Wpływ wzroku na złożoność regulacji balansu ciała

• Autorzy: Michalak Krzysztof Piotr , Przekoracka-Krawczyk Anna
• Języki publikacji: PL

Abstrakty

PL

Balans ciała w trakcie spokojnego stania jest złożonym, chaotycznym układem regulacyjnym, a wzrok to jedna z głównych informacji wejściowych dla tej regulacji. Parametrem opisującym tę złożoność jest m.in. wymiar korelacyjny d. W grupie 30 zdrowych, młodych osób zbadano wymiar korelacyjny składowej CoPM sygnałów posturograficznych reprezentującej oscylacje środka nacisku stóp wokół rzutu środka masy na płaszczyznę podstawy. Pomiar powtórzono przy oczach otwartych i zamkniętych. Badanie wykazało, że złożoność regulacji balansu ciała jest wysoka i wynosi około d=5–7. Wymiar korelacyjny przy oczach zamkniętych jest nieco niższy niż przy oczach otwartych, szczególnie dla składowej przód–tył balansu ciała. Oznacza to, że wskutek zamknięcia oczu regulacja staje się nieco prostsza, przez co też nieco mniej precyzyjna. Analiza metodą tasowania sygnałów wykazała również, że chaotyczne sygnały CoPM posiadają ukryte, niewidoczne gołym okiem uporządkowanie.

EN

The balance of the body during a calm stand is a complex, chaotic regulation system, and sight is one of the main input information for this regulation. The parameter describing this complexity is, among others, correlation dimension d. In the group of 30 healthy, young people, the correlation dimension of the CoPM component of posturographic signals representing the oscillation of the center of pressure of the feet around the projection of the center of mass on the plane of the base was examined. The measurement was repeated with eyes open and closed. The research showed that the complexity of the body balance regulation is high and amounts to about d=5–7. The correlation dimension with eyes closed is slightly lower than with the eyes open, especially for the front–back component of the body balance. This means that due to the closing of the eyes, the adjustment becomes slightly simpler, which is also slightly less precise. The signal shuffling analysis also showed that the CoPM’s chaotic signals have hidden, invisible to the naked eye, order.

Słowa kluczowe

PL

balans ciała; wzrok; wymiar korelacyjny

EN

body balance; eyesight; correlation dimension

• Wydawca: MAGMONI Sp. z o.o.
• Czasopismo: Optyka
• Rocznik: 2019
• Tom: Nr 1
• Strony: 66--69
• Opis fizyczny: Bibliogr. 15 poz., ryc., tab.

Twórcy

autor

Michalak Krzysztof Piotr

• Pracownia Fizyki Widzenia i Optometrii, Wydział Fizyki, Uniwersytet im. Adama Mickiewicza w Poznaniu
• Laboratorium Fizyki Widzenia i Neuronauki, Centrum NanoBioMedyczne, Uniwersytet im. Adama Mickiewicza w Poznaniu

autor

Przekoracka-Krawczyk Anna

• Pracownia Fizyki Widzenia i Optometrii, Wydział Fizyki, Uniwersytet im. Adama Mickiewicza w Poznaniu
• Laboratorium Fizyki Widzenia i Neuronauki, Centrum NanoBioMedyczne, Uniwersytet im. Adama Mickiewicza w Poznaniu

Bibliografia

• 1. K.P. Michalak, P. Jaskowski. Predictability of posturographic signals: Influence of the window width and embedding dimension. Biocybern Biomed Eng. 2007; 27(4): 71–83
• 2. A. Przekoracka-Krawczyk, P. Nawrot, M. Czainska, K.P. Michalak. Impaired body balance control in adults with strabismus. Vision Research 2014; 98: 35–45; doi:10.1016/j.visres.2014.03.008
• 3. I.D. Loram, C.N. Maganaris, M. Lakie. Human postural sway results from frequent, ballistic bias impulses by soleus and gastrocnemius. The Journal of Physiology 2005; 564 (Pt 1): 295–311; doi:10.1113/jphysi-ol.2004.076307
• 4. K.P. Michalak. Modifications of the Takens-Ellner algorithm for medium- and high-dimensional signals. Phys Rev E. 2011; 83(2): 026206
• 5. K.P. Michalak. How to estimate the correlation dimension of high-dimensional signals? Chaos 2014; 24(3): 033118. doi:10.1063/1.4891185
• 6. K.P. Michalak. Estimating correlation dimension of high-dimensional signals – quick algorithm. Aip Adv. 2018; 8(10); doi:10.1063/1.5013255
• 7. O. Caron, B. Faure, Y. Breniere. Estimating the centre of gravity of the body on the basis of the centre of pressure in standing posture. Journal of Biomechanics 1997; 30(11–12): 1169–1171
• 8. K.P. Michalak. Distinguishing separate components in high-dimensional signals by using the modified embedding method and forecasting. Ann Biomed Eng. 2010; 38(1): 200–207; doi:10.1007/s10439-009-9820-0
• 9. A. Ben-Mizrachi, I. Proccacia, P. Grassberger. Characterization of experimental (noisy) strange attractors. Phys. Rev. A. 1984; 29: 975–977
• 10. K.P. Michalak, A. Przekoracka-Krawczyk, J. Zabel. Wpływ informacji wzrokowej na proces kontroli balansu ciała. Optyka 2018; 6(55): 38–42
• 11. O. Sasaki, S. Usami, P.M. Gagey, J.M. Martinerie, M.L. Van Quyen, P. Arranz. Role of visual input in nonlinear postural control system. Exp Brain Res. 2002; 147: 1–7
• 12. D. Pritchard, J. Theiler. Generating Surrogate Data for Time Series with Several Simultaneously Measured Variables. Phys Rev Lett. 1994
• 13. J. Theiler, S. Eubank, A. Longtin, B. Galdrikian, J.D. Farmer. Testing for nonlinearity in time series: the method of surrogate data. Physica D 1992; 58: 77–94
• 14.P.E. Rapp, A.M. Albano, T.I. Schmah, L.A. Farwell. Filtered noise can mimic low-dimensional chaotic attractors. Phys. Rev. E. 1993; 47(4): 2289–2297
• 15. P.E. Rapp, A.M. Albano, I.D. Zimmerman, M.A. Jimenez-Montano. Phase-randomized surrogates can produce spurious identifications of non-random structure. Phys. Lett. A. 1994; 192: 27–33

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).