本文提出了一种新的 VR 视频运动异常的客观评价方法，该方法使用卷积自编码器编码 VR 视频中的运动信息，以测量 VR 视频中异常运动的程度，从而评估 VR 病的程度。

Apr, 2018

该研究使用机器学习技术识别了虚拟现实（VR）中的晕动症，提出了 VR.net 数据集以便进行风险因素检测和病情预测。

Jun, 2023

本研究提出了一个基于可解释人工智能技术的框架 VR-LENS，用于开发和部署处理虚拟现实引起的眩晕情况检测模型。通过超级学习算法集成，使用 SHapley、Morris、Local Interpretable Model-Agnostic、Partial Dependence Plot 等解释方法识别最具有代表性的特征来重新训练模型，使用整合传感器数据集，我们的模型在分类和回归方面均超过了现有技术。而且，可以将该算法部署在一般 VR 设备上，实现快速检测。

Feb, 2023

本文提出了一个用于预测虚拟现实环境中晕动症的数据集，数据集包含多个参与者的生理响应（EDA 和心率）和自报晕动症状，数据集提供了宝贵的资源，以开发和评估晕动症预测模型，并促进晕动症的更多研究。

Feb, 2023

通过分析头部运动作为一种新的生理标记来检测 VR 引起的晕动症，该研究使用公开可获得的数据集对头部运动进行了广泛的特征提取，并借助机器学习算法预测晕动症的准确率达到 76% 和精确度达到 83%。

Feb, 2024

该论文提出了一种名为 LiteVR 的可解释人工智能框架，用于检测基于长短期记忆（LSTM）、门控循环单元（GRU）和多层感知机（MLP）的三种模型诉说其结果并减少功能维度和计算成本，其中眼动跟踪功能是检测疾病最为显著的特征。该框架可帮助研究人员和从业人员分析、检测和在独立 VR HMDs 中部署基于 DL 的 cybersickness detection 模型。

Feb, 2023

使用虚拟现实技术结合生理反馈通过多人在线游戏环境对诊断为自闭症谱系障碍的 34 名个体进行研究，结果显示生理反应与行为结果存在显著相关性，表明生理反馈有潜力增强基于虚拟现实的自闭症干预的效果。通过利用实时数据调整治疗内容，该方法有望提高数字化治疗的功效和参与度。

Apr, 2024

本文旨在通过一项有关画质评估的研究，建立大规模的虚拟现实（VR）主观质量数据库，以发展 VR 品质模型和基准测试 VR 品质预测算法。研究中，使用 450 张受损的图像进行了调查，并记录了主观评分和眼动数据，支持了注视方向与品质感知之间的关系。文章还对几个公开可用的 IQA 模型进行了评估，并对比了它们的性能。

Oct, 2019

近年来，许多研究人员开始研究虚拟现实（VR）追踪和交互数据在各种机器学习目的中的应用，包括用户识别、预测晕动症和估计学习收益。本文介绍了一项由我们基于 VR 的全尺寸装配模拟测试台（FAST）捕获的新的开放数据集。该数据集包括了来自 108 名参与者（50 名女性，56 名男性，2 名非二元）在 VR 中学习如何组装两个不同的全尺寸结构的数据。除了解释数据集的收集方式和描述包含的数据外，我们还讨论了该数据集如何被未来研究人员使用。

Mar, 2024

本文提出一种利用长短时记忆循环神经网络（LSTM-RNN）从眼动数据中提取特征以检测运动相关脑震荡（SRC）的新方法，实验结果显示该方法比前人的检测方法具有更高的准确性。

Oct, 2022