编辑:Eleni Papageorgiou,拉里萨大学医院,希腊
审核:大卫保罗Crabb,伦敦城市大学的英国;乔•MacInnes国家研究型大学高等经济学院的俄罗斯
本文提交临床Neuroergonomics Neuroergonomics科学前沿》杂志上的一个部分雷竞技rebat
这是一个开放分布式根据条知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
对任务绩效的研究视野下的损失往往是由于小和异构样本有限。模拟视觉障碍有可能占了很多的挑战。修改过的数码照片,眼镜和隐形眼镜部分遮挡已经使用在过去。最有前途的方法之一是使用一个gaze-contingent显示阻塞的部分根据当前凝视位置视野。gaze-contingent范式是在这项研究中,实现在一个静态驾驶模拟器来模拟视野损失和评估相似之处产生的驾驶和凝视行为相比,病人。
样品由15参与者没有视力损害。所有受试者执行三个驱动器:完整的愿景,模拟左同向偏盲,分别和模拟右侧同向偏盲。参与者在每个开车,开车穿过一个城市环境,他们不得不通过交叉路口直走,左转,右转。
受试者报告期间安全和增加工作负载水平降低模拟视野损失,这是反映在减少车道位置稳定,更缺乏大型注视运动。初始补偿策略可以发现关于脱臼凝视位置和扭曲的固定比例向弱点,右侧视野损失身上更加明显。在左视野损失,参与者表现出较小的水平范围的目光,注视持续时间更长,和较小的眼跳振幅比右侧同向偏盲,更加鲜明,而正常的视力。
驾驶的结果很大程度上镜报告和视觉搜索任务下模拟和病理同向偏盲关于驾驶和扫描挑战,最初采用补偿策略,和驾驶安全。这个主张,gaze-contingent显示可以是一个有用的附录驾驶模拟器的研究与视觉障碍如果结果解释考虑方法固有的局限性和病理损伤差异。
的患病率与年龄相关的疾病,如视觉障碍,由于人口变化将增加在未来。吴et al。(
医学模拟通常定义为一个”人,设备,或一组条件,它试图真实地评价问题”(McGaghie Issenberg,
VFL可以模拟,此外,作为康复专家的一个富有成果的工具或产品设计师专门设计开发辅助技术支持有视觉障碍的人。与用户交互识别他们的需求作为设计过程的一部分,可以是乏味的,因为用户往往难以表达他们的经验与产品,在许多情况下,缺乏必要的技术理解形成新观点(Kamikubo et al .,
不同的仿真技术的优点和局限性将在以下部分的重点是模拟视野缺陷。然而,应当指出,虽然目前,模拟方法可以提供宝贵的见解,他们不能取代互动,和调查,参展人员实际赤字在研究和产品开发(琼斯等。,
一个非常划算的和易于实现的方法是数字改变图片,一个虚构的部分或摄影场景蒙面或切断。这种方法可以用于研究和产品开发的早期阶段或一般演示目的但过于简化,以便VFL实际经验的特征。用户不积极参与静态模糊或盲目的场景的一部分,但相反,可以看看它(琼斯等人。,
利用隐形眼镜抵消这个问题与一个固定的不透明点的隐形眼镜,眼睛。理论上,隐形眼镜允许自由运动和长期暴露在VFL在日常活动没有办公桌设置的约束或电脑屏幕(Czoski-Murray et al .,
一个流行的方法是利用部分闭塞的眼镜。这种眼镜非侵入性的,并允许自由流动在动态场景的表现。实现通常是时间和成本效益通过应用油漆或闭塞带眼镜,眼镜,或在试验框架眼镜或通过购买合适的产品,比如快门眼镜(Maiello et al .,
木头et al。(
总的来说,研究利用gcd模拟不同类型的VFL已经产生了有前景的结果相比,相应的病理赤字对任务绩效的影响。此外,被建议作为模拟VFL当前可用的最好的方法。研究的适用性gcd的上下文中模拟VFL驾驶已经稀缺。格伦et al。(
仿真实现,这项研究是在静态驾驶模拟器进行人体工程学的椅子在慕尼黑工业大学(见
这项研究是在一个静态驾驶模拟器进行的,它包含一个宝马模型和180°额的视野。完成同向偏盲左边和右边的大屏幕上模拟半透明过渡向看到的一面和匹配的颜色和亮度使面具路面和周围的住房。
模拟VFL,我们使用了接口SmartEye Pro和SILAB之间不断发送当前凝视位置驾驶模拟器软件。凝视位置与变量实施
驾驶模拟器环境介绍某些挑战关于实现相比,以前的设置。大多数基于屏幕的gcd desk-mounted显示器使用的最大水平视野60°或更少(辛普森et al .,
ndividualization VFL可以很容易的通过生成一个图像各自的不透明的字段在一个比较透明的区域。特别是研究调查神经认知现象使用gaze-contingent面具用同样的颜色和亮度为背景(Schuett et al .,
总样本大小由18名参与者。三个参与者不得不被排除在外,因为早期的研究终止疾病或由于模拟器校准和不足,因此,眼动跟踪的性能。最后的示例包括15个参与者(5雌性,9男性,1不同),平均年龄为26.07 (
研究了3-x-3within-subject设计。每个参与者完成三个驱动器,没有VFL(正常的视力;NV),则模拟与右侧同向偏盲(LHH)或模拟同向偏盲(RHH)。在每个驱动器,参与者经历了三种类型的十字路口,他们不得不向左转(左转路口;LTI),右转(RTI)或交叉向前(straight-crossing交集;SCI)。不同的动作是由于他们不同的要求扫描用于潜在危险(发起人,
实验跟踪由城市道路的地图与平直的马路很是方便,左翼和右翼的曲线,和十字路口。速度限制在整个驱动器是50公里/小时(≅31英里)。所有non-intersection部分是内衬停放车辆、行人,和一般城市基础设施在人行道上。相邻车道上车流,但没有在自己的车道,车辆需要注意或速度适应。跟踪包括三个十字路口两车道公路穿越90°角。收益率的迹象表明,司机不得不给正确的方式,和斑马线各自的交通标志表明,行人可以在所有四条腿的交叉路口。行人出现在交叉区域内但不靠近马路或斑马线的司机不得不扫描脆弱的交通参与者但不与它们进行交互。司机必须屈服于穿越交通与车辆穿越十字路口中心每一个9。三个十字路口都是相同的除了所需的驾驶操作,由一个导航箭头显示在仪表板中。十字路口的顺序和mid-block跟踪保持相同的所有三个驱动器与不同的视觉条件。
参与者收到的信息研究,给他们的同意,填写人口调查问卷之前来访的人体工学椅子的驾驶模拟器在慕尼黑工业大学。货到后,参与者收到进一步的信息研究,模拟VFL,驾驶模拟器。然后,要求被试完成几个基本的固定任务的驾驶模拟器技术考试驾驶模拟器和眼动跟踪系统,这是没有报告在这里。在驱动器之前,四点标定SmartEye Pro被处决。校准之间重复驱动器如果需要,例如,当参与者离开,回到了驾驶模拟器。在随后的熟悉,参与者可以用来处理驾驶模拟器。最大化熟悉类型的演习中执行测试驱动器,使用相同的轨道。然而,交通是排除在外,参与者可以专注于操作模拟车辆。第一个测试驱动器总是NV允许可比参考下进行最后面试后所有的驱动器。以下LHH和RHH驱动器的顺序排列,以避免顺序效应。 To allow for familiarization with the simulated VFL and to avoid learning effects within the test drives, another LHH or RHH familiarization drive preceded the LHH and RHH test drives, respectively. Each test drive lasted between 5 and 7 min, and pauses were interposed if necessary. Pauses between drives were administered if necessary. Within the test drives, the participants were repeatedly asked to indicate their mental demand during the scenario they had just experienced. After all the drives, the participants answered interview questions about the simulated VFL and its corresponding difficulties, exerted compensatory strategies, and perceived overall safety. Overall, the entire appointment lasted about 75 min. Due to the ongoing COVID-19 pandemic, all surfaces used were disinfected after each participant, and the laboratory was ventilated for at least half an hour before welcoming the next participant.
研究协议遵循赫尔辛基宣言的构成和伦理委员会批准的慕尼黑工业大学(参考号:439/21。
连续驾驶行为和视觉测量整个驱动器。结构式访谈和问卷主观数据提供的驱动后执行驾驶体验。而客观和主观测量的场景都被没有交集,数据分析集中在十字路口。可以假定路口与风险感知和需求特别高扫描large-gaze怪癖和,因此,司机与外围VFL尤其重要(Bowers et al .,
关于客观数据,十字路口之间的间隔被定义为第一次按下刹车踏板和到达交叉路口斑马线。这是按照定义的减速期因(
驾驶行为可分为横向和纵向指导。前者是由巷过境点的数量,以及车道位置的均值和方差。车道位置被抵消定义理想的中央车道在厘米,正值代表一个向右偏移。纵向制导的速度或加速度的行为并没有分析
受试者被要求给每个驾驶场景的感知工作量比例范围内(从德语翻译:“多少精神需求感知和处理信息所需完成驾驶任务?”),类似的心理需求项NASA-TLX。所有的驱动器后,面试评估进行模拟器的发生疾病和参与者的经验与模拟VFL开车时。问题包括对数据分析有针对性的挑战和采取补偿策略对横向指导,纵向指导、风险感知、驱动场景的总体概述,并与其他交通参与者的交互。参与者被要求回答这些问题的模拟VFL相比与完整的愿景驱动,排除个人间的影响问题,例如,由于不熟悉驾驶模拟器。最后,参与者把感知到的整体安全水平NV的范围从0到100,LHH, RHH。
数据进行了描述性分析和推理地。描述性分析使用Microsoft Excel 365(微软,
受试者的LHH或RHH价值被评为相同的情况下,以上,或低于NV。根据这一分化,这一过程将被称为EAB分析。数量固定,EAB分析也执行稍微修改形式的关系值弱点而揭露值(在以下:
推理分析和执行基于混合线性模型的重复测量方差分析与Satterthwaite R的方法
意味着巷位置显示,一般左撇子抵消从理想的车道位置在所有视觉条件下,但至少明显在LHH (NV):
数量和比例的十字路口,与会者举行巷位置引入了缓冲盲人或看到一侧为模拟VFL条件。
|
|
||
---|---|---|---|
缓冲弱点 |
|
14 | 11 |
|
(33.33%) | (26.19%) | |
缓冲看到的一面 |
|
5 | 14 |
|
(11.90%) | (33.33%) |
方差的车道位置显示一个描述性的增加意味着NV期间和范围的值(
减速阶段的持续时间条件没有差异,总体的均值8.13 s (
描述性比较的第一边缘扫描显示,在所有132个路口场景参与者首先扫描正确的边缘在43.18%的情况下,左边缘在37.12%的情况下,没有目光的外围是由21.97%的病例。SCI的参与者表现出同等或更高金额的第一右侧比左侧的目光向外围动作。转弯的动作,一个视觉条件差异明显。没有VFL,参与者倾向于首先扫描左侧,当把左和右。RHH相反,参与者倾向于首先扫描右边转弯路口。LHH,参与者倾向于首先扫描右侧当左转和右转时先扫描左侧(见
数量的参与者在第一次扫描的最小振幅30度朝左或右边缘。左侧第一个扫描相比,第一个外围视线运动被定向到正确的障碍在SCI类似的或更多的参与者。转弯的动作,参与者更容易奔袭第一扫描与RHH NV和右侧第一次扫描。LHH产生更多的右侧第一次扫描当左转和左右转时第一次扫描。
一些参与者没有任何大型的目光运动向外围在减速阶段。失踪的外围扫描的描述,标准的45°目光古怪,代表所需的最小感知接近危险以相同的速度和潜力,因此,在模拟VFL高碰撞风险。总的来说,参与者没有进行大的目光向左运动边缘在19.70%的十字路口,在32.57%的路口向右边缘。双方,更缺少大型扫描发现LHH(左边缘:14;正确的边缘:19)相比,NV(左边缘:5;正确的边缘:11)和RHH(左边缘:7;正确的边缘:13)。因此,只有LHH但不是RHH产生越来越多的失踪大扫描盲人以及看到的一面。LHH,此外,显示最大的目光古怪的减少意味着双方(
方差分析水平凝视了视觉的一个重要主要作用条件下,
分析意味着目光古怪显示显著的视觉条件的主要影响,
的结果
|
|
||||||||
---|---|---|---|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
||
NV-LHH | −0.27 | 110年 | > 0.999 | - - - - - - | SCI-LTI | −0.34 | 109年 | > 0.999 | - - - - - - |
NV-RHH | −2.25 | 110年 | 0.079 | - - - - - - | SCI-RTI | 2.37 | 110年 | 0.059 | - - - - - - |
LHH-RHH | −2.03 | 109年 | 0.134 | - - - - - - | LTI-RTI | 2.70 | 110年 | 0.024 * | 0.58 |
平均值和标准偏差意味着目光古怪的视觉条件和交叉口类型。
|
|
|
|
||
---|---|---|---|---|---|
SCI |
|
0.33 | −0.93 | 4.82 | 2.31 |
|
(7.06) | (15.51) | (11.14) | (1.22) | |
RTI |
|
−6.41 | −8.36 | −0.27 | −5.28 |
|
(8.31) | (17.93) | (15.81) | (1.33) | |
线性时不变 |
|
−2.18 | 3.51 | 5.54 | 3.08 |
|
(8.84) | (8.53) | (15.64) | (1.99) | |
Ø | −2.54 | −1.93 | 3.36 | ||
(6.09) | (11.59) | (12.05) |
的数据意味着目光古怪的NH LHH, RHH三个参与者。十字路口条件显示不同模式之间的关系主体(NV = LHH < RHH),主题B (LHH < NH < RHH),和主题C (NV > LHH > RHH),反映出伟大的个人间的异质性。每个数据点代表平均意味着目光古怪在所有十字路口类型。
同时意味着目光凝视的离心率可以表示一般的位错位置,分析定位,扫视hemispace分析提供输入和定向分析(见
平均值和标准偏差的意思是固定号码,固定时间和眼跳幅度/视觉条件和障碍。
|
|
||||||
---|---|---|---|---|---|---|---|
|
|
|
|
||||
|
|
|
|
|
|
||
NV |
|
2.78 | 246.45 | 4.18 | 266.34 | 32.06 | 27.28 |
|
(2.45) | (75.37) | (2.79) | (77.97) | (9.84) | (8.31) | |
LHH |
|
3.67 | 318.97 | 3.98 | 350.89 | 19.60 | 20.52 |
|
(2.58) | (150.57) | (2.33) | (158.54) | (10.37) | (9.28) | |
RHH |
|
2.56 | 307.43 | 5.29 | 317.06 | 29.45 | 26.74 |
|
(2.85) | (73.45) | (3.92) | (119.83) | (14.08) | (18.43) |
混合模型的结果方差分析对固定(Bonferroni纠正更多分析固定时间,明白了
|
|||||
---|---|---|---|---|---|
|
|
|
|
|
|
视觉条件 | 0.69 | 2 | 232.31 | > 0.999 | - - - - - - |
十字路口类型 | 0.90 | 2 | 232.31 | 0.814 | - - - - - - |
障碍 | 14.00 | 1 | 232.05 | < 0.001 | 0.06 |
视觉条件*路口类型 | 0.64 | 4 | 232年,29 | > 0.999 | - - - - - - |
视觉条件*障碍 | 3.55 | 2 | 232.05 | 0.061 | - - - - - - |
十字路口类型*障碍 | 1.72 | 2 | 232.05 | 0.362 | - - - - - - |
视觉条件*路口类型*障碍 | 1.27 | 4 | 232.05 | 0.567 | - - - - - - |
没有固定在左障碍被发现在22.72%的132例(11个主题),在12.12%的情况下(通过七个科目)的障碍。最缺失的固定与LHH发现这两个障碍,和大多数参与者没有固定在一个条件缺失的固定在多个条件。失踪的固定在两个障碍6例被发现,四个LHH的发生。可以看到固定分布的个体差异。左侧一个参与者,例如,没有固定在六个九个条件但12固定在正确的障碍在这些情况下。总的来说,没有明确的趋势,支持假设失踪的增加引起注视的目光行为相反的障碍。
Bonferroni纠正分析意味着时间固定在左和右障碍产生了一个重要的视觉条件的主要影响。所有其他主要和交互作用不显著(见
混合模型的结果方差分析对固定时间(Bonferroni纠正额外分析数量的注视,看到的
|
|||||
---|---|---|---|---|---|
|
|
|
|
|
|
视觉条件 | 4.83 | 2 | 188.17 | 0.018 | 0.05 |
十字路口类型 | 0.69 | 2 | 187.78 | > 0.999 | - - - - - - |
障碍 | 2.58 | 1 | 188.38 | 0.220 | - - - - - - |
视觉条件*路口类型 | 0.19 | 4 | 187.76 | > 0.999 | - - - - - - |
视觉条件*障碍 | 1.02 | 2 | 187.48 | 0.727 | - - - - - - |
十字路口类型*障碍 | 0.07 | 2 | 186.91 | > 0.999 | - - - - - - |
视觉条件*路口类型*障碍 | 0.14 | 4 | 187.41 | > 0.999 | - - - - - - |
定向分析关注平均眼跳幅度与视觉的一个重要主要影响条件。所有其他主要和交互作用不显著(见
混合模型的结果对眼跳幅度方差分析。
|
|||||
---|---|---|---|---|---|
|
|
|
|
|
|
视觉条件 | 6.04 | 2 | 201.53 | 0.003 | 0.06 |
十字路口类型 | 0.96 | 2 | 198.69 | 0.384 | - - - - - - |
障碍 | 1.52 | 1 | 199.28 | 0.219 | - - - - - - |
视觉条件*路口类型 | 0.29 | 4 | 198.76 | 0.886 | - - - - - - |
视觉条件*障碍 | 1.13 | 2 | 198.19 | 0.324 | - - - - - - |
十字路口类型*障碍 | 0.77 | 2 | 197.04 | 0.463 | - - - - - - |
视觉条件*路口类型*障碍 | 0.29 | 4 | 197.10 | 0.881 | - - - - - - |
总体安全评价等级从0到100。
平均值和标准偏差的一个主观的安全等级为每个视觉条件。
|
|
|
||
---|---|---|---|---|
主观的安全[1;100] |
|
84.00 | 42.00 | 39.00 |
|
(3.13) | (6.03) | (4.09) |
单项工作量估算显示显著的视觉条件的主要影响,
平均值和标准偏差的单项工作负载规模/视觉条件和交叉口类型。
|
|
|
|
||
---|---|---|---|---|---|
SCI |
|
5.87 | 10.6 | 11.27 | 9.29 |
|
(3.48) | (3.91) | (4.70) | (0.80) | |
RTI |
|
8.08 | 14.27 | 10.67 | 11.00 |
|
(3.96) | (5.38) | (4.20) | (0.84) | |
线性时不变 |
|
8.27 | 12.07 | 13 | 10.46 |
|
(4.54) | (4.11) | (5.54) | (1.17) | |
Ø | 7.31 | 12.31 | 11.64 | ||
(3.42) | (4.01) | (4.10) |
定性分析的采访显示,绝大多数的参与者认为挑战风险检测与模拟驾驶时VFL NV。横向指导相比,与其他交通参与者的交互和纵向指导也具有挑战性。只有一个参与者实现问题的一般概述驾驶场景(见
参与者的数量确认问题风险检测的经验,横向和纵向指导交通互动,一般在模拟相比VFL NV的态势感知。
没有整体效果理想的车道位置的偏差可能被发现。参与者通常举行向左侧车道的位置在所有视觉条件下,可能导致更高的风险评估与风险在人行道上或停放车辆碰撞相比,迎面而来的车辆。LHH期间,受试者调整车道位置略占迎面而来的车辆的风险增加。总的来说,一个缓冲的弱点在LHH和RHH大约三分之一的病例。先前的报道在VFL及其一侧车道位置偏移量不一致(Szlyk et al .,
经常报道增加车道位置之间的方差作为贫穷的转向稳定性的指标与VFL司机(如此更et al .,
根据这些结果,主观安全被认为是显著降低驱动器与模拟VFL NV。这也符合这一愿景是安全驾驶的关键概念(Owsley麦格温,
第二个最常提到的策略来克服挑战的模拟VFL本研究的调整速度和减速行为。客观数据没有反映出这些主观报告以来,总的来说,时间从第一制动进入视觉条件之间的十字路口没有差别。尽管报道的一个最突出的补偿策略驱动中心视力丧失(帕特森et al .,
而整体场景作为物化的一种方法的复杂性和谨慎在减速阶段并没有导致群体差异,主观工作负载水平评估对整个十字路口场景为模拟VFL明显高于被发现。这支持的命题Biebl et al。(
视觉行为是最常提到的补偿策略,反映在许多视觉行为的客观参数。一侧的第一大外围凝视运动显示一个错综复杂的模式。过去的研究表明倾向于首先扫描弱点当接近一个十字路口,虽然数量的参与者表现出这种行为变化(阿尔贝蒂et al .,
而行为变化发生至少在描述性层面最值比较NH和两个模拟VFL条件,更大的挑战与LHH RHH相比通常是显而易见的。意味着目光古怪显示倾向的弱点RHH在所有情况下,在一个较小的程度上,LHH SCI和RTI相比一般左意味着凝视位置NV。这反映报告转移意味着目光古怪的弱点作为补偿策略(Coeckelbergh et al .,
整体最大水平在LHH色散和凝视方差最小的。这支持增加挑战的概念在LHH RHH相比(Bahnemann et al .,
一般来说,大的眼跳振幅与更好的任务性能相关联(手下et al .,
总之,行为变化下模拟VFL可以发现更严重的影响和更少的指标采用补偿策略在LHH RHH相比。此外,扫描性能更容易被忽视或加剧并向右边比左边的障碍。一个可能的解释是有用的驾驶视野不同场景。静态驾驶模拟器模拟使视图从驾驶座经历真正驾驶车辆的carrosserie阻挡视野的一部分。一个十字路口的左边可以看到很清楚地通过前部和侧窗,只有a柱阻挡视野的一小部分。相反,正确的障碍与相同的最大偏心率为90°被更大的部分车辆的carrosserie和一个更小的侧窗。由于小有用的视野,扫描右侧产生潜在危害可能已经加剧。LHH这可能是特别具有挑战性,因为扫描向正确的外围与这种类型的模拟VFL沿着一个闭塞的,事实上,整个驾驶场景显示,只有一个很小的可见部分正确的外围。更大的挑战,需要大型的场景看一边扫描与水平的增加工作量报告转向看到一边相比。
总的来说,从这些研究中反映的挑战和补偿策略研究与实际和模拟VFL在很多方面,尽管尺度效应很小,许多只在一个描述性的结果明显的水平。因此,发现,总体而言,支持这样的观点:仿真的VFL肾小球囊性肾病在驾驶模拟器是一个有价值的工具丰富病人研究驾驶视觉障碍。其中最明显而一致的结果,然而,是几乎所有的巨大的人际异质性变量不仅产生了不同程度的条件也不同个体之间的差异与矛盾的方向(见扫描模式
尽管谨慎的解释我们的结果作为承诺指标的可行性的GCD VFL在驾驶模拟器,模拟一定的模拟和病理VFL之间的差异是不可避免的。这些差异可以被看作是一个提高的机会,让深入理解背后的机制推动VFL如果被认为是适当的。一般肾小球囊性肾病的好处相比其他方法可以在本文的介绍中找到。
首先,模拟VFL与病理损伤的不同之处在于没有一个实际的视觉系统内的解剖或功能缺陷。尤其是VFL因大脑病变往往与认知赤字共病有关,视觉,或者肌肉运动的域或减少神经可塑性和连接神经的通路。位置的差异,网站,和程度的皮质损伤病人和由此产生的异质性的视觉和进一步共病障碍往往减少了样本容量和介绍一个伟大的方差在患者样本扩散系统的影响。模拟视力丧失使样品的均化系统的操纵感兴趣的某些因素,得到一个更清晰的视觉障碍的唯一影响驾驶性能。当调查与VFL视觉探索,多个研究人员指出额外的高阶效应如视觉空间处理,记忆,和组织功能(如此更et al .,
次生皮层损伤的后果介绍模拟和病理VFL不同样本之间的特征。大多数病人不参加驾驶模拟器研究直到3或者6个月通过了VFL爆发以来由于住院,康复程序或不稳定,抑制研究的参与。退化性疾病,发病以来可能增加更多的由于没有意识到疾病的初期阶段。参与者与模拟偏盲,另一方面,曝光后立即测试,提供不同级别的专业知识和适应VFL。模拟,因此,提供一个估计的直接影响VFL没有之前自发的或系统地训练补偿策略的影响。此外,他们允许策略发展的这一过程的观察。然而,生活的长期影响的评估和适应病理VFL数月或数年与模拟VFL无法实现。补偿策略研究发展辛普森et al。(
模拟器的巨大的相关性设置,包括空间和横向性能,要求,和眼动跟踪的限制,以及屏幕的距离和大小,已经在VFL的描述阐述了仿真。研究模拟VFL之间的可比性,因此,减少因为实验室设施和算法来模拟VFL研究之间的差异。在我们的设置中,视力损害是显示在大屏幕周围的车辆模型。后视镜和侧视镜,和车辆的内部没有被VFL覆盖。任务关注视觉探索视觉场景或任何部分的部分以外的车辆,因此,不可行。此外,一些参与者查看里程表报道困难提出了相应研究由于混乱面具的边缘而不是视网膜中央凹的视野,以及增加信号不稳定。桌面安装眼动跟踪也有更大的在大扫描极左外围信号不稳定。这种限制的眼动跟踪可能增加的另一种解释困难LHH期间发现,提示大左扫描VFL来弥补。一般来说,使用一个肾小球囊性肾病模拟VFL需要实验室环境与各自的电脑屏幕或虚拟现实眼镜。在其他情况下这限制适用性的用例,以及长时间暴露于模拟赤字在日常活动。 While Goodman-Deane et al. (
一个经常讨论的区别模拟和病理VFL是它的描述。业务等。
总之,模拟VFL,尤其是肾小球囊性肾病扫描作为一种有价值的患者除了研究病理VFL通过引入一定的方法论的增强。更准确地说,肾小球囊性肾病允许精心挑选的评价和同质视野损失参与者之一。的利用率,肾小球囊性肾病可以帮助识别可能的潜在机制,否则,被阻挡并发症相关的脑损伤。他们,此外,使观察的影响VFL立即最初的对抗,以及补偿的发展策略。
然而,必须注意的是,上述差异产生不可避免的模拟和病理视觉障碍的区别。因此,不建议单独基础研究经验的健康参与者临时视野遮挡。相反,应该利用的潜力模拟VFL加强和补充实际患者的必不可少的检查。在这方面,模拟VFL也可以用来测试研究病人研究协议节省有限的资源。最后,应该注意的是,视野缺损的肾小球囊性肾病不启用一个模拟在现实交通由于采用行车测试
作者的知识,本研究提出的第一个尝试在驾驶模拟器模拟VFL 180°额的视野,使用GCD范例。相关的自由流动的眼睛,头,躯干眼球跟踪系统面临的挑战。眼睛梗阻眼镜,大旋转,或某些手部姿势和系统延迟眼睛跟踪性能和挑战,因此,VFL连续性。进一步的迭代算法应该遇到这些限制。应该指出的是,提出VFL描述完整的同向偏盲,代表了一个相当严重的视觉赤字。另一个限制是一个总体的总样本量小年轻时由于模拟器疾病和潜在的行为变化。本研究的目的是评估模拟VFL的可比性与病理VFL驾驶模拟器。研究作为参考病理VFL的影响,然而,使用不同的方法有关的研究焦点,样本特征、任务和设置,介绍一个任意的方差。考虑到参与者的个人间的异质性表现出,个人分析来识别行为变化模拟VFL比作一个基线条件下与正常视力。然而,这种方法还未确认到目前为止,可能是未来研究的重点。
在目前的研究中,参与者发现通常开车通过三种类型的十字路口(继续直,向左,向右),与正常视力的左侧和右侧,模拟同向偏盲。我们发现减少主观安全评级和车道交叉趋势与模拟VFL驱动器。在大型个人间的差异明显,视觉参数显示下一个改变行为VFL与更大的挑战在模拟VFL左边的差距扫描左边和右边的障碍。总体而言,研究结果支持了这样的观点,即肾小球囊性肾病可以提高视觉障碍在驾驶模拟器研究量化研究的唯一VFL对驾驶性能和系统识别的影响因素确定补偿视野损失的能力。
原始数据支持了本文的结论将由作者提供,没有过度的预订。
涉及人类受试者的研究回顾和慕尼黑工业大学的伦理委员会批准。患者/参与者提供了他们的书面知情同意参与这项研究。
BB概念化的研究,导致数据管理方法,验证、写初稿,和项目管理。BB, EA和SK导致软件。BB和EA导致了正式的分析和调查。BB和KB导致资源。BB、EA、SK、小和KB导致写作,审查和编辑的手稿。小BB和可视化。KB导致监督资金收购。所有作者已阅读及同意发布版本的手稿。
这项工作由德意志Forschungsgemeinschaft (DFG)批准号BE4532/15-1 KB和批准号RI1511/3-1小(从Humans-Building学习人类)和PR1266/3-1美联社(设计范例Societal-Scale Cyber-Physical系统)。
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
本文的补充材料在网上可以找到:
Gaze-contingent显示
视野损失
正常的视力
(模拟)左同向偏盲
(模拟)右侧同向偏盲
参与者必须交叉的十字路口直走
参与者的十字路口向左转
参与者的十字路口右转。