2.1   年度发文量趋势分析   根据统计结果显示(图2)，2015-2025年认知疲劳评估领域中英文文献年发文量整体呈增长趋势，英文文献发文量总体多于中文文献。英文文献年度发文量呈波动式上升，在2015-2018年仅个位数，在2020年出现第一次突破，随后保持平稳态势，在2023年出现第二次突破，2024年发文量最多(40篇)。中文文献年度发文量总体平缓，2015-2018年发文量高于英文文献，2019年后英文文献年度发文量反超中文，2025年中文文献发文量最多(18篇)。
2.2   认知疲劳评估领域发文国家分布   对纳入文献以“国家”为节点类型进行分析得到节点数N=42、连线数E=75、网络密度为0.087 1的国家共现图谱(图3，表1)。发文量最多的国家是中国(60篇)、其次是美国(19篇)、澳大利亚(13篇)；从发文中心性来看，德国位列第一(0.50)，其次是澳大利亚(0.36)、新加坡(0.28)。结果表明，中国是近10年内认知疲劳评估领域产出规模最大的研究主体，而德国是国际学术合作网络中的核心枢纽国家。




2.3   认知疲劳评估领域发文作者分布   将纳入文献以“合作作者”为节点类型对中英文文献进行分析(图4，5)。由中文文献分析得到节点数N=487、连线数E=392、网络密度为0.003 3的作者共现图谱，作者田水承发文量最多，为5篇，其次是范晓丽、周前祥等，均为4篇。从图中可以看出发文量较多的作者均形成独立的研究团队，但不同的团队之间合作较少。英文文献分析得到节点数N=685，连线数E=586，网络密度为0.002 5的作者共现图谱，发文频次最高的作者为Li, Heng(5篇)，其次为Umer, Waleed、Skourup, Charlotte等，均为4篇。发文频次排名第一的作者是Li, Heng，长期聚焦认知疲劳多模态客观评估技术与脑力负荷神经机制研究，在认知疲劳检测范式、脑功能成像评估领域成果积累较多。
2.4   认知疲劳评估领域机构分布   将纳入文献以“机构”作为节点类型，对中英文文献进行分析。中文文献得到节点N=193、连线数E=128、网络密度为0.006 9的机构共现图谱(图6，表2)。中文文献发文量最多的机构是北京航空航天大学生物与医学工程学院。英文文献得到节点数N=209、连线数E=276、网络密度为0.012 7的机构共现图谱(图7，表2)。通过图谱得知，认知疲劳领域研究大部分集中在各个国家的高校；其中，发文量排名前5的机构中有3所来自中国，另外2所来自瑞典和英国。但各个机构的中心性均为0，说明均以单一独立研究群体为主，即便部分机构发文量较高，但仍未建立稳定、持续的跨机构、跨国界学术合作关系，全球范围内尚未形成规模化、常态化的科研合作网络。
2.5   认知疲劳评估领域文献共被引分析   将纳入的英文文献以“被引文献”作为节点类型进行分析，得到节点数N=348、连线数E=925、网络密度为0.015 3的文献共被引图谱(图8，表3)。由图谱所见，发表年份相近的文章间连
















线较多，表明这些文献在该时期得到了认知领域学术界的关注。
高被引文献分析结果显示，HU等[9]在2020年面向驾驶员、飞行员群体探讨采用非侵入性措施检测疲劳的可行性，着重区分嗜睡与认知脑力疲劳两类不同耗竭状态，系统梳理了脑电图、眼动等无创生理监测指标。研究证实单一生理参数难以区分上述两种疲劳状态，同时验证眼动、脑电图等多维度的指标特征在认知疲劳识别中存在优势，丰富了高认知负荷从业者认知疲劳差异化评估理论。LI等[10]在2019年依托模拟挖掘机作业诱发认知疲劳，同步采集眼动指标与危险识别行为，结果表明认知疲劳程度加深会扰乱视觉注意力分配，延长危险响应时长、提升漏判率；研究证实眼动指标可客观量化认知疲劳程度，阐明认知疲劳通过损耗视觉注意能力削弱作业风险感知能力，为工程场景下认知疲劳安全监测提供依据。
GAO等[11]构建了基于脑电的时空卷积神经网络，挖掘脑电时空特征以实现驾驶时的认知疲劳识别率，为车载实时疲劳监测系统提供深度学习算法方案。LI等[12]利用穿戴式脑电频谱特征建立建筑工人岗前认知疲劳筛查模型，借助客观脑电指标弥补主观量表评估的局限性，提高施工人员疲劳风险防控水平。
DIMITRAKOPOULOS等[13]基于脑功能连接拓扑分析发现，驾驶与持续警觉任务诱发的认知疲劳存在差异化脑网络重构特征，揭示不同认知负荷下脑力疲劳神经机制存在异质性。上述研究均以脑电指标为核心载体，分别从算法模型构建、工程人群筛查、疲劳神经机制3个维度完善认知疲劳客观量化与识别体系，为认知疲劳评估领域研究提供了重要理论与技术支撑。
2.6   认知疲劳评估领域共被引期刊分析   将纳入的英文文献以“被引期刊”为节点类型进行分析，得到节点数N=326、连线数E=1 687、网络密度为0.031 8的被引期刊图谱(图9，表4，5)。在被引频次排名前5的期刊中，3个来自美国，剩下2个来自瑞士和英国，核心高被引期刊完全由欧美国家主导，充分表明认知疲劳评估领域国际学术话语权、前沿成果发布地集中于欧美国家。国内期刊在认知疲劳评估领域高被引核心梯队中不突出，与欧美主流期刊仍存在显著影响力差距。欧美国家在生物医学工程、认知评估、智能算法交叉领域科研资金投入充足、科研积淀深厚，具备完善的学术期刊运营体系与顶尖学术人才储备，长期占据认知疲劳评估领域的学术主导地位；而国内相关领域研究起步较晚，期刊的国际传播力、学术认可度与行业影响力仍处于追赶阶段，尚未形成具有全球核心竞争力的权威期刊矩阵。
从高被引期刊呈现工科智能技术与认知心理医学双向融合的鲜明规律，学科交叉特征显著。其中《EXPERT SYST APPL》是领域内共被引频次最高的期刊，被引次数达 61 次。该刊影响因子为 4.685，在 JCR 分区中位列 Q1 区，属于人工智能领域核心学术刊物，主要刊发智能检测算法、生理信号建模、疲劳智能识别等相关研究，为该领域大量评估技术与模型研究提供了重要文献支撑。其次是《SENSORS-BASEL》




52次和《PLOS ONE》49次。《SCAND J PSYCHOL》为中心性(0.33)最高的期刊，为认知疲劳评估领域知识网络的关键枢纽期刊，聚焦认知心理、行为负荷与脑力评估等基础理论研究，有效串联起智能技术研发与认知心理理论研究两大研究方向。
2.7   关键词分析
2.7.1   认知疲劳评估领域关键词共现分析   以“关键词”为节点类型对中英文文献进行分析(图10，11)。中文文献分析纳入的节点数N=223，连线数E=397，网络密度为0.016；英文文献分析纳入的节点数N=253，连线数E=919，网络密度为0.028 8。关键词是对一篇文章主要内容和结论的高度概括和浓缩，对关键词进行分析有助于作者快速抓住认知疲劳评估领域的研究热点、研究趋势及其内在联系。
出现频次和中心性排名前10的中英文关键词如表6所示，排除与检索策略有关的主题词，中文文献代表性关键词有脑电信号、眼动指标、信度等；英文文献代表性关键词有performance(表现)、EEG(脑电图)、machine learning(机器学习)，表明国内外研究方向基本一致，均是通过生理信号、机器学习等探究认知疲劳评估领域。
2.7.2   认知评估领域关键词聚类分析   利用MI算法对中英文关键词进行聚类分析，英文关键词得到9个聚类，共纳入253个节点，919条连线，网络密度为0.028 8，见图12。中文文献得到8个聚类，共纳入223个节点，397条连线，网络密度为0.016，见图13。英文关键词模块值(Q值)0.558 2，平均轮廓值(S值)0.830 2；中文关键词模块值(Q值)0.808，平均轮廓值(S值)0.954 1。两者均远高于聚类效果显著性和可靠性的一般阈值(Q > 0.3，S > 0.7)，表明聚类结构清晰，各类团内部一致性高，结果具有较强说服力。中文文献排除检索策略的主题词外，代表性的聚类主要有#1 运动症状、#2 可穿戴检测仪、#5 脑熵值、#6 运动成绩等，表明研究重点聚焦于通过运动水平下降程度反映认知疲劳程度，以及通过可穿戴设备如脑电、心电、眼动监测仪等客观评估认知疲劳水平。英文文献排除检索策略的主题词外(如#8 urologic oncology，可能源于检索噪声或算法误差)，代表性的聚类主要有#5 brain functional network(脑功能网络)、#4 capactive ecg(电容式心电图)、#6 stereoscopic visual fatigue(立体视觉疲劳)等，表明研究重点聚焦于脑功能网络连接、心电监测、视觉反馈等客观指标来识别认知疲劳。







依据聚类主题、节点关联强度可将领域划分为生理脑机制评估、智能算法识别、职业场景应用三大核心体系。各聚类内部文献引证密集，但三大体系间连线稀少，证实现有研究局限单一维度、跨学科融合不足；国内外聚类存在明显侧重差异，国内聚类集中于运动、工程作业场景，而脑功能神经机制、生物传感材料交叉研究体量远低于国际。英文聚类以脑功能网络、驾驶疲劳监测为核心，国内仅停留在生理信号采集与浅层模式识别，缺少多模态融合、新型生物电极相关探索。
2.7.3   认知评估领域关键词突现分析   关键词突现是指在特定时间段内，某个关键词的出现频率发生显著变化的现象，能够有效解释研究领域的热点与前沿方向。在关键词突现分析中，“Begin”表示突现开始时间；“End”表示突现结束时间；“Strength”则反映关键词的突现强度，强度越高代表其影响力越大。英文文献共得到12个突现词，中文文献共得到13个突现词(图14，15)。











认知疲劳诊断领域相关英文文献的关键词突现分析结果显示，recognition(识别)、workload(工作负荷)、validation(验证)、vigilance(警觉性)这几个关键词在2022年开始突现，且强度较高(1.4以上)、持续至2025年，说明2022年后，领域聚焦于“认知状态的识别技术、工作负荷的评估、方法/模型的验证、警觉性监测”，是当前的核心研究方向；eye movement(眼动)、behavior(行为)、scale(量表)这几个关键词在2018年后开始突现持续至2022年，表明2018-2022年期间认知疲劳评估领域主要聚焦于利用眼动信号辅助监测、行为指标以及认知疲劳量表进行评估；cognitive tests(认知测试)、heart rate variability(心率变异性)是2016年左右的突现关键词，代表认知疲劳评估领域早期从认知任务测试、生理指标等方面进行切入研究，形成基础的认知疲劳状态评估方法。此外，新兴热点关键词construction equipment operators(工程设备操作员)自2023年开始突现，提示了未来研究将更加关注工程设备操作人员的认知疲劳状态，成为职业场景中的新延伸。
综上所述，结合突现词起止年份、突现强度可完整划分领域三阶段热点演化脉络：2015-2018年为基础指标探索阶段，研究仅依托单一生理指标、主观量表开展静态离线评估；2019-2022年进入多模态传感与算法发展阶段，脑电、眼动信号成为主流观测载体，机器学习预测模型、便携式评估工具逐步兴起；2023-2025年为当前前沿爆发期，多模态智能识别、模型泛化验证、工程高危人群监测成为核心新兴趋势，突现强度达到10年峰值。但现有前沿研究仍局限于信号、算法、场景单一维度，材料研发与认知疲劳评估交叉领域存在显著研究空白。
认知疲劳诊断领域相关中文文献的关键词突现分析结果显示，疲劳、疲劳评估这2个关键词分别从2022年、2023年开始突现，持续至2025年，且强度较高(分别为1.89和1.49)，说明2022年后 “疲劳状态本身的研究、疲劳程度的系统评估”是核心研究方向；脑电、脑卒中、预测、评估工具、影响因素这几个关键词在2017-2020年间开始突现并持续，表明2017-2020年期间认知疲劳评估领域主要聚焦于利用脑电信号辅助监测，同时探索认知疲劳的预测方法与评估工具；信度、效度、中枢疲劳这3个关键词是2015-2016年的突现关键词，代表认知疲劳评估领域早期从研究方法的信效度验证、中枢疲劳层面的疲劳机制等方面进行切入，形成基础的研究框架。
基于此，国内认知疲劳评估领域研究的热点是从早期的基础机制与方法验证，逐步转向信号技术与评估工具的探索，同时持续深化对疲劳本身及评估的关注和研究。

[1] HAN JC, BAI K, ZHANG C, et al. Objective assessment of cognitive fatigue: a bibliometric analysis. Front Neurosci. 2024;18:1479793.  [2] HOLGADO D, MESQUIDA C, ROMÁN-CABALLERO R. Assessing the Evidential Value of Mental Fatigue and Exercise Research. Sports Med. 2023;53(12):2293-2307.  [3] PAN X, SOH KG, JAAFAR WMW, et al. Mental fatigue in golf: A systematic review. PLoS One. 2025;20(2):e0310403.  [4] RABAT A, VAN CUTSEM J, MARCORA SM, et al. Fatigue and management of warfighter mental endurance. BMJ Mil Health. 2025;171(5):447-451.  [5] AVEIRO D, CAMPOS F, RODRIGUES RN, et al. Assessing mental fatigue in football: a systematic review. Front Sports Act Living. 2026;8:1861469.  [6] ZHANG J, CHEN M, PENG Y, et al. Wearable biosensors for human fatigue diagnosis: A review. Bioeng Transl Med. 2022;8(1):e10318.  [7] IMRAN MAA, NASIRZADEH F, KARMAKAR C. Designing a practical fatigue detection system: A review on recent developments and challenges. J Safety Res. 2024;90:100-114.  [8] PANG J, SUN Y, CHENG T, et al. Multifunctional Composite Coating-Enhanced Flexible Microelectrodes for Chronic, High-Fidelity Neural Signal Recording. Anal Chem. 2025;97(50):27745-27757.  [9] HU X, LODEWIJKS G. Detecting fatigue in car drivers and aircraft pilots by using non-invasive measures: The value of differentiation of sleepiness and mental fatigue. J Safety Res. 2020;72:173-187. [10] LI J, LI H, WANG H, et al. Evaluating the impact of mental fatigue on construction equipment operators’ ability to detect hazards using wearable eye-tracking technology. Autom Constr. 2019;105:102835. [11] GAO Z, WANG X, YANG Y, et al. EEG-Based Spatio-Temporal Convolutional Neural Network for Driver Fatigue Evaluation. IEEE Trans Neural Netw Learn Syst. 2019;30(9):2755-2763. [12] LI H, WANG D, CHEN J, et al. Pre-service fatigue screening for construction workers through wearable EEG-based signal spectral analysis. Autom Constr. 2019;106:102851. [13] DIMITRAKOPOULOS GN, KAKKOS I, DAI Z, et al. Functional Connectivity Analysis of Mental Fatigue Reveals Different Network Topological Alterations Between Driving and Vigilance Tasks. IEEE Trans Neural Syst Rehabil Eng. 2018;26(4):740-749. [14] DÍAZ-GARCÍA J, GONZÁLEZ-PONCE I, PONCE-BORDÓN JC, et al. Mental Load and Fatigue Assessment Instruments: A Systematic Review. Int J Environ Res Public Health. 2021;19(1):419. [15] KUNASEGARAN K, ISMAIL AMH, RAMASAMY S, et al. Understanding mental fatigue and its detection: a comparative analysis of assessments and tools. PeerJ. 2023;11:e15744. [16] CAO L, LI J, XU Y, et al. A Hybrid Vigilance Monitoring Study for Mental Fatigue and Its Neural Activities. Cogn Comput. 2016;8(2):228-236. [17] 周文婷, 孟琪. 训练场地环境下杰出运动员中枢疲劳ANN预测模型的构建：以单板U型场地滑雪为例[J].哈尔滨体育学院学报,2015, 33(6):8-14. [18] FANG X, LI H, MA J, et al. Assessment of Construction Workers’ Spontaneous Mental Fatigue Based on Non-Invasive and Multimodal In-Ear EEG Sensors. Buildings. 2024;14(9):2793. [19] MEHMOOD I, LI H, UMER W, et al. Multimodal integration for data-driven classification of mental fatigue during construction equipment operations: Incorporating electroencephalography, electrodermal activity, and video signals. Dev Built Environ. 2023;15:100198. [20] MEHMOOD I, LI H, UMER W, et al. Non-invasive detection of mental fatigue in construction equipment operators through geometric measurements of facial features. J Safety Res. 2024;89:234-250. [21] WANG L, LI H, WU H, et al. Monitoring Mental Fatigue of Construction Equipment Operators: A Smart Cushion-Based Method with Deep Learning Algorithms. J Manage Eng. 2024;40(45):04024044. [22] MEHMOOD I, LI H, QAROUT Y, et al. Deep learning-based construction equipment operators’ mental fatigue classification using wearable EEG sensor data. Adv Eng Inform. 2023;56:101978. [23] LI J, LI H, UMER W, et al. Identification and classification of construction equipment operators’ mental fatigue using wearable eye-tracking technology. Autom Constr. 2020;109:103000. [24] FANG X, LI H, MA J, et al. Online Assessment of Spontaneous Mental Fatigue in Construction Workers Considering Data Quality: Improved Online Sequential Extreme Learning Machine. J Constr Eng Manage. 2024;150(11): 04024148. [25] MEHMOOD I, LI H, UMER W, et al. Validity of facial features? geometric measurements for real-time assessment of mental fatigue in construction equipment operators. Adv Eng Inform. 2022;54: 101777. [26] ANWER S, LI H, ANTWI-AFARI MF, et al. Evaluation of Physiological Metrics as Real-Time Measurement of Physical Fatigue in Construction Workers: State-of-the-Art Review. J Constr Eng Manag. 2021;147(5):031210015. [27] 韩明秀,王盛,王煜文,等.基于EEG的飞行员脑力疲劳评估研究进展[J].载人航天,2021, 27(5):639-645. [28] 陈润格,张露,王晓璐,等.自适应多维N-back认知负荷模型下的脑网络研究[J].航天医学与医学工程,2015,28(6):391-396. [29] CHEN J, YANG H, XIA Y, et al. Simultaneous Mental Fatigue and Mental Workload Assessment With Wearable High-Density Diffuse Optical Tomography. IEEE Trans Neural Syst Rehabil Eng. 2025;33:1242-1251. [30] 李稚,洪平,吴瑛,等.血液生化、脑功能监测在运动个体化机能评定与监控中的应用[J].中国组织工程研究,2016,20(2):285-291. [31] WU K, GAO L, FENG Z, et al. Multimodal brain network analysis reveals divergent dysconnectivity patterns during mental fatigue: A concurrent EEG-fMRI study. Brain Res Bull. 2025;230:111505. [32] HUANG F, YANG C, WENG W, et al. CM-FusionNet: A cross-modal fusion fatigue detection method based on electroencephalogram and electrooculogram. Comput Electr Eng. 2025;123: 110204. [33] HU S, FANG W, BAO H, et al. Non-contact detection of mental fatigue from facial expressions and heart signals: A self-supervised-based multimodal fusion method. Biomed Signal Process Control. 2025;105:107658. [34] HAMOUD B, OTHMAN W, SHILOV N, et al. Deep-Learning-Based Human Activity Recognition: Eye-Tracking and Video Data for Mental Fatigue Assessment. Electronics. 2025;14(19):3789. [35] JI Z, XIE X, JIANG E, et al. Integrating DRN-RF with computer vision for detection of control room operator’s mental fatigue. PLoS One. 2025; 20(4):e0320780. [36] FAN J, DONG L, SUN G, et al. A Deep Learning Approach for Mental Fatigue State Assessment. Sensors (Basel). 2025;25(2):555. [37] FANG X, YANG X, XING X, et al. Real-Time Monitoring of Mental Fatigue of Construction Workers Using Enhanced Sequential Learning and Timeliness. Autom Constr. 2024;159: 105267. [38] LAULAN P, FERNANDEZ MLG, ABET E, et al. The Flush Model: A Novel Framework to Manage Surgeons’ Mental Fatigue and Cognitive Load.  Ann Surg Open. 2025;6(2):e581. [39] MABRY JE, CAMDEN M, MILLER A, et al. Unravelling the Complexity of Irregular Shiftwork, Fatigue and Sleep Health for Commercial Drivers and the Associated Implications for Roadway Safety. Int J Environ Res Public Health. 2022;19(22):14780. [40] KABILMIHARBI N, KAMALIANA KHAMIS N, AZILA NOH N. Commonly Used Assessment Method to Evaluate Mental Workload for Multiple Driving Distractions: A Systematic Review. Iran J Public Health. 2022;51(3):482-494. [41] WANG F, CHEN D, ZHANG X. Mental Fatigue Detection of Crane Operators Based on Electroencephalogram Signals Acquired by a Novel Rotary Switch-Type Semi-Dry Electrode Using Multifractal Detrend Fluctuation Analysis. Sensors (Basel). 2025;25(13):3994. [42] CRESTELO MORENO F, ROCA GONZALEZ J, SUARDIAZ MURO J, et al. Thermographic and cognitive assessment of fatigue in vessel traffic service operators: a socio-technical approach. Cogn Technol Work. 2025;27(1-2):417-448. [43] PEI H, LI G, MA Y, et al. A mental fatigue assessment method for pilots incorporating multiple ocular features. Displays. 2025;87: 1-14. [44] HAMANN A, VAN KLAREN C, ZON R, et al. The state of the art in assessing mental fatigue in the cockpit using head-worn sensing technology. Front Neuroergon. 2026;6:1673268. [45] WU H, FENG E, YIN H, et al. Biomaterials for neuroengineering: applications and challenges. Regen Biomater. 2025;12:rbae137. [46] ZHU R, HU Z, LOU Z, et al. An exceptionally conductive hydrogel for all-organic, ultraflexible, and chronic neural interfaces. Proc Natl Acad Sci U S A. 2026;123(18):e2532840123. [47] HAN Q, ZHANG C, GUO T, et al. Hydrogel Nanoarchitectonics of a Flexible and Self-Adhesive Electrode for Long-Term Wireless Electroencephalogram Recording and High-Accuracy Sustained Attention Evaluation. Adv Mater. 2023;35(12):e2209606. [48] SHANKAR S, MICHIELS J, TASICH K, et al. Advancing Dry Electroencephalography With Scalable, Soft, and Transcranial Magnetic Stimulation-Compatible Ti3C2Tx MXene Electrodes for Research and Clinical-Grade Applications. Adv Sci (Weinh). 2026;13(21):e11486. [49] ZHANG M, QIAN B, GAO J, et al. Recent Advances in Portable Dry Electrode EEG: Architecture and Applications in Brain-Computer Interfaces. Sensors (Basel). 2025;25(16):5215. [50] 郝方斌,刘科雨,李文轩,等.创伤性脑损伤水凝胶治疗的研究进展：从生物材料设计到神经功能修复[J].中国微侵袭神经外科杂志, 2026,30(6):368-373.

[1]	徐灿丽, 何文星, 王玉萍, 巴寅颖, 迟 莉, 王文娟, 王佳佳. 核因子κB激活激酶在自身免疫、信号通路、基因表达、肿瘤防治等领域的研究脉络与趋势[J]. 中国组织工程研究, 2026, 30(在线): 1-11.
[2]	赖家铭, 宋玉玲, 陈梓曦, 魏镜桓, 蔡 浩, 李国权, . 放射性心脏损伤小鼠内皮细胞衰老的诊断标志物筛选及免疫浸润分析[J]. 中国组织工程研究, 2026, 30(6): 1450-1463.
[3]	黄 杰, 曾 浩, 王文驰, 吕柱成, 崔 伟. 脂代谢影响骨质疏松症的文献可视化分析[J]. 中国组织工程研究, 2026, 30(6): 1558-1568.
[4]	张海文, 张 贤, 许太川, 李 超. 衰老在骨质疏松领域研究现状及趋势的文献可视化分析[J]. 中国组织工程研究, 2026, 30(6): 1580-1591.
[5]	杨泽雨, 支 亮, 王 佳, 张婧欹, 张清芳, 王玉龙, 龙建军. 高频重复经颅磁刺激研究热点宏观角度的可视化分析[J]. 中国组织工程研究, 2026, 30(5): 1320-1330.
[6]	贝朝涌, 朱家琳, 余政泽, 师牛津, 李华蕊, 彭峰林. 膝骨关节炎治疗研究热点及趋势的可视化分析[J]. 中国组织工程研究, 2026, 30(36): 9632-9639.
[7]	王槐旌, 郭锦荣, 万东平, 梅其杰, 袁景钊, 徐文飞, 曾 超, 郑海军, 袁长深, 段 戡. 多种机器学习鉴定抗菌肽作为骨关节炎钠死亡关键治疗靶点：细胞学验证[J]. 中国组织工程研究, 2026, 30(36): 9413-9422.
[8]	刘 怡, 卢加荣, 吴建勇. 融合遗传因素的糖尿病预测及影响因素分析[J]. 中国组织工程研究, 2026, 30(36): 9589-9596.
[9]	王潇婧, 魏婧怡, 刘西花. 迷走神经刺激在脑卒中康复领域中应用的可视化分析[J]. 中国组织工程研究, 2026, 30(35): 9316-9326.
[10]	陈小霞, 赵利华, 李滔文, 覃义媚, 梁金玉, . 绝经后认知障碍：发展脉络与热点趋势的文献计量学分析[J]. 中国组织工程研究, 2026, 30(35): 9336-9344.
[11]	李会萍, 贾欢欢, 赵维波. 帕金森病动物模型：研究现状与趋势分析[J]. 中国组织工程研究, 2026, 30(35): 9345-9354.
[12]	何人大, 马 威, 孙永思, 莫雪妮. 脑类器官医学研究未来：跨学科融合培养与生物工程技术及优化模型成熟度[J]. 中国组织工程研究, 2026, 30(34): 9088-9094.
[13]	卜凡晨, 华 臻, 李小龙, 吕锦业, 满 豪, 王建伟, . 三角纤维软骨复合体损伤：治疗热点与前沿的可视化分析[J]. 中国组织工程研究, 2026, 30(34): 9095-9102.
[14]	刘 祎, 付玉萍, 程茜南. 痤疮瘢痕：全局与热点的可视化分析[J]. 中国组织工程研究, 2026, 30(34): 9103-9112.
[15]	闫 瑾, 徐梦真, 包佳仪. 基于ABAQUS的双层坐垫在弹射工况下的脊柱损伤风险评估[J]. 中国组织工程研究, 2026, 30(32): 8471-8478.

认知疲劳指个体在长时间、高强度认知任务负荷下，出现的认知功能暂时性或长时间下降的状态，核心表现为执行功能下降、专注力难以维持、决策能力下降等，可持续数小时至数天[1-3]。认知疲劳评估需结合主观感受与客观指标，定性定量评估注意力、记忆、情绪状态等认知功能；主观评估以标准化自评问卷为主，客观评估则通过行为指标及脑电图、功能性近红外光谱技术等生理指标实现，为疲劳诊断提供科学依据[4]。目前认知疲劳评估方法已从简单观察发展为融合神经影像、可穿戴设备、机器学习和人工智能等复杂技术体系[5]，主要通过神经组织工程、植入式神经设备、可穿戴传感材料进行临床量化评价[6]，另外可穿戴传感材料、神经植入器械的康复疗效可通过认知疲劳指标客观衡量，二者进行交叉研究[7-8]。
现有认知疲劳领域文献研究多局限单语种数据库、单一分析维度、单一分析形式，缺少国内外研究全景对比与多维度知识图谱整合，且未对接神经工程交叉研究需求。为了系统梳理认知疲劳评估领域的研究现状与热点，将基于中国知网、万方、Web of Science、PubMed等核心数据库进行相关文献检索，采用科学文献工具CiteSpace对近10年相关文献进行文献计量学分析和可视化呈现，旨在揭示认知疲劳评估领域的国内外研究现状和热点，为进一步深入研究提供理论支持，为认知医学领域相关研究提供参考。
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

1   资料和方法   Data and methods
1.1   资料来源   
1.1.1   数据来源与检索策略   
中国知网、万方数据库检索策略：采用高级检索，以主题词进行检索，检索时限为2015年1月至2025年12月，中文检索式为：(认知疲劳+精神疲劳+脑力疲劳) AND (诊断+评估+筛查+检测+识别+判定)，勾选主题词扩展。
Web of Science Core Collection、PubMed数据库检索策略：由于“认知疲劳”“精神疲劳”“脑力疲劳”以及“评估”“诊断”“筛查”“检测”“识别”“判定”在概念上相似，分别通过连接词“OR”逻辑联合，再以逻辑词“AND”对两组关键词进行逻辑联合[1]。采用主题词检索，语言为English，检索时间限为2015年1月至2025年12月，检索式为(cognitive fatigue OR mental fatigue OR brain fatigue) AND (diagnosis OR assessment OR evaluation OR detection OR screening OR identification OR judgment)。
1.1.2   纳入及排除标准
纳入标准：①以“认知疲劳评估”为主题的文献；②侧重认知疲劳客观评估、主观评估的有效性评价；③文献类型为临床试验、系统性综述和荟萃分析等；④语言为中文和英文。
排除标准：①重复发表文献；②缺失作者、发布年份等关键信息的文献；③会议论文、摘要、评论、报刊文章、学位论文等非研究类型文献；④与研究主题明显不符的文献。
1.2   数据收集与研究方法   基于检索策略初筛共获得9 691篇文献(英文文献8 117篇，中文文献1 574篇)。经题目、摘要及全文筛选后，导入Noteexpress 4.2.0去重，最终纳入284篇文献(英文文献152篇，中文文献132篇)，如图1所示。英文文献以“Plain text file”导出，内容为“完整记录与被引参考文献”，中文文献以“RefWork”格式导出，文件统一命名格式为“download_txt”。
采用 CiteSpace 6.4.R1 软件对纳入的文献进行聚类图谱可视化分析，将最终纳入的284篇文献数据导入CiteSpace，利用Data Import/Export 功能进行格式转换。时间跨度设置为 2015 年 1 月至 2025 年 12 月，时间分区参数为1 年。词汇来源为默认值。选择节点类型：作者、机构、 国家、关键词、被引期刊、被引文献等。节点标准使用Top N默认值(Top 50)，根据不同的节点类型，使用合理参数绘制知识图谱。

3.1   国内外认知疲劳评估领域的研究现状   研究显示2015-2018年国内外认知疲劳评估领域发文量基本持平，2019-2025年国内发文量显著低于国际，反映国际对认知疲劳评估领域的关注度持续提升。中国是认知疲劳评估领域产出规模最大、国际合作网络的核心枢纽，但跨国、跨机构稳定协作关系偏少；欧美国家虽单国发文量不及中国，但团队间连线密集，长期形成成熟稳定的国际协同研究体系。国内作者、机构聚类内部联系紧密，但不同研究团队、高校院所之间连线稀疏，各研究主体多独立开展课题；国外研究群体跨团队、跨国家协作网络更为密集，成果互通与交叉研究更为普遍。
高被引期刊分析显示，在认知疲劳评估领域欧美国家具有主要影响力，而国内期刊与国际期刊之间传播力、学术话语权仍存在差距。其中，50.25%的英文文献来自中国，表明国内认知疲劳评估领域研究者偏好将研究结果发表于国际期刊。
目前在临床中认知疲劳和心理压力主要通过主观问卷进行评估，具有高度主观性，在有效性方面存在质疑[14]。心率变异性、唾液皮质醇水平、脑电图和扫视眼动等客观检测工具用于评估抑制反应能力，可作为识别认知疲劳个体的可靠指标[15]。在此次文献分析中，中国作为发文量最多的国家，来自国内上海同济大学的CAO等[16]2016年首次在英文期刊发表相关研究，研究基于脑电图和眼动信号的新型混合警觉监测与预警系统检测驾驶员的认知疲劳；哈尔滨体育学院周文婷等[17]较早构建运动员认知疲劳人工神经网络预测模型，为认知疲劳评估领域提供思路。中国学者Li, Heng与英格兰学者Umer, Waleed开展了大量合作研究，聚焦建筑从业者脑力疲劳监测、评估与应用实践，通过多模态传感器[18-19]、面部特征测量[20]、深度学习算法[21-22]、眼动追踪技术[23]、改进的在线序列极限学习机等手段[24]，系统验证了无创、实时、精准评估认知疲劳的可行性[25]，明确了认知疲劳与生理指标、操作行为之间的关联[26]，为高危作业场景下的认知疲劳预警与干预提供了关键依据。
3.2   认知疲劳评估领域的研究热点
3.2.1   基于生理信号、脑机制的客观评估方法   基于高频中文关键词聚类#3可穿戴检测仪、#1运动症状、#6运动成绩、#5脑熵值和英文关键词聚类#5 brain functional network、#4 capactive ecg、#6 stereoscopic visual fatigue以及高频关键词脑电、eye movement、heart rate variability、eeg等，提示心电监测、视觉反馈、运动表现等生理信号与脑功能网络连接、脑电信号等脑机制客观评估认知疲劳方法是一大热点。
人类的行为意识是大脑的神经中枢控制大量神经元活动的结果，当个体感到疲劳时会引起α节律和θ节律增强，但不同节律之间的频率比值对认知疲劳监测更为敏感[27]。自适应多维N-back认知负荷模型下的反应时、脑网络等研究分析可知[28]，多维任务可加速脑力资源消耗、降低脑电α和θ功率比以及调节各脑区之间的信息流等；CHEN等[29]采用一种新兴的fNIRS-高密度弥散光学断层扫描(HD-DOT)，可实现三维脑图像重建，提升血流动力学测量空间分辨率。
多模态生理信号融合成为发展趋势，相比单一模态模型，通过生理指标和脑功能指标联合能够有效提高检测性能，全面评估认知疲劳状态[30]。脑电图和功能性磁共振成像表现不同但可以联合分析，认知疲劳任务期间通过二者联合进行多模态网络分析，揭示神经对认知疲劳的动态适应机制[31]；此外，多模态入耳传感器具有新颖、便捷且非侵入性的特点，可实现神经心理信号的实时和持续整合，用于监测和评估认知疲劳[18]；采集脑电图、皮肤电活动和视频信号后应用多模态传感器数据融合的决策树模型准确检测认知疲劳[19]；HUANG等[32]提出了一种创新的跨模态融合法(CM-FusionNet)，并开展了利用脑电图和眼电图进行多模态认知疲劳评估的研究，与单一的脑电图或眼电图分析相比，多模态认知疲劳评估具有显著优势；HU等[33]提出一种非接触式多模态认知疲劳评估方法，即结合面部表情序列与频率调制连续波(FMCW)雷达生理信号的多模态框架，显著提升了非接触式认知疲劳检测的准确性。
虽然多模态信号融合方案相较单一生理指标检测精度显著提升，成为国际研究共识。但仍存在不足，如聚类间拓扑连线存在明显短板：生理传感研究仅聚焦传统商用穿戴设备，未与组织工程柔性生物电极、神经修复材料形成交叉联动，现有研究仅实现疲劳信号采集，缺少适配长期监测的新型生物材料硬件配套方案；国内相关聚类多局限于运动人群体表生理信号观测，高密度脑功能成像、脑损伤神经机制解析成果数量显著少于国际，神经层面的疲劳内在机制挖掘深度不足。
3.2.2   基于机器学习与智能算法的动态评估方法   根据英文关键词聚类#1 smart phone，中文关键词#2 模式识别；高频关键词预测、信度、效度、recognition、validation等可知，目前基于机器学习与智能算法的动态认知疲劳评估方法是一大热点。
HAMOUD等[34]对比了两种认知疲劳评估模型：一种是基于眼动追踪数据进行疲劳预测的模型，另一种是基于视觉并借助深度学习与计算机视觉技术，从面部视频中提取生命体征与人体活动指标的模型。两种模型对于认知疲劳评估结果具有高度一致性，表明将深度学习用于认知疲劳评估具有可行性。JI等[35]利用计算机收集面部数据并应用机器学习模型评估认知疲劳状态，结果表明深度残差网络和随机森林对于认知疲劳的评估具有高精度和稳定性；然而这些基于批量学习算法的模型存在耗时、成本高且缺乏生物数据中嵌入的时效性特征等弊端。FAN等[36]采用混合深度神经网络模型整合残差网络和双向长短期记忆进行特征提取并利用变换器进行特征融合，该模型涵盖原始心电图数据、二维光谱特征和生理信息，结果表明该神经网络可准确识别认知疲劳；FANG等[37]针对随时间变化的生命体征，建立了一种新型带动态遗忘因子的正则化在线序列极限学习机模型，以实现针对认知疲劳的实时监测。
模式识别、深度学习相关聚类构成领域第二大技术体系。现有研究已证实残差网络、时序极限学习机等算法可依托生理信号实现认知疲劳高精度分类识别，在线时序模型能够满足作业场景实时监测需求。但当前算法模型仅用于疲劳状态判别，未结合神经修复干预过程构建动态追踪模型；国内算法研究以浅层传统模型为主，多模态跨模态融合网络、轻量化嵌入式算法创新成果稀缺。
3.2.3   面向特定场景的应用评估与干预方法   根据中文关键词聚类#7 脑卒中和英文关键词聚类#3 drivers mental fatigue、#7 urologic oncology，高频关键词安全管理、construction equipment operators、driver fatigue等可知，目前面向特定场景的应用认知疲劳评估与干预方法已成为一大热点。
认知疲劳的评估目前主要应用在驾驶员、工人、飞行员、医生等脑力工作为主的职业场景中。在医疗卫生领域，认知疲劳会显著影响外科医生的认知表现，无法保证术中患者的安全。LAULAN等[38]提出了Flush模型，详细介绍了外科医生的内在认知负荷、外在压力源、生理和心理因素以及昼夜节律如何共同驱动认知疲劳累积，并建议利用生理指标(心率变异性、瞳孔测量)结合主观评估(NASA任务负荷指数、手术任务负荷指数)进行验证。同样，认知疲劳会造成长途司机、驾驶员等判断力和协调能力下降、反应时间延长以及认知障碍等来负面影响驾驶疲劳[39]。KABILMIHARBI等[40]总结了驾驶人员心理负荷的评估方法，主要包括KSS量表、脑电图、心率、眼动追踪和驾驶表现等，通过多模态监测和评估驾驶员的心理负荷及注意力分散的关系。WANG等[41]提出了一种旋转开关半干式电极用于检测认知疲劳，该方法克服了传统干电极高阻抗值、操作繁琐以及传统半干电极无法控制的导电液体流出等问题，显著提升了施工现场起重机工作人员的安全性；CRESTELO MORENO等[42]结合面部热红外成像(鼻部温度变化)与主观自评方法(心理量表)对船舶交通服务操作员的疲劳状态与认知负荷进行评估，结果显示鼻部温度变化与认知负荷具有显著相关性，可作为一种非侵入式疲劳评估工具；PEI等[43]提出了一种利用眼部特征结合BlazeFace算法、遗传算法改进的广义回归神经网络对飞行员进行认知疲劳评估的模型，这对提升飞行员的安全管理效率具有重要意义；HAMANN等[44]提出了可用于驾驶舱内的头戴感应技术(针对于头部和面部)评估认知疲劳，如脑电图、功能性近红外光谱和眼动追踪仪等。
现有研究已针对驾驶、建筑、航空、临床人群建立适配场景的疲劳评估范式，依托眼动、脑电可穿戴设备实现作业风险前置预警。但场景应用聚类与生理机制、智能算法聚类跨模块协作薄弱，场景研究多直接套用成熟生理指标与通用算法，未根据不同人群疲劳神经损伤特征定制化优化；同时所有场景类研究均未引入神经修复材料干预手段，仅能完成疲劳程度检测，无法同步实现损伤修复与动态评估。
3.2.4   局限性与未来展望   近年来认知疲劳评估在军事、飞行员、航海员等领域的应用得到广泛关注，但先前并未有学者对认知疲劳评估领域进行系统分析研究，该文章为非传统文献综述模式，利用CiteSpace 6.4.R1软件对包括 Web of Science、PubMed、中国知网、万方数据库在内的中英文文献进行可视化分析，具有一定的创新性，但同时存在一定局限性：首先主要研究近10年文献，仅纳入了2015年1月到2025年12月的文献，语言限定为中文和英文，数据库在实时更新，可能会导致数据的遗漏，未纳入灰色文献和负面结果文献所导致的“乐观偏差”问题；其次，纳入的文献主要为健康人群的认知疲劳评估，排除了如慢性疲劳、患癌患者、脑卒中患者等认知疲劳的相关文献，所以纳入文献数量仅为284篇，样本量较小；最后，CiteSpace 软件自身也存在局限性，软件对作者名和机构名缩写处理能力有限、无法区分施引文献与被引文献的语义关系，对使用者数据清洗依赖性强，格式或参数设置均会影响最终结果的可靠性，未来应对认知疲劳评估领域研究加大检索范围，纳入更为全面而可靠的数据，批判性的使用可视化分析软件，以期更好地为健康人群认知疲劳评估的方案选择提供参考。
目前认知疲劳客观评估文献计量分析仅纳入 Web of Science 单一英文数据库，梳理国际发文趋势、核心作者与基础关键词热点，未纳入中文数据库开展中外横向对比，也未挖掘被引文献、期刊、机构合作网络的深层拓扑特征，更未关注组织工程、生物材料交叉方向的研究空白。而此文章同步整合中国知网、万方、Web of Science、PubMed 四大数据库，实现中英文文献全景对比，新增文献共被引、期刊共被引多维图谱解析，同时结合聚类、突现数据挖掘医工交叉空白，形成区别于现有文献计量成果的增量价值。
现有研究多聚焦于信号检测、算法优化、场景应用等单一技术维度，存在明显的学科研究壁垒，多数研究独立开展、缺乏跨学科融合探索，是当前领域核心研究空白[45]。基于研究可视化分析结果与学科交叉趋势，结合组织工程前沿方向，可进一步拓展全新研究思路：其一，开展组织工程柔性脑电电极的研发与应用研究，依托组织工程生物材料技术，优化柔性电极的贴合性、舒适性与检测精度，解决传统检测设备佩戴受限、信号采集不稳定的问题，为认知疲劳脑电信号精准采集提供新型硬件支撑；其二，探索神经修复材料与认知疲劳评估的联合研究，针对疲劳引发的神经功能损伤、认知衰退问题，将组织工程神经修复材料的干预修复技术与认知疲劳动态评估技术相结合[46-50]。
未来领域研究需打破单一学科、单一机构的研究壁垒，一方面加强国内外科研团队的学术合作与资源整合，完善领域研究体系；另一方面深耕组织工程、生物材料、神经医学与认知疲劳评估的交叉研究方向，弥补现有研究空白，进一步拓展领域研究深度与临床、工程应用价值。
综上所述，2015-2025年认知疲劳评估领域呈现客观生理检测、智能算法建模、医工交叉融合三大发展趋势，但生物材料相关交叉研究稀缺。全球相关领域研究分散、合作匮乏，多局限于信号与算法分析。未来需搭建国内跨单位联合科研平台，共建共享实验数据库；细分人群构建分级认知疲劳评估标准；以组织工程为创新突破口，研发柔性脑电采集电极，结合神经功能调控材料，搭建监测-干预一体化研究新模式。 
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

当前认知疲劳评估领域已进入医工交叉融合的快速发展阶段，2015-2025年国际年度发文量持续攀升，国内研究保持平稳发展态势，整体形成生理信号客观检测、智能算法动态建模、场景化应用干预三大核心研究热点。但领域整体存在科研合作单一、生物材料交叉研究稀缺、分级评估标准缺失等突出问题，多数研究仅局限于信号分析与算法优化，研究维度较为单一。本文立足近10年中英文核心文献，系统梳理领域研究脉络与热点，分析目前领域局限性与未来发展趋势，相较于单一综述研究，更具全面性与数据客观性。

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

	阅读次数
	全文
	摘要