Frontiers 2025：EEG+眼动追踪综述 - 认知分心检测多模态方案

论文信息

• 标题： Combining EEG and eye-tracking for cognitive and physiological states monitoring: a systematic review
• 期刊： Frontiers in Neuroergonomics
• 年份： 2025
• DOI： 10.3389/fnrgo.2025.1736672

综述核心内容

研究范围

搜索关键词：

(eeg) AND ("eye tracking") AND [
    (stress) OR 
    (vigilance) OR 
    (sleep) OR 
    (drowsiness) OR 
    ("physical fatigue") OR 
    ("mental fatigue") OR 
    ("mental workload") OR 
    ("mind wandering")
]

数据库覆盖

• PubMed
• Scopus
• Cochrane Library (CENTRAL)
• IEEE Xplore
• Web of Science

---

EEG+眼动追踪核心发现

认知状态识别

状态	EEG特征	眼动特征	融合优势
认知分心	Theta波段↑（额叶）	眼动熵↑	双重验证
精神疲劳	Alpha波段↑	PERCLOS↑	精度提升
压力	Beta波段↑	瞳孔扩张	实时检测
mind wandering	Alpha/Theta比值变化	扫视模式异常	突破检测

Euro NCAP启示

EEG方案可行性分析：

方案	可行性	成本	IMS推荐
EEG头戴设备	❌ 低（侵入式）	❌ 高	不推荐
耳部EEG（bioRxiv 2026）	⚠️ 中（待验证）	⚠️ 中	观察
纯眼动追踪	✅ 高（已有）	✅ 低	主推

---

IMS开发启示

1. 认知分心检测路线

IMS认知分心检测方案优先级：

优先级	方案	可行性	开发周期
P0	纯眼动追踪（本文论文思路）	✅ 高	2-3周
P1	眼动+面部融合	⚠️ 中	4-5周
P2	眼动+EEG（观察）	❌ 低	1-2年

2. 眼动熵计算

def calculate_gaze_entropy(gaze_sequence):
    """
    计算视线熵
    
    认知分心检测的核心指标
    """
    # 统计视线落点分布
    gaze_distribution = np.histogram(gaze_sequence, bins=10)
    
    # 计算熵
    entropy = -np.sum(gaze_distribution * np.log(gaze_distribution))
    
    return entropy

---

总结

Frontiers综述提供了EEG+眼动追踪多模态方案，IMS可参考纯眼动方案。

---

技术分析：2026-07-04 | 类型：技术分析