通过头部运动模式检测晕动症：一种有前景的方法

尽管虚拟现实（VR）技术已广泛采用，但晕动症仍是部分用户的使用障碍。本研究将头部运动模式作为一种新颖的生理标记用于晕动症检测。与传统标记不同，头部运动提供了一种连续、非侵入性的测量方式，可通过所有商用VR头显中嵌入的传感器轻松捕获。我们使用了一个公开的VR实验数据集，涉及75名参与者，并分析了六个轴向上的头部运动。随后对头部运动数据集及其导数（包括速度、加速度和加加速度）进行了广泛的特征提取过程。提取了三类特征，涵盖统计特征、时域特征和频域特征。接着，我们采用递归特征消除方法选择最重要且有效的特征。在一系列实验中，我们训练了多种机器学习算法。结果表明，基于头部运动预测受试者晕动症的准确率达到76%，精确率达到83%。本研究对晕动症文献的贡献在于提供了一种新数据源的初步分析，并揭示了头部运动与晕动症之间的关系。