基于 EEG 的虚拟现实晕动症深度学习分类方法综述
人机交互
2020-12-03 v1
摘要
晕动症（cybersickness）是接触虚拟现实（VR）体验时产生的一种令人不适的副作用，指由 VR 暴露引发恶心、眩晕等生理反应。鉴于晕动症对 VR 用户体验的削弱作用，近年来从生理测量中自动检测晕动症的学术兴趣达到高峰。脑电图（EEG）已被广泛用于捕捉大脑电活动变化，并借助多种机器学习算法从脑波中自动分类晕动症。深度学习（DL）算法的近期进展以及 DL 计算资源可及性的提升，为将 DL 框架应用于基于 EEG 的晕动症检测这一新研究方向铺平了道路。据此，本综述对有关将 DL 框架应用于从 EEG 信号分类晕动症的同行评审论文进行了系统回顾。相关文献通过详尽的数据库检索确定，并从数据采集实验协议、数据预处理和 DL 架构方面对论文加以审视。综述显示这一新兴研究领域的文献数量有限，且表明这些研究中报告的 DL 框架（即 DNN、CNN 和 RNN）能以 93% 的平均准确率对晕动症进行分类。本综述总结了将 DL 框架应用于基于 EEG 的晕动症检测的趋势与问题，并给出了未来研究的若干指导。
引用
@article{arxiv.2012.00855,
title = {A Review of Deep Learning Approaches to EEG-Based Classification of Cybersickness in Virtual Reality},
author = {Caglar Yildirim},
journal= {arXiv preprint arXiv:2012.00855},
year = {2020}
}
备注
7 pages