基于脑功能网络的虚拟现实晕动症检测

来源：南京信息工程大学学报·自然科学版杂志2026年第1期北京时间：

作者：杨文清，化成城，殷利平，陶建龙，陈玥池，戴志安，刘佳

单位：杨文清,南京信息工程大学 自动化学院, 南京, 210044,化成城,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 江苏省智能气象探测机器人工程研究中心, 南京, 210044;南京信息工程大学 大气环境与装备技术协同创新中心, 南京, 210044,殷利平,南京信息工程大学 自动化学院, 南京, 210044,陶建龙,南京信息工程大学 自动化学院, 南京, 210044,陈玥池,南京信息工程大学 自动化学院, 南京, 210044,戴志安,南京信息工程大学 自动化学院, 南京, 210044,刘佳,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 江苏省智能气象探测机器人工程研究中心, 南京, 210044;南京信息工程大学 大气环境与装备技术协同创新中心, 南京, 210044

摘要：基于对不同眩晕状态下的脑电信号(EEG)解码提出有效的检测方案,有助于研究虚拟现实晕动症的缓解方法.本文采用多元变分模态分解将EEG划分为5个频段,并根据晕动症量表结果将数据划分为不同眩晕状态组,利用PLV(锁相值)方法计算EEG频段内和频段间的功能连接以构建超邻接矩阵,并基于SVM(支持向量机)和CNN(卷积神经网络)等模型进行分类识别.研究结果显示,聚类系数、局部效率和加权节点度三种具有显著性差异的拓扑特征融合后,在检测眩晕和非眩晕,高眩晕和低眩晕两个任务中的最高平均分类准确率分别为91.70%和96.00%.此外,本文还将超邻接矩阵直接输入CNN模型,在两个任务中得到的平均分类准确率分别达到93.40%和98.50%.结果表明,本研究所提方法可用于虚拟现实晕动症的检测,并可为进一步研究晕动症对各脑区功能耦合的影响提供参考.

关键词：虚拟现实晕动症;脑电信号(EEG);多元变分模态分解;脑功能连接;网络拓扑特征

基金资助：国家自然科学基金(62206130);江苏省自然科学基金(BK20200821);南京信息工程大学科研启动经费(2020r075);江苏高校教育信息化研究课题(2023JSETKT032)