Tässä osiossa kuvataan useita kokeita suorittaa kaksi polydaktylia aiheita, P1 ja P2, tutkimaan neuromechanics ja toimintoja niiden käsissä. Joissakin kokeissa oli mukana lisäksi ryhmä kontrollikohteita, joilla oli viisisormiset kädet. Tutkimuksen hyväksyivät institutionaaliset eettiset komiteat Freiburgin yliopistossa, Imperial College Londonissa, EPFL: ssä ja King ’ s College Londonissa., Jokainen koehenkilö antoi tietoon perustuvan suostumuksen ennen jokaisen kokeen aloittamista.
MRI-analyysi käden anatomia
taustalla anatomia käsi aihe P1 oli visualisoitu käyttämällä MRI Osasto Perinataalisen Kuvantamisen ja Terveydenhuollon, King ’ s College London. T1-painotetut, inversioiden talteenotto ja protonitiheyskuvat hankittiin 1,5 teslan Siemens Aera-järjestelmällä (Erlangen, DE). Kuvia ei voitu hankkia kohteesta P2 metallisen hammasimplantin vuoksi.
Käsi biomekaniikan
oma käsi käyttöliittymä mitata isometrinen voima jokaisen sormen (kuvassa., 2a) kehitettiin Ihmisen Robotics group Imperial College London, tutkia, pakottaa valmiudet joko vasemmalle tai oikealle sormea, henkilöitä, joilla on joko viisi-sorminen tai kuusi sorminen kädet. Käsi oli sijoitettu vaakatasossa rajapinnalle kuvan mukaisesti. 2a. Viisi tai kuusi kahdeksasta 3D painettu tukee, jokainen kiinnitetty voima-anturi (HTC), voisi liukua lineaarisesti sijoittaa vasemmalle tai oikealle puolelle tahansa kokoa niin, että aihe voisi mukavasti käyttää pystysuora voima kärki jokaisen sormen.
voimat kaikkien sormien poikki kirjattiin 128 Hz: n taajuudella., Kokeita tehtiin tämä liitäntä on kaksi polydaktylia aiheista sekä väestöstä 13 verrokeilla (kuusi naarasta), jossa on viisi-sorminen kädet välillä 25 ja 35 vuotta vanha. Koehenkilöt istuivat pöydän edessä, jonka päälle oli sijoitettu käyttöliittymä niin, että kyynärvarsi lepäsi pöydällä luonnollisessa asennossa.
aluksi koehenkilöitä pyydettiin käyttämään mahdollisimman suurta voimaa yhdellä sormella. Tämä maksimivoima (MF) kirjattiin jokaiselle sormelle erikseen alkaen peukalosta ja päättyen pikkusormeen., Kuvassa 2b on viisi – ja kuusisormisten aiheiden MF. Käyttämällä tätä tiedot, orjuuttaa eij, kuvaavat riippuvuuden välillä sormet i ja j, oli laskettu, koska
jos minulla on sormi, joka tuottaa MF vaikka Fj(i) on voimassa tuotetaan samanaikaisesti sormella j ja MFj on maksimaalinen voima sormella j. Orjuuttava viisi – ja kuusi-sorminen asiat on esitetty Kuviossa. 2D.,
Sitten koehenkilöä pyydettiin ohjaus 10%, 20% tai 30% MF aikana 15 s pitkä tutkimuksissa. Kolme tutkimusta oli toteutettu jokaisessa voima tasolla, summaavat 3 × 3 × 5 = 45 tai 3 × 3 × 6 = 54 tutkimuksissa per istunto viisi – ja kuusi-sorminen aiheita vastaavasti. Viisi-sorminen aiheista suorittaa vain yhden istunnon, kun kuusisorminen aiheet suoritetaan kaksi (aihe P1) tai kolme (aihe P2) istuntoja. Kokeesta saatuja tietoja käytettiin sen tutkimiseen, miten voiman vaihtelu riippuu voiman määrästä., Kussakin kokeessa, voima vaihtelu oli laskettu, koska keskihajonta voima koko ajan ikkuna /128 s, joka oli valittu niin, että aiheet olivat oikein kohdistamaan tarvittava voima tänä aikana lähes kaikissa tutkimuksissa. Viisi tutkimuksissa (1 oikeudenkäyntiä valvonta-aihe, 2 tutkimuksissa aihe P1 ja 2 tutkimuksissa aihe P2) jätettiin pois analyysistä, koska ne osoittivat poikkeuksellisen korkea vaihtelut voimassa koko ajan, mikä osoittaa, että tehtävä ei ole suoritettu onnistuneesti näissä tutkimuksissa., Kuvassa 2C esitetään voiman keskihajonta funktiona voiman suuruuden funktiona viisi – ja kuusisormisilla koehenkilöillä.
funktionaalinen MRI
P1 ja fMRI-kokeeseen osallistui yhdeksän viisisormisen verrokkiryhmän ryhmä. P2 suljettiin pois metallisen hammasimplantin vuoksi. Lohkon suunnittelu, osallistujat suorittaa teippaus liikkeen aikana 20 s yhdellä sormella (20 hanat per lohko, 1 napauta sekunnissa) ja sen jälkeen 10 sekuntia lepoa. Jokaiselle sormelle tehtiin pseudo-satunnaistetussa järjestyksessä neljä blokkia (24 tutkimusta P1: llä ja 20 tutkimusta kontrolleilla)., P1 esitti kaksi sessiota, yhden kummallekin kädelle. Kontrollit suorittivat vain yhden istunnon oikealla kädellä. Kaikki osallistujat koulutettiin liikkeistä ennen fMRI-skanneriin astumista.
kuvat hankittiin lyhytkantaisella vain 7T-skannerilla (Siemens Medical, Saksa), jossa oli 32-kanavainen Tx / Rx rf-coil (Nova Medical, Saksa). Toiminnalliset kuvat hankittiin sinimuotoisella readout EPI-sekvenssillä23, ja ne koostuivat 28 aksiaaliviipaleesta. Viipaleita sijoitettiin yli keski sulcus (noin kohtisuorassa central sulcus) jotta voidaan kattaa ensisijainen moottori cortices (vokseli resoluutio 1.,3 × 1,3 × 1,3 mm3; TR = 2 s, FOV = 210 mm, TE = 27 ms, kääntökulma = 75°, GRAPPA = 2). Anatomiset kuvat on hankittu käyttämällä MP2RAGE sequence24 jotta tarkka lokalisointi precentral sulcus (ks. alla) ja esittelytarkoituksiin (TE = 2.63 ms, TR = 7.2 ms, TI1 = 0.9 s, TI2 = 3.2 s, TRmprage = 5 s). Tukea coregistration välillä toiminnallisia ja anatomisia kuvia, koko aivojen EPI määrä oli myös hankittu sama kaltevuus käytetään toiminnallisia toimii (81 viipaleiksi, vokseli päätöslauselman 1.3 x 1.3 x 1.3 mm3, FOV = 210 mm, TE = 27 ms, flip-kulma = 75°, GRAPPA = 2)., Tutkittavat skannattiin makuuasennossa.
kaikki kuvat analysoitiin SPM8-ohjelmistolla (Wellcome Centre for Human Neuroimaging, Lontoo, UK). Esikäsittely fMRI data mukana siivu ajoitus korjaus, spatiaalinen uudelleensuuntausta, tasoitus (FWHM = 2 mm) ja coregistration anatomisia kuvia. Caret 5 (Van Essen Laboratory, Washington University School of Medicine) käytettiin pinta visualisointi. Aktivointikuvioiden analysointiin sisältyvien vokselien paikantaminen (täydentävä Kuva., 3), Ensimmäinen GLM analyysi laskettiin, joka sisälsi yhden regressor / sormi (6 varten P1 ja 5 valvontaa) ja kuusi jäykät liikkeet regressorit. Toimiva naamio sormen liikkeet oli määritelty aktiivinen voxels F-kontrasti liittyvät tahansa sormen liikettä (p < 0.05 FWE). Lisäksi anatominen naamio, joka vastaa sensomotorinen aivokuori oli suunniteltu käyttäen julkaistu probabilistinen cytoarchitectonic maps25,26,27., Anatominen naamio mukana primary motor cortex M1 (Brodmann alueilla, 4a ja 4p) ja ensisijainen somatosensoristen aivokuori S1 (Brodmann alueilla 3a, 3b, 1 ja 2). Anatominen naamio heijastettiin takaisin kunkin osallistujan alkuperäiseen tilaan. Tämä johti 2190 voxels vasen aivopuolisko P1 oikea sormen liikkeet, 2037 voxels oikeaan pallonpuoliskolla P1 vasen sormi liikkeitä, ja 343.8 ± 417.1 (keskiarvo ± std) voxels vasen aivopuolisko ohjaa oikean sormen liikkeet (Supplementary Fig. 3).,
– analysoida aktivointi kuvioita valitun voxels liittyvät kunkin oikeudenkäynnin sormen liikettä, toinen GLM-analyysi oli laskettu, johon kuului yksi regressor kunkin sormen napautus-tutkimuksessa (24 P1 ja 20 valvonta) ja kuusi jäykät liikkeet regressors. Kunkin osallistujan osalta kunkin salakuuntelukokeilun beta-estimaatit poimittiin valitussa voxels-tutkimuksessa (tuloksena trial × voxels-matriisi)., Nämä korkea-ulotteinen malleja arvioitiin kaksi ulottuvuutta klassisen moniulotteinen skaalaus (MDS), joka toteaa, matala-ulotteinen ennusteet säilyttää suunnilleen pairwise etäisyyksien välillä korkea-ulotteinen aktivointi patterns14. MDS: n etäisyysmittarina käytimme ristiin validoitua Mahalanobis distance14: ää. Viisisormiselle ohjausryhmälle tehtiin MDS kullekin tutkittavalle erikseen. Koska MDS-projektiot indusoivat mielivaltaista kiertoa, yhdenmukaistimme yksittäisten koehenkilöiden ennusteet Procrustes alignmentin14 avulla. Standard error ellipsejä esitetty kuvassa., 2e laskettiin kovarianssista tutkittavien kesken. Kuten Procrustes linjaus voi myös poistaa joitakin true inter-aihe variability14, käytimme Monte-Carlo menettely arvio korjauksen ja säätää standardi virhe-ellipsejä accordingly14. Sillä polydactly aihe P1, me lasketaan kovarianssi, jonka bootstrapping tutkimuksissa. Jokaisesta bootstrap-näytteestä laskettiin MDS-projektio. Se bootstrapped MDS ennusteet olivat linjassa käyttäen Procrustes linjaus. Standard error ellipsejä (Kuva. 2e, täydentävä Kuva., 4) olivat lasketaan kovarianssia koko bootstrapped MDS ennusteet, säätää korjauskertoimet arvioitu Monte-Carlo procedure14.
Sormi lokalisointi tehtävä
sormella lokalisointi task20 oli suoritettu tutkimaan koettu käsi muoto P1, P2, ja ryhmä yhdeksän valvontaa. Osallistujat olivat silmät sidottuina ja heidän kätensä oli sijoitettu 2d-ruudukon päällä olevan rakenteen alle. Heidän piti osoittaa ruudukkoon vapaan käden indeksillä kohti testatun käden cued-paikkoja., Ne olivat tarpeen tunnistaa kolmella paikkakunnalla jokaisen sormen: ensimmäinen rysty, toinen rysty ja kärki (yhteensä 18 paikkakunnalla per käsi P1 ja P2, ja 15 paikkakunnalla valvonta). Jokainen paikka on testattu kuusi kertaa P1 ja P2, neljä kertaa valvontaa. Tehtävä suoritettiin molemmille käsille P1: ssä ja P2: ssa, vain oikealle kädelle kontrolleissa. Tehtävä oli suoritettu kerran tuntoon ohjauksensa, eli kohteet olivat koskettaneet muovista hehkulamppuja, ja kerran sanallinen ohjauksensa, eli kohteet olivat suullisesti nimeltä., Lokalisointi virhe mitattiin kunkin testatun paikassa kuin 2D-Euklidinen etäisyys raportoitu kannat verkkoon ja todellinen kannat testattu paikoissa verkkoon (Kuva. 2 F). Samansuuntaisia tuloksia saatiin tunto-ja suukuivaamisella; raportoimme vain tuntoaistimuksesta saadut tulokset.
Objektin manipulointi ja yhteisen liikkeen tehtävät
Kokeellinen setup: koehenkilöt istuivat edessä desk aikana kaksi tehtävät on kuvattu alla., Sähkömagneettisen motion capture järjestelmä (Polhemus Vapauden 240/16-16) käytettiin ennätys käsi ja sormi liikkeet aikana esinemanipulaatiota ja yhteisen liikkeen tehtäviä (ks. Täydentävä Kuva. 5 A). Kädet pidettiin 0,6 m etäisyys tärkeimmistä Polhemus järjestelmä säilyttää tallennus melun alle 0,005 mm. Yhteensä 12 vastaavasti 14 anturit oli kiinnitetty käden ja sormien viisi – tai kuusi-sorminen aiheista käyttäen lääketieteen nauha. Jokainen anturi on mitattu kolme Suorakulmaiset koordinaatit asennossa ja kolme kulmat suunta suhteessa päärautatieasemalta., Jokainen anturi oli kytketty Polhemus järjestelmään muovi eristetyt alumiini johdot. Kaksi suurta anturit (9 × 11 × 6 mm3 enintään kantoja, 9.1 g) oli sijoitettu ihon päälle lähi-ja peukalon metacarpal luita. Toiset olivat pieniä antureita (pallomainen, 17,3 mm pituus, 1.8 mm ulkohalkaisija, <1 g), joka oli sijoitettu distaalinen ja proksimaalinen phalanges jokaisen sormen. Mittaukset kirjattiin 120 Hz: n taajuudella.
Objektin manipulointi tehtävä: kaksi polydaktylia aiheita ja 13 verrokeilla viisi-sorminen kädet (kuusi naisilla, keski-ikä 24.,8 keskihajonta 2.0) osallistui objektin manipulointi tehtävä. Objektin manipulointitehtävän kokeellinen menettely sovitettiin refistä. 21. Valitsimme 50 esinettä, joilla on eri muodot, koot, tekstuurit ja materiaalit (KS.täydentävä Kuva. 5 B). Nämä esineet olivat ilman metalli-tai paramagneettinen materiaaleja, jotta ei häiritse Polhemus mittaus perustuu magneettikenttiin. Koehenkilöt olivat silmät sidottuina ja heille annettiin esineet yksi kerrallaan. He joutuivat tutkimaan esinettä yhdellä kädellä, ja arvaa mikä se on (Katso täydentävä elokuva 4). Jokaista esinettä tutkittiin 30 s., Kun esine tunnistettiin aiemmin kuin 30 s, kohdetta pyydettiin tutkimaan tämän kohteen erityispiirteitä, kuten vinkkejä, reunoja jne.
Yhteisen liikkeen tehtävät: kaksi polydaktylia aiheita ja 8 13 henkilöillä, joilla viisi-sorminen kädet, jotka suoritetaan objektin manipulointi tehtävä (viisi naisia, keski-ikä oli 24,3 kanssa keskihajonta 2.0) myös suorittaa neljän yhteisen liikkeen tehtäviä (ks. myös Täydentävä Movie 5). Kengännauhojen sitominen: kahden kengännauhanpää kiinnitettiin pöydälle ja koehenkilöt velvoitettiin sitomaan nauhoja kahdella kädellä., Kirjasivujen kääntäminen: aiheet saivat kirjan ja joutuivat kääntämään sivuja vain yhdellä kädellä. Lautasliinan taitto: koehenkilöt saivat paperisen lautasliinan ja joutuivat taittamaan sen tiettyyn muotoon (kuten ravintoloissa käytetään) ja tiettyyn sekvenssiin molempia käsiä käyttäen. Pyyhkeen pyörittäminen: koehenkilöille annettiin pyyhe ja heitä pyydettiin käärimään se sylintereiksi molemmin käsin. Viisi minuuttia liikettä per tehtävä oli kirjata jonka aikana koehenkilöä pyydettiin toistamaan tehtävä niin usein kuin he halusivat.,
Data-analyysi: asema jokainen pieni anturi suhteessa suuri anturi keskellä metacarpal luut käytettiin tarkempaa analysointia. Raaka-asennon mittaukset tasoitetaan kanssa Savitzky-Golay-suodatin (kolmas järjestyksessä, pituus 41 näyte pistettä vastaa 341.67 ms). Liikkeen nopeudet laskettiin raaka-asennon mittaukset ensimmäinen derivaatta Savitzky-Golay-suodatin (kolmas järjestyksessä, pituus 41 näyte pistettä vastaa 341.67 ms).,
sormen (in) riippuvuuden analysointi: sormen liikkeiden (in)riippuvuuden arvioimiseksi arvioimme eri sormien liikkeiden keskinäistä tietoa. Keskinäinen tietoja kahden jatkuvan stokastiset signaalit X ja Y määritellään seuraavasti:
missä σX, σY ovat kovarianssi matriisit marginaalinen tiheydet X ja Y ja σXY on kovarianssimatriisi yhteisen tiheys. Intuitiivisempaa ymmärrystä keskinäisestä informaatiosta voidaan saada univariate normaaleista signaaleista X ja Y, joille taajuuskorjain., (3) edelleen yksinkertaistaa
missä r(X, Y) on Pearsonin korrelaatiokerroin välillä X ja Y. arvioida keskinäistä tietojen välillä kaksi sormea, käytimme kuusi-ulotteinen mittaukset kahdesta anturit jokaisen sormen, arvioitu kovarianssi matriisit aika sarja-liikkeen kantoja ja soveltaa Eq. (3).,
yksittäisten sormien liikkeiden ennustaminen muiden sormien liikkeistä: jokaisen yksittäisen sormen liike ennustettiin muiden sormien liikkeistä. Kuusi sorminen aiheita ennustaminen toteutettiin ja ilman ylimääräisiä sormi; jälkimmäinen vertailun helpottamiseksi tulokset viiden sorminen aiheista. X/y/z-kannat kaksi anturit jokaisen sormen muodostivat kuusi-ulotteinen liike vektori jokaisen sormen., Nämä kuusi osaa olivat erikseen ennusti alkaen 24 – tai 30-ulotteinen liike vektorit loput neljä tai viisi sormea. Ennustaminen tehtiin lineaarisen pienimmän neliösumman ja epälineaarisen tukivektorin regression avulla. Käytimme kahdenlaista ristivalidointia aikajärjestyksessä jaettujen tietojen kanssa välttääksemme liikakalastuksen. Laadun ennustaminen oli määrällisesti laskemalla korrelaatiokertoimen (R2) välillä ennustetun ja todellisen liikkeen kunkin osan kuusi-ulotteinen liike vektori ja sitten keskimäärin R2-arvot yli kuusi ulottuvuutta., Käytimme tuki vektori regressio, jossa on Gaussin ydin ja hyperparameters (eli ytimen leveys sekä laillistaminen parametri) optimoitiin koulutusta data set. Käytimme Matlab-toteutusta (”fitrsvm”) tukemaan vektorin regressiota ja hyperparametrien optimointia. Laskenta-ajan lyhentämiseksi tiedot pienenivät 120/20 = 6 Hz.
Principal component analysis (PCA) astetta freedom21,28,29: KUMPPANUUS-ja yhteistyösopimus tehtiin anturi x/y/z-tehtävissä mitataan kahdella anturilla jokaisen sormen aikana esinemanipulaatiota ja yhteisen liikkeen tehtäviä., Yhä useamman pääkomponentin yhteenlaskettu varianssi esitetään kuviona. 3b ja täydentävä Kuva. 6B. Laske efektiivinen lukumäärä dof haimme kaksi algoritmeja: cross-validation PCA kanssa Eigenvector menetelmää suositellaan ref. 30 ja RISTIVALIDOINTIMENETELMÄ, jossa käytetään odotusten maksimointia puuttuvien arvojen suhteen, kuten viite: ssä ehdotetaan. 31., Molemmat menetelmät käyttävät rajat validointi on menettely, jossa KUMPPANUUS-ja yhteistyösopimus on ensimmäinen laskea koulutus tiedot ja sitten soveltaa ennustaa, näytteet testi-tietoja, kun koulutus ja testi tiedot set ovat keskenään exclusive30,31. Meidän tapauksessamme käytimme kymmenkertaiseksi rajat validointi ja kronologisesti jakaa liikkeen tiedot erikseen kunkin tehtävän kymmenen osaa käyttää jokaisen kannen yhdeksän niitä osia, koulutuksen ja yksi osa testin tiedot., Ensimmäinen ja viimeinen 10 s test data set jätettiin kunkin tehtävän, jotta vältetään vaikutus koulutuksen testituloksia, koska auto-korrelaatio liikkeen. Ennusteen ja varsinaisen tiedon välinen keskimääräinen neliövirhe laskettiin pääkomponenttien lukumäärän funktiona. Määrä tärkeimmistä tekijöistä, joka tuotti pienin virhe oli käytetty arviona tehokas määrä dof ja laskettiin kunkin kohteen osalta erikseen., Jokaisesta aiheesta oli keskimäärin määritetty määrä principal components kaikkialla sekä methods30,31 ja käyttää tämä arvio vapausasteiden lukumäärä (Kuva. 3c, täydentävä Kuva. 6 c).
Tieto teoreettinen analyysi vapausasteet: lisäksi PCA-analyysi on kuvattu edellisessä jaksossa, olemme analysoineet vapausasteita käyttäen tiedot entropia. Toisin kuin PCA: ssa, informaatio-entropian analyysissä otetaan huomioon mahdolliset epälineaariset suhteet sormen liikkeiden välillä., Informaatio entropia taas vaatii arvion sormen liikkeiden yhteisestä todennäköisyysjakaumasta. Voit laskea tämän yhteisen todennäköisyysjakauman, voimme diskretoida sormen liikkeet luokittelemalla liikkeen tilasta jokaisen sormen kolmeen ehtoja asetettu MS = {levätä, fleksio, laajennus}, joka perustuu liikkeitä distaalisen ja proksimaalisen interphalangeal nivelet. Distaalianturin pallokoordinaatit (etäisyys, polaari ja atsimuuttikulma) suhteessa sen proksimaaliseen anturiin laskettiin., PCA suoritettiin polar ja atsimuutti kulmat ja liikkeet pitkin ensin principal component käytettiin edustavat liikkeet jokaisen sormen. Jokaisen sormen, ensimmäinen derivaatta v ensimmäinen PC oli laskettu ero kahden peräkkäisen aika roskakorit ja käytetään saada nykyistä liikkeen valtio, joka perustuu kynnys μ = 0.3 SD(v): fleksio v < −μ, extension for v > μ, loput muuten. Erilaiset kynnysarvot(μ = 0, 4 SD (V) tai μ = 0.,1 SD(v)), sekä eri valtioiden (vain kaksi valtiota: fleksio v < 0 ja laajennus v > 0), ei muuttanut meidän yleinen päätelmä vertailu tiedot entropia välillä viisi – ja kuusi-sorminen aiheista. Me lasketaan tiedot tai Shannonin entropia (H) yhteisen todennäköisyysjakauman liikkeen valtioiden kaikki sormet (p):
missä si ∈ MS on valtion sormi minä., N sormet useita eri liikkeen-valtioiden on 3n ja maksimi entropia on siis log2(3)n, joka saadaan, kun kaikki mahdollinen liikkuvuus jäsenvaltioiden on yhtä suuri todennäköisyys.
Yhteisen liikkeen peukalon, indeksi ja ylimääräisten sormi: kunakin ajankohtana me laskea liikkeen nopeus jokaisen sormen suuruus sen kolmiulotteinen nopeusvektori klo sormenpäällä., Sitten luokiteltu liikkeen tilan jokaisen sormen jokainen ajankohtana joko ”levätä” tai ”liikkuvat” vertaamalla nopeuden raja-arvo, jonka oli valinnut 10, 30 tai 50. prosenttipiste nopeuden jakautuminen kaikkien aikojen pistettä ja kaikki sormet. Näiden tietojen perusteella arvioimme, että ehdolliset todennäköisyydet, että peukalo ja etusormi tai peukalo yksin tai etusormi yksin liikkuivat koska ylimääräisistä sormi liikkui. Nämä ehdolliset todennäköisyydet arvioitiin kolmelle nopeusrajoitukselle (Kuva. 3 e, täydentävä Kuva. 6 E).,
Video peli kuusi sormea
Polydaktylia aiheita istui edessä tietokoneen näyttö (DELL U2713HM) noin 0,6 m näyttöä, joista kuusi kohde-laatikot olivat esillä alemman keskellä musta ruutu. Kokeen aikana värähtelevät kursorit kulkivat kohdelaatikoiden läpi (Kuva. 3G ja täydentävä elokuva 6). Kullakin näistä värähtelevistä neliöistä oli erilainen taajuus ennalta määritellyllä alueella. Yksittäisiä kohdelaatikoita voitaisiin ”koskettaa” painamalla vastaavaa näppäintä tavallisella tietokoneen näppäimistöllä., Avaimet valittiin vastaamaan yksittäisten aiheiden käsigeometriaa, jotta näppäinten painaminen olisi mukavaa. Aiheita olivat neuvottu seurata värähtelevän osoittimet ja paina vastaavaa painiketta, kun kursori oli sen liittyvät kohde-ruutuun. Jos painiketta painettiin tämän aikaikkunan sisällä, se laskettiin oikeaksi painikkeeksi, jos sitä painettiin ulkona, se laskettiin vääräksi painikkeeksi. Oikeiden ja väärien puristimien määrä laskettiin yhteen kaikkien sormien päälle ja kertyi oikeudenkäynnin aikana.,
suorituskyky aiheista oli mitoitettu niiden tarkkuus (oikea puristimet/target count) ja virhemarginaali (false puristimet/kaikki puristimet). Tavoitteena oli lisätä tarkkuutta ja samalla vähentää virhetasoa. Alussa kunkin oikeudenkäynnin kohde tarkkuus ja virheiden määrä raja oli asetettu tason mukaan (Täydentävä Taulukko 1). kukin taso oli määritelty liikkeen nopeus värähtelevän osoittimet ja raja-arvojen tarkkuus ja virheiden määrä., Kun aihe ylitti molemmat kynnysarvot, osallistujan oli tarkoitus ylläpitää niiden suorituskykyä yläpuolella tarkkuus-ja alapuolella virhe kynnys 2 minuuttia, jolloin oikeudenkäynti päättyisi ja taso olisi lisääntynyt. Kunkin myöhemmän tason osalta tarkkuuskynnys asetettiin 10 prosenttia korkeammalle ja virhetaso 10 prosenttia alemmalle tasolle. Jos aihe ei voi ylittää 70% raja-tarkkuutta ja mennä alle 30 prosentin virhetasoa, värähtelyn taajuusalue kasvoi 0.05 Hz., Kun kasvava värähtely taajuus, tarkkuus, raja-ja virhetaso oli asetettu takaisin alkuperäiseen arvoon 50%. KS.Lisätaulukko 1, jossa korostetaan eri tasoihin liittyviä parametriarvoja. Jos koehenkilö ei päässyt seuraavalle tasolle 7 minuutissa, oikeudenkäynti keskeytettiin ja lyhyen tauon jälkeen koehenkilöä pyydettiin toistamaan sama taso.
jokaisessa kokeessa koehenkilölle esitettiin seuraava visuaalinen lisäpalaute. Jos avainta ei painettu, kohdelaatikot näkyivät valkoisina., Painamalla näppäintä, kun oikeassa ruudussa ei ollut kursoria eli väärää painallusta, kohderuutu muuttui punaiseksi. Painamalla näppäintä, kun kursori oli vastaavassa ruudussa eli oikeassa painalluksessa kohderuutu muuttui siniseksi. Kohdelaatikoiden alla kaksi tankoa antoi visuaalista palautetta kohteen kokonaissuorituksesta. Ylempi palkki heijasti tarkkuutta ja alempi palkki virhetasoa. Jos kohteen tarkkuus kasvoi, tarkkuuspalkki täyttyi ja päinvastoin., Samaan aikaan, vähentää virhe johtaa täyttö virhe baari, sellainen, että virhetaso on yhtä suuri kuin 0 johtanut täysin täytetty bar, eli arvon 1-virhetaso oli esitetty. Jokainen rima oli punainen, kunnes kohde ylitti vastaavan riman asetetun kynnyksen, jolloin se muuttui vihreäksi. Kynnysarvot näytettiin tankojen harmaina markkereina. Heti kun molemmat tangot muuttuivat vihreiksi, ruudun alaosaan ilmestyi 120 s: n punainen lähtölaskenta., Jos yksi tanko muuttui uudelleen punaiseksi ennen ajan päättymistä, lähtölaskenta nollattiin 120 s: ään ja katosi, kunnes molemmat tangot olivat taas vihreitä. Lisäksi, kukin osoitin yksilöllisesti ilmestynyt punainen (jos alla) tai vihreä (jos edellä) suorituskyvyn raja suhteessa yksilön suorituskykyä vastaava sormi, joten aiheita oli osoitus siitä, mikä sormi tarvitaan parannusta.
esityksen kehitys näkyy kuvassa. 3h. koehenkilöitä testattiin viisi peräkkäistä päivää sekä 10 päivää sen jälkeen. Koehenkilöt suorittivat tehtävää 1 tunnin ajan päivässä., Koehenkilöt joutuivat painamaan näppäimiä kahdella eri sormiyhdistelmällä; joko kaikki kuusi sormea oikeasta tai oikeasta kädestä, mutta korvasivat SF: n vasemman käden etusormella (Kuva. 3 h).
Tilastollinen analyysi
vertailuun kaksi riippumatonta näytettä on käytetty parametrinen, kaksi-puolinen Wilcoxon ranksum testi, ja ne on laskettu 95% luottamusvälit vaikutus koko (eli ero väestöstä tarkoittaa) käyttämällä kaksi-näyte yhdistetään t-väli., Vertailtaessa kahta pariksi näytteitä on käytetty parametrinen, kaksi-puolinen Wilcoxonin allekirjoitettu sijoitus testi, ja ne on laskettu 95% luottamusvälit vaikutus kokoa käyttämällä pariksi t-väli. Kaikki ilmoitetut luottamusvälit heijastavat siis viisi-sorminen aiheita vähennetään siis kuusi sorminen aiheita, eli positiiviset arvot osoittavat suurempia arvoja kuusi sorminen aiheista.
arvioidaksemme kahden muuttujan välistä korrelaatiota laskimme Pearson-korrelaatiokertoimen., Emme arvioineet Pearsonin korrelaatiokertoimen tilastollista merkitystä, koska otokset, joiden yli korrelaatiot laskettiin, eivät olleet riippumattomia.
Raportointi yhteenveto
lisätietoja tutkimuksen suunnittelu on saatavilla Luonne, Tutkimuksen Raportointi Yhteenveto liittyvät tämän artikkelin.