基于虚拟现实运动想象任务中精神疲劳的脑电监测

《Frontiers in Behavioral Neuroscience》:EEG-based monitoring of mental fatigue during virtual-reality motor imagery tasks

【字体: 大 中 小 】 时间:2026年05月21日 来源:Frontiers in Behavioral Neuroscience 2.9

编辑推荐:

  在沉浸式虚拟现实环境中进行长时间的运动想象训练可诱发精神疲劳,降低参与度,并可能限制神经康复的效果。本研究通过记录健康受试者在头戴式显示器设置下进行长时间运动想象及对照任务期间的脑电图,以探究精神疲劳的神经标记物。研究人员应用多维分析方法提取频谱、空间及时间特

  
在沉浸式虚拟现实环境中进行长时间的运动想象训练可诱发精神疲劳,降低参与度,并可能限制神经康复的效果。本研究通过记录健康受试者在头戴式显示器设置下进行长时间运动想象及对照任务期间的脑电图,以探究精神疲劳的神经标记物。研究人员应用多维分析方法提取频谱、空间及时间特征,同时采用新颖的收缩步骤去除与任务相关的运动成分,以分离疲劳特异性活动。精神疲劳的证据一致性地体现在顶枕区α波段调制上,α功率的增加与主观报告及基于脑电图的精神疲劳测量均相对应。所构建的模型对常见脑电图伪迹具有稳健性,并在不同任务和 session 间表现出一致的疲劳估计能力。这些发现表明,个体化神经标记物可实现疲劳的实时监测(准确率为83.49 ± 6.34%),从而允许在脑机接口系统中对任务难度或节奏进行适应性调整。该研究增进了对沉浸式运动想象任务中精神疲劳神经生理学动态的理解,并为设计更有效的个性化神经康复方案奠定了基础。
本研究发表于《Frontiers in Behavioral Neuroscience》,旨在探讨基于脑电图的精神疲劳监测在虚拟现实运动想象任务中的可行性,为自适应脑机接口-头戴式显示器系统的开发提供理论与实践基础。

研究背景与问题:精神疲劳是一种以认知和行为表现下降为特征的认知状态,表现为注意力受损、计划能力下降以及应对挑战或负面结果时策略调整能力减弱。精神疲劳通常源于长时间的认知、感知或感觉运动需求,尤其在需要持续注意力、复杂决策或持续脑力劳动的任务中更为突出。在神经康复领域,精神疲劳尤为重要,因为它会损害任务表现和学习效果。脑卒中患者尤其容易受到疲劳影响,同时还存在运动障碍,这可能影响康复效果,因而促使研究人员采用基于脑机接口的方法。运动想象作为一种常用方法,指个体在心理上排练动作以激活感觉运动网络。然而,长时间的运动想象序列已被证明会诱发精神疲劳,导致警觉性降低、信息处理速度减慢以及主观努力感增加。为缓解与基于运动想象的脑机接口训练相关的挑战,基于头戴式显示器的虚拟环境被引入以使训练更具互动性和适应性。尽管沉浸式虚拟现实可增强参与度和脑机接口表现,但长时间与头戴式显示器交互也会对用户施加大量的认知和感知需求。当头戴式显示器虚拟现实和运动想象范式结合时,这些精神疲劳来源可能相互混淆:沉浸式环境施加的认知负荷可能与运动想象所需的持续努力相互作用,可能放大整体疲劳效应,且难以区分各自的贡献。这种复合性精神疲劳可能负面影响用户体验、降低神经信号的可靠性,并限制自适应训练策略的有效性。因此,理解精神疲劳如何随时间从头戴式显示器使用和任务表现中发展,以及它在行为和脑电图测量中的反映,对于设计能够维持表现并支持长期康复效果的自适应脑机接口-头戴式显示器系统至关重要。

研究人员开展了针对健康受试者的实验研究,通过结构化三 session 设计实现运动想象与对照条件的被试内比较。实验包括镜像盒 session、运动想象虚拟现实-头戴式显示器 session 和对照虚拟现实-头戴式显示器 session。主要结论表明:顶枕区α波段活动的变化是精神疲劳的可靠指标;疲劳在运动想象和对照条件中激活了重叠的神经机制;个体化模型在适当重新定标后可在不同日期间泛化;虚拟现实与非虚拟现实静息态脑电图存在明显区别,强调了在沉浸式环境中获取基线测量的重要性。

研究意义在于:该研究增进了对沉浸式运动想象任务中精神疲劳神经生理学动态的理解,为设计更有效的个性化神经康复方案奠定了基础,并为将实时疲劳监测整合到自适应脑机接口-头戴式显示器系统提供了有前景的方向,以改善可用性、优化任务难度并增强虚拟现实支持的运动神经康复的整体效果。

本研究采用的主要关键技术方法包括:样本来源于15名健康受试者(最终分析纳入7名),采用g.Nautilus PRO FLEXIBLE系统记录32导脑电图信号,使用Meta Quest 2头戴式显示器呈现虚拟现实环境,通过Python及MATLAB平台进行数据处理。具体技术方法涵盖:基于不规则重采样自谱分析的方法提取脑电图谐波成分特征;采用N路偏最小二乘算法处理多维脑电数据结构以实现精神疲劳状态分类;通过线性判别分析生成分类概率输出;运用五折交叉验证优化模型参数并评估泛化性能;提出了μ节律收缩方法,即并行因子分析提取μ成分后从脑电数据中去除该任务相关运动成分,以分离疲劳特异性神经活动;采用多边形面积度量综合评估分类器性能。

研究结果部分:

主观测量分析:通过Spearman等级相关分析评估问卷项目与疲劳估计的关系。描述性统计表明,恶心、头晕和前庭不稳定性水平在整个实验中保持不变,视觉疲劳、视觉不适和精神疲劳呈中度增加,参与者动机保持较高水平。相关分析揭示了主观疲劳测量之间的清晰关联,视觉疲劳与精神疲劳密切相关,恶心与头晕密切相关,视觉不适、前庭不稳定性与其他疲劳维度呈中度正相关,头晕与动机呈负相关。

脑电图分析:分析集中于脑电图频谱的谐波成分,重点关注α频率范围。首先分析了运动想象和对照 session 前后静息态脑电图的谐波频谱。结果表明,闭眼条件下整体频谱振幅高于睁眼条件(Berger效应),且 session 后记录振幅高于 session 前记录。在运动想象 session 中,观察到跨模块的清晰进展,频谱振幅从第一模块到第三模块逐渐增加,而对照 session 中此效应较不明显。虚拟现实 session 期间的脑电图信号与静息态数据相比显示出不同的频谱特征。大平均功率谱分析显示,与顶枕α活动相关的电极在虚拟现实 session 后表现出α功率增加。此外,在运动想象 session 期间检查了μ节律的神经去同步化,大多数情况下去观察到清晰的μ活动去同步化,成功与未成功试次间存在可区分的差异。

精神疲劳分类:将N-PLS分类程序应用于从七名参与者虚拟现实 session 前后静息态期间记录的脑电图片段提取的时期,将 session 前数据与非疲劳关联,session 后数据代表高水平精神疲劳。数据集包含1,072个低疲劳和1,322个高疲劳时期。五折交叉验证表明,参与者内准确率标准差范围为0.83%至6.48%,表明分类性能稳定。μ节律收缩后重新训练N-PLS模型,平均分类准确率为83.49 ± 6.34%,N-PLS成分保留数范围为3至4个。在N-PLS潜空间中,尽管限制于前两个或三个成分,类别分离通常仍然明显,数据块在潜空间中占据不同区域。将虚拟现实 session 数据投影到此潜空间揭示了从非疲劳向疲劳区域的渐进转变。疲劳预测方面,单个试次N-PLS预测逐渐从非疲劳类别向疲劳类别转变,疲劳概率随时间逐渐增加。对所有七名参与者的平均N-PLS分类分数计算显示,实验结束时预测精神疲劳分数向疲劳状态明显增加,运动想象 session 总体斜率为0.0328,对照 session 斜率为0.0287。

主观与模型估计疲劳的相关性:Spearman相关分析显示,运动想象 session 中自评精神疲劳与预测疲劳水平呈最强正相关,对照 session 中恶心表现出最高关联。两个 session 中动机均与估计疲劳呈负相关。

讨论部分总结:

主观与客观测量:疲劳可通过客观指标和主观报告评估,这些测量有时会出现分歧。本研究中动机与其他问卷项目的负相关表明,疲劳是多种因素的 interplay 而非单一原因。运动想象条件需要持续注意力和认知努力,导致更高的心理努力和认知疲劳,但也被认为更具吸引力和内在动机;对照 session 涉及更简单的任务,参与者经历较低的认知紧张但参与度降低、单调性增加,通过欠刺激而非持续努力促进疲劳,符合欠载/过载框架。脑电图和主观测量的相应变化支持这一观点。

α振荡与神经生理机制:尽管文献中常报告α和θ波段的变化,但本研究中α效应的主导性与预测模型训练并应用于静息态数据的范式一致。α振荡通常被解释功能抑制的指标,反映皮层参与和处理降低。顶枕α活动与注意控制和工作记忆相关,疲劳累积时注意力资源减少,导致自上而下调制降低和从外部定向加工向内部定向加工的转变。脑电图-功能磁共振研究进一步将升高的α功率与默认模式网络活动增加相关联。

静息态与虚拟现实效应:虚拟现实静息态期间的α振幅高于 session 前后记录的睁眼静息态,脑电图信号显示出不同的频频特征,可能反映沉浸式虚拟现实环境、头戴式显示器使用和任务相关参与的影响。基于α振荡的抑制作用,较高α振幅对应更强的抑制,定义为任务无关皮层区域的主动抑制。结果表明虚拟现实-头戴式显示器环境调节皮层兴奋性并重组织静息态动态,升高的α活动可能代表管理增强的感觉和注意力需求的代偿性抑制。

精神疲劳估计:精神疲劳分类器达到平均准确率83.49 ± 6.34%,模型对短至2秒的脑电图时期进行预测,适合连续监测。N-PLS估计的疲劳在运动想象和对照 session 中显示出相似趋势,均呈正斜率,运动想象条件斜率略大。应用于含伪迹脑电图数据的结果表明模型在这些条件下保持稳定。个体化方法对精神疲劳建模至关重要,早期迭代揭示的 prominent μ 成分需去除后,α波段成为与疲劳相关的主要频率波段。第一N-PLS成分捕获最大份额的疲劳相关方差,由顶枕α活动主导。资源耗竭理论将持续认知努力与认知控制网络中资源减少相联系,"废物处置"假说则认为长时间任务参与导致神经毒性代谢副产物积累。临时性的估计疲劳降低可能代表通过清除积累废物产物的部分恢复。

研究局限性:建模方法为受试者特异性;主观疲劳评估使用自拟问卷而非验证性心理测量工具;排除标准和 pre-session 条件基于自我报告 compliance 而非正式临床筛查或客观验证;实验在控制实验室环境中进行,使用健康参与者,可能未完全捕捉真实世界临床神经康复设置的复杂性。

研究结论:

本研究证明α波段脑电图活动的变化为虚拟现实头戴式显示器环境中进行运动想象和对照任务期间精神疲劳的可靠指标。结果表明,两种条件下的疲劳激活了重叠的神经机制,最突出地体现在顶枕α调制上。在参与者中,主观报告、行为反应和N-PLS衍生脑电图特征趋于一致,将疲劳建模为注意力控制和皮层参与的渐进性 withdraw,与持续努力期间功能抑制的既定神经生理学解释一致。跨条件的疲劳估计一致性表明,个体化模型在适当重新定标后可跨日泛化。此外,虚拟现实与非虚拟现实静息态脑电图的清晰区别凸显了在沉浸式环境内获取基线测量的重要性,以确保参考状态反映用户实际的感觉和注意力需求。未来工作应集中于精炼模型,并在临床人群中检验这些疲劳相关标记的稳定性,特别是脑卒中后患者。将实时疲劳监测整合到自适应脑机接口-头戴式显示器系统中,代表了改善可用性、优化任务难度和增强虚拟现实支持的运动神经康复整体效果的有前景的一步。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号