物理化身EB:第一人称化身体验的EMG操纵错误学习后效应

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 虚拟现实 虚拟现实

背景情况:

• 传统的电子肌图 (EMG) 对虚拟肢体的控制通常依赖于机器学习或触发机制,将运动限制在预定义的模式中.
• 现有的方法通常显示恒定的虚拟手臂运动,并且不研究相互作用后EMG信号的变化.
• 需要实时,连续的EMG控制的虚拟化身,可以通过体验互动来诱导生理变化.

研究的目的:

• 开发和评估一种新的,无学习的物理化身系统,用于实时,使用EMG生物反的连续虚拟手臂操纵.
• 探索体验不同的虚拟身体对参与者的运动控制策略的影响.
• 评估物理化身系统通过体现虚拟现实体验来诱导生理变化的潜力.

主要方法:

• 在健康人群中使用虚拟现实 (VR) 系统来测试物理化身EMG生物反 (EB) 系统.
• 参与者使用EMG信号控制虚拟的上臂,使用时间不变算法确定关节角度.
• 通过比较基线,适应和洗阶段的平衡点指标,使用确定系数来评估运动控制策略.

主要成果:

• 物理化身EB系统影响了参与者的运动控制策略,这在干预期间观察到的变化证明了这一点.
• 参与者的控制策略逐渐恢复到干预前的干预后模式,这表明错误学习的后果.
• 发现VR系统的技术规格 (EMG采集,采样率,显示刷新率,模拟率) 足够且与现有研究可比.

结论:

• 通过EMG生物反控制的开发的物理化身系统成功地证明了它对运动控制策略的影响.
• 这项研究强调了体现虚拟现实体验改变神经肌肉控制的潜力.
• 未来的研究将集中在评估该系统的临床疗效与实际患者群体.