若い成人におけるカラーノイズ前庭刺激中の姿勢動揺の機械学習分類

科学分野:

• 神経科学
• 生物医学工学
• ヒト生理学

背景:

• 確率共鳴（SR）理論は、ノイズが弱い信号を増幅できると提唱しています。
• 騒がしいガルバニック前庭刺激（nGVS）は、感覚系を調査するための新しい技術です。
• 姿勢制御に対するnGVSの効果を理解することは、潜在的な治療的応用のために重要です。

研究 の 目的:

• nGVSが健常成人における姿勢制御にどのように影響するかを分析すること。
• 機械学習が様々なnGVSパラメータに対する姿勢応答を区別できるかどうかを判断すること。
• 姿勢制御における確率共鳴現象の存在を調査すること。

主な方法:

• 閉眼で立っている若い成人からの重心（CoP）データの二次分析。
• 時間領域および時間周波数CoP特徴量に対するk近傍法（KNN）分類器を使用しました。
• 様々なnGVS強度およびノイズタイプ（ピンク、ホワイト）に対する分類精度を評価しました。

主要な成果:

• 分類精度は96%を超え、様々なnGVS条件下での別個のCoPパターンを区別しました。
• 機械学習モデルは、nGVSに対するSR応答を示す参加者を正常に特定しました。
• Shapley加法的説明により、白色ノイズ刺激に対する特徴量の重要性が示されました。

結論:

• nGVSは姿勢制御ダイナミクスを体系的に変調します。
• 機械学習は、バランスに対するnGVSの条件固有の効果を捉えるための効果的なツールを提供します。
• これらの発見は、感覚運動制御を理解し、潜在的に強化するためにSR原理を適用することを支持します。