Известия Саратовского университета.

Новая серия. Серия Физика

ISSN 1817-3020 (Print)
ISSN 2542-193X (Online)

Для цитирования:

Дубинкина Е. С., Караваев А. С., Фролова С. В., Лазунина Е. А., Зинченко Е. М., Бурмистров С. Е., Безручко Б. П., Боровкова Е. И. Сравнительный анализ чувствительности физиологических маркеров когнитивной нагрузки // Известия Саратовского университета. Новая серия. Серия: Физика. 2026. Т. 26, вып. 3. С. 295-304. DOI: 10.18500/1817-3020-2026-26-3-295-304, EDN: NCIVHT

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Опубликована онлайн: 
30.09.2026
Полный текст в формате PDF(Ru):
скачать
(загрузок: 21)
Язык публикации: 
русский
Рубрика: 
Биофизика и медицинская физика
Тип статьи: 
Научная статья
УДК: 
530.182:537.86
DOI: 
10.18500/1817-3020-2026-26-3-295-304
EDN: 
NCIVHT

Сравнительный анализ чувствительности физиологических маркеров когнитивной нагрузки

Авторы: 
Дубинкина Елизавета Сергеевна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Караваев Анатолий Сергеевич, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Фролова Светлана Владимировна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Лазунина Екатерина Алексеевна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Зинченко Екатерина Михайловна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Бурмистров Сергей Евгеньевич, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Безручко Борис Петрович, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Боровкова Екатерина Игоревна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Аннотация: 

Физиологические индексы широко используются для неинвазивной оценки когнитивной нагрузки, однако чувствительность различных индексов остается недостаточно изученной. В данной работе проведено сопоставление чувствительности к изменению когнитивной нагрузки 10 физиологических индексов, доступных для регистрации носимыми устройствами. У 70 здоровых мужчин регистрировали электрокардиограмму, фотоплетизмограмму, дыхание, электромиограмму, кожно-гальваническую реакцию и температуру конечностей в покое и при выполнении ментального арифметического теста. Из электрокардиограммы рассчитывали 4 показателя вариабельности ритма сердца; из фотоплетизмограммы – перфузионный индекс, частоту пульса; из спектра сигнала дыхания – частоту дыхания. Наиболее чувствительными индексами оказались высокочастотный компонент вариабельности ритма сердца, стандартное отклонение RR-интервалов, стресс-индекс и перфузионный индекс, причем последний впервые применен для диагностики когнитивной нагрузки. Сравнение экспериментального распределения числа одновременно проявившихся признаков с биномиальной моделью выявило значимые различия, что свидетельствует о системном, а не независимом характере физиологического ответа. Четыре наиболее чувствительных индекса могут быть рассчитаны по единственному сигналу фотоплетизмограммы, что обосновывает создание компактных носимых устройств для мониторинга когнитивной нагрузки в бытовых условиях.

Ключевые слова: 
когнитивная нагрузка
физиологические индексы
вариабельность ритма сердца
перфузионный индекс
Благодарности: 
Работа выполнена при финансовой поддержке Российского научного фонда (проект № 25-12-00181, https://rscf.ru/project/25-12-00181/).
Список источников: 
  1. Martinez-Cedillo A. P., Gavrila N., Mishra A., Geangu E., Foulsham T. Cognitive load affects gaze dynamics during real-world tasks. Experimental Brain Research, 2025, vol. 243, iss. 4, art. 82. https://doi.org/10.1007/s00221-025-07037-4
  2. Hor T. S. C., Fong L., Wynne K., Verhoeven B. Easing the cognitive load of general practitioners: AI design principles for future-ready healthcare. Technovation, 2025, vol. 142, iss. C, art. 103208. https://doi.org/10.1016/j.technovation.2025.103208
  3. Arutyunova K. R., Bakhchina A. V., Konovalov D. I., Margaryan M., Filimonov A. V., Shishalov I. S. Heart rate dynamics for cognitive load estimation in a driving simulation task. Scientific Reports, 2024, vol. 14, iss. 1, art. 31656. https://doi.org/10.1038/s41598-024-79728-x
  4. Hui L., Pei Z., Quan S., Ke X., Zhe S. Cognitive work-load detection of air traffic controllers based on mRMR and fewer EEG channels. Brain Sciences, 2024, vol. 14, iss. 8, art. 811. https://doi.org/10.3390/brainsci14080811
  5. Menon V. Large-scale brain networks and psychopathology: A unifying triple network model. Trends in Cognitive Sciences, 2011, vol. 15, iss. 10, pp. 483–506. https://doi.org/10.1016/j.tics.2011.08.003
  6. Scolari M., Seidl-Rathkopf K. N., Kastner S. Functions of the human frontoparietal attention network: Evidence from neuroimaging. Current Opinion in Behavioral Sciences, 2015, vol. 1, pp. 32–39. https://doi.org/10.1016/j.cobeha.2014.08.003
  7. Chen O., Castro-Alonso J. C., Paas F., Sweller J. Extending cognitive load theory to incorporate working memory resource depletion: Evidence from the spacing effect. Educational Psychology Review, 2018, vol. 30, iss. 2, pp. 483–501. https://doi.org/10.1007/s10648-017-9426-2
  8. Ayres P., Lee J. Y., Paas F., van Merriënboer J. J. G. The validity of physiological measures to identify differences in intrinsic cognitive load. Frontiers in Psychology, 2021, vol. 12, art. 702538. https://doi.org/10.3389/fpsyg.2021.702538
  9. Conway D., Dick I., Li Z., Wang Y., Chen F. The effect of stress on cognitive load measurement. Human-Computer Interaction (INTERACT 2013). 14th IFIP TC13 International Conference, Cape Town, South Africa, September 2–6, 2013. Springer series “Lecture Notes in Computer Science”, vol. 8120. Berlin, Heidelberg, Springer, 2013, pp. 659– 666. https://doi.org/10.1007/978-3-642-40498-6_58
  10. Karavaev A. S., Borovkova E. I., Runnova A. E., Gridnev V. I., Kiselev A. R., Skazkina V. V., Prokhorov M. D., Hramkov A. N., Penzel T., Ponomarenko V. I., Kuznetsov N. V., Chechurin L. S. Synchronization of processes of autonomic control of blood circulation in humans is different in the awake state and in sleep stages. Frontiers in Neuroscience, 2022, vol. 15, art. 791510. https://doi.org/10.3389/fnins.2021.791510
  11. Kurbako A. V., Hramkov A. N., Borovkova E. I., Dubinkina E. S., Ishbulatov Yu. M., Ponomarenko V. I., Karavaev A. S., Prokhorov M. D. Hardware-software complex for diagnostics of a human psychophysiological state during the solving of cognitive tasks. Izvestiya of Saratov University. Physics, 2024, vol. 24, iss. 1, pp. 19–29 (in Russian). https://doi.org/10.18500/1817-3020-2024-24-1-19-29
  12. Yedukondalu J., Sunkara K., Radhika V., Kondaveeti S., Anumothu M., Krishna Ya. M. Cognitive load detection through EEG lead wise feature optimization and ensemble classification. Scientific Reports, 2025, vol.15, art. 842. https://doi.org/10.1038/s41598-024-84429-6
  13. Prokhorov M. D., Borovkova E. I., Hramkov A. N., Dubinkina E. S., Ponomarenko V. I., Ishbulatov Yu. M., Kurbako A. V., Karavaev A. S. Changes in the power and coupling of infra-slow oscillations in the signals of EEG leads during stress-inducing cognitive tasks. Applied Sciences, 2023, vol. 13, iss. 14, art. 8390. https://doi.org/10.3390/app13148390
  14. Orti R., Iachini T., D’Agostino E., Ruotolo F., Ruggiero G. Cognitive load in switching between egocentric and allocentric spatial frames of reference: A pupillometry study. Scientific Reports, 2025, vol. 15, iss. 1, art. 26451. https://doi.org/10.1038/s41598-025-11122-7
  15. Rissén D., Melin B., Sandsjö L., Dohns I., Lundberg U. Psychophysiological stress reactions, trapezius muscle activity, and neck and shoulder pain among female cashiers before and after introduction of job rotation. Work & Stress, 2002, vol. 16, iss. 2, pp. 127–137. https://doi.org/10.1080/02678370210141530
  16. Ouyang Y., Liu M., Cheng C., Yang Y., He S., Zheng L. Monitoring inattention in construction workers caused by physical fatigue using electrocardiograph (ECG) and galvanic skin response (GSR) sensors. Sensors (Basel), 2023, vol. 23, iss. 17, art. 7405. https://doi.org/10.3390/s23177405
  17. Minakuchi E., Ohnishi E., Ohnishi J., Sakamoto S., Hori M., Motomura M., Hoshino J., Murakami K., Kawaguchi T. Evaluation of mental stress by physiological indices derived from finger plethysmography. Journal of Physiological Anthropology, 2013, vol. 32, iss. 1, art. 17. https://doi.org/10.1186/1880-6805-32-17
  18. Huynh D. N., Tran T. N., Tran K. T., Le N. K., Le C. D., Mai H. X., Huynh Q. L., Nguyen T. H. Assessment of cognitive load through photoplethysmography and bioimpedance responses during mental arithmetic tasks. Scientific Reports, 2026, vol. 16, iss. 1, art. 7367. https://doi.org/10.1038/s41598-026-38782-3
  19. Banik S., Kumar H., Ganapathy N., Swaminathan R. Exploring central-peripheral nervous system interaction through multimodal biosignals: A Systematic Review. IEEE Access, 2024, vol. 12, pp. 60347–60368. https://doi.org/10.1109/ACCESS.2024.3394036
  20. Chikhi S., Matton N., Blanchet S. EEG power spectral measures of cognitive workload: A meta-analysis. Psychophysiology, 2022, vol. 59, iss. 6, art. 14009. https://doi.org/10.1111/psyp.14009
  21. Shackman A. J. The potentially deleterious impact of muscle activity on gamma band inferences. Neuropsychopharmacology, 2010, vol. 35, iss. 3, art. 847. https://doi.org/10.1038/npp.2009.173
  22. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: Standards of measurement, physiological interpretation and clinical use. Circulation, 1996, vol. 93, iss. 5, pp. 1043–1065. https://pubmed.ncbi.nlm.nih.gov/8598068/
  23. Cannesson M., Delannoy B., Morand A., Rosamel P., Attof Ya., Bastien O., Lehot J.-J. Does the pleth variability index indicate the respiratory-induced variation in the plethysmogram and arterial pressure waveforms? Anesthesia & Analgesia, 2008, vol. 106, iss. 4, pp. 1189–1194. https://doi.org/10.1213/ANE.0B013E318167AB1F
  24. Leyman E. L., Mirka G., Kaber D., Sommerich C. Cervicobrachial muscle response to cognitive load in a dualtask scenario. Ergonomics, 2004, vol. 47, iss. 6, pp. 625– 645. https://doi.org/10.1080/00140130310001629766
  25. Nourbakhsh N., Chen F., Wang Ya., Calvo R. A. Detecting users’ cognitive load by galvanic skin response with affective interference. ACM Transactions on Interactive Intelligent Systems, 2017, vol. 7, iss. 3, pp. 1–20. https://doi.org/10.1145/2960413
  26. Iwanaga K., Saito S., Shimomura Y., Harada H., Katsuura T. The effect of mental loads on muscle tension, blood pressure and blink rate. Journal of Physiological Anthropology and Applied Human Science, 2000, vol. 19, iss. 3, pp. 135–141. https://doi.org/10.2114/jpa.19.135
  27. Roman-Liu D., Grabarek I., Bartuzi P., Choromański W. The influence of mental load on muscle tension. Ergonomics, 2013, vol. 56, iss. 7, pp. 1125–1133. https://doi.org/10.1080/00140139.2013.798429
  28. Mehler B., Reimer B., Coughlin J. F. Sensitivity of physiological measures for detecting systematic variations in cognitive demand from a working memory task: An onroad study across three age groups. Human Factors, 2012, vol. 54, iss. 3, pp. 396–412. https://doi.org/10.1177/0018720812442086
  29. Ishbulatov Yu. M., Karavaev A. S., Kiselev A. R., Simonyan M. A., Prokhorov M. D., Ponomarenko V. I., Mironov S. A., Gridnev V. I., Bezruchko B. P., Shvartz V. A. Mathematical modeling of the cardiovascular autonomic control in healthy subjects during a passive head-up tilt test. Scientific Reports, 2020, vol. 10, iss. 1, art. 16525. https://doi.org/10.1038/s41598-020-71532-7
Поступила в редакцию: 
13.04.2026
Принята к публикации: 
17.06.2026
Опубликована: 
30.09.2026
  • 93 просмотра