REAsmash-ET:一种通过眼睛跟踪和动态指标在沉浸式VR搜索和到达任务中进行综合认知和运动评估的方法框架
Gregorio Sorrentino1,2, Martin Gareth Edwards3,4,5, Nicolò Baldini6
1Psychological Sciences Research Institute (IPSY), Université Catholique de Louvain, 1348, Louvain-La-Neuve, Belgium. Gregorio.Sorrentino@uclouvain.be.
Journal of neuroengineering and rehabilitation
|December 17, 2025
概括
虚拟现实严游戏 (SGs) 具有眼睛跟踪和动力分析,提供了一种评估注意力和运动技能的新方式. 在健康的成年人中,REAsmash-ET显示出对评估视觉运动功能的有希望.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 康复技术 康复技术 康复技术
背景情况:
- 虚拟现实 (VR) 严重游戏 (SGs) 为捕捉认知和运动动态提供了一个功能性框架,增强合规性和数据可靠性.
- 虚拟现实系统允许在单个会话中同时收集各种数据类型,提供全面的评估方法.
- 在沉浸式VR环境中,REAsmash-ET将特征集成理论 (FIT) 与眼球跟踪 (ET) 和上肢 (UL) 运动分析集成在一起.
研究的目的:
- 引入REAsmash-ET,这是一个新的VR方法框架,用于同时评估注意力和运动功能.
- 评估REAsmash-ET的可行性和方法一致性及其在不同年龄组的指标.
- 调查目标干扰器突出度和干扰器数量对视觉运动性能的影响.
主要方法:
- REAsmash-ET是VR中的一个交互式搜索和达到任务,测量视觉探索和UL运动反应.
- 定制算法提取了视觉搜索策略和UL电机效率的指标.
- 通过ANOVA和动力学分析分析了三个年龄组的45名健康成年参与者的数据.
主要成果:
- REAsmash-ET成功地根据任务条件区分视觉运动性能,与特征集成理论保持一致.
- 在视觉搜索效率和运动控制方面观察到与年龄相关的显著差异,老年人表现出较慢,效率较低的运动.
- 动力学分析揭示了手占主导地位对运动性能的影响.
结论:
- REAsmash-ET是一个强大且内部一致的框架,用于在沉浸式VR中综合评估视觉注意力和UL运动控制.
- 该任务捕捉视觉运动变化的能力及其多维方法表明了研究和临床应用的潜力.
- 这种VR框架对评估健康和临床人群充满希望.
