歡迎聯(lián)系我

有什么可以幫您？在線咨詢

虛擬現(xiàn)實環(huán)境中的注意力與狀態(tài)識別

來源：北京榮通達科技有限公司 2023年08月04日 16:11

來自波蘭的研究人員在 Sensors 雜志上發(fā)表文章，探討了虛擬現(xiàn)實（VR）和近紅外技術(shù)的實際結(jié)合問題。他們設計了一套綜合實驗平臺，其中包含 CW-fNIRS 和頭戴式顯示（HMD）技術(shù)，并使用變體后的經(jīng)典 n-back 任務（2-back 版本）在虛擬現(xiàn)實中進行實驗。結(jié)果證實了結(jié)合 fNIRS 和 HMD 技術(shù)，實驗者可以有效地將實驗性認知過程轉(zhuǎn)移到可控的 VR 環(huán)境中。

研究背景

功能性近紅外光譜(fNIRS)是功能神經(jīng)成像技術(shù)之一，使用波長為650-950nm的近紅外光來測量皮質(zhì)腦區(qū)的血流動力學反應。近紅外系統(tǒng)通常使用激光或LED發(fā)射連續(xù)波(CW)近紅外光。

VR技術(shù)已被用于注意力技能的研究和訓練，已有許多結(jié)合VR和近紅外技術(shù)的案例和論文。

結(jié)合VR和FNIRS技術(shù)，通過訓練程序調(diào)節(jié)注意力狀態(tài)的可行性已經(jīng)得到證明。識別注意狀態(tài)可以用于監(jiān)測受試者在任務中的參與度。用戶與系統(tǒng)的交互體驗可以通過視覺量表和問卷來測量其滿意度。

本研究假設：

DLFPC 和 MFG 區(qū)的血流動力學活動 (HbO/HbR 濃度變化 ) 在增強注意力投入 (n-back 任務 ) 和放松狀態(tài)之間的差異將顯著高于研究組的機會閾值水平。

用戶與系統(tǒng)的交互體驗(fNIRS+HMD) 將高于滿意度評估量表的平均值。

被試

12 名受試者 (10 名女性 )，年齡 21-34 歲 (M = 24.82;SD = 4.38) 參與實驗。實驗中所有參與者均為右利手，裸眼視力和校正后視力正常。

設備

近紅外信號被記錄在一個雙波長 (760 和 850 nm) fnirs系統(tǒng)中 ((Cortivision sp. z o.o., Lublin, Poland）。其中共有16 個LED光源和10探測器。

在線階段的數(shù)據(jù)處理在OpenViBE 3.1.0 (Inria Hybrid Team, Rennes, France)上使用自定義Python 腳本進行。

使用 Unity3D 引擎開發(fā) VR 場景，并在Oculus Quest(Facebook Technologies, Menlo Park, CA, USA)上顯示。

使用 JASP軟件對結(jié)果進行統(tǒng)計分析。

實驗裝置包括無線一體化 VR 護目鏡和可穿戴 fNIRS設備。在數(shù)據(jù)記錄過程中，參與者是坐著的，設備是無線連接的。

主觀滿意度評估

使用視覺模擬量表 (Visual Analogue Scale, VAS) 來評估兩組實驗結(jié)束后的總體主觀滿意度。評估采用 11 分制”。

使用改良版的魁北克輔助技術(shù)用戶評價 (eQUEST 2.0) 來測量參與者對使用系統(tǒng)滿意度。

實驗流程

該研究包括三個部分。

step1：需要判斷當前水果在兩個水果之前是否看到過。當法師扔出能量球時代表放松。

step2：離線階段的任務和教程相同。

step3：要求被試只在腦內(nèi)做同樣的任務。物體的運動方向直接由分類輸出信號控制。

實驗中，任務和休息依次交替。在每個“2-back”任務塊中，水果列表隨機分為3個目標、7個非目標。

數(shù)據(jù)收集

近紅外數(shù)據(jù)由Cortivision PHOTON CAP系統(tǒng)收集。使用了10個通道。此外，在F3和F4位置放置了兩個短距離通道（見圖3）。對于所有數(shù)據(jù)通道，光源與探測器之間的距離保持在30毫米左右。短通道的距離則固定為10毫米。光源和探測器的放置位置是基于軟件中的預定義位置進行選擇的。三個感興趣區(qū)域（MFG、L-DLPFC、R-DLPFC）被自動從腦區(qū)解剖翻譯為10-5國際系統(tǒng)位置。

信號處理

將原始光強度轉(zhuǎn)換為光密度。處理記錄的前5秒期間記錄基線。然后將光密度轉(zhuǎn)換為氧脫氧血紅蛋白（HbO/HbR）濃度。然后，基于VR應用程序流標記進行基于刺激的分段。。進行低通濾波。采用廣義線性模型 (GLM) 進行特征提取，并進行進一步分析。

將獲得的包含提取特征的數(shù)據(jù)集分為五部分進行五次交叉驗證。每次重復交叉驗證都包括以下步驟：

Z-score標準化：訓練集和測試集的z-score標準化。

SVM分類器被用來區(qū)分兩個類：“放松”和“2-back任務”。

結(jié)果

分類準確性

單樣本非參數(shù)Wilcoxon符號等級檢驗的結(jié)果表明，校準階段的分類精度為M=88.58，SD=8.49，顯著高于Müller-Putz等人為兩類BCI計算的95%的概率上限(T=78，p<0.01，rrb=1)。然而，我們在在線條件下沒有觀察到顯著差異(M=61，SD=14.89，T=6，P=0.107)。同時，這兩種情況都顯著高于50%的機會水平(校準：t=78，p<0.001，rrb=1；在線：t=31，p<0.001，rrb=0.72)。表給出了校準和在線會話中所有參與者的平均分類精度結(jié)果。

用戶滿意度

用戶對系統(tǒng)的交互整體滿意度平均為6分，接近滿分11分的“非常滿意”評分。調(diào)查發(fā)現(xiàn)，在交互中得分的方面是安全性和易用性。對于系統(tǒng)的其余方面，評分平均為5級以上，包括調(diào)節(jié)性、尺寸、可靠性、重量和舒適性。

結(jié)論

根據(jù)感興趣的區(qū)域?qū)ρ鲃恿W變化進行分類，可以識別出注意力增強和放松程度。

在實驗中，頭戴式顯示設備和移動fNIRS交互的總體用戶滿意度較高。

此外，開源實時數(shù)據(jù)處理軟件中的信號處理方式可以為未來的腦機接口和神經(jīng)反饋研究提供框架。

便攜式fNIRS和虛擬現(xiàn)實系統(tǒng)在更自然條件下研究認知過程是可行的。

參考文獻:

Zapa?a, D., Augustynowicz, P., & Tokovarov, M. (2022). Recognition of Attentional States in VR Environment: An fNIRS Study. Sensors, 22(9), 3133.

相關(guān)產(chǎn)品

免責聲明

凡本網(wǎng)注明“來源：化工儀器網(wǎng)”的所有作品，均為浙江興旺寶明通網(wǎng)絡有限公司-化工儀器網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品，未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的，應在授權(quán)范圍內(nèi)使用，并注明“來源：化工儀器網(wǎng)”。違反上述聲明者，本網(wǎng)將追究其相關(guān)法律責任。
本網(wǎng)轉(zhuǎn)載并注明自其他來源（非化工儀器網(wǎng)）的作品，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點和對其真實性負責，不承擔此類作品侵權(quán)行為的直接責任及連帶責任。其他媒體、網(wǎng)站或個人從本網(wǎng)轉(zhuǎn)載時，必須保留本網(wǎng)注明的作品第一來源，并自負版權(quán)等法律責任。
如涉及作品內(nèi)容、版權(quán)等問題，請在作品發(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系，否則視為放棄相關(guān)權(quán)利。

国产精品视频一区二区三区四,亚洲av美洲av综合av,99国内精品久久久久久久,欧美电影一区二区三区电影

虛擬現(xiàn)實環(huán)境中的注意力與狀態(tài)識別

免責聲明

聯(lián)系我們

關(guān)注我們