Ushbu narrativ sharh haydovchi uyquchanligini elektroensefalografiya (EEG), qo‘shimcha biosignallar, taqiladigan sensorlar va sun’iy intellekt usullari yordamida qanday kuzatish mumkinligini ko‘rib chiqadi. Tadqiqot EEG ritmlaridan signalni dastlabki qayta ishlashgacha, mashinaviy o‘rganishdan konvolyutsion va transformer asosidagi modellargacha, quloq atrofi elektrodlaridan haqiqiy haydash sharoitidagi validatsiyagacha bo‘lgan keng texnik doirani taqdim etadi. Sharhning asosiy xulosasi shuki, laboratoriyadagi yuqori aniqlikning o‘zi ishonchli haydovchi xavfsizligi tizimini yaratmaydi; shaxslar, qurilmalar va ma’lumotlar to‘plamlaridan mustaqil validatsiya, kechikishni o‘lchash, ehtimollik kalibrlashi, noaniqlik tahlili va tabiiy haydash sinovlari zarur. Shu bilan birga, ish yangi tajriba, ma’lumotlar to‘plami yoki meta-tahlil taqdim etmaydigan, tizimli qidiruv usuli ko‘rsatilmagan va taqrizdan o‘tmagan preprintdir.

Haydovchi uyquchanligi faqat ko‘zlar yumilishi bilan boshlanadigan birdaniga yuz beruvchi va ikkilik holat emas. Bu hushyorlik bilan uyqu orasida rivojlanib boradigan, diqqatni, reaksiya vaqtini, yo‘lakni nazorat qilishni, xavfni sezishni va qaror qabul qilishni tobora yomonlashtiradigan neyroxulqiy o‘tishdir. Haydovchi o‘z hushyorligi pasayganini anglamasdan oldin uning ishlash ko‘rsatkichlari yomonlashishi mumkinligi sababli, kuzatuv tizimi faqat avtomobil yo‘lakdan og‘gandan yoki ko‘zlar yumilgandan keyin emas, balki xavfli fiziologik o‘zgarish rivojlanayotgan paytda ogohlantirish berishi ko‘zda tutiladi.

EEG bu maqsad uchun muhim, chunki u miyaning elektr faolligini yuqori vaqt aniqligi bilan o‘lchaydi. Delta, theta, alpha va beta ritmlaridagi o‘zgarishlar hushyorlikning pasayishi haqida ma’lumot berishi mumkin. Biroq sharh bitta EEG diapazoni yoki qat’iy chegara qiymati barcha haydovchilar uchun amal qilmasligini ta’kidlaydi. Uyqu tarixi, kun vaqti, kognitiv yuklama, ko‘zlarning ochiq yoki yopiqligi, elektrod joylashuvi, sog‘liq holati va individual fiziologiya bir xil EEG ko‘rsatkichining turli odamlarda turlicha ko‘rinishiga sabab bo‘lishi mumkin.

Turkiya nuqtayi nazaridan baholash: Tadqiqot muayyan bir mamlakat uchun ishlab chiqilgan tajribaviy tizimni taqdim etmagani sababli Turkiyaga xos natijalarni bildirmaydi. Shunga qaramay, haydovchilarni turli yosh, sog‘liq, uyqu tartibi, transport vositasi, yo‘l, iqlim va mehnat sharoitlarida baholash zarurligi haqidagi yondashuv Turkiyada olib boriladigan tadqiqotlarga moslashtirilishi mumkin. Turkiyada qo‘llanadigan tizim mahalliy haydovchilar bilan, haqiqiy yo‘l sharoitida, tungi va kunduzgi haydashda, turli transport vositasi sinflarida va mustaqil ma’lumotlar to‘plamlarida validatsiya qilinishi kerak. Sharh EEG asosidagi qurilmalar avariyalarni aniq oldini olishini yoki bugungi kunda to‘g‘ridan-to‘g‘ri seriyali avtomobillarga o‘rnatishga tayyor ekanini ko‘rsatmaydi.

Haydovchi uyquchanligini nega faqat kamera yoki transport vositasi harakati bilan o‘lchab bo‘lmaydi?

Haydovchini kuzatish usullari ishda uch asosiy guruhda ko‘rib chiqiladi: transport vositasiga asoslangan ko‘rsatkichlar, tasvirga asoslangan kuzatuv va fiziologik o‘lchovlar. Rul harakatlari, yo‘lakdan og‘ish va transport dinamikasi haydash ko‘rsatkichlarining yomonlashishini ko‘rsatishi mumkin; biroq bu o‘zgarishlar hushyorlik pasayganidan keyin paydo bo‘lishi mumkin. Boshqacha aytganda, transport vositasiga asoslangan tizimlar ko‘pincha neyrofiziologik sababning o‘zini emas, haydashdagi natijani o‘lchaydi.

Kameraga asoslangan usullar qovoqning uzoq vaqt yopiq qolishini, esnashni, nigoh yo‘nalishini va bosh holatini kuzatishi mumkin. Biroq yoritishning o‘zgarishi, tungi haydash, ko‘zoynak, yuzning qisman yopilishi, kamera burchagi va odamlar orasidagi yuz tuzilishi farqlari tasvir sifatiga va model samaradorligiga ta’sir qilishi mumkin.

Fiziologik o‘lchovlar esa hushyorlik pasayishining asosida yotgan nerv, ko‘z bilan bog‘liq va avtonom o‘zgarishlarga bevositaroq yaqinlashadi. Ishning ikkinchi sahifasidagi 1-rasm transport signallari, kamera topilmalari hamda EEG, elektro-okulografiya va yurak ritmi kabi fiziologik signallarni bir xil kuzatuv zanjirida ko‘rsatadi. Rasmda ushbu ma’lumotlarni sun’iy intellekt yordamida birlashtirib, uzluksiz uyquchanlik xavfi ko‘rsatkichi va oldini oluvchi ogohlantirishga aylantirish taklif etiladi.

EEG haydovchi hushyorligidagi o‘zgarishni qanday ko‘rsatadi?

EEG bosh terisi yoki quloq atrofidagi elektrodlar yordamida miyaning elektr faolligini o‘lchaydi. Sharhda haydovchi uyquchanligi yagona universal EEG belgisi bilan emas, balki turli chastota diapazonlari orasidagi taqsimotning o‘zgarishi bilan ifodalanishi tushuntiriladi.

• Delta faolligi: Chuqurroq uyquchanlik va mikro-uyquga moyillik paytida ortishi mumkin bo‘lgan sekin to‘lqin komponentidir.
• Theta faolligi: Erta charchoqda kognitiv sa’y-harakat va kompensator nazoratning ortishi bilan, keyingi bosqichlarda esa hushyorlikning pasayishi bilan bog‘lanishi mumkin.
• Alpha faolligi: Vizual jalb etilishning kamayishi yoki kortikal faollikning dam olish tomonga o‘zgarishi bilan bog‘liq bo‘lishi mumkin; biroq o‘zgarish yo‘nalishi vazifa, ko‘z holati va uyquchanlik bosqichiga qarab farq qilishi mumkin.
• Beta faolligi: Hushyorlik va faol kognitiv jalb etilish bilan bog‘liq tezroq faollikdir; uning kamayishi hushyorlikning pasayishiga hamroh bo‘lishi mumkin.

Sharh sekin EEG faolligining tez beta faolligiga nisbatan ustunlashishi kortikal hushyorlikning pasayishiga ishora qilishi mumkinligini bildiradi. Biroq bu munosabat qat’iy diagnostik chegara emas. Hatto bir haydovchining turli kunlardagi uyqu davomiyligi, kofein iste’moli, stress darajasi va haydash vazifasi EEG naqshini o‘zgartirishi mumkin.

Ishning oltinchi sahifasidagi 2-rasm hushyor holatdan charchoq va mikro-uyqu xavfigacha rivojlanadigan jarayonni EEG to‘lqinlari, chastota diapazoni quvvatlari, bosh terisi xaritalari va vaqt-chastota tasvirlari bilan birga ko‘rsatadi. Xuddi shu sxemada ko‘z qoqish, yurak urish tezligi o‘zgaruvchanligi, fotopletizmografiya, elektrodermal faollik va nafas olish signallari ham hushyorlik ko‘rsatkichiga hissa qo‘shishi mumkinligi bayon etiladi. Rasmning asosiy xabari shuki, ishonchli baholash bitta signal yoki qat’iy chegaraga emas, vaqt davomida o‘zgarib turadigan ko‘p fiziologik naqshlarga tayanishi kerak.

Uyquchanlik nega ikkilik emas, uzluksiz holat sifatida modellashtirilishi kerak?

Ko‘plab ma’lumotlar to‘plamlari haydovchini “hushyor” va “uyquchan” deb ikki sinfga ajratadi. Sharh bu yondashuv xavfsizlik ogohlantirishi eng qimmatli bo‘lishi mumkin bo‘lgan o‘tish bosqichini yashirishi mumkinligini ta’kidlaydi. Uyquchanlik hushyor, erta charchagan, o‘tish holatidagi, chuqurroq uyquchan va mikro-uyqu xavfi mavjud bo‘lgan darajalardan tashkil topgan uzluksiz jarayon sifatida qaralishi mumkin.

Qovoqning ma’lum vaqt oralig‘ida yopiq qolgan ulushini ifodalovchi PERCLOS, reaksiya vaqtidagi o‘zgaruvchanlik yoki mutaxassislar tomonidan baholangan hushyorlik darajasi uzluksiz etalon sifatida ishlatilishi mumkin. Vaqtga bog‘liq modellar faqat joriy EEG oynasiga emas, avvalgi hushyorlik holatlariga ham qarab, keskin va nomuvofiq sinf o‘zgarishlarini kamaytirishi mumkin.

Bu yondashuvning xavfsizlik nuqtayi nazaridan ahamiyati shundaki, tizim faqat haydovchining boshi egilganda yoki avtomobil yo‘lakdan chiqqanda javob bermasligi, balki xavf o‘sishining vaqt bo‘yicha tendensiyasini aniqlab, ertaroq va barqarorroq ogohlantirish yaratishi mumkin.

EEGdan tashqari qaysi biosignallardan foydalanish mumkin?

Sharh EEGni qo‘shimcha signallar bilan birlashtirish vaqtinchalik signal buzilishlariga chidamlilikni oshirishi mumkinligini baholaydi:

• Elektro-okulografiya (EOG): Ko‘z harakatlarini, sekin ko‘z harakatlarini va ko‘z qoqish dinamikasini o‘lchaydi.
• Elektrokardiografiya (ECG): Yurakning elektr faolligini va yurak urishlari orasidagi vaqtlarni qayd etadi.
• Yurak urish tezligi o‘zgaruvchanligi (HRV): Ketma-ket yurak urishlari orasidagi vaqt o‘zgarishini tahlil qiladi va avtonom nerv tizimi haqida ma’lumot beradi.
• Fotopletizmografiya (PPG): Puls to‘lqinini optik usulda o‘lchaydi va soat yoki quloqchin kabi qurilmalarga joylashtirilishi mumkin.
• Elektrodermal faollik: Ter bezlari faolligiga bog‘liq teri o‘tkazuvchanligidagi o‘zgarishni o‘lchab, simpatik qo‘zg‘alish haqida ma’lumot beradi.
• Nafas olish: Nafas olish tezligi va naqshidagi o‘zgarishlarni kuzatadi.

Bu signallar EEG o‘rnini bosadigan mukammal ko‘rsatkichlar emas. Masalan, yurak urish tezligi o‘zgaruvchanligiga stress, nafas olish, tana holati, dori, kofein va yurak-qon tomir holati ta’sir qilishi mumkin. Elektrodermal faollik stress bilan uyquchanlikni chalkashtirib yuborishi mumkin. EOG esa ko‘z harakatlari bo‘yicha kuchli bo‘lsa-da, yolg‘iz o‘zi kortikal hushyorlikni bevosita o‘lchamaydi.

Ko‘p sensorli yondashuvning maqsadi har bir sensorning turli fiziologik komponentni ushlashidan foydalanishdir. Buning evaziga sensorlar sonining ortishi sinxronlashtirish, energiya sarfi, kalibrlash, texnik xizmat, ma’lumot uzatish va foydalanuvchi noqulayligi muammolarini ham oshiradi. Sharh imkon qadar ko‘p sensor ishlatish o‘rniga, kam kanalli EEG yadrosiga bashorat qiymati yuqori bo‘lgan bir yoki ikki qo‘shimcha signalni qo‘shish amaliyroq bo‘lishi mumkinligini ilgari suradi.

Taqiladigan EEG tizimlari nega muhim?

Tadqiqot sinfidagi EEG tizimlari ko‘p sonli kanallar, o‘tkazuvchi gel, bosh terisini tayyorlash, kabellar va malakali operatorni talab qilishi mumkin. Bunday qurilmalar nazorat qilinadigan laboratoriya tajribalari uchun foydali bo‘lsa-da, kundalik avtomobil foydalanishida qulay, tez va ko‘zga tashlanmaydigan kuzatuv tizimini yaratish uchun mos emas.

Quloq atrofi va quloq ichidagi elektrodlar soch kamroq bo‘lgan va vizual jihatdan kamroq e’tibor tortadigan hududdan EEG yozib olishni maqsad qiladi. Quruq elektrodlar o‘tkazuvchi gel talab qilmagani sababli uzoq muddatli va shaxsiy foydalanishga ko‘proq mos keladi. Quloqchin shaklidagi qurilmalar, shuningdek, EEG, EOG, elektrodermal faollik va boshqa sensorlarni bitta korpusda birlashtirish imkonini beradi.

Biroq qulayroq qurilma avtomatik ravishda ishonchli qurilma degani emas. Quloq atrofi EEG signallari bosh terisi tizimlariga nisbatan pastroq amplitudali va fazoviy qamrovi cheklanganroq bo‘lishi mumkin. Terlash, jag‘ harakati, gapirish, tebranish, elektrodning siljishi va odamlar orasidagi quloq anatomiyasi farqlari kontakt sifatini yomonlashtirishi mumkin.

Haqiqiy foydalanish uchun faqat tasniflash algoritmi emas, balki elektrod materiali, kontakt bosimi, teri xavfsizligi, tozalash, anatomik moslik, batareya muddati, simsiz ma’lumot xavfsizligi, elektromagnit moslik va qurilmaning nosozlik holatidagi xatti-harakati ham baholanishi kerak.

EEG ma’lumotlari qanday tozalanadi va tayyorlanadi?

EEG signali past amplitudali bo‘lib, ko‘z harakati, yuz mushaklari, elektr tarmog‘i shovqini, avtomobil tebranishi va elektrod harakatidan oson ta’sirlanadi. Sharhda odatiy dastlabki qayta ishlash zanjiri quyidagicha bayon etiladi:

1. Kanal sifati va elektrod kontaktini baholash,
2. EEG kanallarini qayta referenslash,
3. Diapazonli filtr bilan qiziqish doirasidan tashqaridagi chastotalarni kamaytirish,
4. Elektr tarmog‘i shovqinini notch-filtr bilan bostirish,
5. Signalni vaqt oynalariga ajratish,
6. Buzilgan segmentlar yoki komponentlarni aniqlash,
7. Masshtab va taqsimot farqlarini normallashtirish orqali kamaytirish.

Mustaqil komponentlar tahlili ko‘z va mushak manbali naqshlarni EEGdan ajratish uchun ishlatilishi mumkin. Biroq sharhning muhim ogohlantirishlaridan biri shuki, haddan tashqari agressiv tozalash uyquchanlik bilan bog‘liq haqiqiy ko‘z harakati ma’lumotlarini ham o‘chirib yuborishi mumkin. EEGga qo‘shimcha ravishda EOG ishlatiladigan tizimda ko‘z faolligi alohida signal sifatida saqlanishi mumkin, faqat EEG ishlatadigan modelda esa aynan qaysi komponentlar olib tashlangani alohida ehtiyotkorlik bilan baholanishi kerak.

EEGdan qaysi xususiyatlar olinadi?

An’anaviy mashinaviy o‘rganish usullari har bir signal oynasini tasniflagich foydalanishi mumkin bo‘lgan sonli xususiyatlarga aylantiradi. Sharhda uch asosiy xususiyat sohasi ko‘rib chiqiladi:

Uzoq tahlil oynalari chastota quvvatini barqarorroq hisoblashga imkon beradi, ammo ogohlantirishning kechikishiga olib keladi. Qisqa oynalar tezroq javob beradi, biroq o‘zgaruvchanroq va shovqinliroq natijalar hosil qilishi mumkin. Qoplanadigan oynalar, vaqt bo‘yicha silliqlash, shaxsga moslashtirilgan boshlang‘ich qiymatlar va ketma-ket filtrlash bu muvozanatni yaxshilash uchun ishlatilishi mumkin.

Ko‘p biosignallar qanday birlashtiriladi?

Sharhda uchta asosiy ma’lumot birlashtirish strategiyasi tushuntiriladi:

• Erta birlashtirish: EEG, EOG, ECG yoki boshqa sensorlardan chiqarilgan xususiyatlar bitta xususiyat vektorida birlashtiriladi. Usul sodda, ammo masshtab farqlari va yo‘qolgan sensorlarga sezgir.
• Oraliq darajadagi birlashtirish: Har bir signal uchun alohida tasvir o‘rganiladi va bu tasvirlar modelning oraliq qatlamlarida birlashtiriladi. Signallar o‘rtasidagi munosabatlarni o‘rganishi mumkin, biroq murakkabroq modelni talab qiladi.
• Kech birlashtirish: Har bir sensor alohida bashorat ishlab chiqaradi va yakuniy qaror shu bashoratlarni birlashtirish orqali chiqariladi. Modulli bo‘lib, bitta sensor ishlamay qolganda moslashuvchanroq bo‘lishi mumkin; biroq signallar orasidagi erta o‘zaro ta’sirlarni o‘tkazib yuborishi mumkin.

Xususiyat tanlash va o‘lchamni kamaytirish jarayonlari faqat o‘quv ma’lumotlarida bajarilishi kerak. Butun ma’lumotlardan foydalanib oldindan tanlangan xususiyatlar test ishtirokchilaridan o‘qitish jarayoniga axborot sizib kirishiga va amaldagidan yuqoriroq samaradorlik xabar qilinishiga sabab bo‘lishi mumkin.

Qaysi mashinaviy o‘rganish usullari qo‘llanadi?

Qo‘llab-quvvatlovchi vektor mashinalari, chiziqli diskriminant tahlil, logistik regressiya, k-eng yaqin qo‘shni, tasodifiy o‘rmon va boosting usullari ishtirokchilar soni cheklangan ma’lumotlar to‘plamlarida samarali bo‘lishi mumkin. Bu modellar diapazon quvvati, to‘lqincha, entropiya va statistik xususiyatlarga tayanadi. Hisoblash talablari nisbatan past bo‘lgani sababli ularni transport vositasidagi yoki taqiladigan chekka qurilmalarda amalga oshirish osonroq bo‘lishi mumkin.

An’anaviy modellarning asosiy cheklovi shundaki, ularning muvaffaqiyati katta darajada signalni tozalashga va qo‘lda tanlangan xususiyatlar sifatiga bog‘liq. Haydovchilar o‘rtasida EEG naqshlari o‘zgarganda qat’iy xususiyatlar yetarli bo‘lmasligi mumkin. Shunga qaramay, sharh chuqur o‘rganish modellari albatta yaxshiroq degan xulosaga kelmaydi; kichik ma’lumotlar to‘plamlarida soddaroq modellar barqarorroq va tushuntiriladiganroq natijalar berishi mumkin.

Chuqur o‘rganish modellari nimani o‘zgartiradi?

Konvolyutsion neyron tarmoqlar (CNN) xom yoki kam ishlangan EEGdan lokal vaqt va elektrodlararo fazoviy naqshlarni o‘rganishi mumkin. EEGNet kabi chuqurlik bo‘yicha ajratiladigan konvolyutsiyadan foydalanuvchi ixcham arxitekturalar kamroq parametr bilan ishlagani sababli energiya sarfi past bo‘lgan taqiladigan tizimlar uchun muhimdir.

Uzoq-qisqa muddatli xotira tarmoqlari (LSTM), vaqt konvolyutsiyasi tarmoqlari va CNN-LSTM birikmalari uyquchanlikning vaqt davomida rivojlanishini modellashtirishga qaratilgan. Diqqat mexanizmlari va transformer arxitekturalari turli vaqt nuqtalari yoki EEG kanallari orasidagi uzoqroq munosabatlarni o‘rganishi mumkin. EEG Conformer yondashuvi lokal EEG naqshlarini chiqaruvchi konvolyutsion qatlamlarni kengroq kontekstni baholovchi o‘z-o‘ziga diqqat mexanizmi bilan birlashtiradi.

Chuqur modellarning muhim xavfi shundaki, ular uyquchanlikning fiziologik belgilarini o‘rganish o‘rniga shaxs identifikatorini, yozuv qurilmasi xususiyatlarini yoki harakat artefaktlarini yodlab olishi mumkin. Shu sababli model izohlari, chastotani buzish sinovlari, kanalni olib tashlash tajribalari va xususiyatni kamaytirish tahlillari orqali qarorlar haqiqiy neyrofiziologik naqshlarga tayangan-tayanmagani tekshirilishi kerak.

Ishtirokchi sizib chiqishi samaradorlikni nega sun’iy ravishda oshiradi?

EEG yozuvi qisqa oynalarga bo‘linganda ayni shaxsdan olingan qo‘shni oynalar bir-biriga juda o‘xshash bo‘lishi mumkin. Agar bu oynalarning bir qismi o‘quv, bir qismi test guruhiga tasodifiy taqsimlansa, model yangi haydovchida uyquchanlikni aniqlash o‘rniga o‘qitish paytida ko‘rgan shaxsning EEG tuzilishini tanishi mumkin.

Haqiqiy shaxsdan mustaqil baholashda test guruhidagi haydovchilarning hech bir yozuvi modelni ishlab chiqish jarayonida ishlatilmasligi kerak. Ma’lumotlarni bo‘lish signalni dastlabki qayta ishlash, xususiyat tanlash, o‘lchamni kamaytirish va giperparametrlarni sozlashdan oldin bajarilishi kerak. Kichik ma’lumotlar to‘plamlarida ichma-ich kross-validatsiya; kuchliroq dalil darajasida esa boshqa markaz, qurilma yoki ma’lumotlar to‘plamidan kelgan butunlay mustaqil tashqi validatsiya qo‘llanishi kerak.

Nega faqat aniqlikning o‘zi yetarli emas?

Uyquchanlik hodisalari hushyor haydashga qaraganda kamroq bo‘lsa, model barcha oynalarni hushyor deb belgilab, yuqori ko‘rinadigan aniqlikka erishishi mumkin. Shu sababli sharh quyidagi ko‘rsatkichlarni birgalikda hisobot qilishni tavsiya etadi:

• Sezgirlik va xoslik,
• Precision va F1 skori,
• Muvozanatli aniqlik,
• Matthews korrelyatsiya koeffitsienti,
• ROC-AUC va PR-AUC,
• Uyquchanlik hodisasini aniqlash kechikishi,
• Uzluksiz bashoratlarda xato va vaqt bo‘yicha moslik,
• Ehtimollik kalibrlashi va bashorat noaniqligi.

Model uyquchan va hushyor namunalarni to‘g‘ri tartiblasa ham, bashorat qilgan xavf ehtimollari ishonchli bo‘lmasligi mumkin. Masalan, u 90 foiz xavf deb bildirgan hodisalarning faqat kichik qismi haqiqatan uyquchanlikni o‘z ichiga olsa, ogohlantirish tizimi keraksiz signallar ishlab chiqaradi. Kalibrlash egri chiziqlari, Brier skori va kutilayotgan kalibrlash xatosi bashorat qilingan ehtimollik kuzatilgan hodisa chastotasiga qanchalik mos kelishini baholash uchun ishlatilishi mumkin.

Noaniqlikni baholash ham xavfsizlik uchun muhim. Elektrod kontakti yomonlashganda yoki model ilgari ko‘rmagan fiziologik naqshga duch kelganda, tizim qat’iy, ammo noto‘g‘ri qaror berish o‘rniga past ishonchni ko‘rsata olishi yoki qaror chiqarishdan tiyilishi kerak.

Laboratoriya muvaffaqiyatidan haqiqiy haydashga qanday o‘tiladi?

Ishning o‘ninchi sahifasidagi 3-rasm ishlab chiqish va ma’lumotlarni bo‘lishdan samaradorlikni baholashga, undan transport ichidagi kuzatuv va jonli qo‘llashgacha cho‘zilgan validatsiya yo‘lini ko‘rsatadi. Sxemada mustaqil ishtirokchilarni ajratish, ichma-ich kross-validatsiya, tashqi ma’lumotlar to‘plamlari, ko‘p samaradorlik ko‘rsatkichlari, kalibrlash, bashorat noaniqligi, ogohlantirish tizimi, ma’lumot xavfsizligi va joriy etilgandan keyingi kuzatuv birgalikda ko‘rib chiqiladi.

Simulyator tajribalari usulning dastlabki bahosini berishi mumkin; biroq haqiqiy haydashda yo‘l qoplamasi, avtomobil tebranishi, gapirish, jag‘ harakati, tun-kun o‘zgarishi, turli iqlimlar, trafik zichligi va haydovchi xatti-harakati kabi qo‘shimcha o‘zgaruvchilar mavjud. Prospektiv baholashda faqat to‘g‘ri tasniflash emas, ogohlantirishning haydovchiga o‘z vaqtida yetib borishi, tushunilishi, haddan tashqari ko‘p signal bermasligi va haydovchiga xavfsiz xatti-harakat ko‘rsatishga yordam berishi ham baholanishi kerak.

Uzoq muddatli miya va yurak signallari faqat uyquchanlik haqida emas, boshqa fiziologik xususiyatlar haqida ham ma’lumot olib yurishi mumkin. Shu sababli ma’lumotlarni minimallashtirish, mahalliy qurilmada qayta ishlash, xavfsiz simsiz aloqa, anonimlashtirish, kirishni nazorat qilish, dasturiy ta’minot versiyasini kuzatish va joriy etilgandan keyingi xavfsizlik monitoringi tizimning asosiy qismlari bo‘lishi kerak.

Taqqoslangan tadqiqotlarning umumiy xabari nima?

Sharhning 1-jadvali sakkizta vakillik tadqiqotini signal, usul, validatsiya yo‘nalishi, hissa va cheklov bo‘yicha taqqoslaydi. Tadqiqotlarning umumiy jihati shundaki, EEG diapazoni o‘lchovlaridan to‘lqincha xususiyatlari va chuqur tarmoqlargacha bo‘lgan juda turli usullar nazorat qilinadigan sharoitlarda uyquchanlik bilan bog‘liq naqshlarni aniqlay oladi.

Biroq jadvalda har bir usulning cheklovi ham ta’kidlangan. Qo‘lda yaratilgan xususiyatlar shaxslararo farqqa sezgir bo‘lishi mumkin; ko‘p biosignal xususiyatlari murakkab dastlabki qayta ishlashni talab qilishi mumkin; HRV stress va sog‘liq holatidan ta’sirlanishi mumkin; dinamik modellar ishonchli referens belgilarga muhtoj; chuqur tarmoqlar ortiqcha moslashish va ishtirokchi sizib chiqishi xavfini tashiydi; quloq ichidagi EEG qurilmalari esa uzoq muddatli tabiiy haydashda hali yetarlicha validatsiya qilinmagan.

Sharhning umumiy bahosi shuki, bitta algoritm barcha muammolarni hal qilmaydi. Haqiqiy qo‘llash qiymati sensor qulayligi, signal ishonchliligi, shaxsdan mustaqil umumlashtirish, past kechikish, energiya samaradorligi, tushuntiriluvchanlik va inson-mashina o‘zaro ta’sirini birgalikda rivojlantirishga bog‘liq.

Tadqiqotning kuchli tomonlari nimalar?

• EEG fiziologiyasi, taqiladigan apparat, signalni qayta ishlash va sun’iy intellektni yagona tizim nuqtayi nazaridan ko‘rib chiqadi.
• Uyquchanlikni faqat ikkilik tasnif emas, vaqt davomida rivojlanadigan fiziologik jarayon sifatida baholaydi.
• Ishtirokchi sizib chiqishi va oynalarni tasodifiy bo‘lish muammolarini ochiq ko‘rsatadi.
• Aniqlikdan tashqari kalibrlash, noaniqlik, kechikish va tashqi validatsiya zaruratiga e’tibor qaratadi.
• Taqiladigan EEGning qulaylik, kontakt sifati, batareya, simsiz xavfsizlik va haqiqiy foydalanish muammolarini muhokama qiladi.
• Sun’iy intellekt muvaffaqiyatini haydovchi xatti-harakati va xavfsiz ogohlantirish dizaynidan alohida baholamaydi.

Tadqiqotning cheklovlari nimalar?

• Tadqiqot taqrizdan o‘tmagan preprintdir.
• Narrativ sharhdir; tizimli qidiruv protokoli bildirilmagan.
• Qaysi ma’lumotlar bazalari, qaysi sanalar oralig‘ida va qaysi kalit so‘zlar bilan qidirilgani tushuntirilmagan.
• Kiritish va chiqarib tashlash mezonlari hamda tadqiqot tanlash oqimi berilmagan.
• Manbalarning tarafkashlik xavfi yoki metodologik sifat bahosi o‘tkazilmagan.
• Meta-tahlil, birlashtirilgan aniqlik yoki miqdoriy ta’sir kattaligi taqdim etilmagan.
• Vakillik tadqiqotlarini tanlash asoslari tushuntirilmagan.
• Ba’zi matn ichidagi iqtibos raqamlari adabiyotlar ro‘yxatidagi yozuvlarga mos kelmaydi.
• Adabiyotlar ro‘yxatida maqola yozilgan sanadan keyingi nashr sanasini ko‘rsatuvchi yozuv mavjud.
• Sharhning ayrim manbalari haydovchi uyquchanligi mavzusiga bevosita qaratilmagan.

Tadqiqot nimani qo‘llab-quvvatlaydi?

Tadqiqot EEG haydovchi hushyorligidagi vaqt bo‘yicha o‘zgarishlarni tekshirish uchun fiziologik jihatdan mazmunli signal ekanini; EOG, ECG, HRV, PPG, elektrodermal faollik va nafas olish bilan birlashtirilganda kengroq holat bahosi olinishi mumkinligini qo‘llab-quvvatlaydi. Shuningdek, shaxsdan mustaqil validatsiya, ishonchli ehtimollik bahosi, noaniqlikni boshqarish va tabiiy haydash sinovlari haqiqiy qo‘llash uchun zarur ekanini ilgari suradi.

Tadqiqot nimani isbotlamaydi?

Ushbu sharh muayyan model eng yuqori aniqlikka ega ekanini, quloq ichidagi EEG barcha haydovchilarda ishonchli ishlashini yoki biror tizim yo‘l-transport hodisalarini kamaytirishini bevosita isbotlamaydi. Yangi ishtirokchilar bilan tajriba o‘tkazilmagan, prototip ishlab chiqilmagan va haqiqiy transport vositasida xavfsizlik natijasi o‘lchanmagan. Ko‘rib chiqilgan usullarning laboratoriya samaradorligi ularning tijorat yoki operatsion foydalanishga tayyor ekanini anglatmaydi.

Tadqiqot Usuli va Natijalari

Sharhning metodologik tuzilishi

Signaldan ogohlantirishgacha taklif etilgan texnik zanjir

1. EEG va tanlangan qo‘shimcha biosignallar taqiladigan sensorlardan qayd etiladi.
2. Kanal sifati va elektrod kontakti real vaqt rejimida baholanadi.
3. Shovqin, elektr tarmog‘i xalaqiti, ko‘z, mushak va harakat manbali artefaktlar boshqariladi.
4. Signallar vaqt oynalariga ajratiladi va tegishli tarzda normallashtiriladi.
5. Vaqt, chastota yoki vaqt-chastota xususiyatlari olinadi yoki tasvir bevosita chuqur tarmoq tomonidan o‘rganiladi.
6. Bir nechta sensor ishlatilsa, erta, oraliq daraja yoki kech birlashtirish qo‘llanadi.
7. Model hushyorlik sinfi, uzluksiz uyquchanlik darajasi yoki xavf ehtimolini ishlab chiqaradi.
8. Vaqt bo‘yicha silliqlash va noaniqlik nazorati bilan beqaror bashoratlar kamaytiriladi.
9. Xavf chegarasi oshganda tovushli, vizual yoki taktil ogohlantirish yaratiladi.
10. Ogohlantirish kechikishi, yolg‘on signal darajasi va haydovchi reaksiyasi haqiqiy haydash sharoitida baholanadi.

Sharhning asosiy topilmalarining texnik xulosasi

Tadqiqotda yangi tasniflagich o‘qitilmaganligi sababli o‘ziga xos aniqlik, sezgirlik, xoslik, AUC, F1 skori yoki statistik ahamiyat qiymati bildirilmagan. Vakillik tadqiqotlariga oid turli usullar bayon qilingan, biroq ularning natijalari umumiy tahlilda birlashtirilmagan. Shu sababli sharhdan “eng muvaffaqiyatli model” yoki “o‘rtacha aniqlik” degan xulosani chiqarib bo‘lmaydi.

Manba va Usul Haqida Izoh

Tadqiqotning to‘liq asl nomi: AI-Driven EEG-Based Driver Drowsiness Detection: A Narrative Review of Biosignals and Wearable Devices

Mualliflar, to‘g‘ri tartibda: Mahsa Khaghani Asl Toloun; Aida Khaghani Asl Toloun.

Hamkor birinchi muallif yoki teng hissa: Matnda hamkor birinchi mualliflik yoki teng hissa bayonoti mavjud emas.

Mas’ul muallif: Mahsa Khaghani Asl Toloun.

Institutsional mansublik: Department of Biomedical Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.

DOI: Yuklangan versiyada va tasdiqlangan SSRN yozuvida DOI ma’lumoti ko‘rsatilmagan. DOI o‘ylab topilmagan.

SSRN qayd raqami: 7139298.

Jurnal: Taqrizli jurnal nomi yoki qabul qilingan jurnal versiyasi tasdiqlanmagan.

Nashr platformasi: SSRN.

Asl nashriyot: Ushbu versiya uchun taqrizli jurnal nashriyoti mavjud emas; ish SSRN preprint platformasida taqdim etilgan.

Tadqiqot yozilgan sana: 14-iyul 2026.

SSRNga yuklangan sana: 23-iyul 2026.

Manba turi: Narrativ sharh va preprint.

Taqriz holati: Bu ish taqrizdan o‘tmagan preprintdir; natijalar va adabiyot talqinlari ushbu cheklovni hisobga olgan holda o‘qilishi kerak.

Rasmiy manba havolasi:SSRN tadqiqot yozuvi

Ushbu o‘zbekcha mazmun yuklangan tadqiqotning asosiy matni, taqqoslash jadvali, EEG va biosignal rasmlari, metodologik munozaralari va adabiyotlar ro‘yxati asosida tayyorlandi. Tashqi manbalardan ilmiy topilma qo‘shilmagan; tashqi tekshiruv faqat tadqiqotning SSRNdagi bibliografik identifikatori va nashr sanasini tasdiqlash uchun ishlatilgan.

Tadqiqot yangi tajribaviy ma’lumot ishlab chiqarmaydi, muayyan qurilmani sinamaydi va meta-tahlil o‘tkazmaydi. Tizimli adabiyot sharhi uchun zarur bo‘lgan ma’lumotlar bazasi, qidiruv satri, sana oralig‘i, kiritish va chiqarib tashlash mezonlari, tanlash oqimi va tarafkashlik xavfini baholash taqdim etilmagan. Shu sababli sharh barcha tegishli nashrlarni qamrab olgani yoki vakillik tadqiqotlari xolis usul bilan tanlangani tasdiqlanmaydi.

Matn ichidagi iqtiboslar bilan adabiyotlar ro‘yxati o‘rtasida bir nechta raqam mos kelmasligi muammosi mavjud. EEGLAB, EEG Conformer, TRIPOD+AI, PROBAST+AI va DECIDE-AI bilan bog‘liq ayrim iqtiboslar adabiyotlar ro‘yxatidagi mos yozuvlar bilan izchil emas. Adabiyotlar ro‘yxatida tadqiqot yozilgan sanadan keyingi, 2026-yil dekabr sanasini ko‘rsatadigan yozuv ham mavjud. Bu muammolar maqolaning asosiy konseptual doirasini butunlay bekor qilmaydi; biroq bibliografik ishonchlilikni pasaytiradi va yakuniy nashrdan oldin mualliflar yoki platforma tomonidan tuzatilishi kerak.

Sharhning asosiy xulosasi shuki, EEG asosidagi haydovchi uyquchanligini kuzatish ilmiy va texnik jihatdan istiqbolli, biroq laboratoriyadagi tasniflash aniqligi haqiqiy yo‘l xavfsizligiga ta’sir bilan tenglashtirilmasligi kerak. Ishonchli qo‘llash uchun shaxsdan mustaqil va ma’lumotlar to‘plamlariaro validatsiya, tabiiy haydash sinovi, o‘lchangan aniqlash kechikishi, kalibrlash, noaniqlikni boshqarish, tushuntiriluvchanlik, ma’lumot xavfsizligi va inson omillari bahosi zarur.