Uncovering EEG Patterns Consistently Associated with Cybersickness Discomfort Using Deep Learning Interpretability Maps

想象一下，你正戴着虚拟现实头显，观看一场模拟的博物馆之旅，或者看着屏幕上旋转的线条。对某些人来说，这种体验令人兴奋；但对另一些人来说，这会引发一阵被称为“网络晕眩症”（cybersickness）的恶心、眩晕和整体不适感。这种不适感是虚拟现实广泛应用的一大障碍，限制了人们沉浸其中的时长，甚至导致许多人根本无法使用这项技术。目前，了解某人是否感到不适的唯一方法是询问他们，而这通常是在体验结束后。但到那时，往往已经太晚了，无法提供帮助。科学家们长期以来一直怀疑，在一个人意识到自己感到不适之前，大脑就已经发出了微妙的信号，只是这些信号被埋没在混乱的电活动风暴之中。挑战在于，如何在不需要向用户提问的情况下，从这些噪声中找到能够可靠预测不适感发生的特定模式。

一组研究人员试图通过直接聆听大脑的电信号来解开这个谜题。他们记录了佩戴虚拟现实头显的人在听一系列“哔哔”声时的脑电活动。这种设置让研究人员能够在视觉世界旋转的同时，捕捉大脑对声音的反应。他们专注于一种特定类型的脑电信号——事件相关电位（event-related potential），这是一种每当大脑处理声音时就会出现的短暂且有时序性的电反应。通过观察这些微小的、瞬时发生的反应，该团队希望找到一个在不同的人群和不同的虚拟环境中都能一致出现的“不适指纹”。为此，他们构建了一个复杂的计算机系统，该系统能够从脑电数据中学习，并且至关重要的是，能够解释它在做出决策时究竟使用了哪些部分的数据。

研究人员在两组参与过不同虚拟现实研究的人群中测试了他们的系统。一组经历的是虚拟博物馆之旅，而另一组则观看旨在产生自我运动感的旋转线条。尽管虚拟世界、使用的设备以及参与者各不相同，计算机模型却发现了一个惊人一致的模式。当模型成功识别出一个人感到不适时，它们始终依赖于来自头皮三个特定区域的信号：前额左侧、头部中心以及后部右侧。这些信号并非随机噪声；它们出现在一个非常特定的时间窗口内，大约在听到声音后的80到260毫秒之间。这是一个极短的持续时间，发生在一个人能有意识地察觉到自己感到恶心之前。

使这些发现具有强大鲁棒性的原因在于，研究人员并没有依赖单一类型的计算机模型。他们训练了三种不同的深度学习网络，每种网络都有其独特的信息处理方式，并对实验进行了一百多次带有轻微变化的重复运行。在几乎所有情况下，模型都指向了头皮上的同一组电极作为最重要的线索。对于那些没有感到不适的人，模型观察的是不同的位置，主要集中在头部中心和后部。但对于那些感到不适的人，左前和右后区域成为了关注的重点。即使研究人员改变了数据的组织方式或参与者听到的特定声音，这种一致性依然成立。这两个完全独立的数据集——分别在不同国家收集，并使用不同的虚拟现实头显——产生了相同的结果，这表明这些脑电模式是人体对虚拟运动晕眩反应的一个基本组成部分。

研究还揭示了这些信号的时序性至关重要。预示不适的大脑活动发生在声音处理的极早期阶段，远早于关于虚拟环境的更复杂思维形成之前。这表明，这种不适感可能被大脑处理为一个基础的感觉事件，类似于我们瞬间识别出巨大的噪音，而不是一个需要时间发展的复杂情绪反应。通过识别这些早期的、特定的头皮位置，研究人员为未来的技术提供了明确的目标。与其等待用户感到恶心并进行报告，系统未来可以潜在地实时监测这些脑电信号。如果系统检测到了与不适感相关的模式，它可以自动调整虚拟体验以缓解用户的症状，例如减慢运动速度或改变视觉视野，甚至在用户意识到自己即将感到不适之前就采取行动。

虽然研究结果令人鼓舞，但研究人员谨慎地指出，这只是一个起点而非最终解决方案。大脑是一个复杂的器官，从头皮记录到的电信号是来自许多不同区域的活动混合体，这使得很难精准定位颅骨深处的信号源。此外，该研究专门针对“一般不适感”，这只是更广泛的晕眩综合征中的一个方面。模型也是基于相对较小规模的人群进行训练的，虽然模式在两个数据集中都得到了验证，但仍需要更多研究来确认这些发现是否适用于所有人。尽管如此，这项工作仍是一个重大的进步。它推动了该领域从仅仅检测到“某人病了”，转向理解大脑中产生这种不适感的特定且可衡量的时刻，为实现一个让虚拟现实对每个人（而不只是对那些天生具有抵抗力的人）都更加舒适的未来打开了大门。