基于EEG的虚拟现实运动病的检测,使用和交叉频率合的不对称性

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 虚拟现实技术 虚拟现实技术

背景情况:

• 虚拟现实运动疾病 (VRMS) 显著阻碍了虚拟现实 (VR) 产业的增长.
• 准确检测VRMS对于其缓解和VR进步至关重要.
• 现有的VRMS检测方法缺乏足够的准确性和有效性.

研究的目的:

• 提出和验证一种用于检测VRMS的新,高度准确的方法.
• 为了利用脑电图 (EEG) 信号不对称性用于VRMS识别.
• 增强虚拟现实环境中的安全性和用户体验.

主要方法:

• 来自双边电极的脑电图 (EEG) 数据使用多变量变量模式分解 (MVMD) 来分析.
• 为低频和高频EEG组件计算的值 (近似值,模糊值,变换值) 和交叉频合特征 (平均值,标准偏差,相关性).
• 计算非对称度量对和左脑和右脑半球之间的合特征.
• 使用特征选择的t测试和用于自动VRMS分类的支持矢量机 (SVM).

主要成果:

• 提出的方法实现了高分类准确度 (99.5%),灵敏度 (99.3%) 和特异性 (99.7%).
• 在ROC曲线下的面积达到1,表明了特殊的歧视权.
• 证明了EEG和交叉频率合不对称性在检测VRMS方面的有效性.

结论:

• 开发的基于EEG的方法为检测VRMS提供了有效和高度准确的手段.
• 这种技术可以作为识别VR诱导的运动性疾病的可靠指标.
• 这些发现支持通过解决VRMS来推进更安全,更身临其境的VR体验.