1.
Каким образом виртуальная реальность помогает лечить пациентов со специфическими фобиями?
Эффективность лечения специфических фобий повысилась с помощью виртуальной реальности (VR) и ее электрофизиологических коррелятов в экспозиционной терапии, особенно при фобиях высоты и пауков. Это лечение сегодня модернизируют и оценивают с использованием физиологических показателей и машинного обучения (Bousouar, A.,et.al., 2024).
2.
С помощью каких методов можно измерить интенсивность фобии?
O. Bălan et al. ( 2020 ) разработали игры в режиме реального времени VR для лечения акрофобии. С помощью глубоких сетей нейронов (Nail B., et al., 2024 ), эта техника автоматизировала регулировку интенсивности воздействия. Данный метод, использующий электроэнцефалограмму, частоту сердечных сокращений и кожно-гальваническую реакцию, достигает 73% точности при выявлении страха по шкале с двумя вариантами ответов. Другие авторы предложили лечить акрофобию с помощью VR, при этом измеряя страх с помощью машинных и глубоко обучающихся классификаторов. Интеграция значений бета-ритма на электроэнцефалограмме с кожно-гальванической реакцией и частотой сердечных сокращений позволила эффективно классифицировать разные уровни страха (Tibermacine I. E, et.al., 2023).
Какие методы терапии можно комбинировать при лечении специфических фобий?
При лечении акрофобии также используется комбинация терапии принятия и приверженности (ACT) с виртуальной реальностью (VR). Например, структурированные программы из шести сеансов обучают пациентов "принятию", "якорению" и "диффузии". Результаты лечения показали снижение избегающего поведения и увеличение ценностно-ориентированной деятельности, что доказывает эффективность этого комплексного подхода (Çelik Z., et al., 2020 ).
3.
Какие показатели электроэнцефалограммы можно использовать для обратной связи и оценке эффективности лечения специфических фобий?
К нейрофизиологическим параметрам оценке выраженности арахнофобии можно отнести реакции на как на фотографии пауков, так и на нейтральные фотографии вызывающие значительный поздний положительный потенциал (LPP) и раннюю заднюю негативность (EPN) в электроэнцефалограмме (EEG), которые приближаются к референтным значениям у всех людей фобии пауков после терапии. Согласно байесовскому анализу, in vivo и VR-терапия имеют схожие эффекты, о чем свидетельствуют постоянные уровни EPN и LPP (Zhang X. et.al., 2021 ). Параметры электроэнцефалограммы помогают оценить нейрофизиологические корреляты акрофобии в виртуальной реальности. Так, например, VR-среда на тему каньона была показана восьми участникам эксперимента с измерением различных параметров электроэнцефалограммы.
Какие параметры электроэнцефалограммы коррелируют с выраженность акрофобии?
Классификатор Random Forest оказался эффективным в лобной области с точностью 68,2%. Было показано, что гамма- и высокочастотные бета-диапазоны имеют решающее значение с точностью 61,3 и 57,9% соответственно (Apicella, A., et.al., 2023). Результаты дисперсионного анализа (ANOVA) подчеркивают заметные различия в уровнях активности бета- и гамма-волн у людей с разной степенью акрофобии, при этом статистически значимых изменений в паттернах альфа-волн не наблюдается (Russo S., et.al., 2024). На самом базовом уровне акрофобии средняя активность альфа-волн регистрируется как 2,76 со стандартным отклонением 3,01. Это предполагает значительный диапазон изменчивости активности альфа-волн среди пациентов с акрофобией. Наблюдаемый диапазон реакций релаксации, охватывающий от –3,46 до 18,15, охватывает широкий спектр. Среднее значение бета, которое рассчитывается как 0,69 и демонстрирует заметное стандартное отклонение 3,09, что указывает на широкий диапазон уровней когнитивной вовлеченности среди людей с акрофбоией. Среднее значение отрицательной гамма-активности, –6,06, сопровождаемое стандартным отклонением 3,83, означает снижение гамма-активности. Это снижение часто связано с когнитивной деятельностью. На втором уровне среднее значение Alpha демонстрирует скромное увеличение, достигая 2,79. Кроме того, стандартное отклонение Alpha простирается до 3,84, что указывает на более высокую степень изменчивости реакций релаксации, наблюдаемых среди субъектов. Среднее значение Beta демонстрирует увеличение до 1,00, сопровождающееся более высоким стандартным отклонением 4,18. Это предполагает наличие повышенной бдительности или когнитивного стресса у определенных людей. Оценка Gamma, которая имеет среднее значение –5,74 и стандартное отклонение 4,43, указывает на когнитивную реакцию, которая является как более однородной, так и интенсивной. На третьем уровне выраженности акрофобии среднее значение альфа демонстрирует заметное увеличение до 3,19, сопровождаемое снижением стандартного отклонения до 2,63. Это предполагает повышенную и более последовательную реакцию релаксации. Среднее значение бета демонстрирует небольшое снижение до 0,84, сопровождаемое стандартным отклонением до 2,62. Это наблюдение подразумевает тенденцию к более однородной степени осознания. Среднее значение гамма, которое, как видно, равно –6,07, демонстрирует сходство с уровнем 1, сопровождаемое стандартным отклонением до 2,90. Это открытие предполагает последовательную модель когнитивной обработки . Четвертый уровень показывает в самом экстремальном случае акрофобии среднее значение Alpha испытывает скромное снижение до 3,04 и более до 3,16. Это наблюдение подразумевает большую степень изменчивости в реакциях на стресс. Среднее значение Beta демонстрирует заметное увеличение до 1,59, сопровождаемое существенным стандартным отклонением 3,64, что указывает на значительный уровень изменчивости когнитивного стресса. Среднее значение Gamma, которое, как видно, составляет –4,66 со стандартным отклонением 4,29, предполагает диапазон когнитивных способностей обработки, которые могут быть разнообразными и потенциально улучшенными.
Выводы
Эффективность лечения специфических фобий повысилась с помощью виртуальной реальности, оценке нейрофизиологических показателей и машинного обучения
С помощью глубоких сетей нейронов можно автоматизировать регулировку интенсивности воздействия, используя электроэнцефалограмму, частоту сердечных сокращений и кожно-гальваническую реакцию
К нейрофизиологическим параметрам оценке выраженности фобий можно отнести поздний положительный потенциал (LPP) и раннюю заднюю негативность (EPN) в электроэнцефалограмме
Подходы машинного и глубокого обучения вместе с технологией виртуальной реальности полезны при лечении фобий., а электрофизиологические маркеры для обратной связи в реальном времени повышают эффективность терапии
Литература
Apicella, A., Barbato, S., Chacόn, L. A. B., D'Errico, G., De Paolis, L. T., Maffei, L., ... & Wriessenegger, S. C. (2023). Electroencephalography correlates of fear of heights in a virtual reality environment. Acta IMEKO, 12(2), 1-7.
Bălan, O., Moise, G., Moldoveanu, A., Leordeanu, M., & Moldoveanu, F. (2020). An investigation of various machine and deep learning techniques applied in automatic fear level detection and acrophobia virtual therapy. Sensors, 20(2), 496.
Bousouar, A., Harzallah, S., Nail, B., & Tibermacine, I. E. (2024). An investigation on the effects of using tmd for vibration control on the response of high-rise buildings to seismic excitation. Studies in Engineering and Exact Sciences, 5(1), 02-18.
Çelik, Z., Alptekin, F. B., & Yavuz, K. F. (2020). Acrophobia treatment with virtual reality-assisted acceptance and commitment therapy: Two case reports. Journal of Psychiatry and Neurological Sciences.
Nail, B., Atoussi, M. A., Saadi, S., Tibermacine, I. E., & Napoli, C. (2024). Real-time synchronisation of multiple fractional-order chaotic systems: an application study in secure communication. Fractal and Fractional, 8(2), 104.
Russo S., et.al. Analyzing EEG patterns in young adults exposed to different acrophobia levels: a VR study. Front Hum Neurosci. 2024; 18: 1348154.
Tibermacine I. E., Tibermacine A., Guettala W., NAPOLI C., Russo S. (2023). Enhancing sentiment analysis on seed-IV dataset with vision transformers: a comparative study, in Proceedings of the 2023 11th International Conference on Information Technology: IoT and Smart City (New York, NY: ACM; ), 238–246
Zhang, X., Yao, L., Wang, X., Monaghan, J., Mcalpine, D., & Zhang, Y. (2021). A survey on deep learning-based non-invasive brain signals: recent advances and new frontiers. Journal of neural engineering, 18(3), 031002.
Добавить комментарий