评估基于虚拟现实的外科培训平台的多模式方法
Doga Demirel1, Hasan Onur Keles2, Chinmoy Modak1
1Florida Polytechnic University, Lakeland, Florida, USA.
Virtual, augmented and mixed reality : 15th International Conference, VAMR 2023, held as part of the 25th HCI International Conference, HCII 2023, Copenhagen, Denmark, July 23-28, 2023, proceedings. VAMR (Conference) (15th : 2023 : Cope...
|November 14, 2023
概括
虚拟现实 (VR) 手术培训表明,更高的性能 (VR-Score) 与较低的工作量和改善的生理标记相关. 这项研究还使用VR数据准确地区分了游戏玩家和非游戏玩家.
科学领域:
- 医疗教育 医学教育
- 人与计算机的交互
- 生理监测 生理监测
背景情况:
- 虚拟现实 (VR) 为学习提供了显著的优势.
- 将生理传感器与VR集成,可以提高技能评估能力.
研究的目的:
- 在VR外科培训期间调查实习生生理 (ECG) 和行为差异.
- 为了将绩效指标与工作负载和生理反应相关联.
- 根据VR交互数据将参与者分为游戏玩家或非游戏玩家.
主要方法:
- 实习生接受了基于虚拟现实的外科训练.
- 收集了生理学数据 (ECG) 和性能得分 (VR-Score).
- NASA-TLX被用于工作负载评估.
- 支持矢量机 (SVM) 和后勤回归被用于玩家分类.
主要成果:
- 在VR-Score和NASA-TLX工作负载之间发现了显著的负相关性 (R2=0.15,P<0.03).
- 时间域心电图指标,RMSSD (R2=0.16,P<0.05) 和pNN50 (R2=0.15,P<0.05),与较高的VR-Score正相关.
- 无论是SVM还是Logistic Regression,在分类游戏玩家和非游戏玩家方面都取得了83%的准确性,精度为88%和83%的回忆/F1分数.
结论:
- 虚拟现实手术培训的表现与减少感知的工作量和特定的生理反应有关.
- 使用VR交互数据,可以对用户类型 (游戏玩家和非游戏玩家) 进行客观分类.
- 在VR中描述生理和行为特征对于开发高级培训和评估工具至关重要.
