Медицинская Техника / Медицинская техника №5, 2023 / с. 35-37

Система оценки пользовательского опыта пребывания в среде виртуальной реальности детей-инвалидов с расстройствами поведения

Д.С. Чернышов, А.Ю. Тычков, С.Ю. Тверская, А.К. Алимурадов, О.С. Симакова

Аннотация

Предложена система, состоящая из партитивного устройства регистрации электрической активности головного мозга (ЭАГМ), персонального компьютера и интеллектуальных программных решений для оценки уровня пользовательского опыта пациента в среде виртуальной реальности (ВР). Сформирована экспериментальная группа испытуемых (пациентов), включающая в себя 39 детей-инвалидов, юношей и девушек в возрасте от 12 до 16 лет с расстройствами поведения. По результатам исследования определено, что средний уровень присутствия в ВР, согласно данным частотных диапазонов в исходном сигнале ЭАГМ, увеличивается при погружении в виртуальное пространство.

Вернуться к содержанию

Сведения об авторах

Денис Сергеевич Чернышов, студент,

Александр Юрьевич Тычков, д-р техн. наук, зав. кафедрой,

Софья Юрьевна Тверская, ассистент,

Алан Казанферович Алимурадов, канд. техн. наук, доцент, кафедра «Радиотехника и радиоэлектронные системы», ФГБОУ ВО «Пензенский государственный университет»,

Оксана Сергеевна Симакова, канд. педагог. наук, ст. научный сотрудник, начальник, Управление комплексного развития инклюзивного образования, ФГБОУ ВО «Пензенский государственный университет», г. Пенза,

e-mail: tychkov-a@mail.ru

Список литературы

1. Klotzsche F., Hofmann S., Nikulin V. Using EEG to decode subjective levels of emotional arousal during an immersive VR roller coaster ride / IEEEVR. Stadthalle Reutlingen, Germany. 18-22 March 2018. 3 p.

2. Bohee L., Tae-Heon L. VR and EEG combined self-monitoring platform of cognitive care / In book: Extended Reality and Metaverse. 2023. PP. 253-262.

3. Hongbian L., Hyonyoung S. Hair-compatible sponge electrodes integrated on VR headset for electroencephalography // Soft Science. 2023. Vol. 21. № 3. 15 p.

4. Sidharth S., Ranjana А. Emotion detection from EEG using transfer learning / IEEEVR. Shanghai. China. 23-25 March 2023. 7 p.

5. Тычков А.Ю., Чернышов Д.С., Чураков П.П., Юлдашев З.М., Бофанова Н.С., Алимурадов А.К., Горбунов В.Н., Золотарев Р.В., Никитин М.С. Поиск закономерностей на ЭЭС при симуляции тревожно-фобической ситуации в среде виртуальной реальности // Информационно-управляющие системы. 2022. № 4. С. 58-67.

6. Kumar D., Martin T., Dowling D. A Survey on EEG data analysis software // Sci. 2023. № 5. PP. 24-26.

7. Ruchika F., Neupane D., Shah S., Delawan M. Advancing analytics of EEG signals // Med. Discoveries. 2023. Vol. 2. 7 p.

8. Junxiu L., Guopei W. EEG-Based emotion classification using a deep neural network and sparse autoencoder // Frontiers in Systems Neuroscience. 2020. Vol. 14. PP. 9-14.

9. Lee Y., Hsieh S. Classifying different emotional states by means of EEG-based functional connectivity patterns // PubMed PLoS One. 2014. Vol. 9. PP. 24-29.

10. Назарычев А.П., Тычков А.Ю., Комкова Ю.Н., Сугробова Г.А. Адаптивная обработка и анализ электрокардиосигналов у детей с дефицитом развития // Измерение. Мониторинг. Управление. Контроль. 2021. № 4. С. 73-83.