《Buildings》:Neural Signatures of Human Risk Perception in Post-Disaster Scenarios: Insights for Rapid Building Damage Assessment
Erqi Zhu,
Cheng Yuan,
Hong Hao and
Qingzhao Kong
编辑推荐:
快速灾后建筑损伤评估需要识别显式结构失效,并解释视觉复杂场景中的隐式情境线索。尽管传统自动化方法通常局限于检测显式损伤模式,但人类感知自然地将两种信息整合为整体风险判断。本研究利用脑电图(Electroencephalography,EEG)开展了一项探索性调
快速灾后建筑损伤评估需要识别显式结构失效,并解释视觉复杂场景中的隐式情境线索。尽管传统自动化方法通常局限于检测显式损伤模式,但人类感知自然地将两种信息整合为整体风险判断。本研究利用脑电图(Electroencephalography,EEG)开展了一项探索性调查,旨在揭示这种整合判断过程背后的神经特征。研究人员采用改进的实验范式,探讨了具有土木工程背景的参与者在风险评估中的认知动态。尽管参与者仅被指示识别受损建筑而无需进行显式严重程度分级,但事件相关电位(Event-Related Potential,ERP)分析显示,系统性的分级神经响应随损伤严重程度呈比例变化。这表明大脑并非以二元状态编码损伤相关信息,而是将其作为连续感知风险谱系的一部分,即使在缺乏显式指令的情况下也能隐式处理严重程度。此外,单次试验分析表明,时域特征包含稳健的判别信息,验证了从脑活动中解码这些潜在判断的可行性。这些发现为开发未来认知启发算法和人机交互框架提供了生理学基础,有助于弥合语义鸿沟,提升自动化灾后评估的可靠性。
**论文解读:基于EEG的人类风险感知神经特征及其在快速建筑损伤评估中的启示**
**1. 研究背景与问题**
自然灾害(如地震)发生后,快速建筑损伤评估是一项争分夺秒的任务。评估人员需从复杂、混乱的视觉环境中提取关键安全信息。传统自动化方法(如计算机视觉算法)通常局限于检测显式结构失效(如屋顶坍塌、墙体碎裂),难以捕捉隐式情境线索(如警戒线、交通瘫痪、物资堆放)。人类评估者凭借领域相关的认知图式(通过教育或经验形成)自然地将隐式线索与显式证据整合为整体风险判断,从而跨越语义鸿沟。然而,这种隐式风险感知的神经机制尚未被量化研究。为此,研究人员采用脑电图(EEG)技术,探索人类在快速灾后图像评估中风险感知的神经特征,旨在为开发认知启发算法和人机交互框架提供生理学依据。论文发表于《Buildings》。
**2. 关键技术与方法**
研究人员招募了17名同济大学土木工程专业研究生(最终保留14名,性别比1:1,年龄23~25岁,右利手,无EEG实验经验),使用便携式无线64通道EEG系统(NeuSen W64,采样率1000 Hz)采集数据。视觉刺激来自2011年基督城地震后0.1 m分辨率航拍图像(Land Information New Zealand数据服务),经裁剪为512×512像素。实验采用修正的oddball范式:每试次呈现图像750 ms,之后随机间隔1000~1500 ms;参与者仅被要求静默计数每个试次块中受损建筑数量(不进行显式严重程度分级)。数据预处理包括0.1 Hz高通、30 Hz低通、48~52 Hz陷波滤波、ICA去伪迹等。特征提取采用数据驱动方法:对59个电极逐点进行配对t检验(α=0.05),经FDR校正后识别显著时域和时频(短时傅里叶变换,STFT)特征段。单次试验分类使用支持向量机(SVM,径向基核函数)进行10折交叉验证,评估指标包括准确率(Acc)、F1分数(F1)和ROC曲线下面积(AUC)。
**3. 研究结果**
**3.1 任务可行性与行为一致性**
行为数据表明,参与者平均报告受损建筑数(M1)为10.1(真实值为10),平均绝对偏差(M2)为0.6,说明任务可可靠完成,为后续EEG分析提供了稳定行为基础。
**3.2 损伤相关风险感知的神经关联**
在顶叶电极Pz处,ERP波形显示不同损伤类别间存在明显差异:受损(Minor Damaged与Major Damaged合并为“Damaged”)和坍塌(Collapsed)类别诱发的P3成分(约350~750 ms)呈分级幅度增加(Intact < Damaged < Collapsed)。经FDR校正后,在Pz处识别出两个显著时域特征段(365~383 ms和448~666 ms)。时频分析在枕区电极Oz处发现一个显著的Alpha频带特征(175~203 ms,8~9 Hz)。全通道分析共识别出12个时域特征段和7个时频特征段,主要分布在顶枕区及左半球。
**3.3 单次试验的感知判别性证据**
利用SVM对每个参与者的单次试验进行分类。时域特征组合性能随特征数增加而提升:三分类任务(Intact/Damaged/Collapsed)最佳F1=0.481,Acc=0.500,AUC=0.688;二分类任务(Intact vs. Damaged)最佳F1=0.731,Acc=0.734,AUC=0.793;二分类任务(Intact vs. Collapsed)最佳F1=0.753,Acc=0.761,AUC=0.827。混淆矩阵显示,主要错误模式是受损与坍塌类别间的混淆,而完好建筑识别率较高。单特征分析表明,时域特征(Pz处448~666 ms)的跨被试分布更紧凑,稳定性优于时频特征。
**4. 讨论与结论**
**讨论部分**总结了认知机制与单次试验解读:
- 损伤感知的神经特征集中于顶枕区,反映了对局部异常线索的精细语义整合,而非简单目标检测。
- P3成分的幅度分级表明大脑以连续风险表征方式编码损伤严重程度,而非二元分类。
- 多频段振荡(Alpha、Theta、Delta)分别对应选择性注意、工作记忆和决策更新等协调认知过程。
- 单次试验解码中,时域特征比时频特征更稳健、可扩展,为开发通用认知启发工具提供了生理参照。
- 误差集中于中间损伤状态,反映了人类感知的固有模糊性,可视为“软标签”用于训练自动化系统。
- 个体间差异表明需采用自适应人机交互框架,而非完全自动化。
**研究结论**(原文翻译):
本研究调查了视觉复杂遥感条件下快速灾后建筑检查中损伤相关评估的神经特征。实验结果表明,即使观察者未被明确要求对损伤严重程度进行评分,损伤相关信息也系统地反映在可测量的EEG特征中。在时域中,最显著的判别活动位于Pz电极,经FDR校正后识别出两个显著窗口(365~383 ms和448~666 ms)。在此处,晚正成分(P3)在不同损伤条件下表现出最清晰的单调分化。在时频域中,一个独特的枕区Alpha频带特征(175~203 ms,8~9 Hz)提供了补充证据,表明快速损伤评估不仅涉及晚期评估处理,还涉及早期注意相关的调节。在单次试验水平上,时域特征在解码这些潜在评估判断方面比时频特征表现出更稳健和可扩展的性能。利用最优时域特征组合实现了强大的判别性能,二分类任务中平均AUC峰值达到0.83,同时表现出比最佳频谱特征更低的跨被试变异性。这支持了从高维神经数据中解码人类潜在评估处理某些方面的可行性。同时,这些发现应在当前概念验证设计的边界内解释——该设计采用了严格控制的事件单一图像池、具有领域知识但非专业的受试者队列、正交计数任务以及保守的SVM基线。因此,这些结果为隐式且相对粗粒度的损伤相关评估提供了神经生理学证据,而非作为完全可操作或细粒度的评级系统。本研究的实际贡献在于建立了一个可测量的人类认知基线,为未来多模态、不确定性感知、人机交互的灾后评估框架提供参考。