Altı Serbestlik Dereceli Hareket Platformu Kullanarak Vestibüler Algısal Eşiklerin Tahmin Edilmesi

Vestibüler algısal eşikler, vestibüler uç organın beş alt bileşeninin tümünü test etmeyi sağlar. Klinik ve temel araştırma sorularını ele almak için kullanılabilirler. Hareket platformunda ölçülen vestibüler algı eşikleri, natüralist hareket uyaranlarına dayanmaktadır.

Bu, çok duyusal entegrasyon ve karar vermenin incelenmesini sağlar. Vestibüler algısal eşikler, hastalarda algının nasıl olduğunu araştırmak için kullanılabilir ve tanıda ek bir araç haline gelebilir. Ayrıca, terapötik müdahalelerin başarısını izlemek için kullanılabilirler.

Bu prosedür son derece otomatiktir ve kullanımı kolaydır. Yeni başlayanlar bile, merdiven algoritmasının yakınsamaması gibi sorunları tespit edebilir ve ilgili parametrelere uyum sağlayabilir. Vestibüler algılama eşiklerini tahmin etmek için, bir hareket platformuna veya döner sandalyeye erişim sağlayın.

Ardından, hareket profillerini programlamak ve hareket platformunu arayüzlemek için bir kontrol yazılımı olan PlatformCommander'ın mevcut olduğunu onaylayın. Katılımcı yanıtlarını kaydetmek için bir yanıt cihazı, bir oyun kumandası kullanın. Görsel hareket ipuçlarının etkisini ortadan kaldırmak için katılımcının gözlerini bağlayın.

Hareket platformları, hareket yoğunluğu ile ilişkili gürültü üretir. Katılımcılar bu işitsel gürültüyü, vestibüler algı eşiklerini tahmin ederken istenmeyen ek bir bilgi kaynağı olarak kullanabilirler. Bu sesi maskelemek için, her deneme sırasında gürültü önleyici kulaklıklarla katılımcıya beyaz gürültü sunun.

Deneysel prosedüre başlamadan önce, süreci katılımcıya açıklayın ve bilgilendirilmiş onam alın. Ardından, katılımcının hareket platformuna monte edilmiş sandalyeye oturmasına izin verin ve emniyet kemerlerini kullanarak sabitleyin. Yanıt düğmelerini katılımcıya verin ve anahtarların yanıtlara nasıl atandığını açıklayın.

Ardından, katılımcının gözlerini bağlayın. Kulaklıkları katılımcının kafasına yerleştirin ve uygun bir kafa sabitleme uygulayın. Ana, pil ve denetleyici anahtarını kullanarak hareket platformunu açın.

Platformun etrafındaki alanın net olduğundan ve test sırasında kimsenin hareketli platforma yaklaşamadığından emin olduktan sonra, eşik tahmin prosedürünü eğitimle başlatın ve katılımcının göreve aşina olmalarını sağlayın. Komut dosyası eşik eğitimini kullanın. jl, eğitim prosedürü için çevrimiçi olarak kullanılabilir.

Ardından, kullanılacak tahmin algoritmasına karar verin. Bir merdiven yaklaşımı kullanılıyorsa, parametrenin başlangıç noktasını, adım boyutunu, güncelleştirmeyi ve sonlandırma kurallarını tanımlayın. Sunucu yazılımının grafik kullanıcı arabiriminde veya GUI'sinde görüntülenen durum kontrol edilerek oturumun başarılı bir şekilde başlatılması sağlanır.

Başarılı bir şekilde başlatıldıktan sonra, durum ekranı devam etmeyen oturumdan kısa sıraya geçer. Ayrıca, bağlı istemcinin IP adresini ve oturumun başlatıldığı saati de görüntüler. Eğitim prosedüründe, katılımcının görevi anladığından emin olun, yanlış düğmelere basarsa hataları işaret edin ve sorularına cevap verin.

Ardından, katılımcıya eğitim prosedürünün bittiğini ve tahmin prosedürünün başlamak üzere olduğunu bildirin. Tahmin yordamı komut dosyasına, julia threshold-test yazarak başlayın. jl komut satırına yerleştirin.

Ardından, sonlandırma kriterlerine ulaşılana kadar tam otomatik tahmin prosedürünü denetleyin. Prosedürü sonlandırdıktan sonra, hareket platformunu park edin, kafa sabitleme, kulaklık, kör edici ve düğmeleri çıkarın ve katılımcının inmesine izin verin. Üç aşağı, bir yukarı merdiven kuralı, denemeler boyunca kullanılan uyaran yoğunluklarını gösteren bir grafik verdi.

Tahmini eşik yoğunlukları sabit bir değere doğru yakınsamaktadır. Ayrıca, katılımcı yoğunluk tahmini denemelerinin% 79.4'ünde doğru cevabı vermiştir. Başarısız bir eşik tahmininin görselleştirilmesi burada gösterilmiştir.

30 denemenin sonlandırma kriterleri ve gerçek eşikten nispeten uzakta bir başlangıç yoğunluğu nedeniyle, merdiven fonksiyonu yakınsamamıştır. Gerçek eşiğe doğru daha hızlı bir yakınsama, erken bir yanlış yanıt tarafından engellenir Tahmin oturumu sırasında, merdiven algoritmasının yakınsadığından emin olun. Yakınsama olmaması durumunda tahmin prosedürünü ayarlanmış parametrelerle tekrarlayın.

İkili düğmeye basmaya ek olarak tepki süreleri ölçülebilir. Bu, sürüklenme-difüzyon modelleri gibi daha karmaşık analiz tekniklerinin uygulanmasına izin verir. Bu teknik aynı zamanda uzayda nasıl hareket ettiğimiz ile karar verme ve zihinsel imgeleme gibi daha yüksek bilişsel süreçler arasındaki etkileşimi daha iyi araştırmaya yardımcı olacaktır.