东北大学学报:自然科学版  2017, Vol. 38 Issue (11): 1590-1594  
0

引用本文 [复制中英文]

戚作秋, 王宏, 常文文, 王翘秀. 生产性噪声对工作人员脑认知影响的ERP分析[J]. 东北大学学报:自然科学版, 2017, 38(11): 1590-1594.
[复制中文]
QI Zuo-qiu, WANG Hong, CHANG Wen-wen, WANG Qiao-xiu. Analysis for the Influence of Industrial Noise on Brain Cognition of Workers[J]. Journal of Northeastern University Nature Science, 2017, 38(11): 1590-1594. DOI: 10.12068/j.issn.1005-3026.2017.11.015.
[复制英文]

基金项目

国家自然科学基金资助项目(51405073)

作者简介

戚作秋(1979-), 男, 辽宁大连人, 东北大学博士研究生;
王宏(1960-), 女, 辽宁沈阳人, 东北大学教授,博士生导师。

文章历史

收稿日期:2016-06-07
生产性噪声对工作人员脑认知影响的ERP分析
戚作秋, 王宏, 常文文, 王翘秀    
东北大学 机械工程与自动化学院, 辽宁 沈阳 110819
摘要:为工业企业听力保护计划制定、人机工程学设计及劳动者烦恼度缓解等提供客观的生理依据, 分析了生产性噪声对工作人员脑认知的影响.采集自愿者在90 dB(A)的稳态机械性噪声刺激以及安静状态下的脑电信号, 建立事件相关脑电位ERP中N1(N100)波的幅值脑地形图及P2(P200)波幅值的脑地形图, 对ERP信号进行时频分析.结果表明噪声刺激与静音状态相比, ERP在N1波的幅值明显减少, 而在P2波幅值变化呈相反趋势明显增加.噪声刺激下被试额区导联的N1幅值显著减小, P2幅值显著增加, 表明高声压级生产性噪声导致被试烦躁、注意力分散, 并干扰了认知能力.
关键词生产性噪声    EEG    ERP    N100    P200    认知    人机工程    脑地形图    
Analysis for the Influence of Industrial Noise on Brain Cognition of Workers
QI Zuo-qiu, WANG Hong, CHANG Wen-wen, WANG Qiao-xiu    
School of Mechanical Engineering & Automation, Northeastern University, Shenyang 110819, China
Corresponding author: WANG Hong, professor, E-mail:hgwang@mail.neu.edu.cn
Abstract: The influence on brain of subjects from industrial noise is analyzed to provide objective physiological basis for the hearing protection planning, annoyance ease and ergonomic design in the industrial enterprises. EEG signals are recorded using 32-electrode-device from 10 college students under the condition of industrial noise and quiet. The signal data was preprocessed by SCAN software, including removing eye electricity, wake, filtering, segmented merger etc. The ERP for 500ms were analyzed and the N1 (N100) and P2 (P200) amplitude value of brain topographic map were mapped. The analysis results of ERP shows that amplitude of N1 decreased significantly while the amplitude of P2 raised distinctly on the contrary. High SPL industrial noise can lead to attention distraction, annoyance, emotional tension, and interference of cognitive ability.
Key Words: industry noise    EEG    ERP    N100    P200    cognition    man-machine engineering    brain topographic map    

噪声是指环境中所产生的不需要的、使人厌烦的声音.噪声被认为是一种“感觉公害”, 它是由感觉来决定的.噪声的种类很多, 按产生的来源不同可分为:工业噪声、建筑噪声、交通噪声、社会生活噪声及自然界噪声等.工业噪声对劳动者的危害最大, 工业企业随着生产规模的扩大, 机械化程度的提高, 产生的噪声也越来越大.我国劳动保护部门在对国内钢铁、石油化工、机械、建材、电子、纺织、铁路交通、印刷、食品、造纸等行业进行噪声声压级调查和测试后得出工业企业车间噪声大多在75~102 dB(A)之间, 还有少量车间或设备噪声高达110~130 dB(A), 这10大行业车间噪声声级范围大部分都超过了我国的《工业企业噪声控制设计规范》(GB/T50087—2013)及《工作场所有害因素职业接触限值第1部分物理因素》(GBZ2.2—2007)要求的85 dB(A), 工业噪声大部分属于高声压级的噪声, 不仅影响听觉系统, 过高噪声可导致永久性听阈位移, 甚至导致噪声性耳聋, 而且也能使人感到厌烦, 导致精神压力增加, 影响认知行为及工作效率等, 甚至可能由于认知能力的下降(如注意力分散、反应迟钝等)导致安全生产事故的发生, 造成严重的人身伤亡和财产损失[1-3].因此, 有必要针对生产性噪声的特点, 采取科学的手段, 分析生产性噪声对劳动者大脑的影响, 提出有针对性的控制措施或保护计划等.

伴随着工业的蓬勃发展和劳动保护科学的发展, 工业噪声对劳动者的危害也越来越引起重视.噪声对劳动者的影响或危害程度不仅与噪声类型、强度、频率、接触时间等有关, 还与人的主观感受有关, 较为复杂.关于噪声对人体健康的影响, 如, 对听觉系统、消化系统、神经系统、心血管系统等方面, 国外的研究始于20世纪60年代, 比我国的研究相对早些.目前, 对听觉损伤的评价主要采用等效A声级, 而噪声对大脑功能的影响研究目前尚不成熟, 噪声对劳动者认知行为、工作效率、烦恼度等的影响研究较少或仅限于主观评价上, 缺少客观的方法.噪声对人体的影响是一项跨领域的研究, 利用生理指标来评价噪声对人体的影响能做到客观准确、采集方便等, 是一种比较有前景的研究噪声影响的方法.而脑电(electroencephalogram, EEG)因其较高的时间分辨率和精度, 以及良好的理论基础, 比较适合承担评价噪声效应的任务[4].事件相关电位(event-related potentials, ERP)是一种特殊的脑诱发电位, 通过有意地给刺激赋予特殊的心理意义, 来反映认知过程中大脑的神经电生理的变化, 也被称为认知电位[5].有关噪声对大脑认知的影响研究很多, 这些研究说明噪声确实能够影响大脑, 而不论是EEG或是ERP都能够为大脑的认知研究提供科学的工具[6].因此, 本文主要基于脑电信号分析理论, 采用了目前较为前沿的ERP分析技术, 从客观上, 探索生产性噪声对大脑系统的影响, 为评价噪声对劳动者的影响提供客观的生理性依据, 为工厂制定听力保护计划和人机工效学设计提供科学的手段和支持.

1 材料和方法 1.1 材料设备

1) 声源选择.生产性噪声源取自某热电厂球磨机, 现场通过录音设备录制, 声音通过音响设备调节, 通过声级计确定声压级.该球磨机噪声属于稳态噪声,现场测试实际声压级:测试点距离球磨机约1.5 m处, 为99.7~100.8 dB(A), 3 m处为90 dB(A)左右, 工人为巡检方式作业, 每次接触时间约10 s, 球磨机现场照片、原始信号时域及对其进行傅里叶变换获得的频谱如图 1所示.根据对该声源声压级的检测以及时域和频域分析可知, 该球磨机的噪声属于机械性、稳态、中低频噪声, 而工业企业的大部分噪声均属于此类噪声, 具有代表性.

图 1 噪声源及时频分析图 Fig.1 Figure of the noise source and the time/frequency spectrum

2) 被试选择.本文的被试选择10名自愿者, 男性, 右利手, 年龄(29±2.1)周岁, 经临床检查无神经系统疾病, 临床脑电图均正常, 无听觉系统疾病, 听力正常.被试均为自愿参加本次实验, 被试在实验前已被告知实验内容及实验目的, 实验前得到充分休息, 实验在9:00~11:00, 14:00~16:00进行.

3) 实验仪器.本次实验脑电信号的采集、预处理以及刺激序列的编排等均采用NeuroScan脑电仪, 该实验平台包括:刺激系统(STIM2)、电极帽、脑电同步放大器(NuAmps)和脑电同步接收系统(SCAN4.5).声源的播放采用SPA2340型有源音箱; 声压级的测量采用ASV5910声计量仪, 声音的校准采用AWA6221B型声校准器; 同时为保证环境条件的适宜, 采用了CENTER310RS-232型温湿度计对作业环境进行监测.

1.2 实验过程

实验前, 将噪声刺激序列通过STIM2软件输入实验系统.通过音响设备将噪声的声压级调节至90 dB(A), 声压级通过声级计在被试耳部位置测试.被试佩戴好电极帽后, 由实验员注射导电液, 待所有导联导电良好后, 由STIM2刺激系统产生噪声刺激序列, EEG信号通过电极帽和NuAmps同步放大器转换为数字信号, 存储至装有SCAN4.5脑电同步系统的PC机上, 获得的脑电原始信号,利用SCAN4.5对EEG信号做初步的预处理.具体过程如图 2所示.

图 2 实验过程示意图 Fig.2 Diagram for experimental process
1.3 实验记录

本次实验使用32导电极帽, 遵循10-20导联系统国际标准, 将电极定位在Fp1, Fp2, F3, Fz, F4, F8, F7, FT7, FC3, FCz, FC4, FT8, T8, C3, Cz, C4, T8, TP7, CP3, CPz, CP4, TP8, P7, P3, Pz, P4, P8, O1, Oz, O2.参考电极安放在左边乳突处.同时, 记录左右眼的水平和垂直眼电(HEOG, VEOG), 如图 3所示.用NeuroScan公司生产的放大器采集脑电信号, 采样率为1 000 Hz, 电极阻抗保持在5 kΩ以下.

图 3 32导电极帽示意图 Fig.3 Schematic diagram of the conductive cap with 32 electrodes
1.4 方法 1.4.1 数据预处理

实验结束后, 在NeuroScan软件进行合并眼电信号、DC校正、去除眼电.利用SCAN软件实现事件分段、基线校正、伪迹去除、叠加平均、数字滤波(带宽0.5~40 Hz)等离线数据预处理.同时对实验中出现的坏电极和脑电信号偏移比较严重的电极进行标记.拒绝EEG波形中漂移和噪声较大的部分, 之后对EEG波形按照不同的刺激类型进行分段, 分段间隔为刺激出现时刻的0 ms到刺激后500 ms, 即每一段能够得到500个采样点, 之后完成对所有不同类型分段数据的总平均.

1.4.2 事件相关电位分析

事件相关电位(ERP)是一种特殊的脑诱发电位.通常, ERP的振幅很小, 比EEG的自发电位小得多, 常被淹没在EEG中.但是ERP有两个恒定参数, 一个是波形恒定, 一个是潜伏期恒定.利用这两个参数, 可以通过叠加平均的算法来增加信号的信噪比, 从而将EEG中的ERP提取出来[5].20世纪60年代, Sutton提出了事件相关电位的概念, 通过平均叠加技术从头颅表面记录大脑诱发电位来反映认知过程中大脑的神经电生理改变, 因为事件相关电位与认知过程有密切关系, 故被认为是“窥视”心理活动的“窗口”.ERP按照潜伏期分为N1(N100), P1(P100), N2(N200), P2(P200), P3(P300)等[5], 生产性噪声对脑电信号的ERP分析较少, 研究主要集中在对脑电功率谱的影响上[7], 本文采用了ERP分析技术, 对各导联的500 ms内的ERP进行时域分析, 分析了生产性噪声对人脑的ERP信号影响规律.

2 结果

图 4为噪声刺激和静音状态下的N1和P2波的幅值差地形图, 其中左图为N1, 右图为P2, 从左图中可以直观看出, 噪声刺激对ERP的N1波幅值影响最大的脑区主要集中在右前额区的FP1, FP2, F8等导联处; 从右图中可以直观地看出, 噪声刺激对ERP的P2波幅值影响最大的脑区主要集中在左顶颞部脑区的Cz, CPz, Pz, C3, CP3, P3等导联处.

图 4 噪声刺激减去静音下的N1和P2幅值脑地形图 Fig.4 Brain topographic map of amplitude for N1 and P2 noise stimulation minus quietness

图 5显示了FP1, FP2两个导联的ERP图, 从图中可以直观、明显地看到噪声刺激下的N1幅值明显地较噪声去除状态下减小.

图 5 Fp1,Fp2导联的ERP时域图 Fig.5 Time-domain graph of ERP for Fp1 and Fp2 electrodes (a)—FP1;(b)—FP2.

图 6显示了Cz, CPz, Pz, C3, CP3, P3 6个导联处的ERP信号图, 从图中可以直观地看到噪声刺激下的P2波幅值明显增加.

图 6 Cz, CPz, Pz, C3, CP3, P3导联的ERP时域图 Fig.6 Time-domain graph of ERP for Cz, CPz, Pz, C3, CP3 and P3 electrodes (a)—Cz;(b)—CPz; (c)—P3;(d)—C3; (e)—CP3;(f)—P3.

图 7分别显示了噪声刺激和噪声去除状态下的N1和P2的幅值分布脑地形图.图中可以直观地看出N1的幅值绝对值在噪声刺激时和噪声去除状态下均在额区和顶部脑区最大, 而在颞部和枕部脑区较小, 且N1幅值在噪声状态下相对较小.P2的幅值在噪声刺激时和噪声去除状态下均在顶部脑区最大, 而在额部脑区较小, 且P2幅值在噪声状态下相对较大.

图 7 噪声刺激和静音状态下的N1和P2的幅值分布脑地形图 Fig.7 Brain topographic map of amplitude for N1 and P2 noise stimulation and quietness
3 讨论

根据噪声刺激和噪声去除状态下各导联时域ERP信号分析结果可知, 高声压级生产性噪声刺激对被试各导联的N1和(或)P2的幅值均有影响.高声压级的生产性噪声刺激导致被试大部分脑区的N1幅值减小, P2幅值增加, 且在额区和顶部脑区最为明显, 且在大脑的额区脑区电极(Fp1, Fp2)对N1的影响最为明显, 在额区电极噪声刺激对N1和P2的影响正好相反, 即高声压级生产性噪声刺激减少了N1的幅值, 增加了P2的幅值, 在顶部脑区电极(Cz, CPz, Pz, C3, CP3, P3)对P2的影响最为明显.这些说明了噪声刺激对被试ERP产生了影响.

研究表明, 噪声达到90~110 dB时被称为强噪声, 会使人们感到强烈不适, 生产性噪声刺激对被试ERP的影响分析较少, 一些相关的研究都与本文有相同的结果.例如, Weisz等[8]的研究发现, 当被试做视觉选择性注意实验背景音为无关人声时, 被试受到干扰, N1成分幅值较安静环境下显著减少.Takahashi等[9]的研究也表明fMRI的噪声在听觉认知实验中会造成N1幅值降低.大量文章表示ERP的早期成分N1的幅值可以反映注意力的变化[10].Hillyard等[11]指出当注意力集中时, 会导致N1幅值增加, 而当注意力分散时, N1幅值会减少.Poikonen等[12]研究表明, 被试在听音乐期间, N1幅值减小, 而P2幅值增加, 说明了注意力分散时N1幅值减小, P2幅值增加.研究表明, P2成分被认为个体开始注意到刺激.当个体的注意力分散时P2的成分比较大, 从本文的结果中也说明了噪声刺激导致了注意力分散, P2增加.Gebber等[13]研究表明噪声引起脑电图波形异常.

本文在每次实验结束后, 立即对被试进行问卷调查.问卷调查的内容主要为烦恼度(不烦恼、烦恼、很烦恼)和注意力(无影响、受干扰、强烈干扰), 问卷调查结果显示:在实验噪声(90 dB(A))刺激下, 被试均感觉到很烦恼、在噪声刺激开始的几个时段最为严重, 后续几个时段有所适应.在实验噪声(90 dB(A))刺激下, 均表示无法进行其他方面的想象, 注意力完全被干扰.说明了噪声导致了注意力分散, 干扰了大脑的认知行为.结合ERP分析, N1幅值减小, P2幅值增加, 这些变化均表明了被试注意力分散, 认知行为被干扰.

4 结语

通过ERP分析, 结合主观问卷调查可知:高声压级的生产性噪声刺激对N1和P2波的幅值均产生了影响, 导致被试大部分脑区的N1波幅值减小, P2波幅值增加, 且在额区和顶部脑区最为明显, 高声压级的生产性噪声刺激导致被试额部脑区N1幅值显著地减小, 而在顶部脑区P2幅值显著地增加, 结合主观问卷调查分析, 表明高声压级的生产性噪声导致被试很烦躁, 注意力分散, 并干扰了大脑的认知行为.因此, 有必要采取措施消除或降低高生产性噪声的产生, 这不仅有利于劳动者听力保护, 而且能够减少劳动者的烦躁情绪、避免劳动者注意力分散而导致安全生产事故发生, 具有重要意义.

参考文献
[1] Schomer P D. Criteria for assessment of noise annoyance[J]. Noise Control Engineering Journal, 2005, 53(4): 125–137. DOI:10.3397/1.2839251
[2] Polyvios C E. Industrial noise and its effect on human hearing[J]. Applied Acoustics, 2002, 63(1): 35–42. DOI:10.1016/S0003-682X(01)00022-6
[3] Toppila E, Pyykko I, Paakkonen R. Evaluation of the increased accident risk from workplace noise[J]. International Journal of Occupational Safety and Ergonomics, 2009, 15(2): 155–162. DOI:10.1080/10803548.2009.11076796
[4] Lin Y, Liu B, Liu Z, et al. EEG gamma-band activity during audiovisual speech comprehension in different noise environments[J]. Cognitive Neurodynamics, 2015, 9(4): 389–398. DOI:10.1007/s11571-015-9333-5
[5] 王宏, 李春胜, 刘冲. 生物机械电子工程[M]. 北京: 高等教育出版社, 2014.
( Wang Hong, Li Chun-sheng, Liu Chong. Biological machinery and electronics engineering[M]. Beijing: Higher Education Press, 2014. )
[6] 王福旺, 王宏, 罗旭. 基于EEG与EOG信号的疲劳驾驶状态综合分析[J]. 东北大学学报(自然科学版), 2014, 35(2): 175–178.
( Wang Fu-wang, Wang Hong, Luo Xu. Comprehensive analysis of fatigue driving based on EEG and EOG[J]. Journal of Northeastern University (Natural Science), 2014, 35(2): 175–178. )
[7] Rob H J, Vander L, Bundt C, et al. Internal and external spatial attention examined with lateralized EEG power spectra[J]. Brain Research, 2014, 1583(2): 179–192.
[8] Weisz N, Schlittmeier S J. Detrimental effects of irrelevant speech on serial recall of visual items are reflected in reduced visual N1 and reduced theta activity[J]. Cerebral Cortex, 2006, 16(8): 1097–1105. DOI:10.1093/cercor/bhj051
[9] Takahashi T, Nakabayashi H, Tanabe J, et al. Effects of noise from functional magnetic resonance imaging on auditory event-related potentials in working memory task[J]. Neuroimage, 2003, 20(2): 1320–1328. DOI:10.1016/S1053-8119(03)00390-2
[10] Bjørn S, Patrik S. Updating working memory in aircraft noise and speech noise causes different fMRI activations[J]. Scandinavian Journal of Psychology, 2015, 56(1): 1–10. DOI:10.1111/sjop.2015.56.issue-1
[11] Hillyard S A, Vogel E K, Luck S J. Sensory gain control (amplification) as a mechanism of selective attention:electrophysiological and neuroimaging evidence[J]. Philosophical Transactions of the Royal Society B:Biological Sciences, 1998, 353(1373): 1257–1270. DOI:10.1098/rstb.1998.0281
[12] Poikonen H, Alluri V, Brattico E, et al. Event-related brain responses while listening to entire pieces of music[J]. Neuroscience, 2015, 312(2016): 58–73.
[13] Gebber G L, Zhong S, Lewis C, et al. Human brain alpha rhythm:nonlinear oscillation or filtered noise?[J]. Brain Research, 1999, 818(2): 556–560. DOI:10.1016/S0006-8993(98)01303-1