Verwendung von Virtual Reality motorischen Wissenstransfer aus einer Hand zur anderen

Körperliche Übung ist die effektivste Form des Trainings. Obwohl dieser Ansatz gut etablierte¹ist, ist es in Fällen, wo die grundlegende motorische Fähigkeit der Ausbildung Hand begrenzt²ist, sehr anspruchsvoll. Um dieses Problem zu umgehen, untersucht ein großer und wachsender Körper der Literatur verschiedene indirekte Ansätze der motorischen Ausbildung.

Eine solche indirekte Schulungsansatz verwendet körperliche Praxis mit einer Hand, Leistungssteigerungen in der anderen Hand (geübt) einzuführen. Dieses Phänomen, bekannt als Kreuz-Ausbildung (CE) oder intermanuellen Transfer wurde ausgiebig studiert, ^{3,4,5,6,7,8,9} und zur Verbesserung der Leistung in verschiedenen motorischen Aufgaben ^10,11,12. Zum Beispiel in Sport-Fähigkeiten-Einstellungen, haben Studien gezeigt, dass Training Basketball dribbeln in einer Hand überträgt erhöht dribbling-Fähigkeiten in der ungeübten Hand ^13,14,15.

Bei einem anderen indirekten Ansatz wird motorischen Lernens durch den Einsatz von visuelle oder sensorische Feedback erleichtert. Beim Lernen durch Beobachtung, wurde nachgewiesen, dass erhebliche Leistungssteigerungen erzielt werden können einfach passiv beobachtet jemand anderes führen Sie die Aufgabe^{16,17,18,19 ,20}. Ebenso zeigte propriozeptive Training, in dem das Bein passiv bewegt wird, auch zur Verbesserung der Leistung am motorischen Aufgaben ^{12,21,22,23,24 , 25 , 26}.

Zusammen, zufolge diese Linien der Forschung sensorischer Input spielt eine wichtige Rolle beim lernen. Hier zeigen wir, dass Online-sensorisches Feedback (visuelle und propriozeptive) zu manipulieren, während körperliches Training eine Gliedmaße augmented Performance-Gewinn in den gegenüberliegenden Gliedmaßen führt. Wir beschreiben ein Training Regime, das optimale Leistung Ergebnis in einer Hand, ohne seine freiwillige Körpertraining ergibt. Die konzeptionelle Neuheit des vorgeschlagenen Verfahrens liegt in der Tatsache, dass es drei verschiedenen Formen des Lernens - nämlich lernen durch Beobachtung, CE und passive Bewegung kombiniert. Hier wir geprüft, ob das Phänomen der CE, zusammen mit gespiegelten visuelles Feedback und passive Bewegung ausgenutzt werden kann, um lernen bei gesunden Probanden ohne Freiwillige Bewegung der Extremität Ausbildung zu erleichtern.

Das Konzept in diesem Setup unterscheidet sich von direkten Versuche die Hand körperlich zu trainieren. Auf der methodischen Ebene - stellen wir eine neuartige Einrichtung einschließlich fortschrittliche Technologien wie 3D virtual Reality und benutzerdefinierte gebauten Geräte, die es ermöglichen, visuelle und propriozeptive Eingang in einer natürlichen Umwelt Umgebung zu manipulieren. Bessere Ergebnisse mit der vorgeschlagenen Ausbildung demonstrieren, hat wichtige Konsequenzen für das praxisnahe lernen. Zum Beispiel Kinder benutzen sensorisches Feedback in einer Weise, die anders als die der Erwachsenen^27,28,29 und die Optimierung der motorischen Lernens Kinder erfordern längere Praxis. Die Verwendung von CE zusammen mit manipulierten sensorisches Feedback könnte Trainingsdauer reduzieren. Darüber hinaus könnten Sport Fertigkeiten mit dieser Art von anspruchsvollen Ausbildung erleichtert werden. Zu guter Letzt kann dies für die Entwicklung eines neuen Konzepts für die Rehabilitation von Patienten mit einseitigen motorische Defizite wie Schlaganfall vorteilhaft.

das folgende Protokoll wurde durchgeführt in Übereinstimmung mit Richtlinien genehmigt durch die menschliche Ethik Komitee von Tel-Aviv University.The Studie umfasst 2 Experimente – mithilfe visueller Manipulation und eine andere Kombination von visuellen mit propriozeptive sensorische Manipulation. Themen waren gesund, Rechtshänder (nach Edinburgh Händigkeit Fragebogen), mit normaler Sehkraft und ohne kognitive Defizite oder neurologische Probleme gemeldet. Sie waren naiv, die dem Zweck der Studie und schriftliche Einwilligungserklärung an der Studie teilnehmen.

1. Einrichten der Virtual-Reality-Umgebung

1. haben die Themen sitzen auf einem Stuhl mit den Händen nach vorne und die Handflächen nach unten.
2. Setzen Sie auf die virtuelle Realität (VR) Kopfhörer mit dem Head mounted spezialisierte 3D-Kamera zu Online-visuelles Feedback von der realen Umgebung. Vergewissern Sie sich das Video von der Kamera ist in der VR-Kopfhörer vorgestellt.
   Hinweis: Das Video wird präsentiert von c# Codebasis Individualsoftware, gebaut auf einer Open-Source, Cross-Plattform 3D Rendering-Engine basiert.
3. Setzen auf die Bewegungssensoren Herr-kompatible Handschuhe, die es ermöglichen, Online-Überwachung der einzelnen Finger Biegung in jeder Hand. Sicherzustellen, dass die Software der virtuellen Hände an einem bestimmten Ort im Raum bettet, so, dass die Themen die virtuellen Hände sehen, nur dann, wenn auf den Platz schaut, wo die echte Hände normalerweise wäre.
4. Während des gesamten Tests stellen Sie sicher, die Software zeichnet die Hand-Konfiguration zur Verfügung gestellt durch die Handschuhe.
   Hinweis: Die eingebettete virtuelle Hand-Bewegung wird gesteuert von der gleichen Software, die C-basierte Anwendung Programm-Schnittstelle (API) verwendet für den Zugriff auf kalibrierten Daten und Geste Rohdaten aus den Handschuhen, einschließlich die Winkel zwischen den Fingern ' Gelenke.
5. Legen die Themen ' Hände in einer spezialisierten Bewegung Gerät steuern und Schnallen Sie die rechten und linken Finger individuell auf den Kolben. Sicherstellen, dass die Themen können ihre Rechte Hand Finger separat verschieben.
   Hinweis: Die rechten Finger Kolben bewegen einen Kolben über ein Potentiometer nach dem Grad ihrer Beugung. Dies wiederum steuert eine Modul, das die Lage jedes Potentiometer an jedem Finger der rechten Hand liest und Befugnisse-Motoren, die/den entsprechenden Gegentakt links Hand Finger in die entsprechende Position.
6. Stellen Sie sicher, dass willkürliche Bewegungen der Finger der linken Hand beschränkt ist, mit der Frage, der Themen, um ihre linke Hand zu bewegen, während es im Inneren des Gerätes befindet.
   Hinweis: Da nur aktive (rechts) Hand Fingerbewegung die Motoren aktiviert, freiwillige linke-Hand-Finger-Bewegung ist unmöglich, wenn das Gerät eingeschaltet ist.

2. Durchführung des Experiments

Hinweis: siehe Abbildung 1 für den experimentellen Stadium. Jeder Proband unterzog sich drei Anleitung-Bewertung-Zug-experimentelle Bewertungssitzungen. Die Angaben der Anweisungen und Bewertung Stufen im Abschnitt repräsentative Ergebnisse.

1. Abschnallen Themen ' Hände von der Bewegung Bedienungseinrichtung.
2. Haben die Probanden eine Unimanual 5-stellige Sequenz Fingerbewegung wiederholt genau und schnell wie möglich mit der Hand-Training in einem vorgegebenen Zeitrahmen durchführen (z.B. 30 s). Jeder einzelne Finger Beugung sollte mindestens 90 Grad.
   Hinweis: Die Finger sind nummeriert von Index (1) bis Kleinfinger (4) und die Anweisungen umfassen eine bestimmte Reihenfolge der 5-stelligen. Wenn die Sequenz 4-1-3-2-4 ist, haben die Themen bewegen ihre Finger in der folgenden Reihenfolge: wenig-Index-Ring-Mitte-kleine.
3. Nach die Bewertung (Schritt 2.2), Schnallen die Hände des Themas mit der Bewegung-Steuereinrichtung.
4. Cue der Patient auf die bevorstehende Schulungen-Bühne um die Reihenfolge der Finger-Bewegungen mit der aktiven Hand in gewissem Sinne Selbststudium durchzuführen.
5. Die Auswertung inszeniert 2.1-2.2 wieder zu wiederholen.

3. Die Verhaltensdaten Analyse und Berechnung der Performance-Gewinn

1. In der maßgeschneiderten Software, die die Datendateien der Handschuhe während der Experimente lautet, klicken Sie auf ' linken Daten laden ' und wählen Sie die Dateien in die ' linke Hand Erfassen ' Ordner unter dem entsprechenden Fach.
   Hinweis: Es gibt keine verschiedenen Ordnern für Pre und Post-Bewertungen. Die Dateinamen enthalten die Auswertung Schritt Identifikation.
2. Klicken Sie ' Rechte Hand Daten laden ' und wählen Sie die Dateien in den ' rechten Hand erfassen ' Ordner unter dem entsprechenden Fach.
3. Klicken Sie auf ' gehen ' wiedergeben und visualisieren die virtuellen Hände Bewegungen in jeder Bewertungsphase basierend auf den Daten von den Sensoren in der Motion-Tracking Handschuh aufgenommen.
4. Für jedes Auswerteschrittes und jedes Fach einzeln, die Anzahl der zu vervollständigen und richtigen Finger Sequenzen (P) durchgeführt mit der ungeübte Hand.
   Hinweis: Eine Fingerbewegung wird als gültig betrachtet nur, wenn der Winkel zwischen der proximalen Phalanx und den Mittelhandknochen erreicht 90°. 5 Ziffern gilt als vollständig und korrekt, nur wenn alle Fingerbewegungen gültig waren.
5. Calculate Leistung Gewinne Index (G) nach folgender Formel:
   
   wo P Post_training/p _{Pre_training} entsprechen dem Thema ' s Leistung (Anzahl der kompletten Finger Sequenzen) in der Post/Pre-Ausbildung Bewertung der Bühne bzw..

36 Fächer in beiden Experimenten ausgebildet, schnelle Bildfolgen der rechten Fingerbewegungen auszuführen, während sensorisches Feedback (Visual/propriozeptive) manipuliert wurde. Finger waren nummeriert von Index (1) bis Kleinfinger (4) und jedes Thema wurde gebeten, drei verschiedene Sequenzen in drei aufeinander folgenden experimentellen Sitzungen erfahren, wie z. B.: 4-1-3-2-4, 4-2-3-1-4 und 3-4-1-2-3. Jede Sequenz/Sitzung wurde eine spezifische Ausbildung-Typ zugeordnet und die Zuordnung zwischen Sequenz und Trainingsart wurde über Themen ausgeglichen. Zu Beginn jeder Sitzung wurden Themen präsentiert mit einer Folie mit Anweisungen, die zwei Hand-Illustrationen (rechts und links) mit nummerierten Fingern und einen bestimmten 5 Nummernkreis darunter dargestellt repräsentieren die Abfolge der Fingerbewegungen will gelernt sein (siehe Abbildung 1). Die Anweisungen Folie (12 s) folgte die Grundausbildung Bewertungsphase (30 s). Zu diesem Zeitpunkt online-visuelles Feedback bestand aus einer Anzeige von zwei virtuellen Hände, deren Fingerbewegungen wurden in paarte, in Echtzeit zu den Themen tatsächliche Fingerbewegungen (virtuellen Hände wurden anhand eines Modells in 5DT Handschuhe Toolbox verfügbar). So wurde real linken Bewegung durch visuelles Feedback der linken (kongruent) virtuelle Handbewegung begleitet. Probanden wurden angewiesen, wiederholte die Reihenfolge so schnell und so genau wie möglich mit ihrer linken Hand ausführen. In den folgenden Trainingsphase Themen auf die Sequenz unter einer bestimmten experimentellen Bedingungen auf selbstbestimmte Weise trainiert. Die Trainingsphase enthaltenen 20 Blöcke, jeder Block Ausbildung dauerte 15 s gefolgt von 9 s gelb schwarzer Bildschirm, diente als Stichwort zur Ruhezeit. Wir haben 20 Trainings-Blöcken, die in unserem Fall ausreichend waren, um signifikante Unterschiede zwischen den Bedingungen zu erhalten. Zu guter Letzt eine nach dem Training Bewertungsphase identisch mit der Pre-Trainingsauswertung wurde durchgeführt. Jeder Proband unterzog sich drei solche Anweisung-Bewertung-Zug-experimentelle Bewertungssitzungen. Jede experimentelle Sitzung war verbunden mit einer einzigartigen Trainingssequenz Zustand und Finger. In Experiment 1, verglichen wir die G-Index-Werte über die folgenden Bedingungen: (1) Ausbildung durch Beobachtung - Themen passiv beobachtet die virtuelle linke Hand die Reihenfolge durchführen, während ihre echte Hände unbeweglich waren; (2) CE - Themen körperlich trainiert mit ihrer rechten Hand während des Empfangs kongruenten Online-visuellen Feedback direkt virtuelle Hand Bewegung; (3) CE + visueller Manipulation (VM) - wichtig ist, das VR-Setup erlaubt uns, schaffen eine einzigartige 3d Versuchsbedingung, in denen Themen körperlich trainiert, mit ihrer rechten Hand während des Empfangs Online-visuellen Feedback der linken (inkongruente) virtuelle Hand Bewegung (CE + VM Zustand). Linke virtuelle Hand Fingerbewegung basierte auf realen rechten Fingerbewegung erkannt durch die Handschuhe (Schritt 1.4). Unter allen Bedingungen - wurden die Themen Handflächen nach oben zeigen. Das Tempo der virtuellen Hand-Finger-Bewegung in der Ausbildung durch Beobachtung Zustand (Zustand 1) wurde während der vorherigen aktiven rechten Bedingungen (2 und 3) basierend auf das durchschnittliche Tempo des Themas festgelegt. In Fällen, wo die Reihenfolge der Trainingsbedingungen durch Gegengewicht war so, dass Training durch Beobachtung wurde, war das Tempo basierend auf das durchschnittliche Tempo zum vorherigen Thema festgelegt. Alle G-Index-Vergleiche wurden über die verschiedenen Trainingsbedingungen im Thema gepaart-Weise durchgeführt.

Linke Hand Performance-Gewinne, die nach der Ausbildung in Zustand 3 (CE + visueller Manipulation) wurden durch Beobachtung der linken Hand deutlich höher im Vergleich zu den gewinnen erhalten nach der Ausbildung (Bedingung 1; p < 0,01; zweiseitige gepaart t-Test) oder nach rechts Hand mit kongruenten visuelles Feedback – die traditionelle Form des CE Ausbildung (Bedingung 2; p < 0,05; zwei tailed gepaarter t-Test; Abbildung 2 und Tabelle 1). Interessant ist, das Training mit inkongruenten visuelles Feedback (CE + VM) ergab höhere Performance-Gewinn als die Summe der Gewinne durch zweierlei Grundausbildung erhalten: körperliche Training der rechten Hand und Training durch Beobachtung der linken ohne körperliche Bewegung. Diese super additive Wirkung zeigt, dass Leistungssteigerungen in der linken Hand nicht linear verstärkt werden, wenn Rechte Hand Training mit linken visuelles Feedback ergänzt wird, die durch das Thema gesteuert wird. Dies impliziert, dass CE und lernen durch Beobachtung interagierender Prozesse sind, die zu einem neuartigen Lernen kombiniert werden können.

Wir auch in einem anderen Satz von 18 gesunden Probanden zu prüfen, ob die Zugabe von passiven linken Bewegung linken Performance-Gewinne weiter ausbauen kann. Zu diesem Zweck in Studie 2, Themen erlebte ein ähnliches Protokoll mit 3 Trainingsarten, während ihre Hände innerhalb der oben genannten speziell angefertigten Vorrichtung (Schritt 1,7) gesetzt wurden, die linken Fingerbewegung steuert. In diesem Experiment trainierte Probanden 10 Blöcke. Jeder Block Ausbildung dauerte 50 s gefolgt von 10 s ein gelber leerer Bildschirm diente als Stichwort zur Ruhezeit. Die folgenden drei Arten der Ausbildung wurden verwendet: (1) CE + VM – Kreuz Bildung begleitet von manipuliert visuelles Feedback (ähnlich Zustand 3 aus Studie 1); (2) CE + PM-standard Kreuz-Bildung (d.h. aktive Bewegung der rechten Hand + visuelles Feedback direkt virtuelle Hand Bewegung), zusammen mit paarte passive Bewegung (PM) der linken Hand; (3) CE + VM + PM-Themen körperlich trainiert mit ihrer rechten Hand während visuelle Input manipuliert wurde, so dass entsprechende Links virtuelle Handbewegung (ähnlich wie Bedingung 3 in der ersten Studie verwendeten) angezeigt wurde. Führte jedoch darüber hinaus aktive Fingerbewegung rechten paarte passive linken Fingerbewegung durch das Gerät.

Die Zugabe von passiven linken Fingerbewegung, die visuellen Manipulation, ergab die höchsten linken Leistungssteigerungen (Abbildung 3 und Tabelle 2), die deutlich höher waren als die Performance-Gewinne, die nach der visuellen manipulation allein (Bedingung 1; p < 0,01; zweiseitige gepaart t-Test). Es sei darauf hingewiesen, dass zwar die CE + VM Trainingszustand ähnlich wie in Studie 1, absolute G-Werte nur vergleichbar über Bedingungen innerhalb der gleichen Studie. Dies ist aufgrund der Tatsache, dass (1) die Ausbildung Design etwas anders war (in Studie 2 Palmen konfrontiert down und up nicht durch das Gerät unterschiedliche Dauer/Anzahl der Blöcke Ausbildung) und (2) jedes Experiment wurde auf eine andere Gruppe von Probanden durchgeführt. Wichtig ist, in jeder Studie jedes Thema alle drei Trainingstypen und G Indizes über Bedingungen sind im Vergleich in einer gekoppelten Mode.

Abbildung 1: Design zu experimentieren. Schematische Darstellung einer einzelnen experimentellen Sitzung in Studie 1. Jedes Fach durchgeführt 3 solcher Sitzungen. In jeder Sitzung wurde eine einzigartige Folge von fünf Ziffern zusammen mit einer Skizze der zugeordneten Finger vorgestellt. Themen durchgeführt nach Anweisungen die Reihenfolge so schnell und so genau wie möglich mit ihrer linken Hand für die Erstbewertung der Leistungsstufe. Als nächstes Themen auf die Sequenz eines den Trainingstypen (siehe repräsentative Ergebnisse) auf selbstbestimmte Weise trainiert. Nach dem Training wiederholt Themen der Bewertungsphase für Neubewertung der Leistungsstufe. In Studie 2 ähnelte das Gesamtdesign mit unterschiedlichen Laufzeiten/Menge der Ausbildung Blöcke (siehe die repräsentativen Ergebnisse). Hände in der Abbildung darstellennur die aktive Hand (das visuelle Feedback enthalten immer zwei virtuellen Hände). Bitte klicken Sie hier für eine größere Version dieser Figur.

Abbildung 2: Studie 1 – linke Hand Leistungsgewinne. Körperliches Training mit der rechten Hand beim Online-visuelles Feedback zu erhalten, als ob die linke Hand (CE + visueller Manipulation bewegt; VM; rot) führte zu höchsten linken Leistungssteigerungen im Vergleich zu den anderen Trainingsbedingungen untersucht: linke Hand Beobachtung (gelb) und Kreuz-Bildung ohne visuellen Manipulation (z.B. Rechte Hand Training + kongruent visuelles Feedback direkt virtuelle Hand Bewegung; (grün). Fehlerbalken kennzeichnen SEM über 18 Themen. Bitte klicken Sie hier für eine größere Version dieser Figur.

Abbildung 3. Studie 2 – linke Hand Leistungsgewinne. Der höchsten linken Performance-Gewinn erhielt Kreuz Bildung mit visueller Manipulation wurde in Kombination mit passiven linken Fingerbewegung vom Gerät (CE + VM + PM; hellrot). Diese Verbesserung war deutlich höher als die nach Cross Bildung mit visueller Manipulation (CE + VM; rot) und cross Bildung mit propriozeptiven Manipulation (CE + PM; grün) erzielt. Fehlerbalken kennzeichnen SEM über 18 Themen. Bitte klicken Sie hier für eine größere Version dieser Figur.

Tabelle 1. 1 Studiendaten. Individuellen Subjekt Leistung (P) während der Pre- und Post-training Bewertung Stadien in Studie 1. Jede Zelle stellt die Anzahl der korrekt ausgeführten komplette 5-stellige Sequenzen innerhalb 30 S. S – Thema Nummer. Klicken Sie hier, um diese Tabelle herunterzuladen.

Tabelle 2: 2 Studiendaten. Tabelle 1 für Studie 2 identisch. Beachten Sie, dass Ausbildung Dauer und Hand Orientierung in diesem Experiment anders wurden als 1 experimentieren (siehe Text). Klicken Sie hier, um diese Tabelle herunterzuladen.

Die Autoren erklären, dass sie keine finanziellen Interessenkonflikte.