基于图卷积网络（GCN）的VR晕动症内置因果模型

《Expert Systems with Applications》：A Built-in Causal Model for VR Motion Sickness based on GCN

　　

冯乃ishi|张倩倩|陈吉驰|华成成

摘要

虚拟现实运动病（VRMS）对用户的身心健康和安全构成重大威胁，会导致不适和恶心，已成为一个日益紧迫的问题。目前使用脑电图（EEG）信号检测VRMS的方法往往无法提取可解释的神经标志物，并且在不同场景中的泛化能力不足。本研究旨在通过分析两种场景下用户在使用VRMS前、中、后的脑活动，来识别能够表征VRMS过程的神经标志物：一种是标准诱导测试，另一种是模拟过山车体验。研究收集了EEG信号和问卷数据以进行全面评估，并开发了一种新型的因果归因图卷积网络（CAGCN）模型来提取可解释的神经模式。研究结果表明，低频域的时间熵能够共同表征这两种场景下的VRMS过程。该模型从两种场景中提取出高度相似的神经模式，尤其是在前50条连接边中（相关系数r=0.98，p<0.001），这些连接边所揭示的机制具有很强的解释一致性。所提出的模型在检测VRMS状态方面的表现优于其他流行模型（准确率为87.9%），并为理解VR引起的运动病背后的神经机制提供了新的见解。这些发现为开发能够减轻运动病并提升整体用户体验的先进VR系统奠定了基础。