用生理学方法进行虚拟现实实验
August 29th, 2018
虚拟现实 (VR) 实验很难实现, 需要周密的规划。本协议描述了一种从人类参与者那里收集生理数据的 VR 实验的设计和实现方法。利用虚拟环境 (夏娃) 框架进行实验, 加快了这一过程。
这种方法允许设计和实施虚拟现实实验，以收集人类参与者的生理数据。虚拟环境框架中的实验暗示了促进这一过程。该技术的主要优点是在从各种来源（包括生理设备）收集数据时控制无关变量。
这项技术的影响通常延伸到认知科学，因为有可能在受控环境中研究认知和情绪之间的关系。虽然这种方法可以专门提供对导航行为的洞察，但它也可以应用于其他领域，例如环境感知、行为地理学和决策。一般来说，刚接触这种方法的人会很挣扎，因为收集和分析生理测量所需的知识有时超出了认知科学课程提供的知识。
这种方法的视觉演示很重要，因为它为其他研究人员提供了收集生理数据（包括电极放置）的分步指南。首先，打开 EDA-ECG 软件并创建一个新的设置文件。将采样率设置为 1， 000 赫兹，并选择合适的通道数。
然后，保存设置文件，并使用实验会话的新名称重新保存此文件的版本。接下来，在 EDA 电极上执行开路归零，以获得系统电导率的基线测量值。打开软件中的实验设置菜单并输入实验参数。
然后，单击 Start experiment （开始实验）。首先，请参与者阅读信息表并签署知情同意书。然后，使用湿纸巾清洁参与者非惯用手的食指和无名指。
确保参与者的手指干燥后，将两个 EDA 电极连接到内侧指骨。根据文本协议，将白色、黑色和红色电极放在参与者身体上的肋骨之间。然后，将三根颜色编码的心电图线连接到相应的电极。
当参与者完成问卷时，关闭隔间的两侧壁并准备进行生理测量。将血压袖带系在非惯用手臂上。将两根 EDA 线连接到参与者手指上的电极。
确保电极连接到正确的位置。然后，关闭显示器上方的灯，并将头顶灯调暗到最低设置。接下来，将 EDA 通道归零以获得参与者皮肤电导剂起始水平的测量值。
在 EDA-ECG 软件中，打开 Bio Amp 对话框。然后，选择心跳信号覆盖预览窗口约三分之一的信号范围。使用软件开始记录，并确保信号在实验人员监视器上的软件窗口中可见。
然后，按下血压机上的相应按钮开始记录血压。在打开的 Unity 软件中，单击 Start measurements（开始测量）。要求参与者观看基线自然视频。
要求参与者完成训练迷宫，以便练习使用纵杆。在训练迷宫游戏中，参与者将跟随箭头并收集漂浮的宝石。在此之后，指示参与者完成导航任务。
让参与者运行导航任务。参与者完成导航任务后，停止 EDA 和 ECG 记录。然后，取下血压袖带，断开与 ECG 电极的电缆，并从参与者的手指上取下 EDA 电极。
告诉参与者，他们将在计算机上被问到另一系列问题，如有必要，他们可以提出问题。在 eve 软件的评估菜单中，按下添加事件标记按钮以标记生理测量文件中的事件。然后，将 EDA-ECG 文件保存在 EDA-ECG 软件的生理测量文件中。
接下来，使用 evertools 包导出实验数据进行备份。最后，整理设备并用酒精垫清洁电极。使用该协议，对 60 名参与者进行了研究，以调查导航过程中对获取空间知识的有效压力。
正如预测的那样，生理数据表明，在心率方面，压力组的觉醒程度高于无压力组，但在 EDA 方面则不然。一般来说，自我报告的导航能力与学习虚拟环境所需的时间之间也存在负相关。根据可视化的轨迹，压力组的参与者在虚拟环境中似乎也更有效率。
这表明更高的唤醒和空间能力可能与更高效的导航行为有关。这项技术可以为认知科学领域的研究人员使用虚拟现实和生理测量来探索压力与人类导航行为之间的关系铺平道路。
View the full transcript and gain access to thousands of scientific videos
概述
该协议概述了一种设计和实施虚拟现实（VR）实验的方法，这些实验从人类参与者中收集生理数据。利用虚拟环境实验（EVE）框架，该方法旨在简化实验过程。
关键研究组成部分
科学领域
- 神经科学
- 认知科学
- 行为研究
背景
- VR实验需要仔细的规划和执行。
- EVE框架旨在促进数据收集。
- 对外因变量的控制是一个重要优势。
- 这种方法可以增进对认知和情感的理解。
研究目的
- 开发一种可靠的进行VR实验的方法。
- 有效收集生理数据。
- 探索认知和情感之间的关系。
使用的方法
- 实施EVE框架。
- 从生理设备收集数据。
- 在实验过程中控制外因变量。
- 将研究成果应用于行为地理学等各个领域。
主要结果
- 获得了对导航行为的洞察。
- 确定了环境感知方面的潜在应用。
- 注意到新手在数据收集和分析方面的挑战。
- 讨论了对认知科学的更广泛影响。
结论
- 该方法为VR实验提供了一种结构化的方法。
- 它允许在受控环境中进行全面的数据收集。
- 未来的研究可以在这个框架基础上探索各种认知现象。
常见问题
Executive Industry Relevance
This protocol enables controlled investigation of physiological responses during spatial navigation tasks, supporting mechanistic de-risking in target validation for cognitive and behavioral therapeutics. By integrating VR with synchronized physiological monitoring, it provides quantitative, reproducible readouts that clarify arousal-mediated effects on spatial learning and decision-making. This approach enhances predictive confidence in early discovery by linking physiological biomarkers to navigational performance in disease-relevant systems.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Interrogates therapeutic hypotheses by measuring how physiological arousal mediates spatial navigation performance under stress.
- Operational Value: Enables isolation of independent variables (e.g., stress induction) while controlling extraneous factors through standardized EVE framework modules.
- Predictive Value: Supports portfolio triage by identifying biomarkers (e.g., heart rate variability) correlated with navigation efficiency in disease models.
Screening & Assay Development
- Assay Readiness: Prepares validated biological systems (human participants) for downstream compound screening via standardized physiological sensor attachment and baseline normalization.
- Quantitative Outputs: Generates time-synchronized measurements of skin conductance, heart rate, and blood pressure enabling dose-response modeling.
- Platform Reuse: EVE framework supports scalable, reproducible data collection across multiple experimental sessions and sites.
Translational & Preclinical Research
- Translational Continuity: Bridges discovery to preclinical validation by aligning human physiological responses with animal model stress-navigation paradigms.
- Biomarker Alignment: Supports identification of translational biomarkers (e.g., arousal-navigation coupling) predictive of therapeutic response.
- Risk-Adjusted Advancement: Informs go/no-go decisions by quantifying physiological de-risking of spatial cognition targets.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from hypothesis testing through lead identification, providing physiological readouts that inform target engagement and functional selectivity in cognitive therapeutic development.
- Discovery Biology: Supports mechanistic de-risking by clarifying how arousal modulates spatial learning pathways in target validation.
- Screening: Enables assay standardization through EVE-driven synchronization of physiological data streams, improving reproducibility across compound tests.
- Analytics: Delivers multivariate physiological readouts (EDA, ECG, BP) that facilitate comparative analysis of experimental conditions and compound effects.
- Translational Research: Connects human VR-physiological data to preclinical models via shared stress-navigation endpoints, supporting biomarker-driven translation.
- Enterprise Reuse: Positions the EVE framework as a reusable infrastructure for multi-project physiological monitoring in VR-based discovery workflows.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity by quantifying arousal’s role in spatial behavior, enhancing target confidence.
- Operational Value: Ensures reproducibility via standardized sensor placement, baseline zeroing, and event marking in EVE software.
- Strategic Value: Improves capital efficiency by enabling early physiological de-risking of navigation-related targets.
- Portfolio Impact: Supports risk-adjusted prioritization through quantifiable links between physiological markers and spatial learning outcomes.
Implementation Considerations
- Requires expertise in physiological sensor placement (EDA, ECG, BP) and VR environment setup.
- Dependent on EDA-ECG software, Unity-based VR platform, and physiological recording hardware.
- Necessitates cross-team standardization of protocol adherence for multi-site data comparability.
- Involves adaptation considerations when extending to different VR tasks or participant populations.
- Limited by the technical complexity of synchronizing multiple physiological streams, which may require specialized training beyond standard cognitive science curricula.
Biopharma FAQs
Chapters in this video
0:04
Title
1:17
Prepare the Experiment and Physiological Devices Using EVE
2:07
Experimental Procedure
5:13
After Each Experimental Session
5:52
Results: Participants in the Stress Group Demonstrate Higher Arousal and More Efficient Navigation Behavior
6:45
Conclusion
