前庭知覚閾値は、前庭末端器官の5つのサブコンポーネントすべてを試験することを可能にする。それらは、臨床的および基本的な研究の質問に対処するために使用できます。モーションプラットフォームで測定された前庭知覚閾値は、自然主義的なモーション刺激に基づいています。
これにより、多感覚統合と意思決定の研究が可能になります。前庭知覚閾値は、患者における知覚をどのように調査するために使用でき、診断における追加のツールとなり得る。さらに、それらは治療的介入の成功を監視するために使用することができる。
この手順は高度に自動化されており、使いやすいです。初心者でも、階段アルゴリズムの非収束などの問題を見つけて、関連するパラメーターに調整できます。前庭知覚閾値を推定するには、モーションプラットフォームまたはロータリーチェアへのアクセスを確保します。
次に、モーションプロファイルをプログラミングし、モーションプラットフォームをインターフェースするための制御ソフトウェアPlatformCommanderが存在することを確認します。応答デバイス (ゲーム コントローラー) を使用して、参加者の応答を登録します。参加者を目隠しして、視覚的なモーションキューの影響を排除します。
モーションプラットフォームは、動きの強さと相関するノイズを生成します。参加者は、前庭知覚閾値を推定する際に、この聴覚ノイズを追加の意図しない情報源として使用できます。この音をマスクするには、各試行中にノイズキャンセリングヘッドホンを介して参加者にホワイトノイズを提示します。
実験手順を開始する前に、参加者にプロセスを説明し、インフォームドコンセントを取得します。次に、参加者をモーションプラットフォームに取り付けられた椅子に座らせ、シートベルトを使用して固定します。参加者に回答ボタンを与え、キーが回答にどのように割り当てられるかを説明します。
次に、参加者に目隠しをします。ヘッドホンを参加者の頭に置き、適切な頭を固定します。メイン、バッテリー、およびコントローラースイッチを使用して、モーションプラットフォームの電源を入れます。
プラットフォームの周囲が明確で、テスト中に誰も移動するプラットフォームに近づくことができないことを確認したら、トレーニングでしきい値推定手順を開始し、参加者がタスクに慣れられるようにします。スクリプトのしきい値トレーニングを使用します。JLはトレーニング手順のためにオンラインで入手できます。
次に、使用する推定アルゴリズムを決定します。階段アプローチを使用する場合は、パラメータの始点、ステップ サイズ、更新、および終了のルールを定義します。セッションが正常に初期化されたかどうかは、サーバ・ソフトウェアのグラフィカル・ユーザー・インタフェース(GUI)に表示されるステータスを確認することによって行われます。
初期化が成功すると、ステータス表示はセッション未進行から短いシーケンスに切り替わります。また、接続されているクライアントの IP アドレスと、セッションが初期化された時刻も表示されます。トレーニング手順では、参加者がタスクを理解し、間違ったボタンを押した場合は間違いを指摘し、質問に答えます。
次に、トレーニング手順が終了し、見積もり手順が開始されようとしていることを参加者に通知します。推定手順スクリプトを開始するには、julia しきい値検定と入力します。jl をコマンド ラインに追加します。
次に、終了基準に達するまで、完全に自動化された見積もり手順を監視します。手順を終了した後、モーションプラットフォームを駐車し、ヘッド固定、ヘッドホン、ブラインダー、ボタンを取り外して、参加者を降ろします。3 下り、1 階段上りのルールでは、試行で使用された刺激強度を示すグラフが生成されました。
推定閾値強度は、一定の値に向かって収束します。さらに、参加者は強度推定試験の79.4%で正しい回答をしました。失敗したしきい値推定の視覚化を次に示します。
30回の試行の終了基準と、真のしきい値から比較的離れた開始強度のため、階段関数は収束しませんでした。真の閾値へのより速い収束は、早期の誤応答によって妨げられます 推定セッション中に、階段アルゴリズムが収束することを確認します。非収束の場合は、調整されたパラメータで推定手順を繰り返します。
応答時間は、バイナリボタンの押下に追加で測定できます。これにより、ドリフト拡散モデルなどのより高度な解析手法を適用できます。この手法は、私たちが空間でどのように動くかと、意思決定や精神的イメージなどのより高い認知プロセスとの間の相互作用をよりよく調査するのにも役立ちます。
