虚拟现实视觉体验对脑功能网络的影响

发布时间：2021-03-11 12:31

　　随着虚拟现实（VR）技术的广泛应用和相关设备的迅速普及,长时间使用VR技术引起的脑疲劳问题受到广泛关注。本研究结合主观疲劳量表与脑电信号脑功能网络特征参数,研究VR技术引起的脑疲劳问题。随机选取16名健康受试者,同步采集观看相同题材的传统平面（TP）视频及VR视频时的脑电信号,观看视频前后填写主观疲劳量表,利用互相关方法对所采集到的脑电信号进行关联特性分析,构建两种视觉体验前后的脑功能网络,并从复杂网络的角度,对比分析平均度、平均聚类系数、平均路径长度、平均全局效率和"小世界"属性等脑网络特征参数。结果发现,观看视频后的量表分值均大于观看前,并且从主观感受上,受试者观看VR视频比观看TP视频更容易产生疲劳感;观看VR和TP视频后,脑网络互相关系数、平均度值、平均聚类系数和平均全局效率值均比观看视频前显著降低,平均路径长度值显著升高,"小世界"属性显著减小;并且相比观看TP视频,观看VR视频后脑网络特征参数变化量更大,且差异具有统计学意义（P <0.05）。通过本研究结果,或可为分析和评价VR视觉体验引发的脑疲劳提供理论依据和试验参考。 

【文章来源】：生物医学工程学杂志. 2020,37(02)北大核心

【文章页数】：11 页

【部分图文】：

脑疲劳试验流程

观看视频前后量表对比结果

图2 观看视频前后量表对比结果如图4所示，分别表示了TP和VR两种观看方式下，观看视频前和观看视频后的互相关系数矩阵图，矩阵图中颜色越接近蓝色，表示两个通道的互相关系数越小，颜色越接近红色，表示两个通道的互相关系数越大。首先，对比观看TP视频前后的互相关系数矩阵图可以看出，观看TP视频后的互相关矩阵红色的部分减少，蓝色的部分增加，表示观看TP视频后大脑不同通道之间的互相关性减少；其次，对比观看VR视频前后的互相关系数矩阵图可以看出，观看VR视频后的互相关矩阵红色的部分明显减少，整体更接近于蓝色，表示观看VR视频后大脑不同通道之间的互相关性减少。

【参考文献】：
期刊论文
[1]基于theta-gamma相位幅值耦合的脑疲劳信息传递整合机制研究[J]. 杨硕,冀亚坤,李润泽,王磊,徐桂芝.  生物医学工程学杂志. 2018(05)
[2]一种与N-Back诱发脑力疲劳相关的特异性脑电网络结构[J]. 孟桂芳,许敏鹏,张春翠,何峰,綦宏志,明东.  中国生物医学工程学报. 2017(02)
[3]自适应多维N-back认知负荷模型下的脑网络研究[J]. 陈润格,张露,王晓璐,王学民,明东,周鹏.  航天医学与医学工程. 2015(06)
[4]体脑疲劳交互影响及神经机制研究进展[J]. 张力新,张春翠,何峰,赵欣,綦宏志,万柏坤,明东.  生物医学工程学杂志. 2015(05)
[5]驾驶疲劳脑电信号节律的特征分析[J]. 王利,艾玲梅,王四万,罗万志.  生物医学工程学杂志. 2012(04)
[6]人脑连接组研究:脑结构网络和脑功能网络[J]. 梁夏,王金辉,贺永.  科学通报. 2010(16)
[7]脑网络:从脑结构到脑功能[J]. 蒋田仔,刘勇,李永辉.  生命科学. 2009(02)
[8]基于多导脑电复杂性测度的脑疲劳分析[J]. 刘建平,张崇,郑崇勋,于晓琳.  西安交通大学学报. 2008(12)

博士论文
[1]大脑功能网络及其动力学研究[D]. 李亚鹏.华中科技大学 2014
[2]基于脑电的磁刺激穴位复杂脑功能网络研究[D]. 尹宁.河北工业大学 2013

硕士论文
[1]面向VR影视的疲劳度和关注度的评估方法[D]. 许昊骏.上海大学 2018
[2]基于互信息的EEG脑功能网络研究[D]. 赵静.西安电子科技大学 2013



本文编号：3076463