XiaoMi-AI文件搜索系统
World File Search SystemReality
增强现实中的虚拟现实调查
摘要 — 虚拟自我化身在增强现实 (AR) 中的应用越来越广泛，人们可以在其中看到嵌入物理空间的虚拟内容。然而，人们对这种背景下自我化身的感知知之甚少。它们的化身可能以与虚拟现实类似的方式实现，这为教育、通信、娱乐或医疗领域的众多应用打开了大门。本文旨在回顾有关 AR 中虚拟自我化身的化身的文献。我们的目标是 (i) 引导读者了解与 AR 化身系统实施相关的不同选项和挑战，(ii) 通过对现有知识进行分类，更好地理解 AR 化身感知，以及 (iii) 为 AR 和化身研究的未来研究主题和趋势提供见解。为此，我们通过定义“身体化身”连续体引入了虚拟化身体验的分类法。所提出的知识表明，化身感在 AR 中的演变方式与在其他环境中的演变方式相同，但这种可能性尚未得到充分研究。我们认为，尽管还有待进一步了解，但虚拟形象在 AR 领域有着光明的未来，最后我们讨论了可能的研究方向。
灯塔项目＃13：混合现实木工...
混合现实（MR）和建筑跟踪技术的整合旨在解决几个关键问题。传统的培训方法虽然基础，但通常不足以使学生为现代建筑实践的复杂性做好准备，这些实践越来越多地融入了先进的技术。MR提供了一个安全，身临其境的学习环境，学生可以在其中练习木工技能，而无需与传统培训相关的身体风险。通过提供实时反馈并在跟踪技术提供的受控设置中练习复杂的任务，促进了对木工技能的更深入的理解和保留。这种创新的教育方法对于准备适应能力，精通数字工具的熟练劳动力很重要，并准备应对当代建筑业的挑战。通过实现目标和目标，出现了以下发现。
醒着手术期间大脑图的沉浸式虚拟现实和眼部跟踪：前瞻性评估研究
背景：清醒脑外科手术期间的语言映射目前是标准程序。然而，对于其他对于社交互动很重要的认知功能，例如视觉空间认知和非语言语言，包括面部表情和眼睛凝视，很少进行映射。这种遗漏的主要原因是缺乏与手术室和清醒脑外科手术程序的限制性环境完全兼容的任务。目的：本研究旨在评估配备有眼睛跟踪装置的虚拟现实耳机的可行性和安全性，该耳机能够为正在进行清醒颅骨切开术的患者中促进身临其境的视觉空间和社交虚拟现实（VR）体验。方法：我们在语言或运动区域附近招募了15例患有脑肿瘤的患者。语言映射是通过命名任务执行的，执行80，在计算机平板电脑上显示，然后通过VRH在2D和3D上进行。患者还沉浸在视觉空间和社会VR经验中。结果：没有患者患有VR疾病，而2例患者术中癫痫发作没有任何后果。没有理由将这些癫痫发作归因于虚拟现实耳机的使用。患者能够执行VR任务。眼睛跟踪功能是功能性的，使医疗团队能够直接分析患者对虚拟现实耳机视野的关注和探索。结论：我们发现在清醒脑外科手术期间将患者浸入互动虚拟环境中是可能且安全的，为新的基于VR的大脑映射程序铺平了道路。试验注册：ClinicalTrials.gov NCT03010943; https://clinicaltrials.gov/ct2/show/nct03010943。
一项针对更具沉浸感的虚拟现实大脑的试点研究......
由于脑电图记录的噪声性质以及与肌肉活动相比 MI 相关的脑信号幅度较低，因此需要使用通常复杂的信号处理方法来提高信噪比 (SNR) 并突出显示相应的大脑特征。其次，任务的内在性质使得用户难以实际使用基于 MI 的 BCI。由于很难想象在限制自己实际执行动作的同时移动肢体，因此使用基于 MI 的 BCI 被标记为需要训练的技能 (Lotte 等人，2013 年)。事实证明，这种训练的一个重要方面与执行想象任务时向用户提供的反馈性质有关，这可以显著提高用户执行 MI 的能力 (Jeunet 等人，2016 年)。基于这些发现，许多研究人员研究了不同的反馈模式，以增加 MI-BCI 的训练过程 (Rimbert 等人，2017 年)、(Roc 等人，2021 年)。
对考古的扩展现实应用程序中用户研究的文献综述
在本研究中，我们对过去10年的扩展现实进行了对考古学用户研究的系统审查。筛选和选择过程后，选择了52篇文章进行深入分析。他们的分类遵循不同的轴：设备，位置依赖性，用户类型，交互和协作。我们还根据任务，评估测量，参与数量以及如何进行研究（预测试和/或测试后，形成性和总结性评估，定量和定性数据）来组织现有的用户研究。我们发现了考古学和文化遗产之间的相互交织的关系，这反映在古老的博物馆展览和考古遗址上的申请中。还研究了针对考古学家和公众开发的系统之间的相似性。我们的目的是在不同的用户研究之间找到一个共同的基础，可以帮助下一个系统的设计师具有可以构建系统的基础。我们还强调了这是需要解决的用户类型时，这将是首选和最合适的评估技术。结果表明可测量变量和可能的选择的异质性，但可以得出一些准则。
全基因组关联研究确定了与法洛的四边形相关的12q24和13q32的基因座
摘要 - 我们在本文中描述了一种用户研究，在动画虚拟人类的背景下，比较了用户对众所周知的半自治头像和全身跟踪的头像的自我感知。我们旨在突出各个步行阶段中这些方法的优势和局限性。参与者走进了具有不同障碍的4个模拟环境。通过虚拟现实疾病问卷和一份专门研究用户感知和享受其头像下部的新问卷来量化这些结果。这项研究显示了半自治化头像的积极结果，尤其是在混乱的环境中。用户使用两种方法都保持相同的效率，在模拟内部超过45分钟后，他们没有疾病问题，并且为具有复杂障碍的环境提供了更好的享受结果。
评估虚拟现实认知干预对初级网球运动员网球表现的影响：试点研究
背景：有证据表明，认知训练干预措施会对执行功能产生积极影响，并且一些研究表明，运动员通常在某些认知任务上表现出更高的准确性和更快的响应时间。虽然建议执行职能的参与是高级体育活动的一部分，但尚不清楚这种训练方法是否可以直接受益于运动表现。目的：这项研究的目的是评估合并虚拟现实（VR）和基于平板电脑的认知训练干预对青少年网球运动员的影响的影响。在这里，我们检查了通过认知训练干预措施补充定期网球训练的球员的通用网球评分（UTR）的差异，以及仅继续定期网球训练的小组。该自定义认知培训计划针对特定的认知控制能力，包括注意力，工作记忆和目标管理。方法：在由专门研究团队领导的随机对照试验设计中，从一群网球运动员中收集了数据。参与者（n = 23，年龄：平均14.8，SD 2.4岁）来自捷克草坪Tenis Klub（布拉格，捷克共和国）参加这项研究。这些个体被随机分为干预 +训练组（n = 13）或训练组（对照组; n = 10），而UTR分数的变化是感兴趣的主要指标。结果：基线两组之间的UTR没有差异（干预：平均8.32，SD 2.7；控制：平均7.60，SD 2.3）。在治疗期之后，干预组的个体显示出其UTR的显着改善（0.5; t 12 = 4.88，p <.001）与对照组不同（增加0.02； t 9 = 1.77，p = .12）。在比较每个组达到的UTR（训练后UTR减去UTR）的变化时，我们发现干预组的UTR比对照组高38％。对协方差的分析表明，干预组的UTR的改善要大于对照组（F 1,20 = 8.82，p = .008）。
后视觉途径的参与与通过虚拟现实/眼睛跟踪范式检测到的儿童中风患者的高阶视觉障碍相关
儿童中风造成的脑损伤会增加高阶视觉处理（HOVP）缺陷的风险，例如脑视觉障碍（CVI），如果未治疗，这会导致严重的行为和学习障碍。使用基于虚拟的现实搜索任务和结构磁共振成像分析，我们评估儿童中风患者的功能视觉缺陷程度和潜在的解剖相关性。方法：20名儿童中风患者和38个健康对照组完成了动态视觉搜索任务，该任务使用虚拟现实/眼睛跟踪（VR/ET）范式来量化2021年至2024年之间的功能视觉能力（中风后平均7.34年）。使用统计比较方法和线性回归模型分析了同类人群之间的虚拟现实评估措施，中风成像特征（视觉途径参与）和神经心理结局。结果：所有童年中风患者都可以完成VR/ET任务，其指标与视觉注意力和处理速度的神经心理学测试相关，如成功率和任务符合性以同等程度与控制措施所证明的那样。但是，在我们的患者队列中观察到对任务负荷变化的敏感性较低，对任务负荷变化的敏感性较小，并且在启动对目标的响应时会受到更大的损害。涉及后视觉途径的MRI病变分析损伤，特别是视觉辐射，下纵向筋膜或上部纵向筋膜，与较慢的反应时间相关，以在VR测试时控制目标时固定在目标上时固定在目标上。结论：受到中风影响的儿童的床边VR/ET评估可以检测到神经心理学测试证实的HOVP缺陷迹象。成像表明诊断时的后视觉途径参与与后来生活中视觉跟踪能力受损的发展密切相关。虽然HOVP缺陷的检测依赖于3至6岁之间的当前标准临床和神经心理学评估，但我们的研究表明，中风发作时成像的损伤模式可以帮助识别出患有HOVP缺陷风险的儿童。这可能使早期监控和及时的适应能力促进功能视觉发展，这对于学习和技能掌握至关重要。关键词：儿童中风，功能视觉，脑视觉障碍，高阶视觉处理，视觉辐射，后视觉途径
人工智能（AI）和扩展现实（XR）：多维生物医学工程（BME）调查探索
人工智能（AI）和扩展现实（XR）的融合已迎来了生物医学工程的变革性时代，从而在诊断，治疗和教育方面取得了重大进步。本评论旨在探索AI和XR技术的整合，并强调其集体潜力在解决相关挑战的同时彻底改变医疗保健实践。AI具有自适应算法，在医学成像，疾病预测和优化治疗方案中已成为必不可少的。XR技术，包括虚拟现实（VR），增强现实（AR）和混合现实（MR），提供了沉浸式和互动的环境，可增强医学培训，康复和手术精度。这项研究批判性地评估了AI和XR在实际生物医学情景中的应用，将结果与传统的医疗保健实践进行了比较，并提出了证明其有效性的案例研究。此外，审查还讨论了这些技术的局限性，包括算法偏见，隐私问题以及对强大的监管框架的需求。检查了围绕患者安全和数据安全的道德考虑因素，以确保保持平衡的观点。通过分析最新进步并确定研究差距，本文提供了可行的见解，并提出了未来的方向
