ニュース

Dec 04, 2023

仮想現実を用いた立位バランスへの視覚的寄与の推定

Rapporti scientifici Volume 13,

Scientific Reports volume 13、記事番号: 2594 (2023) この記事を引用

620 アクセス

4 オルトメトリック

メトリクスの詳細

感覚の摂動は、バランスの根底にある感覚統合メカニズムを評価するための貴重なツールです。 システム識別アプローチとして実装すると、バランス不足を定量的に評価し、根本的な原因を分離するために使用できます。 ただし、実験には制御された摂動と高度なモデリングおよび最適化技術が必要です。 ここでは、結果のモデルベースの解釈とともに、移動ビジュアルシーン実験の仮想現実実装を提案および検証します。 このアプローチにより、実験の実装が簡素化され、標準化された分析ルーチンを実装するためのプラットフォームが提供されます。 仮想現実ヘッドマウントディスプレイを装着した健康な若年被験者14人の揺れを測定した。 被験者は仮想の部屋または部屋内のスクリーンを観察し、これらは両方とも 2 日間に記録された一連の正弦波または擬似ランダムの部屋またはスクリーンの傾斜シーケンス中に移動しました。 それぞれ 5 つの振幅で適用された、6 分間の長さの 10 個の \(\times\) 個の擬似ランダム シーケンスの被験者間比較では、私たちの結果は、文献に記載されている現実世界の移動スクリーン実験との差異を示さなかった。 データを解釈するために独立チャネル モデルを使用しました。これにより、フィードバック システムのダイナミクスを特徴付けるパラメーターとともに、バランスへの視覚的寄与の直接推定値が得られます。 6 \(\times\) 20 秒の擬似ランダムシーケンスの 6 回の繰り返しから得られた単一被験者パラメータの信頼性推定では、テストと再テストの一致が不十分でした。 推定パラメータは、毎日 3 回の繰り返しを平均し、日をまたいで比較すると、優れた信頼性を示します (クラス内相関、視覚的重み、時間遅延、およびフィードバック ゲインの ICC 0.7 ～ 0.9)。 揺れの反応は視覚的なシーンに強く依存しており、高コントラストの抽象的なスクリーンは、写実的な部屋と比較してより大きな揺れを引き起こしました。 結論として、私たちが提案する仮想現実アプローチにより、研究者は最小限の実装労力でバランスへの視覚的貢献を含むバランス制御ダイナミクスを確実に評価することができます。

人間はバランスを維持するために感覚情報に依存しています1。 感覚入力の制御された摂動は、感覚統合とその欠陥を調査するための強力なツールです2、3、4、5、6。 ただし、制御された感覚の摂動は、ハードウェアと分析技術の両方の点で実装が困難です。 私たちの研究では、単純な仮想現実 (VR) セットアップを使用した感覚摂動実験を提案し、検証します。 さらに、Peterka5 によって提案されているように、単一被験者レベルで記録されたデータのモデルベースの解釈を使用します。 VR 実験とモデルベースの解釈を組み合わせることで、視覚感覚への寄与 (重み係数) の定量的推定を含むバランス制御メカニズムのダイナミクスを確実かつ簡単に評価できることを示します。

バランス実験の重要な焦点の 1 つは、バランス障害を診断するための感覚統合とその欠損の評価です 7,8。 重度の障害は、両足を揃えて立って目を閉じる（ロンベルグ立位）などの単純な作業中にすでに目に見えるようになります9。 フォースプレート測定を使用した自発的な揺れの評価など、機器を備えたバランステストでは、より詳細で客観的な情報が得られます8。 しかし、自発的な揺れの測定値には、内部制御ダイナミクスを感覚系や運動系に固有の未知のノイズ特性から分離するのに十分な情報が含まれていません6。 さらに、日常生活で柔らかい表面に立っているときや、動く視覚シーン（電車やバスなど）を見ているときに発生する感覚の矛盾にシステムがどのように対処するかについての洞察は得られません。 したがって、自発的揺れはシステムの状態に関する貴重な情報を提供しますが、感覚統合に関しては限られた情報しか提供しません6。 感覚の利用可能性の変化 (しっかりとしたサポートとソフトなサポート、目の開閉など) を使用して、感覚統合をある程度評価できます2。 臨床現場で主に使用される感覚除去に基づく計測化された実装は、感覚組織テスト (SOT) です 10,11。 3 つの SOT 条件内では、支持面および/または視覚的シーンは被験者の揺れに応じて移動します (「揺れ参照」12)。 このような状況では、揺れ参照システムは空間内の体の位置を正確にエンコードできません。 異常な揺れ動作やそのような状況で立つことができない場合は、バランスの欠如を示し、影響を受けるシステムに関するヒントを提供します。 SOT スコアには、被験者の自発的な揺れと「転倒」が含まれます。 SOT スコアは平衡障害を明らかにすることができますが、複数の障害間の相互作用や感覚運動相互作用の複雑さは考慮されていません。 したがって、システムのダイナミクスやプロパティ自体を明らかにするのではなく、システムの状態についての洞察を提供します。

感覚の摂動を体系的に誘発することは、感覚の統合を調査し、バランス制御メカニズム自体を特徴付けるための非常に強力なパラダイムです2、3、4、5、6。 たとえば、視覚的なシーンやサポート表面の傾きを使用して、感覚入力間の微妙な矛盾を引き起こすことができます。 中枢神経系は感覚の矛盾を完全に解決することはできません。 この不完全性は、視覚的なシーンの動きを自己の動きとして誤って解釈することにつながります。 自己の動きを誤って感知すると、筋肉の「矯正」収縮が起こり、体の揺れが誘発されます。 葛藤と誘発された動揺の関係は、根底にある感覚統合メカニズムを特徴づけ、定量的にモデル化するために使用できる豊富な情報源です1,6。

過去 30 年間に、傾斜摂動データを解釈するための包括的なフレームワークが開発されました 1、5、6、13、14、15。 このアプローチでは、複雑なバランス動作を生理学的に意味のあるパラメーターの限られたセットに減らす制御理論のシステム同定ツールを使用します。 成功した場合、パラメーターと基礎となる制御モデルは、実験的に評価されたバランス動作を定量的に再現します。

文献の中で最も著名なモデルは、Peterka1 によって提案された「独立チャネル」モデルです。 より最近の更新には、モデルの詳細な説明と、バランス制御メカニズムの単一被験者の特性評価に必要な技術が含まれています5。 現在の研究の焦点である視覚シーンの摂動については、モデルには摂動に対する個々の被験者の揺れ反応を再現するために最適化された 5 つのパラメーターが含まれています。 感覚統合は、すべての感覚寄与の加重合計です。 視覚的重み付けパラメータ \(W_v\) は、トルク全体に対する視覚的寄与の割合を示します。 残り (\(100\% - W_v\)) は固有受容と前庭の寄与によって生成され、追加の摂動がなければ分離できません。 パラメータ \(K_p\) と \(K_d\) は、それぞれ比例フィードバック ゲインと微分フィードバック ゲイン、つまり、望ましい直立位置と体の揺れ速度からの偏差に対する筋収縮の強さです。 フィードバック時間遅延パラメータ \(\tau\) は、神経制御メカニズムのすべての時間遅延成分 (神経伝導時間、筋活動など) を考慮します1。 最後に、パラメーター \(K_t\) は、ローパス フィルター処理された正のトルク フィードバック ループからの寄与の尺度であり、周期 \(\gtrabout 20 s\) の低周波揺れ特性を説明するために提案されています 16,17。 これらのパラメータは、モデル シミュレーションおよび最適化手法と組み合わせた、移動ビジュアル シーンの実験から推定できます。

感覚摂動を入力として使用する実験の大きな欠点の 1 つは、必要な実験セットアップです。 電動ビジュアル シーン (またはサーフェス) はコストがかかり、必要な精度に調整するのが困難です8。 また、セットアップはプロトタイプであることが多いため独自のものであり、ラボ間でデータを再現することが困難になります。 感覚の混乱を誘発するために、さまざまな代替実験操作が成功裏に使用されています。 例としては、腱の振動 (固有受容) 3、高速回転するディスク 18、スクリーンに投影されるオプティック フロー パターン 15、19、20、現実世界の動く部屋 21、22、23、24 (視覚)、電気前庭刺激 (前庭) 3、25、26 があります。 表面または視覚的なシーンの傾斜の大きな利点は、生態学的衝突を誘発すること、つまり日常生活で発生する自然な衝突を模倣することです。 さらに、傾斜摂動は、身体と感覚基準 (表面、視覚的シーンなど) の間の物理的方向を記述する運動学的変数としてモデル化するのが比較的簡単です。

仮想現実を使用すると、制御された感覚の摂動として動く視覚シーンを実装できます15、19、27、28、29。 VR ハードウェアが安価になり、簡単にアクセスできるようになり、視野、時間遅延、解像度の点で優れているため、VR は電動セットアップの代わりとなり、摂動ベースのバランス評価を広く利用できるようになります。 また、一部の VR システムには、完全に統合されたモーション キャプチャ システムとして使用できる統合トラッキング デバイスが備わっています。 最近の研究では、立位バランスでは、現実世界の部屋と比較して、写真のようにリアルな仮想現実の部屋を見ているときの体の揺れが同様であることを示しました30。 私たちはこれを固定支持面と傾斜支持面でテストしましたが、視覚的なシーン空間を静止させたままにしました。

実験中にハードウェアのセットアップとともに使用される仮想スクリーンと仮想部屋。 VR アバターは、それぞれの状態における被験者の視点を示します。 どちらの画像も、Unity (米国サンフランシスコの Unity Technologies) で作成されたカスタム アプリケーションのスクリーンショットです。 仮想環境の表示に使用されるヘッドマウント ディスプレイと、体の揺れの記録に使用される 2 つの VR モーション トラッカーが赤色で示されています。 右側の上のパネルは、5 つの振幅 (ピークツーピーク、pp0.5、pp1、pp2、pp4、pp8) のそれぞれについて連続 5 回繰り返された長い PRTS 刺激シーケンス (60.5 秒) の例を示しています。 。 中央のパネルは、マーカーの記録から得られた全身の重心の揺れの例を示しています。 下のパネルは、実験中に適用された試行の順序を示しています。

VR での移動ビジュアル シーンの実験が現実世界の移動シーンの実験と同等に匹敵するかどうか、またシステム識別技術を使用した信頼性の高いバランス評価に使用できるかどうかという疑問が残ります。 したがって、今回の研究の目的は、VR での移動シーンの実験を検証することでした。 この目的を達成するために、公開されている現実世界のセットアップ 1,5 から動く画面を VR で再構築しました (図 1 を参照)。 元の実験は、60.5 秒の長さの擬似ランダム 3 値シーケンス (「ロング PRTS」) で構成され、それぞれ 5 つの振幅で提示され、6 ～ 8 回繰り返されました。 同じシーケンスを 10 回繰り返して実装し、VR の結果を公開されている現実世界の結果と比較しました。 最初に検証された仮説は次のとおりです。

H1: 仮想の移動画面に対する揺れの応答は、同様の現実世界の画面の揺れ応答と変わりません。

長時間にわたる PRTS 評価には被験者を長時間放置する必要がありましたが、これは多くの応用研究課題では実現不可能です5。 したがって、完全な評価のために、20 秒シーケンスを 6 回繰り返す 120 秒バージョン (「ショート PRTS」) も実装しました。 この短いバージョンの信頼性を、長い PRTS トライアルの前に 2 回、その後に 1 回繰り返してテストしました。 また、2 日目にも完全な実験を繰り返し、6 回繰り返して信頼性分析に使用しました。 2 番目の仮説は次のとおりです。

H2: short-PRTS パラメータの推定値は、1 つのセッション内の繰り返しと、2 つの異なる日の 2 つのセッション間の繰り返しの間で高いクラス内相関を示しています。

静止した仮想視覚シーンのバランスを調査した以前の研究では、写実的なシーンと抽象的なシーンの揺れの違いが見つかりました30。 これは、被験者が抽象的なシーンの中であまり存在感を感じていないこと、または視覚入力の違いが原因である可能性があると推測しました。 対照的に、抽象シーン 31 とフォトリアリスティック シーン 28 を使用した他の研究では、それぞれ、擬似ランダムな視覚シーンの傾きに対する揺れ応答のコヒーレンス値が同様であることがわかりました。 したがって、視覚的なシーンのタイプが揺れの応答にどのような影響を与えるかは不確実性が残ります。 移動スクリーン設定で使用したスクリーンも非常に抽象的であったため、スクリーンと仮想部屋の動きに対する揺れの応答の比較をさらに追加しました (図 1 を参照)。 別の試験では、非常に小さな正弦に従って部屋とスクリーンが傾きました。 サインは PRTS に比べて提供する情報がはるかに少なくなりますが、サイクル期間が非常に短いため、より多くの繰り返しを取得できるため、短い録音中により多くの平均化が可能になります。 これにより、非常に小さな正弦波振幅を実装しながら、正弦波に対する応答振幅のかなり信頼できる推定値を取得することができました。 被験者には部屋/画面を見るように依頼し、摂動中の体の揺れを測定しました。

H3: 小さな正弦波視覚シーンの傾きに対する揺れの応答は、シーンのタイプに応じて異なります。

図 2 は、VR (青) に記録された 5 つの長い PRTS 振幅条件の結果を示しています。 画面のチルトシーケンスは上の行に表示されます。 2 行目は、14 人の被験者とそれぞれ 8 回のシーケンス繰り返しの平均化された重心 (com) の揺れを示しています (各日のピーク間振幅ごとに 4 回、追加の最初のシーケンスは過渡現象を避けるために破棄されました)。 Com sway は、すべての振幅で刺激に対して一貫した応答パターンを示します。 ただし、刺激振幅の大幅な増加 (pp\(0.5^{\circ }\) から pp\(8^{\circ }\)) と比較すると、com 揺れの増加ははるかに少なく、ピークツーピークを示して飽和します。 \(0.25^{\circ }\)、\(0.38^{\circ }\)、\(0.54^{\circ }\)、\(0.57^{\circ }\)、\(0.50) の値^{\circ }\) とそれぞれ。 この飽和は、周波数領域分析でさらによくわかります。 複素数値の周波数応答関数 (FRF) を計算し、ゲインと位相として表示しました (図 2 の 3 行目と 4 行目)。 ゲインは、周波数領域における刺激と応答の振幅比です。ゲイン = 1 は刺激と応答の振幅が等しいことを意味し、ゲイン = 2 は刺激の振幅と比較して応答が 2 倍大きく、ゲイン = 0 は刺激によって引き起こされる揺れがないことを意味します。 記録されたゲイン値は、刺激振幅全体で大幅な減少を示しています (左から右への Y 軸の違いに注目してください)。 したがって、揺れ応答の振幅は、より大きな振幅条件での刺激に比べてはるかに小さくなります。 位相値 (図 2 の行 4) は、刺激と反応の時間的関係を表します。ここで、 \(0^\circ\) の位相は「同相」を意味し、\(\pm 180^\circ\) は「逆位相」を意味します。 。 周波数が増加するにつれて位相は体系的に減少し、0.0165 Hz で \(\およそ 50^\circ\) の位相進み、約 1 Hz で \(\およそ 180^\circ\) の位相遅れを示しました。 刺激振幅が増加すると、高周波数での位相遅れがわずかに減少しましたが、それ以外の点では系統的な差はありませんでした。 コヒーレンス値は全体的に非常に低く、より高い周波数に向かって低下することが示されました。 周波数全体で平均したコヒーレンスは、pp0.5 では \(Coh\約 0.21\)、他のすべての振幅条件では \(Coh\約 0.28\) でした。

VR 移動画面実験の長い PRTS シーケンスと揺れ応答 (青)、および比較のための現実世界の揺れ応答 1 (赤)。それぞれ平均値と \(95\%\) 信頼区間 (斜線部分) として示されています。 刺激シーケンス (上の行) は 5 つのピークツーピーク振幅で適用されました。 各 pp 条件には、シーケンスの 8 回の繰り返しと 14 人の被験者にわたる平均が含まれています。 行 2 は平均質量中心 (com) の揺れを示し、行 3 と行 4 は周波数応答関数 (FRF) を周波数全体のゲインと位相として表示します。 行 5 は、VR と現実世界の FRF の統計的比較を示しています。赤い破線は \(\alpha =0.05\) のカットオフを示しています。 下の行は、ランダムな揺れと刺激によって引き起こされる揺れとの比率を示すコヒーレンスを示しています。 値が小さいほど、ランダムな揺れ成分が大きくなります。

周波数領域では、Peterka1 の実世界の移動画面データが比較のために表示されます (図 2 赤、破線)。 全体として、VR データと現実世界のデータは非常によく似た動作を示しました。ゲイン値は周波数全体で凹型の形状を持ち、振幅条件全体で大きく減少します。 位相値は、周波数全体で体系的に減少し、振幅条件全体で位相遅れがわずかに減少します。 コヒーレンス値はどちらのデータセットでも同様に低いです。 視覚的には、ピークツーピーク (pp) 0.5 および pp1 の VR と比較して、実際のデータではゲイン値がより大きな変動を示しました。 1D 統計的ノンパラメトリック マッピング Hotellings T\(^{2}\) 検定を使用して、VR と現実世界の FRF を統計的に比較しました (図 2 の行 5)。 統計的比較では、有意差 \((\alpha <0.05)\) は示されませんでした。

揺れ応答データのモデルベースの解釈を使用して、直感的な解釈を可能にする記述パラメーターを抽出しました (独立チャネル モデル 5)。 図 3 は、5 つのロング PRTS 条件の推定パラメータと、すべてのショート PRTS 条件の平均 (図 4 's1') を示しています。 視覚的重み (\(W_v\)) は、刺激振幅の増加に伴って系統的に減少しました (rmANOVA; \(p<0.001\)、\(\eta ^2=0.915\))。 また、視覚的重みは被験者内で一貫したパターンを示し、他の被験者と比較して比較的低いまたは高い視覚的重みが振幅条件全体にわたって維持されました。 \(\tau\)、\(K_t\)、\(\beta\) ではさらに違いが見つかりました。 パラメータ \(\tau\) と \(K_t\) は、刺激振幅の増加とともに減少しました (\(p<0.05\)、\(\eta ^2=0.253\)、\(\eta ^2=0.269\)。それぞれ）。 \(\beta\) は、pp0.5 から他のすべての条件まで大きな低下を示しました (\(p<0.001\)、\(\eta ^2=0.395\))。 これらの効果は、視覚的な重みと比較して、対象内で体系的ではありませんでした。 パラメータ \(K_p\) と \(K_d\) は、pp 条件間で有意な差を示しませんでした。 短い PRTS パラメータを pp4 条件と比較しました。 パイロット実験では、同様の速度を持つ PRTS シーケンスの視覚的な重み (\(W_v\)) 値の間に強い類似性があることがわかりました。 振幅または他の PRTS 形状特性よりも有利なモデル パラメーターのこの仮説的な刺激速度依存性をテストするために、pp4 ロング PRTS 条件の速度と一致するように短い PRTS を設計しました。 一対のサンプルのウィルコクソン符号付き順位検定を使用した統計的比較では、\(\beta\) (\(p<0.05\)) についてのみ有意差が示され、short-PRTS では時間遅延値が小さくなる傾向が示されました (\(p= 0.068\))。

5 つの長い PRTS のピークツーピーク振幅条件と短い PRTS 振幅条件 (s1) に対して推定された独立チャネル モデル パラメーター。 さらに、分散パラメータ \(\beta\) も表示されます。 パラメーターは、個々の被験者 (灰色) と被験者全体の平均、下位四分位数および範囲 (箱ひげ図) ごとに表示されます。 \(K_p\) と \(K_d\) は、mgh (対象の質量 * com-height * 重力定数) で正規化されます。

パラメータ推定値のテスト - 再テストの信頼性を得るために、毎日 5 回のロング PRTS トライアルの前に 2 回、その後に 1 回ショート PRTS 条件をテストしました。 図 4 は、5 つのパラメーターの結果を、揺れ応答電力、分散パラメーター \(\beta\) および最適化手順のシミュレーション誤差とともに示しています。 パラメータ推定値は、被験者内および被験者間で大きなばらつきを示しました。 体系的な変化は視覚的な重みについてのみ認められ、初日と比較して 2 日目にはわずかに減少しました (rmANOVA: \(p<0.05\)、\(\eta ^2=0.139\))。 6 つの個別の測定値すべてにわたってテストと再テストの信頼性を得るために、クラス内相関 (ICC) を計算しました (表 1、一番上の行)。 パラメーターを推定するために 5 つの刺激サイクルを使用した場合、ICC 値は一般に 0.5 未満であり、測定全体の一致が不十分であることを示しています。 次に、毎日内のすべての短 PRTS サイクルをプールし、これら 15 サイクルにわたる平均の揺れ応答のパラメーターを推定し、日間の ICC を再計算しました (表 1、下段)。 ここでは、ローパス フィルターのゲイン \(K_t\) と分散パラメーター \(\beta\) を除けば、良好から良好な一致が得られました。これらの一致は、日をまたがって悪いからまあまあの一致を示しました。

個々の short-PRTS 条件の独立したチャネル モデル パラメーター (pre1、pre2、x 軸の 1 ～ 3 としてポスト)。 さらに、記述的な揺れ応答電力、分散パラメータ \(\beta\) およびシミュレーション誤差 (SimErr) も表示されます。 パラメーターは、個々の被験者 (灰色) と被験者全体の平均値および標準偏差ごとに表示されます。 \(K_p\) と \(K_d\) は mgh で正規化されます。

図 5 は、画面ビューまたは部屋ビューにおける、足首関節周囲の同一シーンの傾斜に対する刺激周波数でのコムスウェイを示しています。 両方のシーンは、各セッションの開始時 (前) と終了時 (後) で、2 日間テストされました。 2 \(\times\) 2 \(\times\) 2 rmANOVA (2 シーン、2 日間、前後) では、すべての主効果で有意な差が示されました (すべて \(p<0.001\); シーン \(\eta ^2 =0.35\); 事後 \(\eta ^2 =0.15\); 日 \(\eta ^2 =0.02\))、およびインタラクションの pre-post*scene と scene*day ( \(p<0.05\))。 私たちの仮説に従い、揺れ応答に対するシーンタイプの重要な主効果を考慮して、シーンタイプ間で観察された違いをさらに調査するために事後分析を実施しました（仮説 3）。 シーンの事後比較では、室内ビューと比較して画面ビューの方が大幅に大きな揺れが示され、エフェクト サイズが非常に大きくなりました (\(p<0.001\)、コーエンの \(d=1.423\))。

部屋や画面を見るときの視覚的なシーンの傾きに応じて体が揺れます。 シーンの傾斜刺激の周波数 (\(0.05^{\circ }\) の 0.5 Hz 正弦波) でのコム揺れパワーを示します。 部屋の眺めと画面の眺めは、各セッションの開始時と終了時 (前後)、および 2 つの異なる日 (1 日目、2 日目) に測定されました。

私たちは、移動する視覚シーンの摂動を使用した感覚統合テストの仮想現実実装を検証しました。 私たちは 3 つの質問に取り組みました: (1) 揺れの応答は現実世界の設定と同等ですか? (2) テストと再テストの信頼性はどの程度ですか? (3) 揺れの反応はシーンによって異なりますか? 私たちの結果は、平衡応答間に差異が見つからなかったため、VR 実装を現実世界の実装と比較できることを示しました (図 2)。 また、パラメータ推定では、非常によく似たモデルを使用した実世界のデータで説明したのと同じ一般的なパターンが示されました1。 6 つの short-PRTS 測定すべてにおいて信頼性が低いことがわかりました。 ただし、3 つのすべてのショート PRTS 測定 (15 サイクル) のプールされたデータからのパラメータ推定値は、両日の間で優れた信頼性を示し、2 日目には視覚的重みが系統的にわずかに減少しました。 最後に、抽象的なスクリーンの正弦波傾斜時の揺れの力が、現実的な部屋の傾斜と比較して 3 倍大きいことがわかり、揺れ応答のシーン タイプへの仮説上の依存性が確認されました。

バランス評価に使用したアプローチは、モデルに基づいたデータの解釈に依存します。 モデルは常に、自然物体またはシステムの特定の側面のみを捉えます。 したがって、説明力と予測力、理解と研究を導くための有用性、および診断機能などの応用面での有益性が、モデルを判断する要素となります。 提案されたアプローチとその結果についての議論は、これらの基準に基づいて行われます。

データ分析に使用された IC モデルは、現実世界の視覚的なシーンの傾きに対する揺れ応答のほとんどの特性を再現できます。 わずか 5 つの刺激サイクルを使用した推定では、パラメータ推定値の変動が非常に大きく、信頼性が低くなりました。 Peterka ら 5 は、私たちの研究で使用した 5 サイクルの代わりに 9 ～ 14 サイクルを平均すると、視覚的なシーンの摂動時のような小さな揺れ応答に対するパラメータ推定の信頼性がさらに向上することを示しました (図 4 の 5 を参照)。 この発見と一致して、毎日内の 3 つの short-PRTS 測定値すべてにわたってデータをプールし、これら 15 サイクルのパラメータ推定値を日ごとに比較すると、はるかに優れたクラス内相関が得られました。 したがって、信頼できる推定値を得るには 5 サイクルでは不十分であると結論付けます。

興味深いことに、ショート PRTS トライアルの揺れ応答力には存在しなかった、正弦波揺れ応答の差異が見つかりました。正弦波スクリーンの傾きに対する揺れ応答は、セッション終了時 (事後) と比較して、セッションの開始時 (前) では小さかったです。 ）2日目には小さくなります。 どのような種類の学習であっても、前後の変化は 1 日目から 2 日目までと同じ方向になることが予想されるため、考えられる理由はまったくの推測にすぎません。 さらに、ルームビューや短い PRTS シーケンスにこれらのエフェクトが存在しないことは、直感に反しているように見えます。 非常に小さな正弦刺激振幅 (\(peak~velocity \およそ 0.16^\circ\)/s) と比較して、short-PRTS の刺激速度はかなり大きい (\(\およそ 0.94^\circ\)/s)正弦条件で観察される効果が隠蔽される可能性があります。

IC モデルは、視覚的なシーンのタイプへの依存性を説明していません。 VR ルーム ビューにまったく同じ傾斜シーケンスを適用した場合と比較して、VR スクリーン ビューの傾斜に対するより大きな揺れ応答が見つかりました (図 1、5 を参照)。 以前の研究では、写真のように現実的な仮想シーンと比較して、抽象的な仮想シーンを表示したときに揺れが増加することがわかりました。 以前の研究で見つかった自発的な揺れの減少は、通常、より信頼性の高い視覚入力の使用量の増加に関係しています。 シーンのリアリズムが調整要因であると仮定すると、抽象的な画面を表示するときに視覚入力はあまり使用されなくなります。 したがって、スクリーンはより小さな揺れ反応を引き起こすことになるが、これは我々の発見とは対照的である。 もう一つの説明は、視覚的なシーンの情報量の違いです。 VR スクリーンは足首関節軸の \(\約 1.2\) m 前にあり、したがって部屋の壁 (\(\約 4.5\) m) よりも被験者にはるかに近かったです。 さらに、画面ビューには非常に強いコントラストが含まれていました。 したがって、シーンの傾きや被写体の揺れが等しいと、異なるオプティカル フロー パターンが生じ、画面ビューでより大きな誘発された揺れ反応が引き起こされる可能性があります。 ただし、この主張を裏付けるには、オプティカル フローの特性と誘発された揺れの間の関係をより体系的に分析する必要があります。 さらなる研究では、バランスに対する視覚効果のタスク依存性などの他の側面も考慮する必要があります32。

IC モデルは、さまざまな刺激振幅にわたるパラメータの体系的な変化を示し、揺れ応答の変化が主に感覚の再重み付けによって引き起こされることを示しています。 この解釈は生理学的にもっともらしい説明を提供しますが、中枢神経系によって再重み付けがどのように達成されるかについての説明は提供されません。 サポート面の傾き 14、33、34、35 やタッチ基準の動き 36、さらには視覚的なシーンの傾き 37 について、いくつかの再重み付けメカニズムが文献で提案されています。 このようなモデルの実装と比較は、現在の研究の範囲を超えています。

実装された感覚統合テストは視覚的な摂動に依存しています。 そのため、視覚的な寄与を特定することはできますが、固有受容系と前庭系の寄与を分離することはできません5。 この側面は、提案されている VR ベースのアプローチのかなりの制限ですが、それでもかなりの量の情報を提供します。 たとえば、視覚的な重みがバランスへの視覚的な寄与の直接的な尺度を提供するため、視覚的依存を推定できます。 これは、視覚依存の増加が疑われる患者の診断に特に関連すると考えられます。 自発的な揺れパターンの変化には、注意、不安 38 または硬直 39 など、感覚的側面以外の多くの理由が考えられるため、ロンベルグ比などの他のアプローチは有効性が限られています。 視覚依存は、知覚的手順（ロッドとフレームまたはロッドとディスクのテスト）を使用して推定されており 20、視覚依存は年齢とともに増加し、転倒に関連していることが示されました 40。 私たちのアプローチにより、研究者は最小限の実装労力でバランス時の視覚的寄与を評価できるようになりました。

提示された実験と VR の実装にはいくつかの制限があります。 私たちのアプローチでは被験者間のデザインを使用しました。 私たちの結果は実際の実験とよく一致しており、信頼性も非常に高いことを示していますが、より小さな差異では被験者内での比較が必要になる場合があります。 VR 環境の技術仕様に関するさらなる制限があります。 VR システムは、視野、解像度、リフレッシュ レートの点で制限があります。 たとえば、視野のサイズが小さくなると、自発的な揺れが増加します41。 また、頭の動きと表示の更新の間の遅延も結果に影響を与える可能性があります。 技術的な遅延はおそらく何らかの形で生理的な遅延に追加され、それによって時間遅延モデルのパラメーター値 \(\tau\) が数ミリ秒増加します。 VR での知覚は、目のレンズが一定の距離に合わせて調整する必要があるのに対し、目の輻輳は焦点が合っているオブジェクトの距離に応じて変化するため、輻輳と調節の競合の影響を受けます。 これに加えて、IPD 調整やその他の要因における潜在的な誤差が、奥行き知覚の歪みを引き起こすと推測されています42。 実際の天びんの動作と大きな違いは見つかりませんでしたが、天びんの動作と測定されたパラメータはこれらの制限によってある程度影響を受ける可能性があります。

これらの制限にもかかわらず、仮想現実システムは広く使用されており、非常に手頃な価格になりました。 さらに、それらは高齢者集団にもよく受け入れられているようです43。 その結果、適切に標準化された実装を行うことで、この研究で検証されたアプローチはさまざまな分野に適用できます。 例としては、神経疾患患者の診断、介入を調整して感覚統合への効果をテストするための応用平衡研究、脳震盪後のスポーツ復帰評価、整形外科現場での外傷後の感覚喪失の評価などがあります。

結論として、私たちの結果は、提案された仮想現実セットアップがバランスの基礎となる人間の感覚統合メカニズムの信頼できる推定を提供することを示しています。 結果は現実世界のデータと同等です。 実装が簡単で、セットアップを複数の研究室間で正確に再現できるため、多施設研究が可能になります。 データ解釈の基礎としての IC モデルの強みは、感覚の寄与を分離し、平衡制御メカニズムのフィードバック ダイナミクスを推定できる機能にあります。 分析は複雑ですが、分析ルーチンは標準化して実装できます。 全体として、このアプローチは、平衡感覚の根底にある感覚統合プロセスの欠陥を診断するツールとして役立ちます。

14人の健康な被験者（8f/6m/0d、23.8±2.6歳、172±9cm、66.9±9.1kg）が研究に参加した。 除外基準は、自己申告による整形外科疾患および神経疾患、脳震盪、ならびにてんかんの病歴であった。 このプロトコルはヘルシンキ宣言の最新改訂版に同意し、コンスタンツ大学の倫理委員会によって承認されました。 被験者には研究の目的と手順について説明し、参加前に書面によるインフォームドコンセントを与え、研究室での報酬として1時間当たり10ユーロを支払った。

実験セットアップを図 1 に示します。被験者は、\(110^{\circ }\) の視野とリフレッシュ レートを備えたヘッド マウント ディスプレイ (HMD; Vive Pro Eye、HTC、台湾桃園市) を装着しました。 90 Hz、解像度は片目あたり 1440 \(\times\) 1600 ピクセルです。 Vive トラッカー (HTC、台湾、桃園) はベルクロ ストラップを使用して腰と肩に取り付けられ、4 つの灯台 (SteamVR ベース ステーション 2.0、HTC、台湾、桃園) が 5 \(\times\) 5 メートルの部屋の隅に配置されました。 トラッカーと HMD の位置は、画面が更新されるたびに記録されました (\(\約 90 \,\hbox {Hz}\))。 仮想環境、トラッカーと HMD の位置の記録、実験を実行するためのユーザー インターフェイスは、Unity (Unity Technologies、米国サンフランシスコ) と SteamVR (Valve、米国ベルビュー) で開発されたカスタム アプリケーションに実装されました。 仮想環境は、縦縞と横縞のある半円筒形のスクリーン（半径 1 m）を備えた 6 × 8 m のリビング ルームで構成されました (図 1)。 このアプリケーションは、事前定義されたシーケンスに従って、部屋または画面を 6 次元 (3 回転、3 平行移動) で移動できました。

実験中、視覚シーンは足首関節を中心に前後方向に傾いていました（回転軸は床から 8.8 cm 上でした）。 視覚的なシーンは、リビング ルーム (ルーム ビュー)、または被験者がスクリーンをまっすぐ見たときにスクリーンのみを見るスクリーン ビューのいずれかでした (図 1)。 正弦波 (\(0.05^{\circ }\); 0.5 Hz) と 2 種類の擬似ランダム 3 値シーケンス (PRTS) の 3 種類の刺激を使用しました。 サインを含む刺激シーケンスは、大きな加速を避けるためにレイズドコサインで始まり、レイズドコサインで終わります。 PRTS は、固定の正、負、またはゼロの速度を交互に切り替えます1,44。 短い PRTS には 80 個の状態があり、状態期間は 0.25 秒で、ピーク間振幅 \(2.1^{\circ }\) で 6 回繰り返され、結果として線形独立の試行が重ね合わされた 120 秒の試行となりました。正弦。 重ね合わされたサインは、後の分析では使用されませんでした。 長い PRTS シーケンスには 242 の状態があり、状態持続時間は 0.25 秒であり、Peterka1 によって使用された刺激と同一でした。 60.5 秒の長さのシーケンスを 5 回連続して繰り返した結果、試行時間は \(\約 5\) 分となりました。 5 分間の試行を 5 回テストし、それぞれ異なるピークツーピーク (pp) 振幅: 0.5; 1; 2; 4; そして \(8^{\circ }\)。 要約すると、3 つの異なる刺激シーケンスが適用されました。(1) 正弦波のみ (部屋または画面の傾きのいずれか)。 (2) ショート PRTS (画面チルト)。 (3) 5 つの振幅でのロング PRTS (画面の傾き)。

インフォームドコンセントに署名した後、被験者は基本的な健康質問書に記入し、体重と身長を測定しました。 HMD のレンズ間の距離とレンダリング カメラの間隔は、被験者の瞳孔間距離 (IPD) に合わせて調整されました。 IPD は、VR デバイスのメーカーが推奨する手順を使用して測定されました。 被験者は片目を閉じ、鏡を使用して開いた目の瞳孔に目盛りを合わせるように依頼されました。 次に、もう一方の目を閉じて、スケールからもう一方の瞳孔までの距離を読み取るように求められました。 トラッカーにはベルクロストラップが取り付けられ、被験者にはすでにリビングルームが表示されている HMD を装着するように依頼されました。 被験者には仮想環境に慣れるための短い時間 (2 ～ 3 分) が与えられましたが、開始位置から 1 m を超えて歩かないように求められました。 部屋の様子を観察するために、被験者は床の上に一列に並ぶように指示されました。 足首関節を回転軸に合わせるために、必要に応じて足の位置を修正しました。 画面ビューの場合、被験者は向きを変えて画面に向かい、再び足の位置を調整するように求められました。 正弦波トライアル（毎日最初の 2 回と最後の 2 回）では、被験者にはシーンの動きについては説明されず、2 分間の静かな姿勢の記録のために「直立して快適に立つ」ことと「まっすぐ前を見る」ことを求められました。 短期 PRTS 試験と長期 PRTS 試験では、被験者は画面が動くことを告げられ、「快適に直立して」、「まっすぐ前を見る」ように求められました。 被験者はすべての録音中、バランスをとる作業から気をそらし、聴覚の方向性を避けるために、非リズミカルなオーディオブックを聞きました。 被験者には試験間の移動のために短い休憩が与えられ、要求に応じて HMD を外したり、より長い休憩のために座ることが許可されました。 全手順には 60 ～ 90 分かかり、被験者には別の日に 2 回目の記録のために再度来てもらうよう依頼されました。

データは CSV ファイルとして保存され、Matlab (The Mathworks、Natick、USA) でさらに分析されました。 記録はディスプレイのリフレッシュ レートと連動しているため、実際のサンプリング レートは 11.11 ± 0.29 ミリ秒でした。 データは、さらに処理する前に、Matlab 関数「resample」を使用して正確に 90 Hz にリサンプリングされました。 足首関節周囲の全身の重心の前後方向の傾き（com）を、すべての解析の主変数として使用しました。 足首と股関節の 2 つのセグメントの生体力学を想定して、肩と股関節のマーカーを使用してすべての録音のコムを近似しました。 脚と体幹のセグメントの方向は、肩と股関節のマーカーの前後の位置から計算され、コムアングルは被験者の人体計測と質量分布表を使用して計算されました45。 1 人の被験者の 4 回の記録で肩のマーカーが欠落したため (バッテリーの問題)、これらのトライアルでは頭 (HMD) の動きから体幹の動きを推定しました。 追加のショルダー マーカーの代わりに HMD を使用するとセットアップが簡素化されるため、そのような近似の妥当性を推定しました。 腰から肩へのマーカーの相対的な動きから推定された体幹の揺れは、腰から頭への動きから推定されたものと比較してかなり大きかった。 この場合、近似の数が少ないため、小さな誤差は正当化されると考えられます。 ただし、我々の結果は、コム推定に通常使用される肩マーカーは、一般に HMD の動きで置き換えることはできないことを示しています。

5 つの PRTS シーケンス繰り返しのうちの最初のシーケンスは過渡現象を避けるために破棄され、各被験者の 2 \(\times\) 4 サイクルが高速フーリエ変換 (Matlab 関数 'fft') を使用して周波数領域に変換されました。 周波数応答関数 (FRF) は、平均化された com スペクトルを平均化された刺激スペクトルで除算し、刺激にエネルギーがない周波数ポイントを破棄し、周波数全体で平均してより高い周波数の周波数ポイントの数を減らすことによって計算されました1。 コヒーレンスは、com と stimulus の平均パワー スペクトルの積を、com と stimulus の平均クロス パワー スペクトルで割った値として計算されました (詳細については、1、5、46 を参照)。 FRF は周波数の複素数値関数であり、ゲインと位相として表示されます。ゲインは通信振幅と刺激振幅の比であり、位相はそれらの時間的関係を示します。 コヒーレンスは、ランダム成分と刺激によって引き起こされる成分の間の関係の尺度です。 コヒーレンス 1 は、ランダムではなく、刺激のみが誘発された揺れを示します。一方、コヒーレンス 0 は、ランダムのみで、刺激が誘発された揺れはないことを示します。

VR 実験からの長い PRTS データは、電動現実世界のスクリーンを使用して Peterka1 によって記録されたデータセットと比較されました。 両方の研究からの単一被験者の FRF を被験者間の統計的比較に使用しました。 FRF は複素数値であり、実数成分と虚数成分を従属変数として扱う両側 \(Hotellings-T^2\) 検定を使用して計算されました。 FRF は周波数全体で 1 次元であるため、つまり多くの周波数点が含まれているため、複数の仮説検定のために検定統計量を補正する必要があります。 FRF データポイントは独立していないため、周波数ポイントの数に応じて自由度が少なくなります。 統計的ノンパラメトリック マッピング パッケージ (spm1d.org バージョン M.0.4.8) を使用しました。これは、ランダム フィールド理論を適用して 1D データのアルファ レベル調整を計算します47、48、49。 要約すると、Peterka1 (実数- world) と各刺激振幅での VR データ。

短 PRTS シーケンスの周波数応答関数は、長 PRTS シーケンスの周波数応答関数と同様に計算され、Peterka5 が提案したように周波数全体で再度平均化されました。 FRF はパラメトリック モデルを使用して解釈されました。このモデルでは、感覚統合メカニズムがフィードバック メカニズムとしてモデル化され、微分方程式として定式化されます。 次に、最適化手法を使用して、実験的な FRF を最もよく再現するパラメーターを特定します。 モデルの定式化とパラメータの推定は、大部分が Peterka5 によって説明された方法に従って実行されました。 モデルのダイナミクスは次のように与えられます。

線形化された (小角近似 \(\sin (\gamma )\estimate \gamma\)) ボディ ダイナミクス \(B=\frac{1}{Js^2-mgh}\)、ニューラル コントローラー \(NC= K_p + K_d s\)、時間遅延 \(TD = \exp ^{-\tau s}\)、ローパス トルク フィードバック \(TF=\frac{K_t}{sF_{lp}+1}\ )、およびラプラス変数 \(s(k)=j\omega (k)\)。 身体慣性 J と質量 * 重力定数 * 身長 (mgh) は、被験者の体重と身長、および人体計測表から計算されました 45。 私たちは固定 \(F_{lp}=20\) を使用しましたが、これは、長い PRTS シーケンスに対して \(F_{lp}\)1 を推定したり、\(TF=\ を使用することを提案した) Peterka によって説明された方法とは異なります。 frac{K_t}{s}\) は短い PRTS シーケンス用です。 短い PRTS シーケンスは \(F_{lp}\) の信頼できる推定をするには短すぎますが、純粋な積分器は長い PRTS シーケンスに対してあまり良いパフォーマンスを発揮しません。 したがって、文献からの推定に基づいて固定 \(F_{lp}\) を選択しました16。 したがって、最適化の対象となるモデル パラメーターは \(\theta =(W_v,K_p,K_d,K_t,\tau )\) となります。

パラメータ推定問題を定式化するために正規化されたラプラス分布を仮定した最尤推定器を提案します。 ラプラス分布は次の式で与えられます。

任意のモデル FRF \(H_m(\theta ,k)\) の実験 FRF \(H_e(k)\) を観測する確率は、次の式で与えられます。

負の対数尤度は次のように計算されます。

パラメータ最適化問題は次のように定式化できます。

パラメータの統計的比較は JASP50 で実装されました。 反復測定 ANOVA では、必要に応じて仮定チェック (球形性のモークリー検定) と適切な補正 (グリーンハウス ガイサー) を使用しました。 また、ペアごとの比較で正規性 (Shapiro-Wilk) をテストし、一部のパラメーターで正規性の仮定に違反したため、すべての比較に Wilcoxon 符号付き順位検定を使用しました。 信頼性分析は、JASP50 で実装されているクラス内相関 (ICC3,1) を使用して実行されました。

正弦波刺激周波数における揺れ応答振幅が、被験者および条件ごとに計算されました。 Com sway データは高速フーリエ変換 ('fft') を使用して変換され、半側パワー スペクトルがスケーリングされました (1/Fs/N; 時間領域で N \(=\) サンプル; Fs = サンプリング レート)。 。 最後に、条件間の統計的比較のために、刺激周波数 (0.5 Hz) での値が取得されました。 正弦条件の揺れ応答は、レベル「シーン」(部屋、スクリーン)、「事後」(事前、事後)、および「日」(1 日目、2 日目) の 3 レベル rmANOVA を使用して統計的に比較されました。

データは、合理的な要求に応じて LA から入手できます。

Peterka、RJ 人間の姿勢制御における感覚運動の統合。 J. Neurophysiol. 88、1097–118 (2002)。

論文 CAS PubMed Google Scholar

Forbes、PA、Chen、A. & Blouin、JS 立位バランスの感覚運動制御。 ハンドブ。 クリン。 ニューロール。 159、61–83。 https://doi.org/10.1016/B978-0-444-63916-5.00004-5 (2018)。

論文 PubMed Google Scholar

Hwang, S.、Agada, P.、Kiemel, T. & Jeka, JJ センサー フュージョンのための 3 つのモダリティの動的再重み付け。 PloS One 9、e88132。 https://doi.org/10.1371/journal.pone.0088132 (2014)。

論文 CAS PubMed PubMed Central ADS Google Scholar

パスマ、JH et al. 立位バランスの障害: 臨床的にループを閉じる必要があります。 神経科学 267、157–165。 https://doi.org/10.1016/j.neuroscience.2014.02.030 (2014)。

論文 CAS PubMed Google Scholar

Peterka, RJ、Murchison, CF、Parrington, L.、Fino, PC & King, LA 立脚中の人間のバランス制御の特性評価のための中枢感覚運動統合テストの実施。 フロント。 ニューロール。 9, 1045 (2018)。

記事 PubMed PubMed Central Google Scholar

van der Kooij, H.、van Asseldonk, E. & van der Helm, FCT バランス制御を特定および定量化するためのさまざまな方法の比較。 J. Neurosci. 方法 145、175 ～ 203。 https://doi.org/10.1016/j.jneumeth.2005.01.003 (2005)。

論文 PubMed Google Scholar

Nardone, A. & Schieppati, M. 臨床意思決定におけるバランスの機器評価の役割。 ユーロ。 Ｊ．Ｐｈｙｓ． リハビリ。 医学。 46、221–237 (2010)。

CAS PubMed Google Scholar

Visser, JE、Carpenter, MG、van der Kooij, H. & Bloem, BR 姿勢撮影の臨床的有用性。 クリン。 神経生理学。 119、2424–2436。 https://doi.org/10.1016/j.clinph.2008.07.220 (2008)。

論文 PubMed Google Scholar

ロンバーグ、MH 人間の神経疾患の教科書 (1846 年) (A. ダンカー、1846 年)。

Google スカラー

Peterka、RJ & Black、FO 人間の姿勢制御における加齢に伴う変化: 感覚組織テスト。 J.前庭研究所。 1、73–85 (1990)。

記事 Google Scholar

Grove, CR、Whitney, SL、Hetzel, SJ、Heiderscheit, BC & Pyle, GM 前庭機能障害のある成人とない成人を対象とした次世代感覚組織テストの検証。 J.前庭研究所。 31、33–45 (2021)。

記事 Google Scholar

Nashner, L. & Berthoz, A. 姿勢制御中の迅速な運動反応への視覚的貢献。 脳解像度 150、403–407 (1978)。

論文 CAS PubMed Google Scholar

Johansson, R. & Magnusson, M. 人間の姿勢力学。 クリティカル。 バイオメッド牧師。 工学 18、413–437 (1991)。

CAS PubMed Google Scholar

Mergner, T. 反応的な人間の姿勢制御に関する神経学的見解。 アンヌ。 Rev. Control 34、177–198。 https://doi.org/10.1016/j.arcontrol.2010.08.001 (2010)。

記事 Google Scholar

Oie, KS、Kiemel, T. & Jeka, JJ 多感覚融合: 人間の姿勢制御のための視覚と触覚の同時再重み付け。 脳解像度認識します。 脳解像度 14、164–176 (2002)。

記事 Google Scholar

Cenciarini, M. & Peterka, RJ 人間の姿勢制御に対する前庭の寄与における刺激依存性の変化。 J. Neurophysiol. 95、2733–2750。 https://doi.org/10.1152/jn.00856.2004 (2006)。

論文 PubMed Google Scholar

Peterka、RJ バランスを維持するための複雑さを簡素化します。 IEEE Eng. 医学。 バイオル。 マグ。 Q.Mag. 工学医学。 バイオル。 社会 22、63–68 (2003)。

記事 Google Scholar

Dichgans, J.、Held, R.、Young, LR & Brandt, T. 動く視覚的なシーンは、重力の見かけの方向に影響を与えます。 サイエンス 178、1217–1219 (1972)。

論文 CAS PubMed ADS Google Scholar

Dokka、K.、Kenyon、RV、Keshner、E.、Kording、KP 姿勢制御における自己と環境の動き。 PLoS コンピューティング。 バイオル。 6、e1000680。 https://doi.org/10.1371/journal.pcbi.1000680 (2010) (複製 2 より)。

論文 CAS PubMed PubMed Central ADS Google Scholar

Yu, Y.、Lauer, RT、Tucker, CA、Thompson, ED & Keshner, EA 視覚依存は、脳性麻痺患者の連続的な視野運動に対する姿勢の揺れ反応に影響を与えます。 開発者神経リハビリテーション。 21、531–541。 https://doi.org/10.1080/17518423.2018.1424265 (2018)。

記事 PubMed PubMed Central Google Scholar

Lee, DN & Lishman, JR 姿勢の視覚固有受容制御。 J. ハム。 ムーヴム。 スタッド。 1、87–95 (1975)。

Google スカラー

ブロンスタイン、AM 視覚的に引き起こされる姿勢反応の抑制。 経験値脳解像度経験値ヒルンフォルシュング。 経験値大脳 63、655–658。 https://doi.org/10.1007/BF00237488 (1986)。

記事 CAS Google Scholar

Blümle, A.、Maurer, C.、Schweigart, G. & Mergner, T. 人間の姿勢制御における認知感覚間相互作用メカニズム。 経験値脳解像度 173、357–63。 https://doi.org/10.1007/s00221-006-0384-z (2006)。

論文 PubMed Google Scholar

Peterka, RJ & Benolken, MS 視覚によって引き起こされる人間の姿勢の揺れの減衰における体性感覚と前庭の手がかりの役割。 経験値脳解像度 105、101–110 (1995)。

論文 CAS PubMed Google Scholar

Fitzpatrick、RC & Day、BL ガルバニック刺激による人間の前庭系の調査。 Ｊ．Ａｐｐｌ． 生理。 (メリーランド州ベセスダ: 1985) 96、2301–16。 https://doi.org/10.1152/japplphysiol.00008.2004 (2004)。

記事 Google Scholar

Mian、OS、Dakin、CJ、Blouin、J.-S.、Fitzpatrick、RC & Day、BL 乳様突起の電気刺激によって引き起こされる平衡反応における耳石の関与の欠如。 Ｊ．Ｐｈｙｓｉｏｌ． 588、4441–4451 (2010)。

論文 CAS PubMed PubMed Central Google Scholar

Mohebbi, A.、Amiri, P. & Kearney, RE 仮想現実を使用した視覚入力に対する人間のバランス制御反応の特定。 J. Neurophysiol. （2022年）。

Nielsen, EI、Cleworth, TW & Carpenter, MG 仮想現実を介して、視覚的に誘発された姿勢反応の感情調節を調査します。 神経科学。 レット。 8、136586 (2022)。

記事 Google Scholar

Wang, Y.、Kenyon, RV & Keshner, E. 視覚シーンの速度と支持基部の傾きを一致させて、物理的および知覚的に誘発される揺れ反応の制御を特定します。 経験値脳解像度 201、663–672。 https://doi.org/10.1007/s00221-009-2082-0 (2010)。

論文 PubMed Google Scholar

Assländer, L. & Streuber, S. バランス研究のツールとしての仮想現実: 目を開いた体の揺れはフォトリアリスティックに再現されますが、抽象的な仮想シーンでは再現されません。 PLoS ONEhttps://doi.org/10.1371/journal.pone.0241479 (2020)。

記事 PubMed PubMed Central Google Scholar

エンゲル、D. et al. 仮想現実における視覚的に誘発された姿勢反応の試行段階間の一貫性。 経験値脳解像度 238、1177–1189 (2020)。

論文 CAS PubMed PubMed Central Google Scholar

リャン、H.-W. 他。 仮想環境における視覚的背景が立位姿勢の安定性に及ぼす影響。 IEEEトランス。 神経系リハビリ。 工学 29、1129–1137 (2021)。

論文 PubMed Google Scholar

Mahboobin, A.、Loughlin, P.、Atkeson, C.、Redfern, M. 姿勢制御における感覚再重み付けのメカニズム。 医学。 バイオル。 工学計算します。 47、921–929。 https://doi.org/10.1007/s11517-009-0477-5 (2009)。

記事 PubMed PubMed Central Google Scholar

Mergner, T.、Maurer, C. & Peterka, RJ 人間の直立姿勢の多感覚姿勢制御モデル。 プログレ。 脳解像度 142、189–201。 https://doi.org/10.1016/S0079-6123(03)42014-1 (2003)。

論文 CAS PubMed Google Scholar

Assländer, L.、Hettich, G. & Mergner, T. 支持面の傾斜時の人間の立位バランスへの視覚的貢献。 ハム。 ムーヴム。 科学。 41、147–164。 https://doi.org/10.1016/j.humov.2015.02.010 (2015)。

記事 Google Scholar

Assländer, L.、Smith, CP & Reynolds、RF 人間の立位バランスにおける軽いタッチの基準の感覚統合。 PloS One 13、e0197316。 https://doi.org/10.1371/journal.pone.0197316 (2018)。

論文 CAS PubMed PubMed Central Google Scholar

Mergner, T.、Schweigart, G.、Maurer, C. & Blümle, A. さまざまなサポートベース条件下での現実および仮想の視覚環境の動きに対する人間の姿勢の反応。 経験値脳解像度 167、535–556。 https://doi.org/10.1007/s00221-005-0065-3 (2005)。

論文 CAS PubMed Google Scholar

TW、Cleworth、BC 州 Horslen、MG カーペンター 現実および仮想の高さが立位バランスに及ぼす影響。 歩行姿勢 36、172–176 (2012)。

論文 PubMed Google Scholar

TE 坂中氏、M. ラキー氏、RF レイノルズ氏 足首の固有の硬さの個人差と、体の揺れや足首のトルクとの関係。 プロスワン 16、e0244993 (2021)。

論文 CAS PubMed PubMed Central Google Scholar

SR ロード氏と IW ウェブスター氏 転倒者と非転倒者における高齢者の視野依存性。 内部。 J. エイジングハム。 開発者 31、267–277。 https://doi.org/10.2190/38MH-2EF1-E36Q-75T2 (1990)。

論文 CAS PubMed Google Scholar

Paulus、WM & Straube、A. 姿勢の視覚的な安定化。 生理学的刺激の特徴と臨床的側面。 Brain J. Neurol. 107(Pt 4)、1143–1163 (1984)。

記事 Google Scholar

El Jamiy, F. & Marsh, R. 仮想現実と拡張現実における距離推定: 調査。 2019 年の IEEE 電子情報技術 (EIT) 国際会議。 063–068 (IEEE、2019)。

Huygelier, H.、Schraepen, B.、Van Ee, R.、Vanden Abeele, V. & Gillebert, CR 高齢者における没入型のヘッドマウント型仮想現実の受け入れ。 科学。 議員9、1-12（2019）。

記事 CAS Google Scholar

Davies, W. 自己適応制御のためのシステム識別 (Wiley、1970)。

数学 Google Scholar

Winter、DA の生体力学と人間の動きの運動制御 (Wiley、2009)。

Google Scholar を予約する

Pintelon, R. & Schoukens, J. システム識別: 周波数領域アプローチ (Wiley、2012)。

MATH を予約する Google Scholar

Pataky、TC Python による 1 次元統計パラメトリック マッピング。 計算します。 方法 バイオメック。 バイオメッド。 工学 15、295–301。 https://doi.org/10.1080/10255842.2010.527837 (2012)。

記事 Google Scholar

Pataky, TC、Robinson, MA & Vanrenterghem, J. 運動学および力の軌道のベクトル場統計解析。 Ｊ．Ｂｉｏｍｅｃｈ． 46、2394–2401。 https://doi.org/10.1016/j.jbiomech.2013.07.031 (2013)。

論文 PubMed Google Scholar

パタキー、TC、ヴァンレンテルゲム、J.、ロビンソン、マサチューセッツ ゼロ対vs. 一次元生体力学軌道解析における、一次元、パラメトリック対ノンパラメトリック、信頼区間対仮説の検定手順。 Ｊ．Ｂｉｏｍｅｃｈ． 48、1277–1285。 https://doi.org/10.1016/j.jbiomech.2015.02.051 (2015)。

論文 PubMed Google Scholar

JASPチーム。 JASP (バージョン 0.16.1) [コンピュータ ソフトウェア] (2022)。

リファレンスをダウンロードする

2002 年に発表した研究から個々の被験者の周波数応答関数データを提供してくださった Robert J Peterka 氏に感謝し、LA は長年にわたる貴重な指導に感謝したいと思います。

Projekt DEAL によって実現および組織されたオープンアクセス資金調達。

ヒューマン パフォーマンス 研究センター、コンスタンツ大学、78464、コンスタンツ、ドイツ

ローレンツ・アスレンダー & マティアス・アルブレヒト

コンピュータおよび情報科学学部、コンスタンツ大学、78464、コンスタンツ、ドイツ

マシュー・アルブレヒト

フライブルク大学数学学部、79110、フライブルク、ドイツ

モーリッツ・ディール

ブリティッシュコロンビア大学運動学部、バンクーバー、V6T 2A1、カナダ

カイル・J・ミス＆マーク・G・カーペンター

電気工学およびコンピュータサイエンス学部、コーブルク応用科学芸術大学、96450、コーブルク、ドイツ

シュテファン・ストロイバー

フューチャー カレッジ、コンスタンツ大学、78464、コンスタンツ、ドイツ

シュテファン・ストロイバー

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

イニシャルで識別されるすべての著者を含める必要があります。例: LA、MC、KM、SS が実験を考案、MA、LA、SS が VR 実装を作成、LA と MA が実験を実施、LA と MD が結果を分析。 著者全員が原稿をレビューしました。

ローレンツ・アスレンダーへの通信。

著者らは競合する利害関係を宣言していません。

シュプリンガー ネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Assländer, L.、Albrecht, M.、Diehl, M. 他仮想現実を使用した立位バランスへの視覚的寄与の推定。 Sci Rep 13、2594 (2023)。 https://doi.org/10.1038/s41598-023-29713-7

引用をダウンロード

受信日: 2022 年 4 月 27 日

受理日: 2023 年 2 月 9 日

公開日: 2023 年 2 月 14 日

DOI: https://doi.org/10.1038/s41598-023-29713-7

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。