀的移動目標(biāo)，要求受試者通過右手操縱桿控制的圓形光標(biāo)來持續(xù)追蹤飛機(jī)目標(biāo)，應(yīng)盡量使圓形光標(biāo)與目標(biāo)重合。 任務(wù)的績效包括平均追蹤距離和告警次數(shù)。 追蹤距離指的是圓形光標(biāo)與目標(biāo)之間的距離，當(dāng)距離大于30 mm時，程序會記錄一次告警并發(fā)出告警聲。

2)儀表監(jiān)視任務(wù)。 在儀表監(jiān)視任務(wù)區(qū)域有4個圓形儀表盤，每個儀表各有一紅色區(qū)域?yàn)榫鋮^(qū)域，每個儀表的警戒區(qū)域位置各不相同。 任務(wù)開始時，各儀表的指針從最底端開始以不同的速度順時針升高。 當(dāng)指針到警戒區(qū)域時，要求受試者做出按鍵反應(yīng)。 反應(yīng)后指針立即回落，并重新開始順時針升高。 若受試者未能及時做出反應(yīng)，指針繼續(xù)上升直至過了警戒區(qū)域后自動回落，并重新開始順時針升高。

3)突發(fā)事件處理任務(wù)。 在任務(wù)過程中，突發(fā)事件處理任務(wù)區(qū)域會不定時地出現(xiàn)多個紅色圓點(diǎn)，數(shù)量為10～20 的隨機(jī)數(shù)。 要求受試者數(shù)出紅點(diǎn)的數(shù)量并按下數(shù)字的個位數(shù)按鍵。 紅色圓點(diǎn)會在受試者做出正確反應(yīng)后消失，然后下一組紅色圓點(diǎn)將會出現(xiàn)。 若受試者未及時做出正確反應(yīng)，紅色圓點(diǎn)出現(xiàn)30 s 后自動消失，然后出現(xiàn)下一組紅色圓點(diǎn)。

4)剩余能力任務(wù)。 任務(wù)過程中，在剩余能力任務(wù)區(qū)域會一直有1 個數(shù)字。 任務(wù)要求受試者優(yōu)先完成主任務(wù)的基礎(chǔ)上，通過按下相同的數(shù)字鍵來做出反應(yīng)。 數(shù)字會在受試者做出正確反應(yīng)后消失，隨即出現(xiàn)下一個數(shù)字。 若受試者不做出反應(yīng)或未做出正確反應(yīng)，當(dāng)前數(shù)字一直存在直至任務(wù)結(jié)束。

2.3 實(shí)驗(yàn)工具及設(shè)備

NASA 任務(wù)負(fù)荷指數(shù)(NASA-TLX)量表是NASA 于1988 年開發(fā)，包含6 個維度:腦力需求(Mental Demand， MD)、體力需求(Physical Demand， PD)、時間需求(Temporal Demand， TD)、努 力 水 平( Effort Level， EF)、 挫 折 水 平(Frustration Level， FR)以及自我績效(Own Performance， OP)。 NASA-TLX 量表是最常用的腦力負(fù)荷主觀評價量表之一，從6 個維度反映腦力負(fù)荷，可以診斷腦力負(fù)荷的來源。

腦電記錄系統(tǒng)采用美國NeuroScan 公司32導(dǎo)電極帽及NuAmps 腦電放大器記錄原始腦電信號，NuAmps 采樣頻率1024 Hz，帶通濾波為0.1 ～100 Hz。 電極位置參照國際標(biāo)準(zhǔn)10－20 系統(tǒng)，以雙側(cè)乳突作為參考電極，同時記錄水平眼電(Horizontal Electrooculogram， HEOG)和垂直眼電(Vertical Electrooculogram， VEOG)。 電極的阻抗小于5 kΩ。

2.4 實(shí)驗(yàn)過程

正式實(shí)驗(yàn)前，向受試者介紹整個實(shí)驗(yàn)內(nèi)容，受試者閱讀并簽署知情同意書；受試者閱讀愛丁堡利手問卷說明并填寫問卷；進(jìn)行多任務(wù)操作的訓(xùn)練，練習(xí)時間約為10 min。 軟件會記錄正確的操作方法，如有錯誤則記錄無效。 練習(xí)中，觀察受試者的操作，并查看訓(xùn)練時的任務(wù)記錄中沒有無效記錄，以確保其掌握多任務(wù)的操作方法。

實(shí)驗(yàn)開始，受試者保持靜息狀態(tài)1 min 后開始多任務(wù)的操作。 受試者需要完成低負(fù)荷任務(wù)和高負(fù)荷任務(wù)。 低負(fù)荷任務(wù)要求受試者同時完成飛行目標(biāo)追蹤任務(wù)和剩余能力任務(wù)，高負(fù)荷任務(wù)要求受試者同時完成飛行目標(biāo)追蹤任務(wù)、儀表監(jiān)視任務(wù)、突發(fā)事件處理任務(wù)和剩余能力任務(wù)4 項(xiàng)子任務(wù)。 每一項(xiàng)多任務(wù)持續(xù)180 s，且任務(wù)順序在受試者中進(jìn)行平衡，即先進(jìn)行高負(fù)荷任務(wù)和先進(jìn)行低負(fù)荷任務(wù)的受試者人數(shù)相同。 每項(xiàng)多任務(wù)完成后，受試者填寫NASA-TLX量表，并靜息1 min。

2.5 EEG 信號處理

使用腦電圖分析軟件EeglabR13 和Matlab R2013b 進(jìn)行預(yù)處理。 將腦電數(shù)據(jù)降低采樣率為250 Hz，采用非因果二階巴特沃斯濾波器進(jìn)行1 ～40 Hz 帶通濾波，并將腦電數(shù)據(jù)2 s 一段分割。

采用基于信息最大化的獨(dú)立成分分析(Independent Component Analysis， ICA)檢測和剔除波形和地形圖中與其他人工活動(眼動、肌電、心電)相關(guān)的成分。 然后使用三維球面曲線法插值壞導(dǎo)，采用平均參考的方法進(jìn)行重參考。 最后，對數(shù)據(jù)進(jìn)行目視檢查，標(biāo)記并剔除有殘留偽跡的時段以進(jìn)行后續(xù)分析。

借助Eeglab 的Microstates 0.3 插件，對預(yù)處理完的數(shù)據(jù)進(jìn)行腦電圖微狀態(tài)分析。 采用2 ～20 Hz帶通濾波以進(jìn)一步減少腦電原始數(shù)據(jù)中的偽跡。 計(jì)算全局解釋方差(Global Field Power，GFP)，沿著時刻點(diǎn)從GFP 峰處抽取地形圖并進(jìn)行聚類分析，并且忽略地形圖的極性。 聚類分析方法選用原子化與凝聚層次聚類(Atomize and Agglomerate Hierarchical Clustering， AAHC)算法，推導(dǎo)出能最大程度解釋GFP 峰處地形圖的4 類地形圖，即個體水平的腦電微狀態(tài)。 然后將每名受試者的4 類地形圖進(jìn)行聚類得到組平均水平地形圖類別，即組水平腦電微狀態(tài)(A，B，C，D)。 把所有受試者腦電信號在每個時間點(diǎn)處的地形圖與4 類組水平腦電微狀態(tài)進(jìn)行空間相關(guān)性比較，根據(jù)Pearson 相關(guān)性的最大絕對值匹配4 個微狀態(tài)中的1 個，從而將腦電信號解析成了4 種微狀態(tài)交替出現(xiàn)的時間序列。 將提取出的4 類微狀態(tài)匹配到每名受試者的腦電信號后，分別計(jì)算出2 種腦力負(fù)荷下微狀態(tài)時間序列的4 個參數(shù)。 ①平均持續(xù)時間:每種微狀態(tài)在出現(xiàn)時保持穩(wěn)定的平均時間長度；②頻率:每種微狀態(tài)每秒出現(xiàn)的次數(shù)；③覆蓋率:每種微狀態(tài)占記錄總時間的比例；④轉(zhuǎn)換概率:從一種微狀態(tài)轉(zhuǎn)換成另一種微狀態(tài)的概率。

2.6 統(tǒng)計(jì)學(xué)分析

采用SPSS 26.0 軟件進(jìn)行統(tǒng)計(jì)分析，采用單因素重復(fù)測量的ANOVA，對受試者內(nèi)腦力負(fù)荷因素進(jìn)行分析，檢驗(yàn)不同腦力負(fù)荷對NASA-TLX 評分、任務(wù)績效以及腦電微狀態(tài)參數(shù)的影響是否具有統(tǒng)計(jì)學(xué)意義。＜0.05 認(rèn)為差異具有統(tǒng)計(jì)學(xué)意義。

3 結(jié)果

3.1 NASA-TLX 評分

圖2(a)顯示高低負(fù)荷多任務(wù)的NASA-TLX評分。 不同腦力負(fù)荷對NASA-TLX 評分有影響，NASA-TLX 評分隨著腦力負(fù)荷增加而增加(＝10.07，＜0.001)。 圖2(b)顯示了兩項(xiàng)多任務(wù)NASA-TLX 每個維度的得分。 腦力負(fù)荷對腦力需求得分(＝5.94，＜0.05)和時間需求得分有影響(＝7.17，＜0.05)。 腦力需求得分和時間需求得分隨著腦力負(fù)荷增加而增加。 而腦力負(fù)荷對體力需求得分(＝0.98，＞0.05)、努力水平得分(＝0.74，＞0.05)、挫折水平得分(＝1.20，＞0.05)和自我績效得分(＝0.10，＞0.05)未見統(tǒng)計(jì)學(xué)差異。

圖2 高低負(fù)荷多任務(wù)的NASA-TLX 評分Fig. 2 Scores of NASA-TLX in high and low load multitasks

3.2 任務(wù)績效

高低負(fù)荷多任務(wù)的績效如表1 所示。 兩項(xiàng)多任務(wù)的平均追蹤距離(＝9.01，＜0.01)和告警次數(shù)(＝8.69，＜0.01)有統(tǒng)計(jì)學(xué)差異。 隨著腦力負(fù)荷的增加，平均追蹤距離和告警次數(shù)增加。 剩余能力任務(wù)的數(shù)字反應(yīng)次數(shù)在不同的任務(wù)中有統(tǒng)計(jì)學(xué)差異(＝23.04，＜0.001)。

表1 高低負(fù)荷多任務(wù)的績效( ±s，n ＝12)Table 1 Behavioral performance in high and low load multitasks( ±s，n ＝12)

3.3 腦電微狀態(tài)參數(shù)

圖3(a)顯示了高低負(fù)荷多任務(wù)的4 類腦電微狀態(tài)，低負(fù)荷任務(wù)的4 類腦電微狀態(tài)解釋比例(Global Explained Variance， GEV)為73.43%，高負(fù)荷任務(wù)的4 類腦電微狀態(tài)GEV 為72.76%。 圖3(b)顯示了2 項(xiàng)多任務(wù)4 類微狀態(tài)的平均持續(xù)時間，2 項(xiàng)多任務(wù)微狀態(tài)A(＝4.38，＜0.05)和微狀態(tài)C 的持續(xù)時間(＝7.01，＜0.05)隨著腦力負(fù)荷的增加持續(xù)時間顯著降低。 圖3(c)顯示了2 項(xiàng)多任務(wù)4 類微狀態(tài)的頻率，2 項(xiàng)多任務(wù)微狀態(tài)D 的頻率(＝5.66，＜0.05)隨著腦力負(fù)荷的增加而顯著增加。 圖3(d)顯示了2 項(xiàng)多任務(wù)4 類微狀態(tài)的覆蓋率，2 項(xiàng)多任務(wù)微狀態(tài)C(＝ 5.21，＜0.05)和微狀態(tài)D 的覆蓋率(＝5.87，＜0.05)隨腦力負(fù)荷的增加，微狀態(tài)C 覆蓋率降低而微狀態(tài)D 覆蓋率增加。

圖3 高低負(fù)荷多任務(wù)的4 類微狀態(tài)的持續(xù)時間、頻率及覆蓋率Fig.3 Duration， occurrence and coverage of four microstates in high and low load multitasks

圖4 顯示了2 項(xiàng)多任務(wù)的4 類腦電微狀態(tài)之間互相轉(zhuǎn)移的轉(zhuǎn)移概率。 微狀態(tài)A 向其他3 類微狀態(tài)轉(zhuǎn)移的概率如圖4(a)所示，隨著腦力負(fù)荷的增加，微狀態(tài)A 向微狀態(tài)C 的轉(zhuǎn)移概率顯著降低(＝10.58，＜0.01)。 微狀態(tài)B 向其他3類微狀態(tài)轉(zhuǎn)移的概率如圖4(b)所示，隨著腦力負(fù)荷的增加，微狀態(tài)B 向微狀態(tài)D 的轉(zhuǎn)移概率增加(＝7.13，＜0.05)。 微狀態(tài)C 向其他3 類微狀態(tài)轉(zhuǎn)移的概率如圖4(c)所示，隨著腦力負(fù)荷的增加，微狀態(tài)C 向微狀態(tài)A 的轉(zhuǎn)移概率顯著降低(＝10.46，＜0.01)。 微狀態(tài)D 向其他3 類微狀態(tài)轉(zhuǎn)移的概率如圖4(d)所示，隨著腦力負(fù)荷的增加，微狀態(tài)D 向微狀態(tài)B 的轉(zhuǎn)移概率顯著增加(＝9.96，＜0.01)。

圖4 高低負(fù)荷多任務(wù)的4 類微狀態(tài)之間的轉(zhuǎn)移概率Fig.4 Transition probability between four microstates in high and low load multitasks

4 討論

4.1 NASA-TLX 評分

隨著腦力負(fù)荷的增加，NASA-TLX 得分增加，說明通過改變多任務(wù)中子任務(wù)的數(shù)量可有效設(shè)置腦力負(fù)荷梯度。 在本文中，不同多任務(wù)的NASATLX 得分的差異體現(xiàn)在腦力需求和時間需求上。這說明多任務(wù)的高腦力負(fù)荷不僅體現(xiàn)在認(rèn)知需求上，還體現(xiàn)在隨著信息負(fù)荷增加而產(chǎn)生的時間壓力上，這不同于由操作難度或工作記憶難度所造成的腦力負(fù)荷。 本文隨著腦力負(fù)荷的增加，受試者的主觀努力并沒有變化，這與其他任務(wù)模型的研究結(jié)果不同。 這可能是因?yàn)樵诒緦?shí)驗(yàn)中，受試者在優(yōu)先完成主任務(wù)的前提下，將剩余的腦力資源全部用于完成次任務(wù)。

4.2 任務(wù)績效

與低負(fù)荷任務(wù)相比，高負(fù)荷任務(wù)的飛行目標(biāo)追蹤任務(wù)績效變差，表現(xiàn)為平均追蹤距離增大和告警次數(shù)增加。 這表明儀表監(jiān)視任務(wù)和突發(fā)事件處理任務(wù)的出現(xiàn)影響了追蹤任務(wù)的績效。 這2 項(xiàng)子任務(wù)在操作上并不會對追蹤任務(wù)產(chǎn)生干擾，但是其出現(xiàn)會占用受試者更多的注意力資源。Wickens根據(jù)任務(wù)過程中信息加工的資源需求，建立了一個四維的多資源模型:區(qū)分知覺和反應(yīng)的階段維度、區(qū)分視覺和聽覺的通道維度、區(qū)分空間和語言的編碼維度以及區(qū)分焦點(diǎn)和外周的視覺通道維度。 在多任務(wù)信息處理時，人的信息處理系統(tǒng)會自動在維度中進(jìn)行資源的選擇和分類。當(dāng)不同任務(wù)需要的資源是同一維度的同一類，則表現(xiàn)出資源競爭性，從而導(dǎo)致任務(wù)互相干擾。 因此，在本研究中，高負(fù)荷任務(wù)中由于資源競爭導(dǎo)致用于追蹤任務(wù)的資源減少，從而使追蹤任務(wù)績效下降。

剩余能力任務(wù)的績效也表現(xiàn)出相同的結(jié)果。在實(shí)驗(yàn)中，要求受試者在優(yōu)先完成主任務(wù)的前提下用剩余的注意力資源來完成剩余能力任務(wù)。 剩余能力被假設(shè)為一種未分類的并可用于所有任務(wù)的能力，是完成主任務(wù)時未用到的能力。 隨著腦力負(fù)荷的增加，任務(wù)所消耗的信息處理資源增加，則剩余的信息處理資源即剩余能力降低，從而導(dǎo)致次任務(wù)績效降低。 任務(wù)績效的變化與Puma等研究結(jié)果具有一致性，該研究用于篩選飛行學(xué)員的有限管理任務(wù)模型，通過增加子任務(wù)數(shù)量設(shè)置4 級腦力負(fù)荷梯度，研究發(fā)現(xiàn)隨著腦力負(fù)荷梯度增加，任務(wù)績效逐漸下降。

4.3 腦電微狀態(tài)

頭皮電位場反映了全局神經(jīng)元活動的瞬時狀態(tài)，而該區(qū)域地形的變化表明全局神經(jīng)元協(xié)調(diào)活動隨時間的變化，地形圖空間結(jié)構(gòu)的不同反映著不同神經(jīng)元的激活。 腦電微觀狀態(tài)分析的先驗(yàn)假設(shè)是在每一時刻只有一個空間地形圖完全定義了大腦的全局狀態(tài)，并且這一假設(shè)被一系列的論據(jù)證明是正確的。 研究表明使用聚類方法，并通過交叉驗(yàn)證標(biāo)準(zhǔn)確定最佳聚類數(shù)為4 個，這4 類微狀態(tài)被標(biāo)記為A、B、C 和D 類，這4 個聚類圖GEV 為79%。 本文中低負(fù)荷任務(wù)的4 類腦電微狀態(tài)GEV 為73.43%，高負(fù)荷任務(wù)的4 類腦電微狀態(tài)GEV 為72.76%，GEV 結(jié)果較為一致。 且每個微狀態(tài)都有一個特定的大腦功能系統(tǒng)，以及這些系統(tǒng)和特定的認(rèn)知功能之間存在聯(lián)系。

通過腦源分析研究腦電微狀態(tài)與功能系統(tǒng)的關(guān)系，發(fā)現(xiàn)微觀狀態(tài)A 與聽覺網(wǎng)絡(luò)和語音處理有關(guān)，而微觀狀態(tài)B 與視覺靜止?fàn)顟B(tài)網(wǎng)絡(luò)有關(guān)，反映了視覺意象型活動。 本文中，微狀態(tài)A 的持續(xù)時間下降，這與Milz 等的研究結(jié)果并不一致，其研究結(jié)果顯示可視化想象任務(wù)可導(dǎo)致微狀態(tài)A 的持續(xù)時間增加。 原因可能與知覺負(fù)載有關(guān)，知覺負(fù)載理論認(rèn)為高知覺負(fù)荷會消耗作業(yè)人員大量的信息處理能力，從而使沒有足夠的信息處理能力來感知干擾信息。 在本文中，需要聽覺網(wǎng)絡(luò)處理的信息只有追蹤任務(wù)的告警聲音，屬于一種無關(guān)刺激，高負(fù)荷任務(wù)需要同時處理4 項(xiàng)子任務(wù)，過高的知覺負(fù)荷使得被用來感知告警聲音的資源減少，從而導(dǎo)致了微狀態(tài)A 的持續(xù)時間降低。 微狀態(tài)C 與認(rèn)知控制網(wǎng)絡(luò)的活動有關(guān)，反映了默認(rèn)模式網(wǎng)絡(luò)的一部分，默認(rèn)模式網(wǎng)絡(luò)是一個任務(wù)負(fù)性網(wǎng)絡(luò)，在認(rèn)知任務(wù)的執(zhí)行過程中活動減少，而在注意力降低的狀態(tài)增加。 因此，在本文中微狀態(tài)C 的時間參數(shù)，如持續(xù)時間、覆蓋率，隨著腦力負(fù)荷的增加而降低。 微觀狀態(tài)D 與背側(cè)注意網(wǎng)絡(luò)相關(guān)，可以反映注意力、焦點(diǎn)轉(zhuǎn)換和重新定位的反射性。 本文腦力負(fù)荷升高導(dǎo)致微狀態(tài)D 的頻率和覆蓋率增加，說明在高負(fù)荷狀態(tài)下，更多的注意力資源被調(diào)動，從而導(dǎo)致微狀態(tài)D 的時間參數(shù)增加。 本文微狀態(tài)C 時間參數(shù)降低與微狀態(tài)D 時間參數(shù)升高，這與心算任務(wù)、推理任務(wù)等認(rèn)知任務(wù)對微狀態(tài)變化的研究一致。高負(fù)荷任務(wù)下，需要處理的視覺信息和投入的注意力資源增加，從而導(dǎo)致了微狀態(tài)B 和微狀態(tài)D之間的轉(zhuǎn)移概率增加。 而高負(fù)荷導(dǎo)致的知覺負(fù)載增大會使作為無關(guān)刺激的聽覺信息處理減少，引起微狀態(tài)A 和微狀態(tài)C 之間的轉(zhuǎn)移概率降低。

4.4 任務(wù)模型

飛行活動多任務(wù)模擬是飛行員腦力負(fù)荷實(shí)驗(yàn)研究的難題之一，采用實(shí)際模擬飛行任務(wù)，存在明顯學(xué)習(xí)效應(yīng)，而采用經(jīng)典心理學(xué)任務(wù)又與飛行作業(yè)差異較大。 為此，Sun 等和李文斌等也用自主設(shè)計(jì)的飛行活動多任務(wù)模型進(jìn)行了相關(guān)研究。 該任務(wù)模型可抽象模擬飛行控制、儀表監(jiān)視、突發(fā)事件處理和剩余能力，不僅與飛行過程飛行操縱、多信息處理等特點(diǎn)具有相似性，而且最大限度地降低學(xué)習(xí)效應(yīng)的影響。 由于其特點(diǎn)的相似性和易開展廣泛研究的特性，該任務(wù)模型具有一定的應(yīng)用價值，也為實(shí)際應(yīng)用到飛行員多任務(wù)腦力負(fù)荷測量提供參考。 當(dāng)然，此任務(wù)模型并不能完全模擬飛行環(huán)境，研究結(jié)果應(yīng)該在更真實(shí)的場景中得到驗(yàn)證，比如飛行模擬器。

5 結(jié)論

本文通過控制子任務(wù)的數(shù)量設(shè)置高、低2 級腦力負(fù)荷的模擬飛行多任務(wù)，比較不同腦力負(fù)荷下主觀評分、任務(wù)績效以及4 類經(jīng)典腦電微狀態(tài)參數(shù)的變化。 在高腦力負(fù)荷下，主觀評分升高，任務(wù)績效降低，并且高腦力負(fù)荷可導(dǎo)致微狀態(tài)B 和微狀態(tài)D 的時間參數(shù)增加而微狀態(tài)A 和微狀態(tài)C 的時間參數(shù)降低。 微狀態(tài)參數(shù)的變化可用來評估腦力負(fù)荷，為利用大腦全局功能狀態(tài)評估腦力負(fù)荷提供了數(shù)據(jù)支持，腦電微狀態(tài)參數(shù)與其他生理參數(shù)在腦力負(fù)荷評估中的對比值得進(jìn)一步研究。