2.2 . Conception de jeux de formation en réalité virtuelle Tous les participants ont suivi

2.2 . Conception de jeux de formation en réalité virtuelle Tous les participants ont suivi une implémentation en réalité virtuelle d’un programme d’entraînement aux mouvements oculaires développé pour la neurorééducation de l’hémianopsie : l’entraînement au balayage visuel VISION ( Aloufi et al., 2021 ; Rowe et al., 2017 ). L’hémianopsie est une cécité complète ou partielle des champs visuels des deux yeux, généralement causée par un infarctus cérébral ( Alwashmi et al., 2022 ). L’entraînement au balayage visuel est conçu pour aider les participants à scanner leur environnement de manière systématique. À cette fin, des cibles dans une séquence prévisible de positions alternent entre les hémichamps visuels gauche et droit. Le concept de base de l’entraînement visuel est resté inchangé, à l’exception de l’ajout de signaux audio et de l’intégration de l’entraînement AV systématique dans un jeu de réalité virtuelle. Le jeu a été créé avec Unity 2018.0.3f et programmé en C#, pour l’Oculus Quest 2 ( Meta Quest 2, 2022 ). Il a été conçu pour que le joueur soit en position assise afin de garantir sa sécurité et son confort. Les participants devaient utiliser le casque VR pour s’entraîner dans un espace calme, à l’écart des autres personnes et objets. Pour mesurer leurs performances comportementales, les participants devaient répondre à deux types de cibles, identifiées par des symboles géométriques, à l’aide de deux boutons différents. Le jeu propose deux niveaux de difficulté adaptative, car il a été démontré qu’un défi plus relevé motive l’utilisateur ( Cavaco et al., 2015 ). L’objectif est de maximiser le nombre de points obtenus dans un intervalle de 30 minutes en maintenant une précision élevée et un temps de réponse plus rapide. 2.2.1 . Stimuli visuels Au cours du jeu, différentes formes apparaissent et se déplacent vers le joueur. Deux cibles (un triangle et un cercle) sont intégrées dans cinq types de distracteurs (un carré, un losange, un cylindre, un rectangle vertical et un rectangle horizontal). Deux formes ou plus apparaissent simultanément, mais à des angles opposés sur les plans x et y, l’une d’elles est la cible et les autres sont des distracteurs. La génération systématique des cibles s’effectue le long de trois axes sur le plan y, l’élévation étant comprise entre +- 14°, l’azimut +- 45, +- 90° pour les niveaux 1 et 2, respectivement, pour l’expansion du champ visuel. Les coordonnées y du premier axe partent du centre de l’azimut du joueur avec un léger décalage et ont la même valeur. Les deux axes restants sont diagonaux au premier et sont linéairement espacés, en commençant par le coin supérieur gauche – inférieur droit et le coin supérieur droit – inférieur gauche d’un rectangle courbe, et sont instanciés en demi-cercle autour du joueur. Une image ( Fig. 1 ) illustrant l’apparition des cibles visuelles est adaptée d’ Aloufi et al. (2021) . Les cibles rayonnent de l’intérieur vers l’extérieur à partir de 42 positions et se déplacent progressivement vers le joueur selon leur angle fixe (clip vidéo en supplément. .2.2 . Indices audio Français Les stimuli AV étaient spatialement et temporellement congruents, de sorte que les signaux audio étaient joués lorsqu’une cible était générée et duraient 100 ms ( Keller et Lefin-Rank, 2010 ; Bolognini et al., 2005 ). Nous avons utilisé des tonalités sinusoïdales bruyantes générées de manière procédurale, car le moteur sonore d’Unity n’était pas capable de générer des signaux audio pouvant être localisés de manière fiable ( Cavaco et al., 2015 ). L’Oculus Sound Spatializer ( MetaQuest, 2022 ) a été utilisé pour localiser les tonalités sur l’azimut, ce qui simule des différences de temps et de niveau interauraux appropriées, tandis que la position verticale de la cible était codée à l’aide de la fréquence (3000 Hz-9000 Hz). Cette plage a été choisie car les résultats de Risoud et al. (2018) indiquent que les sons supérieurs à 3000 Hz offrent une meilleure localisation. La fréquence sur le plan vertical est également associée à des sons plus aigus ( Evans et Treisman, 2010 ; McCormick et al., 2018 ; Chiou et Rich, 2012 ; Risoud et al., 2018 ; Roffler et Butler, 1968 ; Pratt, 1930 ; Mudd, 1963 ). Des sons auditifs ont été générés par programmation pour chaque position de cible visuelle. Pour faciliter la localisation, les signaux générés ont été créés avec un rapport de bruit blanc de 20 %. Les signaux initiaux S ont été générés selon la formule suivante :Sje=v(2Nje−1)+(un*péché(2Ï€jefrs)) Équation 1. équation représentant la forme d’onde sinusoïdale bruyante. Oùjeest l’indice de temps actuel du signalS,vest l’amplitude (0,20 ici pour un SNR de 14 dB) d’un bruit uniformément réparti,unest l’amplitude du signal sinusoïdal (1 ici),fest la fréquence souhaitée pour le signal, etrsest la fréquence d’échantillonnage souhaitée (44 100 Hz ici). L’Oculus Sound Spatializer a ensuite modifié le signal pour ajouter des informations de position utilisant des fonctions de transfert liées à la tête (HRTF), ce qui a ajouté un retard interaural et des différences de niveau interaural aux signaux générés, ajoutant ainsi des informations directionnelles. 2.2.3 . Paradigme de formation Français Les participants ont été invités à s’entraîner à domicile pendant 30 minutes par jour, cinq jours par semaine et pendant quatre semaines consécutives (deux semaines à chaque niveau) ( Fig. 2 ). La décision d’exiger des participants qu’ils s’entraînent quotidiennement à domicile pendant 30 minutes pendant quatre semaines est basée sur des pratiques établies dans le domaine, appuyées par la littérature antérieure ( Aloufi et al., 2021 ; Rowe et al., 2017 ). Des études antérieures avec des protocoles d’entraînement similaires ont montré que ce délai est efficace. Par exemple, une étude sur l’entraînement à la recherche visuelle pour les personnes atteintes d’hémianopsie a constaté des améliorations significatives de l’efficacité de la recherche après quatre semaines d’entraînement ( Mannan et al., 2010 ). De plus, notre choix d’une durée de quatre semaines s’aligne sur les recherches montrant des changements fonctionnels et structurels précoces après seulement deux semaines d’entraînement, qui sont ensuite corrélés à des améliorations comportementales après six semaines ( Aloufi et al., 2021 ). Les données de performance (temps de réponse, précision et score total) ont été enregistrées automatiquement et vérifiées après chaque niveau (toutes les deux semaines). 2.3 . Paradigme de test En plus du suivi des performances qui a été effectué pendant que les participants s’entraînaient à la maison, chaque participant a été évalué en laboratoire toutes les deux semaines. Une version numérique de la carte d’entraînement au balayage visuel VISION ( Aloufi et al., 2021 ) a été implémentée dans PsychoPy2 (v1.82.01 ; ( Peirce et al., 2019 )) pour enregistrer le temps de réponse et la précision. Des signaux audio enregistrés tirés du jeu VR et correspondant à la localisation spatiale des cibles visuelles ont été appliqués au test. Un eye tracker (The EyeTribe – Modèle : ET1000), a été utilisé pour surveiller les performances visuelles. Les données recueillies à la maison ont été utilisées pour vérifier la conformité au régime d’entraînement et l’amélioration au fil du temps sur le jeu VR. Les données enregistrées dans l’environnement de laboratoire contrôlé ont été utilisées pour quantifier le gain d’apprentissage et son effet sur les autres tâches (voir la procédure de test Section 2.3.1 ). 2.3.1 . Procédure d’essai Lors de la première visite, chaque sujet a effectué un bloc de familiarisation, au cours duquel les participants étaient autorisés à poser des questions et à s’entraîner à toutes les tâches avant leur première IRM. Par conséquent, le premier tiers des données a été retiré du premier test comportemental et les essais restants ont été considérés comme une référence. Les performances comportementales et les IRM ont été mesurées consécutivement ; avant l’entraînement, après 2 semaines d’entraînement, après l’entraînement (après 4 semaines d’entraînement) et lors d’un test de suivi, un mois après la fin de l’entraînement, afin de quantifier les gains d’apprentissage AV ( Fig. 2 ). Tous les participants ont réalisé une séance avec les mêmes 252 cibles à chaque point de collecte de données. La séance de test a été réalisée sur un écran d’ordinateur portable de 38,4 × 21,6 cm (largeur x hauteur) à une distance de visualisation de 50 cm. Un eye tracker monté sur écran, calibré individuellement pour chaque séance de test, a été utilisé pour enregistrer les données de position du regard. Un casque antibruit JBL Tune 750BTNC a été utilisé pour les test Pour chaque séance de laboratoire, tous les participants ont subi trois tests. Chaque test a été réalisé à la fois avec des indices audio (AV) et sans indices audio (visuels (V)) pour comparer les deux conditions. L’intégration multisensorielle peut interagir avec l’attention. Tang et al. (2016) ont expliqué que l’attention pouvait moduler le traitement multisensoriel de deux manières ; la manière volontaire (endogène ou descendante) est associée à la présentation d’indices qui indiquent où, quand ou vers quoi les sujets doivent diriger leur attention ( Tang et al., 2016 ). L’involontaire (exogène ou ascendant) est associé à la présentation de cibles saillantes, en particulier lorsqu’elles apparaissent dans des endroits inattendus. Ici, nous avons comparé des tâches qui pourraient représenter à la fois des voies endogènes et exogènes. Le premier test utilisé a été décrit précédemment comme une tâche volontaire de mouvements oculaires systématiques (volontaire) ( Fig. 1 ) ( Aloufi et al., 2021 ), à travers laquelle les sujets peuvent diriger leur attention vers des cibles qui apparaissent dans une séquence prévisible d’emplacements dans le champ visuel. Le deuxième était la tâche exogène (involontaire), où une cible saillante soit un cercle ou un triangle (formes de couleur grise avec une variation de taille aléatoire entre 0,92° et 1,14° d’angle visuel) présentée sur un fond blanc dans des positions aléatoires. Le troisième était la tâche de recherche visuelle (search) où la même carte utilisée dans la tâche volontaire ( Fig. 1 ) ( Aloufi et al., 2021 ) a été utilisée, mais les cibles apparaissaient aléatoirement, dans l’un des 42 emplacements de la carte, plutôt que dans une séquence prévisible. 2.3.2 . Mesure de la performance comportementale La principale mesure de la performance comportementale était le temps de réponse moyen (TR) : le temps moyen mis par les participants pour répondre à chaque stimulus de l’expérience. Pour l’expérience menée en laboratoire, le nombre de cibles dans chaque série était fixe, de sorte que le temps passé sur la tâche variait à chaque visite. Pour l’entraînement sur les séries de RV à domicile, le temps total d’exécution était fixe (30 min) afin de garantir une période d’entraînement fixe pendant la séance quotidienne, de sorte que le nombre de cibles traitées variait entre les participants. L’expérience d’IRMf était un dispositif par blocs, avec des conditions de « tâche » et de « repos » alternées ; ici, le temps total d’exécution (durée du bloc de tâches) était fixe de sorte que, comme dans la RV, le nombre de cibles traitées variait entre les participants et les séances d’IRM. Dans cette étude, les changements comportementaux liés à l’apprentissage étaient attendus pour le temps de réponse plutôt que pour la précision des réponses, pour laquelle nous nous attendons à une performance proche du plafond. 2.4 . Délivrance du stimulus dans le scanner Les participants étaient placés à l’intérieur du scanner IRM, dans une pièce faiblement éclairée, et devaient rester immobiles. Les stimuli étaient affichés sur un écran compatible IRM (NordicNeuroLab, modèle LCD 3.0.4, ( NordicNeuroLab, 2023 )). Les participants observaient les stimuli à travers un miroir fixé à la bobine de tête, offrant un champ visuel de 45°. PsychoPy2 (v1.82.01) ( Peirce et al., 2019 ) a été utilisé pour la présentation des stimuli et pour documenter les réponses des participants grâce aux poignées de réponse IRMf NordicNeuroLab (l’index droit étant utilisé pour les cibles circulaires et le pouce droit pour les cibles triangulaires). 2.5 . Analyse des données d’imagerie fonctionnelle Notre analyse d’imagerie a été divisée en deux parties. Premièrement, nous avons réalisé une analyse cérébrale globale afin d’identifier les schémas d’activation globaux pertinents pour la tâche et les changements significatifs de l’activité cérébrale fonctionnelle après un programme d’entraînement de quatre semaines. Cette analyse a porté sur toutes les régions cérébrales afin de détecter toute altération substantielle des cortex multisensoriels et sensoriels spécifiques. Bien que l’analyse ROI par voxel, basée sur des hypothèses, puisse prédire les changements dans l’activité induite par l’entraînement et réduire les analyses exploratoires dans une analyse cérébrale globale ( Erickson et al., 2007 ), elle est limitée à des voxels spécifiques et peut ne pas capturer les changements induits par l’entraînement qui se produisent dans d’autres régions du cortex. De plus, l’analyse de voxels prédéfinis au lieu d’une ROI plus large peut ne pas refléter avec précision les changements dans le reste de cette région ( Erickson et al., 2007 ). Après cette analyse, nous avons examiné l’évolution temporelle des valeurs bêta fonctionnelles (β) et nous nous sommes concentrés sur les régions pertinentes pour la tâche identifiées à l’étape précédente. L’analyse finale visait à déterminer s’il existait une corrélation entre les mesures de neuroimagerie et les performances comportementales, et s’il était possible de prédire l’évolution des mesures au fil du temps. 2.5.1 . Tâches d’imagerie fonctionnelle La présentation des stimuli et des instructions aux participants était identique à celle utilisée pendant la phase d’entraînement. Afin de démontrer les changements d’activation fonctionnelle cérébrale associés à l’apprentissage, trois tâches ont été présentées lors des examens IRMf. Ces tâches comprenaient la tâche volontaire AV, représentant la tâche entraînée, la tâche volontaire V pour comparer les conditions visuelles et audiovisuelles, et la tâche involontaire AV pour comparer les tâches volontaires AV (endogènes) et involontaires AV (exogènes) (voir la section 2.3.1 Procédure de test pour plus de détails sur les tâches). Les schémas d’activation globale pendant l’exécution de la tâche volontaire AV (entraînée) ont été comparés à ceux observés pendant les deux autres tâches. Chaque tâche était structurée en 15 blocs d’une durée de 32 s, alternant 16 s de repos et 16 s d’activité, conformément à la conception des blocs décrite dans Maus et al. (2010) . Le temps d’exécution de chaque tâche fonctionnelle était de 8 min (320 vol). Les participants devaient se concentrer sur un point de fixation central pendant les périodes de repos. La précision des réponses et le nombre total de réponses aux cibles ont été enregistrés à l’aide de PsychoPy2 ( Peirce et al., 2019 ). 2.5.2 . Acquisition de données IRMf Français Dans cette étude, des images anatomiques pondérées en T1 et des images IRM fonctionnelles pondérées en T2* ont été obtenues à l’aide d’un Siemens Magnetom Prisma 3T et d’une antenne de tête de réception à 32 canaux. Les images pondérées en T1 (mprage) avaient une taille de voxel de 1,0 × 1,0 × 1,0 mm, un temps de répétition de 2000,0 ms, un temps d’écho de 2,25 ms et un temps d’inversion de 912 ms. Les données d’imagerie fonctionnelle ont été acquises à l’aide d’une séquence d’impulsions écho-planaire multicoupe (EPI) (un écho de gradient pondéré en T2*). Le facteur d’accélération EPI iPAT (Technique d’Acquisition Parallèle Intégrée) a été fixé à 2, et le temps de répétition a été fixé à 1500 ms avec un temps d’écho de 30 ms et un angle de bascule de 90â—¦. L’acquisition a couvert l’ensemble du volume cérébral à l’aide de 48 coupes transversales entrelacées avec une taille de voxel de 3,0 × 3,0 × 2,7 mm et un facteur de distance de 10 %. Le champ de vision était de 192 × 192 mm. 2.5.3 . Analyse statistique IRMf L’analyse des données fonctionnelles a été réalisée avec SPM12 ( SPM-12, 2023 ), un logiciel de cartographie statistique paramétrique fonctionnant sous MATLAB R2018b. Le prétraitement des données fonctionnelles a été réalisé à l’aide du lot par défaut de SPM12 (preproc_fMRI.m), avec quelques modifications pour s’adapter à la nature des séquences multicoupes. La procédure a débuté par la correction du temps de coupe, puis a réaligné tous les scans fonctionnels sur une image commune. Pour l’étape de correction du timing des coupes, nous avons introduit le vecteur de timing des coupes au lieu de l’ordre des coupes pour tous les volumes et nous avons saisi le temps de référence en millisecondes pour la coupe de référence. Pour chaque participant, le prétraitement a été effectué sur tous les scans IRMf des tâches AV volontaire, V volontaire et AV involontaire, réalisés lors de chacune des cinq visites (trois exécutions par visite). Au cours du prétraitement, chaque image d’une session a été réalignée spatialement sur le premier volume de la session, corrigée des artefacts de mouvement et dépliée. L’image structurale pondérée en T1 (mprage), obtenue lors de l’examen initial, a été segmentée en substance blanche, substance grise et liquide céphalorachidien afin d’estimer les paramètres de normalisation spatiale de l’espace natif du sujet à l’espace de l’Institut neurologique de Montréal (INM). Toutes les images EPI de chaque participant ont ensuite été coréférencées à cet examen structural T1 haute résolution. Pour conclure le prétraitement, toutes les images EPI coréférencées ont été normalisées à l’espace de l’INM à l’aide des paramètres de normalisation estimés, rééchantillonnées à des voxels de 1 × 1 × 1 mm3 par interpolation trilinéaire, puis lissées spatialement avec un noyau gaussien de 6 mm de largeur totale à mi-hauteur pour l’analyse de groupe. décrivez, brièvement, les méthodes d’analyse utilisées par l’étude ci-dessus parmi les méthodes suivantes : méthodes qualitatives, quantitative, méthode mixte, revue de littérature.

******CLICK ORDER NOW BELOW AND OUR WRITERS WILL WRITE AN ANSWER TO THIS ASSIGNMENT OR ANY OTHER ASSIGNMENT, DISCUSSION, ESSAY, HOMEWORK OR QUESTION YOU MAY HAVE. OUR PAPERS ARE PLAGIARISM FREE*******."