超越主观性:使用基于EEG的多级频谱估计持续网络疾病检测

科学领域:

• 神经科学是一个神经科学.
• 人与计算机的交互
• 虚拟现实 虚拟现实 虚拟现实

背景情况:

• 虚拟现实 (VR) 提供了沉浸式体验,但受到网络疾病的限制,这种情况通常是主观评估的.
• 以前的网络疾病研究依赖于沉浸后问卷和受控环境,限制了现实世界的适用性.

研究的目的:

• 开发一种新的,客观的方法,在虚拟现实中自由互动期间不断量化网络疾病.
• 解决网络疾病研究中主观性和可重现性的挑战.

主要方法:

• 在VR交互期间被动监测脑电图 (EEG) 和头部运动信号.
• 实时估计网络疾病水平,使用EEG的多步频谱分析,以对运动进行人工物校正.
• 检测方法不需要对用户进行特定的校准.

主要成果:

• 成功开发并实施了一种方法,以实时持续和定量测量网络疾病水平.
• 展示了一种新的方法来克服网络疾病评估的EEG信号中的运动工件.
• 实现了客观,可重复的网络疾病测量,没有个性化.

结论:

• 拟议的方法在动态VR体验期间客观测量网络疾病方面取得了重大进展.
• 这种方法提高了网络疾病研究的可靠性和可重复性.
• 数据集和源代码的发布旨在促进该领域的进一步调查.