2017年9月18日
我们描述了一种新的基于虚拟现实的设置, 它利用一方面的自愿控制来提高其他 (non-trained) 手的运动技能表现。这是通过提供 real-time 为主感觉反馈, 如果 non-trained 手移动。这种新的方法可用于加强单侧偏瘫患者的康复。
这种使用虚拟现实的训练设置的总体目标是在没有自主身体运动的情况下提高肢体简单运动技能的性能提升。这种方法可以帮助回答运动技能学习领域的关键问题,例如感官知觉在技能习得中的作用。这种技术的主要优点是它允许在训练期间完全控制视觉和本体感觉输入。
该技术的意义可能延伸到上肢偏瘫的治疗,因为对健康手的控制用于训练患手。演示该程序的是我实验室的研究助理 Shiri。首先护送对象到测试椅上。
让他们坐下,双手向前,手掌朝下。将带有头戴式 3D 摄像头的虚拟现实或 VR 头戴式设备放在被摄体上,以提供真实环境的在线视觉反馈。确保来自摄像头的视频显示在 VR 头戴式设备中。
接下来,将运动感应 MR 兼容手套戴在受试者的手上,以便在线监测每只手的手指弯曲情况。确保被试者在低头看其真实手的位置时只能看到虚拟手。然后将受试者的手放在专门的运动控制装置中,并将左右手指分别绑在活塞上。
确保被试者可以分别移动他们的右手手指。最后,通过要求受试者在左手位于设备内时移动左手手指的自主运动,验证左手手指的自主运动是否受到限制。首先,将拍摄对象的手从运动控制设备上解开。
然后让受试者用非训练的手尽可能准确和快速地重复进行单手五位数手指序列运动 30 秒。接下来,将拍摄对象的双手绑在运动控制设备上。然后提示受试者进入即将到来的训练阶段,以自定进度的方式用活跃的手执行手指运动的顺序。
评估后,在定制软件中分析数据,该软件记录实验期间手套的手部配置。单击 Session Left File,然后选择在左侧捕获文件夹相关主题下创建的文件。然后单击 Session Right File,并选择在右侧捕获文件夹中相关主题下创建的文件。
接下来,单击 Play session(播放会话),根据运动跟踪手套中传感器记录的数据,在每个评估阶段重放和可视化虚拟手部动作。最后,对于每个评估步骤和每个受试者,分别计算用未训练的手执行的完整和正确的手指序列的数量,然后计算性能增益指数。交叉教育或 CE 训练后左手表现的提高,以及视觉作条件,相对于通过左手观察或右手训练后获得的收益,具有一致的视觉反馈,这是 CE.In 另一组健康受试者的传统形式,其中实施了三种训练类型, 结果表明,在视觉作中加入被动的左手手指运动产生了最高的左手性能提升,这明显高于单独进行视觉作后的性能提升。
一旦掌握,如果执行得当,这项技术可以在大约 20 分钟内完成。在尝试此过程时,请务必在训练之间提供足够的休息时间。由于手套和装置与 MRI 兼容,因此可以在 MRI 扫描仪内执行此程序,以回答有关所涉及的潜在神经机制的其他问题。
发展之后,这项技术为运动技能学习领域的研究人员铺平了道路,以探索技能习得过程中对感觉输入的作,包括视觉和本体感觉。看完这个视频,你应该对如何在没有自主身体运动的情况下训练肢体有一个很好的了解。不要忘记使用被动运动设备可能会很累,因此应在训练期间提供休息时间。
本文介绍了一种基于虚拟现实(VR)的新型训练方案,旨在无需肢体主动运动即可增强运动技能的学习。该方法通过主动控制一只手,并向另一只手提供经过调控的感官反馈,为运动康复提供了新的可能性,尤其适用于上肢轻偏瘫患者。该方法结合实时视觉调控与被动运动装置,以最大化提升运动表现。
转化神经科学与康复领域的研发日益需要在自主运动功能受损时仍能促进运动技能习得的方法。本基于虚拟现实(VR)的实验方案提供了一个可控平台,可用于调控感觉反馈,支持在早期治疗假设验证中进行机制性风险降低并提升预测可信度。该方法有助于为神经康复及基于设备的干预策略研发管线中的项目组合决策提供科学依据。
这种基于虚拟现实的感觉操控方案可融入神经康复及由设备支持的治疗开发的从发现到临床前研究的连续过程中。