在黑暗中被动自动运动期间,运动病动态的计算模型
Aaron R Allred1, Torin K Clark2
1Smead Department of Aerospace Engineering Sciences, University of Colorado-Boulder, Boulder, CO, USA. aaron.allred@colorado.edu.
Experimental brain research
|March 15, 2024
概括
这项研究引入了一种新模型,用于预测被动运动期间感官冲突导致的运动病的严重程度. 该模型准确预测症状的发展,有助于设计有效的对策.
科学领域:
- 垂体科学 垂体科学
- 人类因素工程 人类因素工程
- 计算神经科学是一种计算神经科学.
背景情况:
- 预测运动病对于评估刺激和制定对策至关重要.
- 现有的模型需要改进,以准确预测症状.
研究的目的:
- 开发一个两阶段的观察者驱动模型,用于在黑暗中被动运动时预测运动病症状.
- 为了将感官冲突感知与运动恶心症状动态联系起来.
主要方法:
- 利用观察者模型用于空间定向和阿曼模型用于症状动态.
- 采用"规范化创新平方"统计数据来将这两种模型联系起来.
- 使用受试者从被动翻译和无视觉线索的旋转反应训练的参数.
主要成果:
- 该模型预测了各种自我运动刺激的运动恶心症状 (Misery Scale) 的时间发展.
- 在未见的验证数据集上实现了高预测准确度,Q2值为0.91.
- 已证明适用于转换,地球垂直旋转和改变引力场景.
结论:
- 开发的模型提供了一个强大的工具来预测运动恶心,改进了以前的方法.
- 该模型的实施是为了更广泛的研究用途而提供.
- 未来的研究应该结合视觉线索,活跃的运动,和各种运动频率.
