가상 현실을 사용 하 여 다른 한 손으로에서 모터 기술 지식을 전송 하
2017년 9월 18일
(훈련 비) 반면에 모터 기술 성능 향상을 위해 한 손으로의 자발적인 제어를 이용 하는 새로운 가상 현실 기반된 설치를 설명 합니다. 이 마치 훈련 비 손을 움직이는 운동 기반 실시간 감각 피드백을 제공 하 여 이루어집니다. 이 새로운 접근은 일방적인 hemiparesis 환자의 재활을 향상 시키기 위해 사용할 수 있습니다.
가상 현실을 사용한 이 훈련 설정의 전반적인 목표는 자발적인 신체 움직임이 없는 팔다리의 간단한 운동 기술에 대한 성능 향상을 높이는 것입니다. 이 방법은 기술 습득에서 감각 지각의 역할과 같은 운동 기술 학습 분야의 주요 질문에 답하는 데 도움이 될 수 있습니다. 이 기술의 주요 장점은 훈련 중에 시각 및 고유 수용성 입력을 완전히 제어할 수 있다는 것입니다.
이 기술의 의미는 상지 편마비 치료로 확장될 수 있는데, 이는 건강한 손의 통제가 영향을 받은 손을 훈련하는 데 사용되기 때문입니다. 절차를 시연하는 것은 내 연구실의 연구 조교인 Shiri가 맡을 것입니다. 먼저 피험자를 실험 의자로 데려간다.
그리고 손을 앞으로 내밀고 손바닥을 아래로 향하게 하여 앉게 합니다. 머리에 장착한 3D 카메라가 있는 가상 현실 또는 VR 헤드셋을 피사체에 놓고 실제 환경에 대한 온라인 시각적 피드백을 제공합니다. 카메라의 비디오가 VR 헤드셋에 표시되는지 확인합니다.
다음으로, 동작 감지 MR 호환 장갑을 피험자의 손에 끼워 각 손의 개별 손가락 굴곡을 온라인으로 모니터링할 수 있습니다. 피험자가 실제 손이 있을 위치를 내려다볼 때 가상 손만 볼 수 있도록 합니다. 그런 다음 피험자의 손을 특수 동작 제어 장치에 넣고 오른쪽 및 왼쪽 손가락을 피스톤에 개별적으로 묶습니다.
피험자가 오른손 손가락을 따로 움직일 수 있는지 확인합니다. 마지막으로, 피험자에게 왼손이 장치 내부에 있는 동안 왼손을 움직이도록 요청하여 왼손 손가락의 자발적인 움직임이 제한되는지 확인합니다. 모션 제어 장치에서 피험자의 손을 푸는 것으로 시작합니다.
그런 다음 피험자가 30초 동안 비훈련 손으로 가능한 한 정확하고 빠르게 단수동 5자리 손가락 시퀀스 움직임을 반복해서 수행하도록 합니다. 다음으로, 피험자의 손을 모션 제어 장치에 묶습니다. 그런 다음 피험자에게 다가오는 훈련 단계로 신호를 보내 자기 주도 방식으로 활성 손으로 손가락 움직임 시퀀스를 수행합니다.
평가 후 실험 중 장갑의 손 구성을 기록하는 맞춤형 소프트웨어에서 데이터를 분석합니다. Session Left File(세션 왼쪽 파일)을 클릭하고 관련 주제 아래의 왼쪽 캡처 폴더에서 생성된 파일을 선택합니다. 그런 다음 세션 오른쪽 파일을 클릭하고 관련 주제 아래의 오른쪽 캡처 폴더에 생성된 파일을 선택합니다.
그런 다음 Play session을 클릭하여 모션 추적 장갑의 센서에서 기록된 데이터를 기반으로 각 평가 단계에서 가상 손 움직임을 재생하고 시각화합니다. 마지막으로, 각 평가 단계와 각 피험자에 대해 개별적으로 훈련되지 않은 손으로 수행된 완전하고 올바른 손가락 시퀀스의 수를 세고 성능 향상 지수를 계산합니다. 교차 교육 또는 CE 및 시각적 조작 조건의 훈련에 따른 왼손 성능 향상은 왼손 관찰에 의한 훈련 또는 세 가지 훈련 유형이 구현된 또 다른 건강한 피험자 세트의 전통적인 CE.In 형태인 일치된 시각적 피드백을 통한 오른손 훈련 후 얻은 이득에 비해 훨씬 높았습니다. 그 결과, 시각적 조작에 수동적 왼손 손가락 움직임을 추가하면 시각적 조작만으로 얻은 성능 향상보다 훨씬 더 높은 왼손 성능 향상이 가장 높은 것으로 나타났습니다.
이 기술을 마스터하면 제대로 수행하면 약 20분 안에 완료할 수 있습니다. 이 절차를 시도하는 동안 훈련 세션 사이에 적절한 휴식을 제공하는 것이 중요합니다. 장갑과 셋업은 MRI와 호환되기 때문에 관련된 기본 신경 메커니즘에 대한 추가 질문에 답하기 위해 MRI 스캐너 내에서 이 절차를 수행할 수 있습니다.
개발 후,이 기술은 운동 기술 학습 분야의 연구자들이 기술 습득 과정에서 시각 및 고유 수용성 모두의 감각 입력 조작을 탐구 할 수있는 길을 열었습니다. 이 비디오를 시청한 후에는 자발적인 신체 움직임이 없는 상태에서 팔다리를 훈련하는 방법을 잘 이해하게 될 것입니다. 수동 이동 장치로 작업하는 것은 피곤할 수 있으므로 훈련 중 휴식을 제공해야 한다는 것을 잊지 마십시오.
개요
이 연구는 다른 손의 자발적 제어를 통해 미훈련 손의 운동 기술 성능을 향상시키는 새로운 가상 현실 설정을 소개합니다. 실시간 감각 피드백을 제공함으로써, 이 방법은 일측 편마비 환자의 재활에 크게 도움이 될 수 있습니다.
주요 연구 구성 요소
과학 분야
- 신경과학
- 운동 기술 학습
- 재활 기법
배경
- 운동 기술 학습은 연습과 감각 피드백을 통해 기술을 습득하는 것을 포함합니다.
- 일측 편마비는 운동 기능에 영향을 미치며 재활은 회복을 위해 중요합니다.
- 가상 현실은 훈련 결과를 향상시키는 몰입형 경험을 제공할 수 있습니다.
- 기술 습득에서 감각 인지의 역할을 이해하는 것은 효과적인 치료법을 개발하는 데 중요합니다.
연구 목적
- 한 손의 자발적 제어가 다른 손의 운동 성능에 미치는 영향을 조사합니다.
- 운동 기술 훈련에서 감각 피드백의 의미를 탐구합니다.
- 상지 재활을 위한 치료 환경에서 활용할 수 있는 방법을 개발합니다.
사용된 방법
- 피험자는 손 움직임의 시각적 피드백을 위해 VR 헤드셋을 착용했습니다.
- 모션 센싱 장갑이 훈련 중 손가락 움직임을 모니터링했습니다.
- 피험자는 훈련된 손이 제한되는 동안 미훈련 손으로 손가락 시퀀스를 수행했습니다.
- 데이터를 분석하여 성능 향상과 훈련 방법의 효과를 평가했습니다.
주요 결과
- 시각적 조작과 수동 운동으로 훈련하면 미훈련 손의 성능이 크게 향상되었습니다.
- 성능 향상은 기존 훈련 방법에 비해 더 높았습니다.
- 이 기법은 20분 세션 내에 효율적으로 수행할 수 있습니다.
- 훈련 세션 중 피로를 방지하기 위해 휴식이 필수적입니다.
결론
- 이 VR 기반 방법은 운동 기술 재활을 향상시키는 가능성을 보여줍니다.
- 훈련 중 감각 입력의 제어된 조작을 허용합니다.
- 향후 연구에서는 MRI 환경 내에서의 적용을 탐구하여 근본적인 신경 메커니즘을 이해할 수 있습니다.
자주 묻는 질문
Executive Industry Relevance
Translational neuroscience and rehabilitation R&D increasingly require methods that enable motor skill acquisition when voluntary movement is impaired. This VR-based protocol provides a controlled platform for manipulating sensory feedback, supporting mechanistic de-risking and predictive confidence in early-stage therapeutic hypothesis testing. The approach is positioned to inform portfolio decisions in neurorehabilitation and device-enabled intervention pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of sensory-motor integration mechanisms relevant to neurorehabilitation targets.
- Supports biological de-risking by isolating sensory feedback contributions to motor learning.
- Facilitates predictive confidence in target engagement for device-assisted interventions.
Screening & Assay Development
- Prepares validated, reproducible sensorimotor paradigms for downstream screening of neuromodulatory compounds or devices.
- Standardizes quantitative measurement of motor performance gains across experimental conditions.
- Enables scalable, platform-based evaluation of intervention efficacy in controlled settings.
Translational & Preclinical Research
- Aligns with disease-relevant models of upper limb hemiparesis for translational biomarker development.
- Supports continuity from discovery-stage mechanistic studies to preclinical validation of rehabilitation strategies.
- Provides predictive de-risking for cross-education and sensory manipulation approaches in neurotherapeutics.
Pipeline & Workflow Integration
This VR-based sensory manipulation protocol integrates into the discovery-to-preclinical continuum for neurorehabilitation and device-enabled therapy development.
- Discovery Biology: Enables hypothesis testing on sensory feedback roles in motor skill acquisition.
- Screening: Provides reproducible, quantitative readouts of motor performance for intervention assessment.
- Analytics: Delivers session-based performance indices and comparative outputs for condition benchmarking.
- Translational Research: Bridges mechanistic findings to preclinical models of impaired voluntary movement.
- Enterprise Reuse: Establishes a reusable, MRI-compatible platform for multi-study sensory-motor research.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in sensory-motor target validation.
- Operational Value: Standardizes sensory manipulation and performance measurement for reproducibility and scalability.
- Strategic Value: Informs go/no-go decisions for device and intervention development in neurorehabilitation portfolios.
- Portfolio Impact: Supports risk-adjusted prioritization of sensory-motor therapeutic strategies.
Implementation Considerations
- Requires expertise in VR systems, motion tracking, and sensory-motor neuroscience.
- Needs access to MRI-compatible gloves, motion control devices, and custom analytics software.
- Demands cross-team standardization of sensory feedback protocols and performance metrics.
- Adaptation may be needed for different patient populations or disease models.
- Physical fatigue and session timing must be managed to ensure data quality and subject safety.
