Análise da atividade mioelétrica gástrica e aprendizado de máquina simbólico na detecção de cybersickness

Abstract

A Realidade Virtual (RV) é uma tecnologia promissora que vem se tornando cada vez mais popular, sendo empregada em diversas áreas como educação, saúde, entretenimento e militar. No entanto, uma das principais preocupações relacionadas ao seu uso é a Cybersickness (CS), uma condição caracterizada por um mal-estar geral que afeta os usuários de RV. Técnicas não invasivas baseadas em biossinais têm demonstrado grande potencial para identificar tal condição, especialmente o Eletrogastrograma (EGG), que se mostrou bastante eficaz no diagnóstico de distúrbios gástricos, principalmente relacionados à náusea e vômito, sintomas comuns da CS. Este trabalho teve como objetivo validar a análise da atividade mioelétrica gástrica adquirida pelo EGG como um método de detecção de CS. Neste trabalho, foi feito um estudo comparativo entre os dados do EGG e os níveis de desconforto registrados, que foram obtidos a partir dos relatos verbais dos participantes durante a experiência e das predições do modelo simbólico de aprendizado de máquina desenvolvido por Porcino [1]. Ao todo, foram conduzidos experimentos com 50 participantes com jogos de RV, os quais mostraram que, no cenário geral, os dados do sensor EGG foram condizentes com os níveis de desconforto registrados em mais de 50% dos participantes. Já no melhor cenário, a coerência entre os dados ultrapassou 60%.