在混合现实立体视觉下EEG脑网络的疲劳特征
Yan Wu1,2,3, Chunguang Tao1, Qi Li1,2,3
1School of Computer Science and Technology, Changchun University of Science and Technology, Changchun 130022, China.
Brain sciences
|November 27, 2024
概括
长时间使用混合现实 (MR) 设备会导致视觉疲劳,改变大脑网络连接. 这项研究揭示了在疲劳期间大脑连接的增加和网络属性的改变,为神经机制提供了洞察力.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 认知科学 认知科学
背景情况:
- 混合现实 (MR) 技术在工业,医疗保健和教育等各个领域提供了巨大的潜力.
- 长时间使用对立体内容的MRI设备可能会导致视觉疲劳.
- 视觉疲劳影响多个大脑区域,需要对相关的神经网络变化进行调查.
研究的目的:
- 探索脑网络在MR设备使用引起的视觉疲劳期间的拓特征.
- 使用脑电图 (EEG) 数据分析大脑连接和网络属性的变化.
- 识别与视觉疲劳相关的特定大脑区域和网络变化.
主要方法:
- 电脑电图 (EEG) 数据从参与者在舒适和疲劳状态中收集.
- 阶段锁定值 (PLV) 计算用于测量所有通道对之间的相位同步.
- 使用PLV构建了稀疏的大脑网络,并分析了跨频段的节点/边缘属性 (中间中心性,聚类系数,节点效率,特征路径长度).
主要成果:
- 在疲劳状态下,在α,theta和delta频段中观察到大脑连接的显著增强.
- 网络属性的平均值 (中间中心性,聚类系数,节点效率) 在疲劳状态中高于舒适状态.
- 在前脑,顶脑,脑和中脑区域发现了网络性质的显著变化,在疲劳期间观察到长距离连接的增加.
结论:
- 长时间使用MR设备导致视觉疲劳与大脑网络拓和连接的显著改变有关.
- 增加大脑连接和网络属性的变化,特别是在额头和头顶区域,是视觉疲劳的关键指标.
- 了解这些神经机制可以为减轻高需求认知领域的视觉疲劳的策略提供信息,利用MR技术.
