使用深度学习可解释性图谱揭示与赛博晕动症不适持续相关的 EEG 模式

arXiv:2512.20620v3 公告类型：replace-cross 摘要：使用 Virtual Reality（VR）头戴式显示器时，可能会产生类似晕动症的不适感，这种现象称为赛博晕动症。赛博晕动症阻碍了 VR 技术的进一步普及。通过脑电图（EEG）记录的脑活动，可在不造成干扰的情况下检测赛博晕动症及其引发的不适。为了进行干预和缓解，需要使用机器学习算法，从其他脑部数据中提取与赛博晕动症不适相关的有意义信号。在本研究中，我们利用神经网络和可解释性图谱构建了一个框架，从而确定 EEG 数据中哪些特征最有助于对赛博晕动症相关不适进行分类。基于两项独立的听觉事件相关电位（ERP）赛博晕动症用户研究的脑部数据，我们提取了对不适分类最重要的时空 EEG 特征（来自传感器位置和时间步）。对于第一个数据集（n=29），在使用三个不同神经网络、多个随机种子进行的 120 次框架运行中，模型始终指出，左侧额区、中线中央区和右侧顶区的头皮位置最有助于判断 EEG 数据是否属于正在经历赛博晕动症不适的受试者。在第二个数据集（n=36）中，也标记出了类似位置，表明我们的发现能够跨数据集推广，并适用于不同时间、VR 刺激和受试者样本。在两个数据集中，提取的 ERP 时间窗口中、刺激发生后约 80 至 260 毫秒之间的早期阶段，都被标记为对模型分类十分重要。这些结果有助于明确未来可利用哪些已标记特征，使用 EEG 对赛博晕动症相关不适（以及潜在的其他类型不适）进行分类。项目网页：https://eeg-discomfort-nnilc.github.io/。