Application of machine learning technologies to diagnose fatigue among aviation personnel

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The article presents the results of developing, training and testing a machine learning model based on one of the «decision tree» algorithms and intended for automated diagnosis of fatigue in various categories of flight personnel. It is shown that the constructed model provides a fairly high accuracy of forecasting the generalized opinion of highly qualified experts regarding the functional state of the pilot (accuracy = 0.7171; F1-measure = 0.7258). The model most successfully identifies individuals with signs of fatigue (sensitivity – more than 0.9; F1-measure = 0.7786). It is noted that to form a response, only data from the analysis of heart rate variability recorded during an active orthostatic test are used. This makes it possible to reduce the time of conducting a comprehensive medical and psychological examination of a pilot to 10 minutes.

全文:

受限制的访问

作者简介

D. Nikiforov

Central Research Institute of the Air Force of the Russian Defense Ministry

Email: cnii_vvs_niic_msk@mil.ru

кандидат медицинских наук, полковник медицинской службы

俄罗斯联邦, Moscow

A. Lukash

Central Research Institute of the Air Force of the Russian Defense Ministry

Email: cnii_vvs_niic_msk@mil.ru

майор

俄罗斯联邦, Moscow

V. Filatov

Central Research Institute of the Air Force of the Russian Defense Ministry

Email: cnii_vvs_niic_msk@mil.ru

доцент, полковник медицинской службы

俄罗斯联邦, Moscow

A. Kalmanov

Central Research Institute of the Air Force of the Russian Defense Ministry

编辑信件的主要联系方式.
Email: cnii_vvs_niic_msk@mil.ru

доктор медицинских наук, полковник медицинской службы

俄罗斯联邦, Moscow

D. Ryzhov

Central Research Institute of the Air Force of the Russian Defense Ministry

Email: cnii_vvs_niic_msk@mil.ru

кандидат медицинских наук, полковник медицинской службы

俄罗斯联邦, Moscow

I. Storozhenko

Central Research Institute of the Air Force of the Russian Defense Ministry

Email: cnii_vvs_niic_msk@mil.ru
俄罗斯联邦, Moscow

参考

  1. Брюс П. Практическая статистика для специалистов Data Science. – СПб: БХВ-Петербург, 2019. – 304 с.
  2. Бурков А.А. Инженерия машинного обучения. – М.: ДМК Пресс, 2022. – 306 с.
  3. Гуцыкова С.В. Метод экспертных оценок: теория и практика. – М.: Институт психологии РАН, 2011. – 144 с.
  4. Данилова Н.Н. Психофизиологическая диагностика функциональных состояний: Учеб. пособие. – М.: Изд-во МГУ, 1992. – 192 с.
  5. Жданько И.М., Писарев А.А., Ворона А.А. и др. Авиационная медицина: теоретические концепции и актуальные научно-практические проблемы (к 80-летию научно-исследовательского испытательного центра авиационно- космической медицины и военной эргономики) // Авиакосмич. и экологич. медиц. – 2015. – Т. 49, № 2. – С. 5–11.
  6. Леонова А.Б., Величковская С.Б. Дифференциальная диагностика состояний сниженной работоспособности // Психология психич. состояний. – 2002. – № 4. – С. 326–344.
  7. Медведев В.И. Функциональные состояния оператора // В кн.: Эргономика: принципы и рекомендации. – М., 1970. – С. 127–160.
  8. Михайлов В.М. Вариабельность ритма сердца. Опыт практического применения метода. – Иваново, 2000. – 200 с.
  9. Национальный стандарт Российской Федерации ГОСТ Р 59895-2021. Технологии искусственного интеллекта в образовании. – М.: Рос. ин-т стандартизации, 2021. – 11 с.
  10. Приказ министра обороны РФ от 27.04.2009 г. № 265 «Федеральные авиационные правила медицинского обеспечения полетов государственной авиации».
  11. Приказ министра обороны РФ от 28.06.2022 г. № 360 «Федеральные авиационные правила «Основания, порядок и периодичность проведения медицинских осмотров специалистов авиационного персонала государственной авиации, являющихся членами экипажа государственного воздушного судна (в том числе внешних пилотов), лиц, осуществляющих управление полетами, парашютистов, лиц, участвующих в выполнении задания на полет, и перечень включаемых в них исследований».
  12. Пухов В.А., Иванов И.В., Чепур С.В. Оценка функционального состояния организма военных специалистов. – СПб: СпецЛит, 2016. – 312 с.
  13. Ушаков И.Б., Кукушкин Ю.А., Богомолов А.В. Физиология труда и надежность деятельности человека. – М.: Наука, 2008. – 316 с.
  14. Ушаков И.Б., Богомолов А.В., Кукушкин Ю.А. Паттерны функциональных состояний оператора. – М.: Наука, 2010. – 389 с.
  15. Хасти Т., Тибширани Р., Фридман Д. Основы статистического обучения. Интеллектуальный анализ данных, логический вывод и прогнозирование. – М.: Вильямс, 2020. – 768 с.
  16. Caldwell J.A. Fatigueinaviation // Travel Med. Infect. Dis. – 2005. – Vol. 3, N 2. – P. 85–96.
  17. Heart rate variability. Standards of measurement, physiological interpretation and clinical use. Task Force of the European Society of Cardiology and the North American Society of pacing and electrophysiology // Eur. Heart J. – 1996. – Vol. 17. – P. 354–381.
  18. Frone M.R., Blais A.R. Work fatigue in a non-deployed military setting: assessment, prevalence, predictors and outcomes [Электронныйресурс] // Int. J. Environ. Res. Public Health. – 2019. – Vol. 16. – Режим доступа: https:// www.mdpi.com/1660-4601/16/16/2892

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Decision tree for determining the functional status category of flight personnel

下载 (323KB)
索引源数据
3. Fig. 2. Weighting coefficients of highly qualified experts and the constructed model

下载 (61KB)
索引源数据

版权所有 © Nikiforov D.A., Lukash A.A., Filatov V.N., Kalmanov A.S., Ryzhov D.I., Storozhenko I.V., 2024


СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: № 01975 от 30.12.1992.