送审稿
专家1意见
文章通过长期实车驾驶实验采集的心电信号、车辆轨迹数据、驾驶员人脸视频数据，构建了基于多模态信号的疲劳驾驶检测模型，对于提升驾驶安全的保障水平具有重要意义。研究具有一定新颖性，实验论据充分，文字叙述清楚简洁，参考文献引用准确完整。具体意见如下：
1、引言部分介绍了目前的研究现状，但缺乏文献综述，请补充完善。
2、基于斯坦福嗜睡量表，驾驶员自评疲劳等级，使用1-7之间的数字来记录当前的困倦程度。每当驾驶员感到疲劳状态发生变化时，自主打卡状态变化并同步上传数据。此方法是否具有较强主观性，数据可靠性如何保证？
3、多模态指心电信号、车辆轨迹和视频，选择依据是什么，是否有其他更多模态可以选择？
4、结论章节缺失，请补充完善。
5、目前的疲劳驾驶检测方法有哪些，检测效果如何，本文提出的多模态数据融合方法有哪些优势？请详细介绍。
6、选取3名驾驶员作为有效被试，样本量偏小，个体差异对模型泛化能力的影响未作深入分析，请说明当前样本在统计意义上的代表性，以及模型的适用性。
7、采用改进后的两步式自适应滤波方法来完成心电信号的去噪。请介绍具体参数、方法等内容，增强可复现性。
8、部分图片不清晰，请全文检查并替换。
专家2意见
该论文针对疲劳驾驶检测中单一信号鲁棒性差、侵入性强的问题，提出了一种融合心电、车辆轨迹与面部视频的多模态检测模型。研究基于真实的实车驾驶实验数据，采用Transformer架构进行时序建模，并通过严谨的消融实验验证了多模态融合的有效性。论文选题具有明确的现实意义，实验设计较为严谨，结果分析翔实，展现了良好的应用潜力。然而，仍有一些细节需要完善，意见如下：
1. 引言第3段提到“更多市面上的产品多以识别脸部特征为主...但是若驾驶员佩戴口罩或者墨镜将会遮挡眼部和嘴部特征...”。作者随后提出的解决方案是提取头部姿态角度以及多模态特征识别。引言部分并未详细介绍头部姿态角度等相关研究（几何模型，节点选择等），尽管2.2.3小节介绍了它们。为了便于读者迅速了解相关研究，建议调整引言和2.2.3小节对头部姿态角度研究现状的介绍篇幅。
2. 关于召回率与精确率的解释“说明模型在识别可能的疲劳状态的能力上比正确判断疲劳能力稍强...避免漏报”，虽然符合数据结果，但建议指出这是类别不平衡场景下的典型表现。作者在3.2节开头已意识到了这一点，但3.1节未呼应。
3.全文中的参考文献引用格式是否正确，上标未被使用。
专家3意见
1）2.2小节，第一段，从10名被试者中最终筛选得到3个样本，样本量是否偏小？实验得到的结果是否具有偶然性？
2）2.2.4小节，原文“记录最终显著性大于0.05的特征”，是否应记录显著性小于0.05的特征？（大于0.05是否就不显著了？）
3）2.2.4小节，建议解释下为什么不同被试者的有效疲劳指标特征会有差别。
4）2.3小节整体感觉还是未将本文所提模型如何将多模态信号融合分析的讲清楚，“自注意力子层能够同时关注合并后所有模态在整个时间序列中的任何数据点，……”具体是如何关注合并的呢？建议补充说明。
5）3.1小节第一段，“召回率都略大于精确率”，表述不够严谨，表5中被试C的召回率略小于精确率，这怎么解释？
6）3.1小节第一段，“尽可能不错过疲劳状态的识别，避免漏报……”，表述不够严谨，可将“避免漏报……”改为“降低漏报率……”。另外，这样是否增加误报率呢？
7）表7 需在正文中相应位置引用。图3中图例文字太小了，建议调整一下。图4缺失横纵坐标轴。整体再检查下语言表述的严谨性。
