サポートベクターマシンを利用して2次元平面上の固有受容ドリフトのための可視化手法

この記事では、ミラーの錯覚を使用して機械学習を用いた分析と心理物理手順を組み合わせた2次元平面上に固有受容ドリフトを推定する新規な方法を説明します。

Proprioceptive drift, which is a perceptual shift in body-part position from the unseen real body to a visible body-like image, has been measured as the behavioral correlate for the sense of ownership. Previously, the estimation of proprioceptive drift was limited to one spatial dimension, such as height, width, or depth. As the hand can move freely in 3D, measuring proprioceptive drift in only one dimension is not sufficient for the estimation of the drift in real life situations. In this article, we provide a novel method to estimate proprioceptive drift on a 2D plane using the mirror illusion by combining an objective behavioral measurement (hand position tracking) and subjective, phenomenological assessment (subjective assessment of hand position and questionnaire) with a sophisticated machine learning approach. This technique permits not only an investigation of the underlying mechanisms of the sense of ownership and agency but also assists in the rehabilitation of a missing or paralyzed limb and in the design rules of real-time control systems with a self-body-like usability, in which the operator controls the system as if it were part of his/her own body.

近年、自己身体の感覚や経験についての研究、つまり、自分の体は、実施形態の文脈で増加しています。実施形態は、このような、到達把握、および触れるとして、環境と相互作用することができる物理または仮想ボディを持つのアイデアや概念を指します。例えば、人間がオブジェクトまたはこの場合、自分の腕と手で、自分自身の体を動かすことにより、環境に位置し、別の人間に触れることができます。今日では、この相互作用または通信は、自分の自然な体の使用に限定されるものではありません。本発明と仮想世界におけるヒト様ロボットやアバターの開発のために、自然の人間の体は、そのような仮想現実でヒューマノイド、遠隔制御ロボット、電動プロテーゼ、またはコンピュータグラフィックスアバターとして、人工体によって置換することができます。例えば、研究者があっても、ロボをそのオペレータの機械本体を介してロボットの前方に配置されたオブジェクトを「掴む」ことができるロボットを開発しましたトンは、作業者の身体の位置^1,2から遠く離れて配置されています。人間は体が事業者の自己身体の帰属を開催する人工体を介してアクションを実行することができれば、この例と同様に？

私たちは簡単に人工的な、非肉と骨本体に私たち自身の自然な身体からの「自己」の帰属や投影上のこの議論に関連するトピックを見つけることができます。一例としては、医療分野で見つけることができます。例えば、医学的リハビリテーションの分野では、治療は、ミラーを使用して「トリック」は、患者の自己身体感覚は、ミラー療法^3-6と呼ばれる、痛みを軽減し、欠落または麻痺肢の運動機能を改善するために探求されていること。この療法では、影響を受けない身体部分や手足のミラーイメージが欠落しているか、麻痺肢がミラーに表示されて1に対応していることを信じるように、患者の脳に誤解を与えることができますし、それはそれにまだあるという感じにつながります元の状態（ すなわち 、事故の前に）。それは、この錯覚は、身体表現に関連する脳の回復力をどのように影響するかまだ検討中です。私たちの自然な身体上の議論のこのタイプに加えて、我々は、特に工学の分野における人間系の相互作用の設計問題の実施形態に同様の議論を、見つけることができます。人工または仮想ボディのために自己の感覚がよく、テレプレゼンス、ブレイン・マシン・インターフェース、およびブレイン・マシン・インタフェース^1,2,7-9の文脈で検討されています。一部の研究者は、作業者の手にそのロボットハンドから触感を転送することができます人間のようなロボットは、ロボットだけでなく、ロボットが配置されている場所であるという意味に自己身体の操作者の感覚をキャプチャすることができますことを報告しましたむしろオペレータが実際に存在する場合よりも、テレ存在¹と呼ばれます。他の研究者は、仮想アバターが強いオペレータの身体の動きを反映していることを報告しましたlyが仮想ボディ⁹にオペレータ自身の体から自己の体の操作者の感覚を転送します。これらの知見は、ユーザが、人工本体が直接に接続されていない場合でも、そのような仮想現実でヒューマノイド、遠隔制御ロボット、電動プロテーゼ、またはコンピュータグラフィックスアバターとして、人工的な体内への自己身体の感覚を投影することができる方法を示し、その脳と体。

非生身のための自己身体感覚のこのタイプの基本的な科学的研究は、人工的な身体のようなオブジェクトは、ゴムの手の錯覚^{（RHI）10-13}とミラーを用いた自己身体の経験のために、基礎となる脳のメカニズムを調べました錯覚（MI）医療と工学の分野でだけでなく、心理物理学と神経心理学で^14-16。 RHIはゴム手が自分の体に属し、同時に見えるゴム手と参加者の隠れた手を撫でによって誘発される感覚です。 MI、手IMAで正中矢状軸に沿って配置された鏡の中のGEは、視覚的に目に見えない反対側の手の参加者の知覚位置を捕捉します。反射された手の画像が見えない反対側の手であるかのようにまた、反射して目に見えない手の同期動きが強い感覚を呼び起こします。これらの幻想の研究によると、マルチモーダル情報や予測と身体の動きに関する感覚フィードバックの間の一貫性は、自己の身体帰属の判断に重要な役割を果たしているようです。したがって、これらの二つの幻想はだまされているか、いくつかの人工的なオブジェクトや画像を主観的に私たち自身の体の一部とすることができると信じて私たちの感覚の根底にある脳のメカニズムを研究する科学者のためのシンプルでありながら強力な証拠とツールすることができ、私たちの自己身体感覚がないこと私たちの自然な肉体に縛られる必要はありませ。

上記のすべてのこれらの研究では、議論は「自己」consistiの概念に基づいています当事者意識と代理店の意味：哲学者ギャラガー¹⁷によって提案された感覚の2種類のngの。当事者意識が観測された身体の部分は自分で感覚を指します。機関の感覚は、身体の動きが自己引き起こされる感覚に相当します。これら二つの感覚は、自己¹⁶の即時感ある最小限の自己、として定義されています。所有権と代理店の意味：この概念によれば、損傷した、自然な仮想、および機械的なボディのための「自己」の属性は、同じインデックスによって評価することができます。科学的評価のためのこの感覚を使用するためには、質問が強固に所有権と代理店の感覚を測定する方法で発生します。現在、所有権と代理店の感覚の推定は、主に、もともとBotvinick ⁹によって提案された質問票に依存しています。アンケートに加えて、定量的な方法でそれらを測定するように試みることができます。例えば、皮膚のコンコンダクタンス反応（SCR）は、ゴム手が突然ナイフ¹⁸により切断された場合には、所有権の生理指標として用いられてきました。 SCRは、皮膚の電気的特性を測定することによって計算され、覚醒¹⁹のための高感度かつ有効な指標です。この方法は、通常、参加者ごとに単一の試験のために印加されているので、測定SCRは、参加者の中繰り返し測定を必要とする心理物理学実験中の物理的な指標としては適していません。当事者意識のための最も成功した行動指標の一つは、 固有受容ドリフトである。固有受容ドリフトは、ゴム製の補綴物として、または、手のように見える物体の位置に向かって目に見えない本物の手の知覚位置の変化でありますコンピュータグラフィックス^10-13。この変更は、自己受容ドリフト私、目に見えない本物の手と手の視覚画像との間の距離を測定することにより、繰り返しとロバストに推定することができるので、精神物理学的測定のためのsa適した物理インデックス。しかし、この使用は、最近の議論は自己受容ドリフトが常に所有¹²の行動の指標として用いることができるかどうかを疑問視しているので、慎重に評価される必要があります。

典型的に、固有受容ドリフトは、高さ、幅、または深さの3方向の一方のみで測定されます。固有受容ドリフトはほとんど多次元データを推定し、視覚化の難しさのために、複数の方向で測定されていません。この計量制限は、実験条件を容易に設計し、測定された寸法を制限するように制御することができるので、多感覚情報を処理するメカニズムを探索する基礎研究のために重要ではありません。しかし、日常生活の中で、私たちの手は、私たちの意思に従うことを3Dで自由に移動します。この状況では、アンケート、厳しく制限動きとPOSとの参加者の行動を測定することは困難かつ不十分です手のitions。したがって、エンジニアリングおよびリハビリテーションにおける所有権や代理店、複数の方向が含まれており、自由な手の動きは、日常生活の状況における視覚と固有受容フィードバックとの間の空間的関係を評価するために必要とされることができ、測定の感覚のための潜在的な用途を考慮。このような測定が可能であった場合は、実数と観測された手の間の測定距離は、自己の体の感覚のためのガイドラインとして利用することができます。これは、だけでなく、リハビリの進行の指標だけでなく、表示および操作手で操作対象との間の空間オフセットの基準になる可能性があります。問題は、この測定を確実かつ効果的に実施することができる方法として残ります。

この問題に対処するために、我々は目に見える手のようなOのそれに参加者の目に見えない本物の手の位置からのシフトに対応する固有受容ドリフトを推定する新規な方法を紹介しますbject、心理物理手順と機械学習を用いた解析を組み合わせることにより、ミラーの錯覚を使用して、2次元平面上に。ゴム手と比較すると、鏡の中の手のイメージが強く、目に見えない本物の手の参加者の知覚位置を捕捉します。また、ミラーリングされた画像はすぐに手の配置のための自主的な手の動きを反映しています。これにより、鏡像が参加者の手の視覚的なフィードバックとして選択しました。また、日常生活の状況に似た固有受容ドリフトを測定するために、参加者は自分の意志で自分の隠された手のトライアル・バイ・トライアルに位置し、試行回数が増加しました。方向の任意の組み合わせが使用されている可能性があるが、高さと深さとの組み合わせが原因垂直ミラーを配置を容易に選択しました。本手法と以前の研究¹³との間の整合性をチェックするために、2つの視覚的な条件が実装されました：とし、視覚的なフィードバックなし。視覚フィードバック、ミラーワットとの条件で正中矢状面に沿って配置されたとして、それは右手のように見られたかのように、左手の反射像を作成することができます。視覚的なフィードバックのない状態では、マットの黒板は、参加者の実際の右手を隠すために使用されました。私たちは、所有権と代理店の感覚に関するアンケートで得られたものと結果を比較することによって、この新規な方法の有効性を評価しました。

実験のすべての側面は、東京工業大学の倫理委員会によって承認されました。

1.実験のセットアップ

1. 固有受容ドリフトを測定するための材料とセットアップ。
   1. 垂直方向に100×100センチのプレート（ 図1）を保持することができるスタンドを取得します。
   2. 参加者が実験中に快適に座ることができた椅子を取得します。
   3. 100×100センチのアクリルミラーとマット黒板を取得します。
   4. 参加者の右手の位置を追跡する位置追跡（例えば、SLC-C02、Cyverse）を取得します。空間分解能はサンプリング十分な数の機械学習のために使用することができるように約1.5mmであるべきです。
   5. （ステップ1.1.11と3.2.6を参照）は、それぞれ、スタンドと参加者の右手の位置を示すために使用される赤外線LEDや再帰反射マーカーを取得します。
   6. 参加者の応答のためのフットペダルを取得します。
   7. 記録し、同時に参加者の応答と右手の位置を表示し、フットペダルが押されたときに、参加者の応答のフィードバックとしてビープ音を再生することができますカスタムメイドのプログラムを作成します。これらの実験では、参加者の右の手の位置は、製造業者の指示に従ってモータキャプチャ装置と特注のプログラムを用いて収集しました。
      注：前の紙¹⁶によると、プログラムは、ソフトウェア開発ツールキットで開発されました。ソフトウェア開発ツールキットによって開発されたカスタムメイドのプログラムは、モーションキャプチャ装置の他のブランドに適合させることができます。
   8. 手の動きの訓練のためのタイミング信号を提供するためにメトロノームを使用し、それはミラー又は黒板の表面をタップ、です。正確な訓練の手順については、ステップ3.1.1を参照してください。
   9. 参加者は手の位置のための音の合図を聞くことができる可能性を低減するノイズキャンセリングヘッドホンを使用してください。
   10. 視覚フィードバック条件については、スタンドにミラーを取り付けます。視覚的なフィードバックのない状態の場合は、スタンドに黒板を取り付けます。
   11. ミラーや黒板の左上に赤外線LEDを配置します。
2. 所有権と代理店のセンスを測定するための材料とセットアップ。
   1. 1.1.11をステップステップ1.1.1からの手順を繰り返します。
   2. 所有権および政府機関（ 例えば ^{、10,13,16）}の感覚を評価するアンケートを作成または取得する。 表1は、以前の研究¹⁵で使用されるこのアンケートから例を示しています。
   3. 参加者へのアンケートを表示するモニターやタブレットPCを使用してください。

2.参加者

1. 正常または訂正ツー正常な視力を持つ約10の右利きの参加者を募集。
   注：参加者の数は、実験的な目標やparticipあたりの反復試行の数に応じて調整することができます蟻。
2. 実験開始前に参加するための書面によるインフォームドコンセントを取得します。

3.実験手順

1. 手の運動のためのトレーニングフェーズ。
   1. 同期メトロノームを使用して一定のテンポでミラーや黒板に両手でタップして、参加者を訓練します。ミラーやボードに接触して手の付け根を保つことによってタッピング運動を実行するために、参加者に指示します。トレーニングの開始時に、毎分60拍のテンポでメトロノームを起動し、メトロノームの音に合わせ同期両手を移動するために、参加者に指示します。
   2. 参加者の手の動きのタイミングがタッピングの開始後メトロノーム数分の音にそれを比較することにより、毎秒1サイクル（約1ヘルツ）の近くにあることを確認してください。
2. 参加者の正中矢状面における固有受容ドリフトの推定。
   1. 参加者全体の条件のカウンターバランス順序を使用してください。
   2. 条件に基づいて、スタンドにミラーや黒板をマウントします。視覚的なフィードバックで、ミラーを取り付けます。視覚フィードバックなしで、黒板をマウントします。
   3. その参加者は、参加者の正中矢状面（ 図1）に沿って配置されているミラーや黒板、に非常に近い座っていることを確認します。
   4. 参加者は左手の鏡像を見ることができるが、実際の右手を見ることができないことを確認してください。
   5. 実験中に鏡で左の画像に注意を払うように参加者に指示します。
   6. 参加者の右のインデックス指先と手首に再帰反射マーカーを置きます。
      1. マーカーは唯一の参加者の右手に置かれているので、原因添付マーカーに対する参加者の右手の触覚感覚を照会することにより、左手に比べて実質的に変化していないことを確認します経口参加。
   7. 参加者の耳の上のノイズキャンセリングヘッドホンを置きます。
   8. ミラーの右下隅から水平方向左側に縦に30cm程度、30センチ移動し、実験中、この左の手の位置を維持するために、参加者に指示します。この位置は、2次元平面の面の原点として設定されます。
   9. ミラーや黒板の反対側に自由に右手を配置すると、試験終了までその位置を維持するために、参加者に指示します。
   10. 次のようにタスクの参加者を指示します。
       1. 各試験の開始時に、フットペダルの中央ボタンを押して、参加者に指示します。この時点で、システムはペダルプレスのフィードバックとしてヘッドフォンを介してビープ音が鳴ります。
       2. ビープ音を聞いた後、ミラーであるボード上の1ヘルツ、で同期両手で叩く開始するよう参加者に指示します視覚フィードバックまたは視覚フィードバックのない状態で黒板と条件。
       3. 以上の6手の動きの後、好ましい時間で移動を停止し、フットペダルの右または左ボタンを押して、右の手の位置についての質問に答えるために、参加者に指示します。右のボタンはyesで、左はnoです。質問は、「あなたは、左右の手が同じ位置にあることを感じますか？」でありますこの時点で、参加者は再びペダルプレス用のフィードバックとしてビープ音が聞こえます。
          注：参加者はの意味について尋ねる場合は「同じ位置」、「同じ位置が「右手の主観的な高さと深さは左手のものと同等であることを意味していることを伝えます。
       4. 自分の好きな別の位置に自分の右手を移動するために、参加者に指示します。その後、再び裁判を開始します。このサイクルは、条件ごとに最大200試験のために継続されます。
   11. 参加者がタスクを理解し、タスクを再起動するよう参加者に依頼することができていることを確認してください。
   12. タスク中、参加者のタッピングのタイミングがメトロノームに比べて動きを見ることによって、およそ1 Hzでとどまることを確認してください。
       注：メトロノームの音は実験者によって聞くことができます。
   13. 約100の試験を終えた後、参加者は休憩を取るましょう。
   14. 別々の日に（または視覚フィードバックなし）その他の条件について実験を行います。
3. ミラー条件での所有権と代理店のセンスの推定。
   1. 所有権と代理店の感覚に関するアンケートに参加者の回答を収集するための右の手の位置を定義します。例えば、以前の出版物¹⁶で、13は右位置が前に置かれました。原点から21センチメートル最大±これらの点は、すべての7センチメートルを配置しました。
   2. ABと同じ手順を実行します3.2.7ステップにステップ3.2.2から記載されているオベ推定。
   3. 1裁判を終えまでその位置を実験者ガイド以下の右手を置き、維持するために、参加者に指示します。
   4. 次のようにタスクの参加者を指示します。
      1. 裁判の開始時に、フットペダルの中央ボタンを押してください。このとき、参加者がペダルプレスのフィードバックとしてビープ音が聞こえます。
      2. その後、1 Hzで同期して左右の手をタップし始めます。
      3. 実験者が示したときタッピングの6倍以上の後、タッピングを停止します。その後、所有権と代理店の意味についての質問に答えでもない契約や不一致を示す0から-3（「完全に同意しない」）3までの評価で7点リッカート尺度を用いて、モニタ（「まったく同意」）上に表示（「不確定」）。
      4. 実験者が示す位置に右手を動かします。その後、トライアルを開始再び。このサイクルは、実験者が定義する右側の位置の数まで継続します。
   5. 参加者がタスクを理解し、タスクを開始するために参加者に依頼することができていることを確認してください。

4.データ解析

1. 参加者の正中矢状面における固有受容ドリフトの分析。
   1. 機械学習アプリケーションが含まれている統計ツールを入手し、特にサポートベクターマシン（ 例えば 、R、MATLAB）。参加者の応答の境界を抽出するための分類器としてサポートベクターマシン（SVM）を使用します。以前の出版物は^20（第7章を参照してください）分類器のアルゴリズムの説明を提供します。この記事では、R（バージョン3.1.2）を使用する方法を説明します。
   2. RアプリケーションでSVMを用いた分析が含まれている^{「kernlab」21}という名前のパッケージをインストールします。
   3. マークproprioceptiを示しエリア（ 図2は、データ解析の流れの概略を説明）以下のように手のドリフトまし。このデータ分析のさらなる説明のための補足ソフトウェアコードとデータのサンプルを参照してください。
      1. 原点からの相対的な右の手の位置を計算します。分析からのエラー（ 例えば 、欠落位置データや参加者の回答）とのデータを破棄します。
      2. SVMを使用して、2次元空間における参加者の「はい」の回答の確率モデルを作成します。モデルの象徴的な説明として応答からのデータを使用してください。モデルのパラメータとして、右の手の位置のデータを使用してください。 SVMのカーネルとして一般的に使用される放射基底関数カーネルを使用します。任意の解析を回避するために、自動シグマ推定によってシグマ（各データ点の重みを変更するために使用される、すなわち 、パラメータ）を算出します。
      3. その目をチェックして、モデルが正しく取り付けられていることを確認してくださいモデルの電子訓練誤差は0.2の下にあります。確率モデルを使用して、参加者の「はい」の応答のp値が0.5以上であることと推定された領域を画定します。
   4. 固有受容ドリフトを示している領域を作るために、各参加者のデータを平均化。
      注：これは2次元空間における応答のp値により推定「はい」と「いいえ」の応答領域の境界を平均化することが困難であるように、平均の2種類が推奨されます。一つの方法は、従来の境界線を推定するために使用される方法であり、2次元空間内の参加者の応答のためのp値を平均化することです。他の方法は、境界線を推定した後に使用されている領域のサイズを、平均化することです。
2. アンケートデータとエリアサイズの分析。
   1. 位置やアンケート（ 例えば 、SPSSまたはR）のカテゴリーの有意性を評価するための統計ツールを入手します。
   2. 通常のdistributioを評価します対応するデータセットの一つ以上の正規分布（ 例えば 、ウィルコクソンの符号順位検定、フリードマンテスト）のための基準を満たすことができなかった場合シャピロ-ウィルク検定を使用して、すべてのデータのN、及び、適切なノンパラメトリック検定を適用します。
      注意：実験に合ったノンパラメトリック法が不足している場合は、パラメトリック法を使用して推論を説明します。この分析にはノンパラメトリックな代替品がなかったとして以前の研究¹⁶では、双方向の反復測定ANOVAは、アンケートデータを分析しました。

以前の研究からの代表的な結果を方法^16を例示するために提示される。 図3（a）は、視覚的な参加者が左右の手の位置との間の空間オフセットを検出することができなかった領域の形状は（ミラー）との条件間で異なっていることを示しており、（黒板）なしフィードバック図3Bは、視覚的なフィードバックとの条件で、その領域のサイズは視覚的なフィードバック（ウィルコクソンの符号順位検定：Z = -2.803、P = 0.005）なし条件よりも有意に大きい示しています。これらの結果は、必要な自己受容ドリフトが方向によって約10cmと、この値の変化（ 図3と図 4）で維持するために、視覚と固有受容フィードバックの間のオフセットことを示唆しています。垂直水平オフセットよりも大きく見えたオフセット。 図5は 、質問票スコアFの垂直方向と水平方向の空間的な分布または身体の所有権と代理店は、単峰性分布を示しました。それらのピークは、参加者の右手は、ほぼミラーリング手画像と同じ位置にあった起源でした。これとは対照的に、制御文のスコアのための空間分布はほぼ横ばいと-1の下にありました。 ANOVAは、参加者がアンケート（水平に示されているカテゴリと位置についての主効果を明らかにした双方向の反復測定：カテゴリ：F（3,27）= 11.12、P <0.001;ポジション：F（6,54） = 10.27、P <0.001;垂直：カテゴリー：F（3,27）= 24.21、P <0.001、ポジション：F（6,54）= 7.298、P <0.001）。カテゴリと位置の間の相互作用もあった重要な（水平：F（18162）= 9.42、P <0.001;垂直：F（18162）= 8.00、P <0.001）。これらの結果は、参加者の現実の間のオフセット空間は右手を隠さミラー化手の画像が増加したときに所有権と代理店の感覚が減少したことを示唆しています。 FIでグレ6、所有権と代理店の感覚のための固有受容ドリフトやアンケート結果の可視化との比較は、これらの現象を維持するために、オフセット領域が同心であり、ほぼ重なっていることを示しています。

図1：セットアップの概要は、実験参加者の手の位置のいずれかのためにミラーや黒板、椅子、応答装置（フットペダル）、および記録装置を保持するスタンドを備えています。トップ図は、参加者が彼/彼女の左手の鏡像を見ることができる方向からのセットアップの概略図を示します。下の図は、ミラーの裏側の図を示している。 この図の拡大版をご覧になるにはこちらをクリックしてください。

キープtogether.withinページ
図2：データ解析フロー （A）参加者の応答と右の手の位置の例。 （B）SVMにより推定され、「はい」応答モデルの模式図。 （C）の境界線分析の結果。 （D）参加者全体の平均エリア。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図3：ビジュアルフィードバック付きとなしの条件との間の領域の形や大きさの比較領域の形状の（A）の比較。グラフの原点を左側の位置、すなわち、MIの位置であります視覚フィードバック条件に手画像をrrored。縦軸、横軸は、手の固有受容フィードバックとして参加者の右手の位置を示しています。 （B）領域の大きさの比較。縦軸は、参加者が左右の手の位置との間の空間オフセットを検出することができなかった領域の大きさを示しています。 （：視覚的なフィードバックと、左：右視覚フィードバックなし）、横軸は、視覚的なフィードバックとしてミラーリングされた手の画像を伴うまたは伴わない状態が示している。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図4：個人データのほとんどの参加者については、ミラー状態の境界線の形状は、黒板の状態に比べて大きかったです。これは、可視化の方法が使用していることを示唆していますSVMは、鏡の中の身体イメージによる視覚捕獲の効果を示すことに成功しました。これとは対照的に、参加者D、H、およびJのために、条件を横切るいくつかの違いが視覚捕獲の効果については個人差があるかもしれないことを示す、ありました。 この図の拡大版をご覧になるにはこちらをクリックしてください。

図5：アンケート結果の縦軸に沿ったアンケートスコアの（A）の空間分布。 （B）、横軸に沿ったアンケートスコアの空間分布。所有権と代理店のスコアは、垂直方向と水平方向の位置に原点相対で最も高かった。 PLEASEこの図の拡大版をご覧になるにはこちらをクリックしてください。

図6：分類とアンケートとの比較水平軸に沿って所有権や代理店のためのアンケートスコアの（A）の空間分布。 （B）の縦軸に沿って所有権や代理店のためのアンケートスコアの空間分布。 （C）見積参加者はミラーリングされた手の画像と隠さ本当の右手との間のオフセットを検出できなかったエリア。 この図の拡大版をご覧になるにはこちらをクリックしてください。

表1：アンケートの4つに分類16文から成るこのアンケートは、適応とゴムの手の錯覚実験^10,13で使用されるアンケートから日本語に翻訳しました。

補足ファイル。 SVMを用いた解析手法のためのサンプルコードとデータセット。このコードは、R（バージョン3.1.2）を用いて実施し、現在の紙と同様の分析を行うことができます。 このファイルをダウンロードするにはこちらをクリックしてください。

私たちは、SVMを使用してミラー錯覚の間に2次元平面内で固有受容ドリフトを推定すると、所有権と代理店の感覚のためのアンケートの回答と結果を比較する方法を示しています。この新規な方法は、固有受容性ドリフトが約10cmであり、これは密接にオフセット所有権や代理店の感覚を維持するために必要なオフセットと重なっていることを維持するために、視覚と固有受容フィードバックとの間のオフセットを必要とすることを明らかにしました。

彼らの注意について参加者に指示、この方法の最も重要なステップは、3.2.5で説明されていることに注意してください。参加者が主観的に、彼らは自分の体にもっと注意を払っていることを報告したときに、以前のパイロット研究¹⁶では、ミラーリングされた手の画像による視覚捕獲の効果はほとんど認められませんでした。注意がこの現象に寄与するかどうかはまだ不明です。注意と当事者意識と代理店との関係はめったにありません制御したり、参加者の関心を測定するための難しさに起因して議論されて。我々の知る限りでは、直接所有権の感覚に注意の効果を調べた唯一の研究で²²あります。注意を制御し、測定する方法についての複雑な議論を避けるために、参加者の関心についての慎重な命令が必要です。

他の重要なポイントは、参加者が自己受容ドリフトを測定セッション中に、自分の意志で次の試行のための手の位置を選択することができるということです。伝統的な精神物理学では、参加者の行動の自由度が制限され、実験は、より堅牢で再現するように制御される傾向があります。例えば、ゴムの手の錯覚パラダイム^10-13を使用して、所有権と代理店の固有受容ドリフトとセンスを測定する実験では、参加者の手の位置のサンプリングポイントは、3つの方向のうちの1つに沿って事前に定義されました多次元データを測定し、可視化の困難を回避するために、このような高さ、幅、または深さなどの、。アンケートは、カテゴリー（ 例えば 、所有者、代理店、および制御文）の数による各サンプリングポイントの時間がかかるため、特に、サンプリング点の数は、人間の行動を記録する方法と比較して、より限定されています。この方法では、他の研究との整合性を確保するために、アンケートを使用して所有し、機関のセンスの測定は、限定されるものと同様に前置しました。設計および実験条件でこれらの制限を含むことにより、正確かつ再現実験条件を制御することが可能であるため、参加者の行動に関連するこの制限は、所有権と代理店の感覚の脳のメカニズムを探求する基礎研究のために重要ではありません。しかし、工学およびリハビリテーションにおける当事者意識と機関のための潜在的な用途を考慮すると、この制限日常生活の条件の下で3Dで人間の行動を推定することが重要になる場合があります。参加者は自分の手を動かし、より自由にその位置を選択することができますこのような状況下では、伝統的な心理物理学的方法を使用して、固有受容ドリフトを推定することは困難です。この問題を克服するために、SVM、機械学習のタイプは、固有受容ドリフトの推定及び可視化のために採用されました。この技術は、自由に選択して、参加者の反応と2Dでの手の位置を含む多次元データなど大量のデータを収集し、分析することができます。参加者は左手の鏡像と隠された実際の右手との間の距離に気付かなかった場合にこの技術を使用して、さまざまな手の位置でサンプリングし、参加者の応答が分類し、面積を分析しました。

この方法は、参加者全体で固有受容ドリフトを示す平均面積は現在INDIV表示されないことがある重大な制約があり、idual違い。これは、2D表面上の3次元データ以上のものを表示するために起因する可視化手法の制限にあります。固有受容ドリフトを示す平均面積についてのデータは、二次元位置データ、参加者の応答の確率、及び個体差を含むであろう。個人差を含めるには、4次元データを表示することができます可視化方法が必要とされるであろう。

この方法の今後の方向性は、2Dから3Dへの寸法を拡大し、一時的特徴を含むことです。まだ以上の3次元データのための可視化方法でいくつかの困難がありますが、追加のディメンションを持つこれらの拡張は、脳がそのようなビジョンと固有感覚のような複数のモダリティからの多感覚情報を処理する方法を理解するのに役立ちます。この拡張を実現するために、さらなる研究が必要です。

アプリケーションの観点からは、この方法は、縁起を助けることができますこのようなロボット、手術用ロボットシステム、および仮想現実システムなどのリアルタイム制御システム用制御の設計使いやすさや感情を戦略的にするneers。これらのシステムでは、運転中のユーザの感覚は、多くの場合、アンケート事後によって推定されます。したがって、システムのプロトタイプを作成する場合の動作中に、ユーザの感覚を実現するために困難です。私たちは、所有権や代理店の感覚を維持するための多感覚フィードバック間の時空間的矛盾の限界を明らかにすることができれば、それはオペレータが制御する自己身体のような使いやすさを、維持するために、マシンのシステムからの多感覚フィードバックに関するルールを提供するために役立つだろう彼らは自分の体をコントロールするかのようなシステム。この方法は、所有権と代理店の感覚を維持するために、視覚と固有受容フィードバックとの間の空間オフセットを明らかにする。この結果に基づいて、ミラーリングされた手の画像に向かって参加者の感情を操作することによって制御することができます手画像と隠れ本物の手の間の距離。様々なアクションから多感覚フィードバックを横切る時空間的関係を変更することは戦略的に操作中に、ユーザーの感情を制御するための最初のステップとなります。

このアイデアは、エンジニアリングのためにもリハビリテーションのためだけでなく、採用することができます。いくつかの研究努力が不足しているか、麻痺肢を持つ人々に運動機能と痛みを改善することを目的としています。患者が日常生活の中で機能を回復するための伝統的なリハビリテーションのメインテーマであるためしかし、この研究のほとんどは、欠落または麻痺肢で患者の気持ちを向上させることに成功しました。患者の生活の質への影響を考えると、彼らの感覚の改善が欠落しているか麻痺肢との生活のために重要です。この方法は、患者のSUとの間のオフセットを測定することにより、欠落や麻痺肢で所有権と代理店の意味についての定量的な推定を提供することができますbjective四肢の位置と実際のまたは可視手足の位置。これは、定量的に手足の患者さんの気持ちを推定するために理学療法士に役立つだろう。

結論として、本論文では、正中矢状面に沿って固有受容ドリフトを維持するために、視覚と固有受容フィードバックとの間の空間オフセットを可視化する新規な方法を提供します。この方法^15を使用して、以前の研究に基づいて、空間的には、参加者は約10cmに拡張を検出することができなかったことを相殺しました。また、この値は、参加者が鏡の中の手の画像の所有者と代理店の感覚を感じる範囲と一致します。これらの知見は、さらに感覚情報のマルチモダリティの観点から、所有権と代理店の感覚の根底にあるメカニズムを調査するのに役立ちます。また、この方法は、定量indicatoとして、欠落または麻痺肢のリハビリテーションのためのリアルタイム制御システムの設計のためのツールを提供することができrは、自己の体のような感覚や使い勝手を維持するために、視覚と固有受容フィードバックとの間の空間オフセットを示しています。このようにして、機械学習などの計算技術の開発が原因で、従来の統計的な制限のために、以前は不可能であった推定及び可視化の方法を構築することができます。計量進歩のこのタイプは、より自然な状況で自己の感覚を生産する人間の行動と脳のメカニズムを明らかにすることができます。

The authors declare that they have no competing financial interest.

This research was supported by the Center of Innovation Program from the Japan Science and Technology Agency, JST.