일방적인 공간 방치 평가를 위한 가상 현실 도구: 데이터 수집을 위한 새로운 기회

일방적인 공간 방치(USN)는 급성 뇌졸중 생존자의 23-46%에 영향을 미치는 공간의 한쪽에 부주의하거나 행동하지 않는 것을 특징으로 하는 증후군으로, 가장 일반적으로 오른쪽 뇌반구에 부상을 입어 공간 및/또는 생존자의 신체를 무시하는 경향이 있다^1,2. USN을 가진 환자의 대다수는 단기적으로 중요한 복구를 경험하더라도, 미묘한 USN 현상은 수시로 지속³. USN은 일상 생활의 낙상 및 방해 활동에 대한 환자 위험을 증가시킬 수 ^{있습니다2,4} 그것은 또한 모터와 글로벌 기능 결과 모두에 부정적인 영향을 미치는 것으로 나타났다^5,6.

USN의 적자는 사람이 자신의 신체 (자기 중심)에 대해 공간의 한쪽을 무시하는지 또는 외부 자극 (동종)^7,8,9에 대하여 공간의 한쪽을 향할 수 없거나 사람이 공간 ^10의 한쪽으로 주의 (주의) 또는 행동 (의도적)을 지시 할 수 없는지 여부와 같은 여러 차원에 걸쳐 존재하는 것으로 개념화 될 수 있습니다. . 환자는 수시로 이 차원의 하나 이상을 따라 특징지을 수 있는 현상의 복잡한 별자리를 전시합니다. USN 증후군의 이 가변성은 특정 신경 해부학 구조 및 신경 네트워크에 상해의 다양한 정도에서 유래하기 위하여 생각됩니다, 이는 복잡합니다¹¹. 알로센트성 방치는 각자류(AG) 및 우수한 측두엽 자이러스(STG)의 병변과 연관되어 있으며, 초후정질 피질(PPC)은 초도경질(SMG)을 포함하는 직각질 피질(PPC)이 egocentric ^{processing12,13,14,15}에 연루되었다. 주의 적 방치는 오른쪽 ^IPL16에 병변을 포함 하는 것으로 생각 된다, 의도적인 방치 오른쪽 전두엽의 손상에 보조 것으로 생각 되는 동안¹⁷ 또는 기저 신경¹⁸.

USN의 임상 평가는 현재 펜 및 종이 신경 심리학 기기에 의존합니다. 이러한 전통적인 평가 도구는 ^USN19를 가진 몇몇 환자를 잘못 진단하거나 과소 진단의 결과로, 더 기술적으로 정교한 공구 보다는 보다 더 적게 민감할 지도 모릅니다. 잔류 적자의 더 나은 특성화는 온화한 USN을 가진 환자에게 치료의 전달을 촉진하고 잠재적으로 그들의 전반적인 복구를 향상할 수 있었습니다, 그러나 그 같은 특성은 아주 민감한 진단 공구를 요구할 것입니다. USN은 일반적으로 뇌졸중 환자 중 USN을 동반하는 모터 및 시각 장애로부터 분리하기가 어려울 수 있는 실험실 환경에서 도래하는 유사한 과제를 제기합니다.

가상 현실(VR)은 USN의 진단과 특성화를 위한 새로운 도구를 개발할 수 있는 특별한 기회를 제공합니다. VR은 개인이 생태학적으로 유효한 객체²⁰과 관련된 작업을 수행 할 수있는 실시간 상호 작용을 가진 첫 번째 사람에 제시 된 다감각 3D 환경입니다. 그것은 USN을 평가하기위한 유망한 도구입니다; 사용자가 보고 듣는 것을 정확하게 제어할 수 있으므로 개발자는 사용자에게 다양한 가상 작업을 제시할 수 있습니다. 또한 현재 사용 가능한 정교한 하드웨어 및 소프트웨어 패키지를 사용하면 눈, 머리 및 사지 움직임을 비롯한 사용자의 행동에 대한 풍부한 데이터를 실시간으로 수집할 수 있으며, 이는 기존 진단 테스트에서 제공하는 메트릭을 훨씬 초과합니다²¹. 이러한 데이터 스트림은 즉시 사용할 수 있으며 사용자 성능(예: 지정된 작업에 대한 이상적인 난이도 타겟팅)에 따라 진단 작업을 실시간으로 조정할 수 있는 가능성을 열어주었습니다. 이 기능은 ^USN22에 대한 새로운 진단 도구 의 개발에 우선 순위로 간주되는 USN에서 볼 수있는 광범위한 심각도에 대한 작업 적응을 용이하게 할 수 있습니다. 또한, 몰입형 VR 작업은 환자의 주의력 자원에 부담을 줄 수 ^있다23,24, 방치 증상의 검출을 용이하게 할 수 있는 증가 된 오류의 결과; 실제로, 일부 VR 작업은 ^USN24,25의 기존의 종이 및 연필 측정에 비해 감도가 증가한 것으로 나타났습니다.

이 연구에서, 목표는 작동하는 신경학에 있는 전문지식이 없고 USN의 미묘한 케이스조차 확실하게 검출하고 특성화할 수 있는 평가 공구를 만드는 것이었습니다. 우리는 가상 현실 기반의 게임과 같은 작업을 구축했습니다. 그런 다음, 피험자의 두피와 두개골을 통과하고 뉴런을 자극하는 피사체의 뇌에서 전류를 유도하는 휴대용 자극 코일에서 방출되는 전자기 펄스를 활용하는 비침습적 뇌 자극 기술인 경두개 자기 자극(TMS)을 가진 건강한 과목에서 USN과 같은 ^{증후군을 유도했습니다.} 이 기술은 다른 사람에 의해 USN의 연구에서 활용되었습니다13,17,28,29,30, 하지만 우리의 지식에 VR 기반 평가 도구와 함께 결코.

많은 연구자들은 이미 VR 시스템의 진단 및 치료 응용 프로그램에 노력하고 있습니다. 최근 리뷰^31,32 VR 기반 기술로 USN의 평가를 목표로 프로젝트의 숫자를 탐구하고,이 목표를 가진 다른 연구의 숫자는 출판되었다^{3333334,35,36,37,38,39,40,41} . 이러한 연구의 대부분은 현재 소비자 시장에서 사용할 수 있는 VR 기술의 전체 보완을 활용 하지 않습니다 (예를 들어, 헤드 마운트 디스플레이 (HMD) 및 아이 트래킹 인서트), 쉽게 정량화 할 수 있는 메트릭의 작은 수로 그들의 데이터 집합을 제한. 또한, 이러한 모든 연구는 USN으로 이어지는 뇌 손상을 가진 환자에서 수행되었으며, 환자가 적어도 평가 작업 (예 : 큰 시각 필드 적자 또는 인지 장애를 가진 환자를 제외)에 참여할 수 있음을 보장하기 위해 선별 방법을 요구했습니다. 더 미묘한 인지, 모터, 또는 시각적 결핍이 이 검열 방법의 문턱에서 통과할 수 있습니다, 가능하게 이 연구 결과의 결과를 혼동합니다. 그러한 선별이 USN의 특정 하위 형으로 이러한 연구에서 참가자의 샘플을 편향시킬 수도 있습니다.

이전 연구의 선별 편향을 피하기 위해, 우리는 건강한 과목을 모집하고 SMG를 표적으로 하여 STG 및 자기 중심 USN 과 같은 현상을 표적으로 하여 동종 중심 USN 같이 현상을 유도하는 것을 목표로, 최근 원고¹⁵에서 잘 기술되는 표준 TMS 프로토콜을 가진 건강한 과목을 모집하고 인위적으로 USN 현상을 시뮬레이션했습니다. 우리는 적극적으로 재판에 어려움 재판을 조정하고 USN의 다른 특수형, 특히 동종 과 자기 중심증상을 구별하는 작업을 설계했다. 우리는 또한 USN의 표준 종이 및 연필 평가를 사용하여 rTMS로 인한 적자가 USN과 같다는 것을 공식적으로 입증했습니다. 우리는 이 방법이 USN의 평가 및 재활을 위해 새로운 VR 도구를 테스트하려는 다른 연구들에게 유용할 것이라고 믿습니다.

이 연구는 지역 기관 검토 위원회에 의해 승인 되었고 좋은 임상 사례 지침에 의해 명시된 모든 기준을 충족합니다. 모든 참가자는 연구 절차가 시작되기 전에 정보에 입각한 동의를 제공했습니다. 연구 참가자는 세 개의 별도 세션(표 1에 설명된 세션)에 참여할 것으로 예상되었습니다. 실험의 요소는 아래의 단계적 방식으로 설명됩니다. 세션 순서가 무작위로 정렬되었습니다.

표 1. 각 학습 세션에 대한 구조입니다. 세션 순서가 무작위로 정렬되었습니다. 각 항목에 대한 예상 시간 기울임꼴입니다. MEP=모터는 잠재력을 불러 일으켰습니다. rTMS= 반복성 경두개 자기 자극; P&P=종이 및 연필 스트로크 진단 테스트; RMT=휴식 모터 임계값

1. 종이 및 연필 행동 작업

1. 제목이 LBT(줄 양단 작업)를 완료했습니까?
   1. 피사체가 테스터 바로 맞은편 테이블에 앉게 합니다. 제목에 필기기구를 제공합니다. 피사체에 자극 시트(그림 1)를 제공하여 피사체 바로 앞에 배치되도록 합니다.
      참고: 이 실험에서는 수행되지 않았지만, 추가 컨텍스트를 가진 피사체를 편향하지 않도록 각 줄을 별도의 종이 시트에 개별적으로 양분하는 것이 좋습니다(리치와 채터지, ²⁰⁰¹⁴² 참조).
   2. 자극 시트에 인쇄된 각 라인을 양분(반으로 나눈다)을 피사체에 지시하고 가능한 한 중간에 가깝게 이동합니다.
   3. 피사체에 머리와 어깨를 가능한 한 한 잘 중심에 두고, 가능한 한 빠르고 정확하게 작업을 완료하고, 테스터가 완료되면 알려달라고 한다. 피사체를 모니터링하여 머리를 과도하게 기울이거나 기울이지 않도록 합니다.
   4. 피사체가 완료된다고 말할 때 피사체에서 시트를 수집합니다.
2. 피사체가 벨 테스트를 완료하십시오.
   1. 피사체에 벨의 테스트 자극 시트를 제공합니다(그림 2).
   2. 피사체에게 자극 시트의 모든 종을 동그라미또는 교차시키고, 가능한 한 빠르고 정확하게, 머리와 어깨를 가능한 한 중앙으로 유지하고, 테스터가 완료되면 알려달라고 지시한다.
   3. 피사체를 모니터링하여 머리를 과도하게 기울이거나 기울이지 않도록 합니다. 피사체가 완료된다고 말하면, 피사체에게 확실한지 물어보고, 그들의 작품을 다시 확인하도록 허락한다.
   4. 피사체가 두 번째로 완료된다고 말할 때 피사체에서 시트를 수집합니다.
3. 피사체가 별 취소 작업을 완료하십시오.
   1. 피사체를 자극 시트(그림 3)로 제시하여 바로 앞에 있는지 확인합니다.
   2. 피사체에게 자극 시트의 모든 별을 동그라미또는 교차시키고, 가능한 한 빠르고 정확하게, 머리와 어깨를 가능한 한 중심으로 유지하고, 테스터가 완료되면 알려도록 지시한다.
   3. 피사체를 모니터링하여 머리를 과도하게 기울이거나 기울이지 않도록 합니다.
   4. 피사체가 완료된다고 말할 때 피사체에서 시트를 수집합니다.
4. 주제가 오타의 원 취소 작업을 완료하십시오.
   1. 피사체에 오타의 원 취소 자극 시트(그림 4)를 제공하여 피사체 바로 앞에 배치되도록 합니다.
   2. 피사체에게 모든 열린/불완전한 원을 교차하거나 동그라미로 만들고, 가능한 한 빠르고 정확하게, 어깨를 가능한 한 중앙으로 유지하고, 테스터가 완료되면 테스터를 통보하도록 지시한다.
   3. 피사체를 모니터링하여 머리를 과도하게 기울이거나 기울이지 않도록 합니다.
   4. 피사체가 완료된다고 말할 때 피사체에서 시트를 수집합니다.
   5. 이 작업을 반복합니다(1.4.1 ~ 1.4.4 단계)를 자극 시트의 다른 복사본과 함께 반복하지만, 이번에는 자극 시트가 원래 제시된 방향에서 180도 회전해야 합니다.

2. TMS 절차

1. 첫 번째 세션 전에 신경 탐색 모델을 만듭니다.
   1. NIFTI 또는 디콤 파일 유형에서 피사체의 3T T1 MRI 스캔을 가져옵니다.
   2. MRI스캔을 신경 탐색 소프트웨어에 업로드하여 피사체의 뇌를 3D 표현합니다.
      1. 소프트웨어 내에서 새 빈 프로젝트를 선택합니다. 피사체의 MRI 스캔을 "파일:"이라고 표시된 필드로 드래그합니다.
      2. 재구성 탭으로 이동합니다.
      3. 새 스킨을 선택하고 다음 화면에서 녹색 경계선을 드래그하여 뇌의 전체 이미지를 포괄합니다. 계산 스킨을 선택합니다. 최적의 재구성을 위해 피부에/공기 임계값을 적절히 조정합니다.
      4. 재구성 탭으로 돌아가서 새 전체 뇌 곡선을 선택하고 녹색 경계선을 드래그하여 뇌의 전체 이미지를 포괄합니다. 슬라이스 간격을 1mm로 설정하고 끝 깊이를 18mm로 설정합니다. 컴퓨트 커브리니어를 선택합니다.
      5. 랜드마크 탭으로 이동하여 랜드마크 구성을 선택합니다. 새로 선택하여 재구성에 대한 랜드마크를 만듭니다. 코 끝, 코 다리, 왼쪽 트래거스 및 오른쪽 트래거스에 랜드마크를 배치합니다.
      6. 대상 탭으로 이동하여 대상 구성을 선택합니다. 곡선 두뇌 및 대상 보기를 선택합니다. 검사관을 사용하여 5-7mm 깊이로 껍질을 벗깁니다.
      7. 샤 바삭 외 (2018)¹⁴, 네거스 외(2006)¹¹ 및 올리버리와 발라(2009)³⁹ 의 가이드라인을 따르며, 우수한 측두엽 자이루스 또는 수프라한계자이루스를 찾아 해당 부위에 마커를 배치한다.
      8. 두 중앙 설치가 정점에서 샴 자극을 위해 중앙 설치가 중앙 경도 균열을 따라 만나는 마커를 놓습니다.
2. 첫 번째 세션에서 는 피사체의 휴식 모터 임계값을 찾습니다(동작 작업 전후에 완료될 수 있음).
   1. 피사체가 광학 추적 카메라 앞에 앉아 헤드밴드 나 안경을 사용하여 피사체에 트래커를 배치합니다.
   2. 피사체의 오른손과 손목에 일회용 전극 3개를 부착합니다.
      1. 피사체의 첫 번째 등대 interosseous에 하나의 디스크 전극을 부착합니다. 오른쪽 포인터 손가락에 피사체의 두 번째 너클에 두 번째 디스크 전극을 부착합니다. 피사체의 오른쪽 손목에 접지 전극을 부착합니다.
   3. 이러한 전극을 MEP 추적 소프트웨어에 입력하는 전극 어댑터에 연결합니다.
   4. 새로운 온라인 세션을 선택하여 신경 탐색 소프트웨어 내에서 피사체의 프로젝트를 엽니다.
   5. 이 세션에서 자극할 대상을 선택합니다(버텍스, SMG, STG).
   6. 폴라리스 탭으로 이동하여 피사체 추적기가 카메라 의 시야 내에 있는지 확인합니다.
   7. 등록 탭으로 이동합니다.
   8. 신경 탐색 소프트웨어에 등록 된 포인터를 사용하여, 랜드 마크가 2.1.2.5 단계에 배치 된 동일한 위치에 피사체의 얼굴을 터치.
      1. 각 랜드마크에 대한 제목의 머리에 포인터가 올바르게 배치되면 샘플을 클릭하고 다음 랜드마크로 이동 합니다.
   9. 유효성 검사 탭으로 이동합니다.
   10. 포인터를 사용하여 피사체를 머리의 다양한 지점에서 터치하고 화면의 십자선이 피사체를 가리키는 지점과 정렬되도록 합니다.
       1. 정렬되지 않으면 2.2.8 단계를 다시 수행하여 포인터가 가능한 한 정확하게 랜드마크에 배치되어 있는지 확인합니다.
   11. 탭 수행 으로 이동하여 전체 뇌 곡선 보기 가 선택되어 실험자가 대상에 대한 뇌 영역을 정확하게 찾을 수 있도록 합니다.
   12. 드라이버를 사용할 TMS 코일로 설정합니다.
   13. 핸드헬드 TMS 코일을 TMS 기계에 연결합니다.
   14. TMS 기계를 켜고 단일 펄스로 설정합니다. 자극 강도를 적절히 설정; 이 실험에서는 기계 출력의 65%가 시작점으로 사용되었습니다.
   15. 피사체의 머리 왼쪽에 핸드헬드 TMS 코일을 놓고 TMS의 단일 펄스를 사용하여 모터 피질 내에서 자극하여 FDI를 자극하는 위치를 식별합니다. 자극으로 인해 FDI 근육 경련시기를 식별하기 위해 피사체의 손가락을 보는 도우미가 도움이 될 수 있습니다.
   16. 자극이 MEP를 정확히 5/10배 이상 유도할 때까지 자극 강도를 변경하고, 이것은 휴식 모터 임계값(rMT)이 될 것이다.
3. 작업 사이의 자극
   1. 2.2.1 ~2.2.13단계를 반복하여 핸드헬드 코일에 공기 냉각TMS 코일을 대체합니다.
   2. Shah-Basak et al.(2018)¹⁵가 설정한 파라미터에 따라 rMT의 강도가 110%인 20분(1200펄스 합계)에 대해 1Hz(총 1200펄스)의 속도로 반복적인 TMS에 자극 파라미터를 설정합니다.
   3. 활성 세션용 SMG 또는 STG를 대상으로 피사체의 헤드에 내장된 냉각 시스템을 갖춘 공기 냉각 TMS 코일 또는 샴 세션용 버텍스(그림 5)를 배치합니다.
   4. 자극을 계속합니다.

3. VR 행동 작업

1. 지원 소프트웨어를 설치합니다.
   1. 학생 연구소 웹 사이트에서 학생 핵심 소프트웨어를 다운로드하고 설치합니다.
   2. 유니티 웹사이트에서 Unity 3D 2018.3을 다운로드하여 설치합니다.
   3. 유니티 에셋 스토어 또는 스팀을 통해 OpenVR 도구를 다운로드하여 설치합니다.
2. VR 하드웨어(예: HTC Vive Pro)를 설정합니다.
   1. 기지국을 방 의 반대편에 놓고 선명한 시야를 확보하고 연결하십시오.
   2. 각 센서 뒷면의 채널/모드 버튼을 눌러 채널 " b"로 설정하고 하나는 " c." 두 상태 LED가 모두 흰색이어야 할 때까지 채널을 순환합니다.
   3. HTC Vive Pro에 동공 연구소 쌍안경 삽입장치를 설치합니다. 링크 박스를 컴퓨터에 연결합니다(전원, USB-A, HDMI 또는 미니 디스플레이포트).
   4. 헤드셋을 링크 상자에 연결합니다. 헤드셋의 상단 및 측면 스트랩을 조정합니다. 렌즈 거리를 조정합니다.
3. SteamVR을 시작합니다.
   1. 스팀 오른쪽 상단 모서리에 있는 VR 아이콘을 클릭하여 SteamVR을 실행합니다.
      1. 전원 버튼으로 컨트롤러를 켭니다.
      2. SteamVR에서 설정을 클릭 | 새 장치를 페어링 하여 화면상의 지침을 따라 각 컨트롤러를 페어링합니다.
      3. SteamVR 메뉴에서 룸 설정을 클릭하고 화면 안내를 따르십시오.
4. 학생 코어 소프트웨어를 시작합니다.
5. 시트 된 피사체의 머리에 헤드셋을 놓고 두 컨트롤러를 모두 제공합니다. 스트랩이 단단하지만 편안합니다. 학생 코어 소프트웨어의 카메라 피드에 중앙에 있는 것을 시각적으로 확인하여 두 눈을 모두 볼 수 있는지 확인합니다.
6. Unity 편집기에서 VR 작업을 열고 재생 버튼을 누를 수 있습니다.
7. 실험을 실행합니다.
   1. 피사체에게 바로 앞을 내다보고 화면의 Tare 카메라 버튼을 클릭하도록 요청합니다.
   2. 자습서 시작 버튼을 클릭하고 피사체가 자습서를 완료할 때까지 기다립니다. 이 튜토리얼은 VR 시스템 컨트롤러의 동작에 대한 오디오 명령, 대칭 (미끼) 및 비대칭 (대상) 꽃의 예, 그리고 적은 수의 미끼와 대상 꽃과 1 분 연습 세션으로 구성됩니다. 이 자습서는 75-100초 동안 지속되며 자습서 성능 데이터는 수집되지 않습니다.
   3. 피사체가 완료되면 교정 아이 트래킹 버튼을 클릭합니다.
      1. 교정이 성공하면 피사체가 자동으로 작업을 시작합니다. 그렇지 않으면, 3.7.3 단계를 반복합니다.
   4. 다음 평가판 단추를 클릭하여 첫 번째 평가판을 시작합니다.
      참고: VR 작업 중에 피사체가 가상 포리스트에 배치됩니다(그림 6). 세 개의 커브 박스 헤지가 피사체 앞에서 도달하는 거리 내에 세미 원을 형성했습니다. 각 시험은 다양한 수의 꽃으로 구성되었으며, 각 꽃잎은 16 개의 꽃잎을 직접 시야에서 울타리 사이에 분배했습니다 (그림 7). 과목은 꽃을 강조 할 수 있도록 꽃 위에 컨트롤러를 잡고, 다음 검지 손가락으로 트리거 버튼을 누르고) 모든 비대칭 "대상"꽃을 혼자 모든 대칭 "미끼"꽃을 떠나도록 지시받았다. 각 시험은 피사체가 모든 비대칭 대상 꽃을 성공적으로 선택했을 때 끝나지만 피사체가 시간(2분 시간 제한)이 부족하거나 피사체가 실수로 모든 대칭 장식 꽃을 골랐을 때 끝납니다. 이러한 모든 경우에 덤불에 남아있는 꽃은 지워질 것이고, 실험자는 다음 시험을 시작하라는 메시지가 표시됩니다.
   5. 피사체가 더 이상 적극적으로 시험을 완료하지 않고 적어도 12 번의 시험이 완료되지 않는 한 3.7.4 단계를 반복할 때까지 기다립니다.
   6. 재생 버튼을 다시 클릭하여 작업을 종료합니다.

상기에 설명된 프로토콜을 사용하여 건강한 개인들로부터 데이터를 수집하여 가상 현실 작업에서 추출할 수 있는 다양한 변수를 분석하여 그룹 간의 미묘한 차이를 감지하는 방법을 보여 줍니다.

이 연구에서는 평균 연령 이 25.6세, 평균 16.8년의 교육을 받은 7명의 개인(남성 2명)이 각각 3개의 TMS 세션을 거쳤습니다. 이 과목은 2개의 단으로 나뉘었고, 4명의 참가자는 초라한계 자이러스(SMG)에서 반복적인 TMS를 받았고, 다른 3명의 참가자는 우수한 측두엽 자이러스(STG)에서 TMS 자극을 받았습니다. 모든 참가자는 TMS에 대한 응답으로 개별 변동성을 설명하기 위해 분석에서 코바레로 사용 된 별도의 세션 동안 sham TMS를 받았습니다. 각 세션 동안 참가자들은 TMS 자극 전후에 가상 현실 작업을 관리하여 성능 변화를 검토했습니다.

먼저, 평균 헤드앵글(그림 8)을 검토하여 가상현실 작업이 SMG와 STG 그룹 간의 차이를 식별할 수 있을 만큼 민감했는지 여부를 판단하였다. 헤드 앵글 변경 점수는 TMS 후 점수에서 TMS 이전 점수를 빼서 계산되었습니다. ANCOVA는 TMS 자극 다음 헤드 앵글에서 그룹 간에 차이가 있는지 여부를 결정하기 위해 실행되었습니다. Sham TMS 헤드 앵글 변경 점수는 개별 차이를 고려하여 코바레로 사용되었습니다. 작은 파일럿 샘플을 사용하여 분석이 수행되었다는 점을 명심하면서, SMG 그룹이 STG 그룹에 비해 공간의 오른쪽을 향한 평균 변화 점수를 가진 두 그룹, F(1,4) = 10.25, p = 0.03 사이의 헤드 앵글 변화 점수에서 상당한 차이가 발견되었습니다(그림 9).

유사한 패턴은 SMG 그룹이 TMS 이전, t(4) = 2.78, p = 0.04에 비해 TMS 후 투여에서 오른쪽으로 라인을 훨씬 더 배치하는 라인 양단 테스트를 사용하여 발견되었다. 이 발견은 STG 그룹, t(3) = 3.18, p = 0.56에서 발견되지 않았다. SMG 또는 STG 그룹에서 가상 현실 작업에서 TMS 전후에 헤드 앵글에 큰 차이가 없었지만, SMG 그룹이 STG 그룹에 비해 평균 헤드 앵글 변화 점수가 훨씬 더 오른쪽으로 향했다는 것을 발견하면 유사한 발견을 보여줍니다. 가상 현실 작업에서 이러한 발견은 기존의 종이 및 연필 작업의 결과와 일치하며, 둘 다 SMG 그룹이 STG 그룹에 비해 미묘한 방치가 있고 오른쪽으로 더 보였을 수 있는 패턴을 보여주었기 때문이다. 가상 현실 작업에서 수집된 데이터는 그림 9에서 볼 수 있듯이 TMS 자극 전후의 성능을 검사하기 위해 개별 참가자 수준에서 시각화할 수 있습니다.

다음으로, 꽃의 어느 쪽에결함이 있는 꽃 꽃잎(즉, 오른쪽 꽃잎 대 왼쪽 꽃잎, 그림 10 참조)이 포함된 꽃으로 분리되어 개별 표적 수준에서 동종 경직된 방치의 징후를 구체적으로 평가하였다. 왼쪽에 꽃잎이 짧은 꽃에 대한 두 그룹 간의 헤드 앵글 변화 점수에는 차이가 없었지만, F(1,4) = 0.09, p = 0.78, 오른쪽에 작은 꽃잎을 가진 꽃에 대한 두 그룹 간의 헤드 앵글 변화 점수에 큰 차이가 있었다, F(1,4) = 9.52, p =0.04. 구체적으로, SMG 그룹의 참가자들은 꽃의 오른쪽에 있는 짧은 꽃잎을 검색할 때 오른쪽(더 높은 꽃대머리 각도, 그림 11 참조)을 더 바라보는 경향이 있었다. 부시와 관련하여 피사체의 머리 각도(부시 각도, 그림 12 참조)도 분석을 위해 사용할 수 있어 부시와 관련하여 동종 적태를 감지할 수 있습니다. 이러한 분석은 태만지의 미묘하고 구체적인 측면을 포착하기 위해 변수를 보다 구체적으로 만들 수 있는 방법을 보여줍니다.

데이터를 분석하는 방법에는 여러 가지가 있습니다. 우리는 참가자가 각 꽃을 보았던 평균 초 수를 조사하여 한 그룹이 결함이있는 꽃을 식별하는 데 더 많은 어려움이 있는지 여부를 결정했습니다 (꽃을 보는 데 더 많은 초를 특징으로합니다). 이 예에서, 데이터는 이 규모가 가장 민감한 것으로 가설이었기 때문에 나머지 꽃잎의 크기가 95%인 결함이 있는 꽃잎을 가진 꽃에서 추출되었습니다. 혼합 ANCOVA는 그룹(SMG 대 STG)과 꽃 시야(오른쪽 대 왼쪽)를 비교하기 위해 실행되었습니다. TMS 이전 및 포스트 TMS 변경 점수를 계산하여 결과 변수로 사용하여 두 그룹 중 어느 그룹모두 TMS 에 이어 꽃을 보는 데 소요되는 시간이 증가했는지 여부를 조사했습니다. 왼쪽과 오른쪽 꽃모두에 대한 가짜 TMS 상태는 다시 한 번 개별 가변성을 설명하기 위해 코바레로 사용되었습니다. 그룹, F(1,3) = 0.12, p = 0.76 사이에 는 별다른 차이가 없었지만 꽃 시야, F(1,3) = 5.62, p = 0.098(그림 13)에서 약간 큰 차이가 있었다. 효과는 통계적 유의에 도달하지 않습니다. 그리고 더 많은 과목을 앞으로 평가해야합니다. 그럼에도 불구하고 이러한 데이터는 가상 현실 환경 내에서 특정 꽃 유형 및 시각 필드로 데이터를 제한할 수 있는 방법의 예입니다. 이러한 분석에서 볼 수 있듯이, 참가자의 성과를 비교하면 연구원에게 TMS의 효과를 측정하거나 심사관의 특정 연구 질문에 따라 보다 일반적으로 방치하는 민감하고 역동적인 방법을 제공할 수 있습니다.

그림 1: 선 양단 작업 자극 시트는 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2: 벨의 테스트 자극 시트는 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3: 스타 취소 테스트 자극 시트는 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4: 오타 원 취소 자극 시트는 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5: 반복적인 TMS 자극; 신경 탐색 소프트웨어(왼쪽), 자기 자극 장치(가운데), 및 저자 CH(오른쪽)를 통해 공기 냉각 코일을 보려면 여기를 클릭하십시오.

그림 6: VR 작업 중에 피사체가 볼 수 있는 가상 포리스트 환경은 여기를 클릭하여 이 그림의 더 큰 버전을 확인하십시오.

그림 7: 대상과 미끼 꽃세 곡자의 레이아웃이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 8: 헤드 앵글 - 헤드의 전방 축과 몸통 사이의 각도를 클릭하여 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 9. 이 그림은 작업 성능 중에 헤드 앵글을 사용하여 두 가지 분석을 보여 줍니다.
(왼쪽) SMG vs STG 그룹 헤드 앵글 변경 점수. 이 척도에서 점수0은 각 꽃의 중심을 보았음을 나타내며, 긍정적 점수는 오른쪽을 바라보았고 음수 점수는 왼쪽을 바라보았다는 것을 나타냅니다. SMG 그룹은 양성 반응을 보인 반면, STG 그룹은 부정적인 점수를 보였으며 자극 다음 왼쪽에 더 많이 보였다는 것을 나타내는 긍정적인 점수를 보였습니다. SMG와 STG 그룹은 헤드 앵글 변경 점수가 현저히 달랐습니다. (오른쪽). TMS 이전 각 참가자에 대해 플롯된 평균 헤드 앵글입니다. STG 그룹은 TMS 자극 전후에 강한 차이를 보이지 않았으며, 자극 다음 올바른 시야쪽으로 더 많은 것을 바라보는 것으로 나타난 SMG 참가자와 는 달리(양수로 표현). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 10: 왼쪽에 작은 꽃잎(왼쪽)과 오른쪽(오른쪽)에 작은 꽃잎이 있는 비대칭 대상 꽃(오른쪽)을 클릭하십시오.

그림 11: 머리 각도에 꽃 - 꽃이 선택되거나 식별된 순간에 머리의 전방 축과 머리에서 꽃이 미묘하게 되는 각도는 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 12: 부시 각도 - 꽃이 수확 /식별 된 순간에 머리에서 꽃의 덤불의 꽃과 중심에 의해 미묘 각도는이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 13. TMS 전후의 각 꽃을 살펴보는 데 소요된 초 동안 의 변경 점수를 의미합니다. 부정적인 점수는 참가자가 TMS 이전 행정에 비해 TMS 후 관리에서 꽃을 보는 데 더 적은 시간을 소비한 반면, 긍정적인 수치는 TMS 이후의 꽃을 보는 데 더 많은 시간을 소비했음을 나타냅니다. 데이터는 꽃이 가상 환경 내의 왼쪽 및 오른쪽 시야에 있는지 여부에 따라 구분됩니다. 데이터는 그룹(SMG 대 STG)에 의해 분리되었습니다. 꽃은 0.95의 규모로 결함이있는 꽃잎을 가진 사람들에게 제한되었습니다. 통계적으로 유의하지는 않지만 꽃 시야의 한계 효과가 있었습니다. 질적으로, 오른쪽에 비해 왼쪽 시야에 꽃에 대한 더 큰 가변성이있는 것으로 보인다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

저자는 공개 할 것이 없습니다.