一、项目介绍
1. 项目背景:
海员长期在海上工作会导致大脑功能区域的可塑性变化，包括视觉空间处理、情绪调节和决策能力等方面。据统计，约15-20%的海员会出现不同程度的职业适应问题，影响工作效率和安全。现有的海员评估方法主要依赖问卷和行为观察，缺乏客观的神经科学依据。fMRI技术可以提供大脑功能可塑性变化的直接证据，但数据复杂，需要先进的AI技术进行解析。
2. 项目目标:
建立海员fMRI数据库，收集大量海员出海前后的脑功能扫描数据。开发专用于fMRI数据分析的深度学习垂类模型，识别海员大脑变化模式。项目模型具有良好的可解释性和可迁移性。构建基于大模型的问答系统，提供三大核心功能：
（1）海员大脑职业可塑性分析：追踪和解释出海前后的脑功能变化
（2）职业适应性评估：分析与海员职业有关的重要认知能力，预测实习海员的出海适任能力,重点关注其在航运安全相关任务中的认知，如决策能力、风险感知、应急应变、空间认知、注意力控制、抗压能力等。
（3）个性化培训建议：通过科学化的评估机制，生成个性化评估报告，涵盖海员的职业技能、心理素质和职业认知水平等方面，为针对性的训练计划提供参考。
二、技术创新点
（1）基于GNN的可解释性对比学习海员脑功能垂类模型:
图神经网络架构：将大脑功能区域作为节点，功能连接作为边，构建脑连接图
大规模预训练策略：在大型通用人脑fMRI数据上进行自监督预训练，采用图对比学习方法(GraphCL)学习脑连接的通用表示，使用数据增强技术如边掩码、节点扰动和子图采样增强模型鲁棒性。
海员数据微调机制：在海员特定数据集上进行监督微调，识别与海上环境适应相关的关键连接模式，采用迁移学习策略，降低数据需求，使模型在仅有数百例海员数据的情况下依然有效。
因果推断框架：整合结构因果模型(SCM)，识别大脑区域变化间的因果关系。通过反事实干预分析，确定关键的脑区变化对适应能力的影响程度。可视化关键脑区及其因果联系，提供直观的解释结果。
模型性能：预测准确率达90%以上，显著优于传统方法。解释性评分提高45%，能够精确定位关键的脑功能变化区域。
（2）海员知识增强RAG系统:
构建海员专业知识向量数据库（包含海员心理学、神经科学、航海医学等领域文献）。采用混合检索策略，结合密集检索和稀疏检索技术。知识引用追踪机制，确保系统回答的可溯源性。定制化的上下文增强技术，提高检索效率30%以上。
（3）多模态数据融合框架:
将fMRI数据与生理数据（心率、血压、皮肤电反应）和心理量表数据进行融合。使用注意力机制的跨模态转换器进行特征对齐和融合。自适应权重分配算法，根据不同海员的特点调整各模态数据的权重。预期提高评估准确率25%以上。
（4）职业适应性智能评估系统:
基于历史数据构建的海员职业适应性评分模型。五维度评估体系：压力耐受性、孤独适应能力、空间导航能力、情绪稳定性、团队协作能力。动态阈值调整机制，根据不同航线和职位需求调整适应性标准。预警分级系统，对不适应风险进行三级分类。
图1 海员脑可塑性与职业适应性评估系统
图2 评估结果分析图
三、知识产权
（1）一种基于静息态功能磁共振成像技术的心理健康检测方法，发明专利（ZL 201410535212.X）
（2）一种数据驱动的功能磁共振图像的盲去卷积方法，发明专利（ZL201910423707.6）
四、应用领域
航运培训机构、海事医疗服务、航海院校，海事教育与培训机构、航运公司人力资源部门、海事医疗与心理健康服务等。
联系方式：
联系人：吴光生/王守云
联系电话：021-38283308/50193210
学校地址：上海浦东新区海港大道1550号