Motion-Defined Shapes를 사용한 시야 시력 측정을 위한 Motion-Acuity Test

요약

MRI 프로토콜과 호환되는 주변 시야를 제한하는 고글과 함께 저시력 및 건강한 개인의 중추 및 주변 시각 처리를 평가할 수 있는 새로운 동작 기반 시력 검사가 여기에 설명되어 있습니다. 이 방법은 시각 시스템의 기능 장애 및 기능 장애에 대한 포괄적인 시력 평가를 제공합니다.

초록

표준 시력 측정은 문자(Snellen 차트), 수직선(버니어 시력) 또는 격자 차트와 같은 고정 자극에 의존하며, 이는 고정 자극에 가장 민감한 시각 시스템 영역에서 처리되어 시야의 중앙 부분에서 시각적 입력을 받습니다. 여기서, 움직임 자극에 민감한 시각 영역에 의해 처리되고 주변 시야로부터도 입력을 받는 무작위 도트 키네마토그램(RDK)에서 점의 움직임에 의해 정의되는 간단한 모양의 구별을 기반으로 시력 측정이 제안됩니다. 모션 정확도 테스트에서 참가자는 일치하는 표면을 가진 원과 타원을 구별하고, RDK로 제작하고, 일관성, 방향 또는 점의 속도에 따라 배경 RDK와 분리하도록 요청받습니다. 시력 측정은 타원 감지를 기반으로 하며, 모든 올바른 응답에 따라 시력 임계값에 도달할 때까지 더 원형이 됩니다. 운동 정확도 검사는 음의 대비(흰색 배경에 검은색 점) 또는 양의 대비(검은색 배경에 흰색 점)로 표시할 수 있습니다. 모션 정의 셰이프는 8도 내에서 중앙에 위치하며 RDK 배경으로 둘러싸여 있습니다. 중앙에서 측정된 시력에 대한 시야 주변부의 영향을 테스트하기 위해 중앙에 위치한 구멍이 있는 불투명 고글을 사용하여 시야를 10도로 기계적으로 좁히는 것이 제안됩니다. 이 쉽고 복제 가능한 협착 시스템은 MRI 프로토콜에 적합하여 주변 시각 입력의 기능에 대한 추가 조사를 가능하게 합니다. 여기에서는 형상과 동작 인식을 동시에 측정하는 간단한 측정이 제안됩니다. 이 간단한 테스트는 중앙 및 주변 시야 입력에 따라 시력 장애를 평가합니다. 제안된 운동 시력 검사는 지금까지 감지되지 않았던 손상된 시각 시스템 환자의 시력 기능이 향상되거나 강화된 것을 드러내기 위한 표준 검사의 기능을 발전시킵니다.

서문

사용 가능한 대부분의 시력 검사는 중심 망막^(central retina)1에서 파생된 입력에 의존하여 중심 시력에 의해 처리되는 특징을 검사하도록 지시됩니다. 중심망막은 최대의 시력을 위해 가장 밀도가 높은 원추체-광수용체 집단을 가지고 있으며, 말초 망막을 지배하는 간상형 광수용체(rod photoreceptor)가 없다². 조밀하게 밀집된 광수용체의 존재는 신경절 세포의 밀도 증가에도 반영되며, 이는 더 많은 수의 축삭돌기가 시신경으로 향하고 결국에는 시각 피질로 향한다는 것을 의미합니다. 중심와(fovea) 바깥쪽에서 주변부로 향하면 간상체(rods)가 원뿔 광수용체(cone photoreceptor)^{보다 많다 3}. 간상체의 더 넓은 몸체와 광수용체의 희박한 모자이크로 인해 말초 망막은 주로 야간 시력과 움직임 인식에 반응합니다⁴.

고전적으로 시야의 중앙 부분의 자극에 따라 시각 처리는 정지 된 물체의 미세 분석에 전념하고 주변 부분은 움직임을 감지하고 물체를 중심의 중심 시야로 가져 오는 데 특화되어 있다고 믿었습니다 ^5,6. 그러나 이제 우리는 대뇌 피질 수준에서 고정 경로의 미세 분석이 움직임에 민감한 경로 ^6,7,8과 완전히 분리되지 않았다는 것을 보여주는 새로운 증거를 가지고 있습니다. 형태와 움직임 인식을 동시에 테스트하는 것은 일반적으로 움직이는 격자(⁹)와 유리 패턴(¹⁰) 및 동심원 링 동작⁽¹¹)을 사용하여 수행됩니다. 우리의 목표는 시각 장애인의 정상적인 생활에 가까운 테스트를 도입하여 시각 처리의 일부 기능이 여전히 보존되고 심지어 강화될 수 있음을 명시적으로 보여줌으로써 그들의 좌절감을 낮추고 희망을 줄 수 있는 테스트를 도입하는 것입니다. 무작위 도트 키네마토그램(RDK)을 기반으로 제안된 모션 정확도 테스트는 모션 및 형상 인식 분석을 결합하고 동시에 모션 및 형상 인식의 기능을 테스트합니다. 움직임 예민도 테스트에는 RDK의 다양한 속도, 방향 및 대비와 같은 정신 물리학적 특징을 테스트할 수 있는 많은 가능성이 있습니다. 매개변수를 변경함으로써 우리는 중앙 처리 또는 주변 장치에 특정한 자극의 강도를 조작할 수 있습니다. 예를 들어, 빠르게 움직이는 물체를 감지하는 것은 주변 시각 처리⁽¹²)에 특유한 잘 설명된 특징인 반면, 밝은 배경의 어두운 부분의 처리는 중심 시야⁽¹³)에 의해 우선적으로 처리된다. 이 검사는 초기에 중심 망막 또는 말초 망막 내에 특이적으로 위치한 광수용체의 망막 변성 환자를 대상으로 수행되었다¹⁴. 색소성 망막염(Retinitis pigmentosa, RP)은 말초 손상으로 나타나며 전 세계적으로 ~5,000명 중 1명의 환자에서 우세하다¹⁵. 유병률이 ~1/10000인 스타르가르트병(STGD)은 청소년 황반변성(MD)의 가장 흔한 원인입니다¹⁶. 황반 변성 또는 말초 망막의 색소성 망막염과 같이 중앙 망막의 광수용체가 손상되면 해당 시야 손실이 발생합니다. 이러한 시야 손실은 주어진 시각 시스템 영역⁽¹⁷)에 특정한 특징의 손상에 반영된다. 중요한 것은 망막의 영향을 받지 않는 부분에서 입력을 받는 시각 시스템 영역도 영향을 받는다는 것입니다. 이전에 황반변성^{동물모델에서 18} 양안 중심 망막 손상 후 시력이 악화될 뿐만 아니라 말초 처리의 특징인 움직임 지각이 강화되는 것으로 나타났습니다. 여기에 설명된 운동 시력 검사는 시력 재활 절차를 계획하는 데 중요한 통찰력을 제공합니다. 시야의 중심 부분과 주변 부분 사이의 상호 작용에 대한 완전한 관점은 잃어버린 기능이 시각 시스템의 예비 부분에 의해 어떻게 대체될 수 있는지, 그리고 이 과정이 시각 훈련 재활 절차에 의해 어떻게 지원될 수 있는지 이해하는 데 중요한 역할을 합니다. 인라인으로, 국소 망막 변성이 특히 손상된 부분을 넘어 시각 처리에 어떤 영향을 미치는지에 대한 지식은 여전히 불완전한 상태로 남아 있습니다. 광학 테스트는 고정된 형상 특징의 측정을 기반으로 합니다. 예를 들어, 시력 측정은 문자(Snellen 차트), 격자 차트 또는 버니어 시력 차트와 같은 고정 자극에 의존합니다.

건강한 눈과 중심/주변 시력 기능이 손상된 눈에서 중심 시력과 주변 시력 사이의 역학에 대한 통찰력을 넓히기 위해 모양과 움직임 인식을 동시에 측정하는 움직임 기반 시력 검사를 도입했습니다. 모션 정확도 테스트는 음의 또는 양의 대비(어둡거나 밝은 점), 일치하는 표면이 있는 타원 및 원, 무작위 도트 키네마토그램(RDK)으로 구축되고 속도, 일관성 또는 방향에 따라 동일한 RDK 배경에서 분리된 중앙에 위치한 모양의 감지를 기반으로 합니다. 시력은 원과 타원 크기 사이에서 감지되는 최소 차이로 측정되며, 결과는 피험자가 차이를 인식하기 위해 멈추는 시각적 각도로 제공됩니다. 또한 휘도 대비가 측정된 운동 정확도에 영향을 미치는지 확인하기 위해 자극을 음수(흰색 배경에 검은색 점) 또는 양의 대비(검은색 배경에 흰색 점)로 표시할 수 있습니다. 시각 시스템에서 포지티브 콘트라스트(ON 유형) 및 네거티브 콘트라스트(OFF 유형) 처리에 대한 모든 사용 가능한 정보는 중앙 시야(^19,20)의 고정 자극에서 비롯됩니다. 그러나 모션 신호의 주변 처리가 대비에 어떻게 의존하는지는 상당히 알려져 있지 않습니다^14,21. 고속에 대한 민감도는 주변 처리에만 적용되는 반면, 중앙 모션 처리는 양의 대비(ON 유형)로 표시되는 더 높은 공간 주파수에서 느린 속도를 사용한다는 것이 확인되었습니다(^ON 유형). 운동-예민성 자극의 포지티브 및 네거티브 대비 버전뿐만 아니라 점의 속도, 일관성 또는 방향을 수정하는 능력은 전체 시야에 대한 보다 자세한 설명에 매우 중요합니다. 또한 렌즈가 중앙에 위치한 구멍이 있는 불투명한 렌즈로 교체된 고글을 사용하여 시야를 중앙 10도로 기계적으로 좁히는 것이 제안됩니다. fMRI 및 TMS 프로토콜에 적합한 이 쉽게 복제 가능한 협착 시스템을 사용하면 주변 시각 입력의 기능과 시야 주변부가 중앙에서 측정된 시력에 미치는 영향에 대한 추가 조사를 수행할 수 있습니다. 이전 연구¹⁴에서도 유사한 시스템이 처음 검증되었는데, 이 연구에서는 음의 대비와 빠른 동작으로 시각적 주변부를 강하게 활성화하는 운동 예민성 검사가 모든 참가자에게 가장 어렵다는 사실이 밝혀졌습니다. 스타르가르트병을 앓고 있는 환자들에게는 감당할 수 없는 일이었습니다. 중요한 것은 RDK의 속도를 감소시킴으로써 시각 주변 자극의 감쇠가 모든 테스트 대상의 시력 임계값을 개선한다는 것입니다. 결론적으로, 간단한 형상 구분에 기반한 움직임-예민도 측정에 대한 과제를 제안한다. 따라서 결과는 환자와 간병인도 간단하고 이해하기 쉽습니다. 여기에 제시된 시력 검사는 학계 외부의 사용자를 위한 것이기도 합니다. 이 작업은 다양한 연령대와 환자 그룹에게 쉽게 설명할 수 있습니다.

프로토콜

모든 절차는 관련 지침 및 규정에 따라 수행되었으며 윤리위원회, WUM(KB/157/2017)의 승인을 받았습니다. 모든 참가자로부터 서면 동의를 얻어 실험의 일반적인 목적을 이해하고 통계 분석 목적으로 데이터를 포함하는 것을 이해했음을 확인했습니다. 제시된 모든 시각적 자극은 이러한 실험을 위해 만들어진 Java 기반 데스크톱 애플리케이션(Viscacha2)을 사용하여 생성됩니다.

1. 설정

1. 조용하고 어둑어둑한 방을 확보하십시오. 컴퓨터, 키보드, 평면 디스플레이, 시선 추적기(연구 질문 및 목표에 따라 선택 사항, 재료 표 참조), 책상, 턱받이, 의자로 구성된 설정을 구축합니다. 참가자가 턱걸이에 턱을 대고 앉을 수 있도록 배치하고, 눈은 디스플레이 위쪽 절반의 중앙 바로 앞에 놓고, 손은 키보드의 화살표 키에 닿을 수 있도록 배치합니다. 디스플레이와 눈 사이의 수평 거리는 85cm여야 합니다.
   참고: 참가자는 교육을 받고 전체 절차 동안 중앙 고정 십자가를 고정하도록 특별히 요청받았지만, 시선 추적기를 사용한 테스트는 시선에 너무 많은 변동을 보이는 참가자를 분석하는 동안 필터링을 위한 추가 제어를 구성할 수 있습니다. 또한, 연구의 목적에 따라 아이트래커 결과는 다양한 참가자 코호트의 고정 패턴, 동공 크기 또는 관심 위치에 대한 흥미로운 통찰력을 제공할 수 있습니다.
2. https://github.com/grimwj/Viscacha2 를 방문하여 코드 버튼을 클릭하고 ZIP을 다운로드하여 소프트웨어를 다운로드하십시오. zip 파일을 추출하여 작업 디렉토리에 저장합니다.
3. README.txt 파일에 설명된 설치 단계를 따릅니다. 아이트래커로 테스트하는 경우 아이트래커의 소프트웨어 설치 단계를 따르십시오. 지침에 따라 아이트래커를 장착합니다.
4. 초기 검사를 수행하려면 Viscacha2.jar 파일을 두 번 클릭하여 프로그램을 실행합니다. 초기 화면이 표시되면 키보드의 ESC 를 눌러 프로그램을 종료합니다.
5. 새로 생성된 폴더(experiment_data, TestPatient Shape_Brt)를 탐색합니다. 스프레드시트 편집기를 사용하여 .csv 파일을 엽니다(세미콜론을 필드 구분자로 설정). 화면 크기 및 화면으로부터의 거리와 같은 매개 변수가 올바른지 확인합니다.
   참고: 여기에서 프로토콜은 1920 x 1080, 31.5인치 디스플레이가 사용되고 환자와 화면 사이의 거리가 85cm라는 가정을 기반으로 합니다. 이는 화면이 수평으로 44.6°의 시야 공간을 차지한다는 것을 의미합니다. 이러한 매개변수를 충족할 수 없는 경우 프로그램 재구성을 위한 5단계를 참조할 수 있습니다.

2. 테스트의 초기 난이도 결정

1. config.txt 파일을 열고 patient_name=TestPatient가 포함된 줄을 찾습니다. TestPatient를 검사 대상을 식별하는 텍스트로 바꿉니다.
2. config.txt 파일에서 filename=Shape_Brt.txt 줄을 찾습니다. 이 줄이 해시 기호 #(주석 처리되지 않은 줄)로 시작하지 않는지 확인합니다.
3. 피험자에게 턱을 괴고 눈을 디스플레이 위쪽 절반의 중앙 바로 앞에 놓고 디스플레이 앞에 앉도록 요청합니다. 화면으로부터의 거리가 올바른지 확인합니다. 피사체가 사용할 수 있도록 키보드 키에 쉽게 접근할 수 있는지 확인하십시오.
4. Viscacha2.jar 디렉토리로 이동하여 프로그램을 실행합니다. 참가자에게 실험이 진행되는 전체 기간 동안 화면 중앙에 있는 고정 십자가에 시선을 집중하도록 가르칩니다.
5. 화면의 양쪽에는 원형 또는 타원이 중앙 고정 십자가에서 동일한 거리에 표시됩니다. 작업은 키보드의 왼쪽 및 오른쪽 화살표 키를 사용하여 타원 위의 원을 선택하는 것입니다. 참가자에게 작업을 설명하고 준비가 되면 s 키를 눌러 실험을 시작합니다. 참가자가 화살표 키 중 하나를 누를 때까지 실험이 계속됩니다.
6. 4번의 반전이 발생하거나 최대 시행 횟수에 도달하면 프로그램이 종료됩니다. 반전은 피험자가 이전에 올바른 반응을 선택한 후 잘못된 반응을 선택하거나 그 반대의 경우 발생합니다.
   참고: 이것은 계단 유형의 절차입니다. 각 시행의 난이도는 각 정답 후에 증가하고 오답 후에는 감소합니다. 그림 1 은 한 명의 대표 참가자에 대한 시도 동안 계단 수준이 어떻게 변하는지 보여줍니다.
7. 작업이 완료되고 감지 임계값이 설정된 후 4개의 반전이 발생합니다. 결과가 포함된 해당 .csv 파일을 엽니다. 파일 끝 부분에 있는 THRESHOLD 열을 찾습니다. 이 열의 값을 사용하여 후속 작업의 초기 난이도를 계산할 수 있습니다.
   참고: 테스트는 init.txt 파일의 Experiment_Type=Constant 줄에서 해시 기호를 제거하고 Experiment_Type=Staircase 줄 앞에 해시 기호를 추가하여 난이도가 고정되고 변경되지 않는 상수 패러다임으로 제시할 수도 있습니다.

그림 1: Shape_Brt 실험 기간 동안 계단 수준의 변화(후속 시행). 빨간색 플롯은 S-(타원)의 종횡비로 변환되는 계단 수준을 나타냅니다. 4번의 반전(파란색 막대)이 발생한 후, 피험자의 감지 임계값이 설정되고 작업이 완료되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

8. 새로 얻은 임계값을 다음 자극 제시(단계 2.3–2.5)의 기준선으로 사용합니다. 모든 자극 정의 파일에서 새 임계값을 바꾸려면 replacer 폴더 내의 Python 스크립트를 사용하고 화면의 지시를 따릅니다.

3. 자극 절차

참고: 총 10개의 실험이 수행되며, 검은색 배경에 흰색 점이 있는 5개, 흰색 배경에 검은색 점이 있는 5개의 실험이 수행됩니다.

1. 일관성 작업(Coherence task)
   1. 제목이 준비되면 config.txt 파일을 열고 filename=Shape_Brt.txt 줄에 주석을 달고(즉, 해시 기호 삽입) shape_dotsB_C.txt 작업을 포함하여 아래 줄의 주석 처리를 제거합니다. 이 작업에서 원과 타원은 10°/s의 속도로 무작위로 움직이는 점으로 구성됩니다. 배경은 원과 타원에서와 동일한 속도로 일관성 있게 위쪽으로 움직이는 점으로 구성됩니다.
      NOTE: 각 작업에 대한 정의 파일 내에서 Direction 매개변수를 편집하여 배경 점의 다른 이동 방향을 정의할 수 있습니다.
   2. Viscacha2.jar 실행합니다. 예를 들어, 항상 원을 가리켜 주십시오. 참가자가 준비되면 s 키를 눌러 실험을 시작합니다. 실험이 완료될 때까지 기다립니다.
   3. config.txt 파일을 열고, filename=shape_dotsB_C.txt 줄에 주석을 달고, shape_dotsW_C.txt 작업을 포함하여 아래 줄의 주석 처리를 제거합니다. 3.1.2단계를 반복합니다.
2. 방향 작업
   1. 제목이 준비되면 config.txt 파일을 열고 이전에 선택한 파일 이름에 댓글을 추가합니다. 작업이 포함된 줄의 주석 filename=shape_dotsB_D.txt 제거합니다. 이 작업에서 원과 타원은 10°/s의 속도로 위쪽으로 일관성 있게 움직이는 점으로 구성됩니다. 배경은 원과 타원에서와 동일한 속도로 왼쪽으로 일관되게 움직이는 점으로 구성됩니다.
   2. Viscacha2.jar 실행합니다. 피험자에게 작업을 설명하십시오. 참가자가 준비되면 s 키를 눌러 실험을 시작합니다. 실험이 완료될 때까지 기다립니다.
   3. config.txt 파일을 열고, filename=shape_dotsB_D.txt 줄에 주석을 달고, shape_dotsW_D.txt 작업을 포함하여 아래 줄의 주석 처리를 제거합니다. 3.2.2단계를 반복합니다.
3. 속도 작업
   1. 제목이 준비되면 config.txt 파일을 열고 이전에 선택한 파일 이름에 주석을 추가합니다. 작업이 포함된 줄의 주석 filename=shape_dotsB_V10_20.txt 제거합니다. 이 작업에는 세 가지 조건이 포함됩니다. 원과 타원 및 배경은 일관성 있게 위쪽으로 이동하는 점으로 구성되며, 원과 타원 내의 점은 항상 배경 점보다 느리게 움직입니다: i) 10°/s 대 20°/s; ii) 5°/s 대 10°/s; iii) 1°/s 대 2°/s.
   2. Viscacha2.jar 실행합니다. 피험자에게 작업을 설명하십시오. 참가자가 준비되면 s 키를 눌러 실험을 시작합니다. 실험이 완료될 때까지 기다립니다.
   3. config.txt 파일을 열고 shape_dotsB_V10_20.txt 줄에 주석을 달고 shape_dotsW_V10_20.txt 작업을 포함하여 아래 줄의 주석 처리를 제거합니다. 3.2.2단계를 반복합니다.
   4. shape_dotsB_V1_2.txt 및 shape_dotsW_V1_2.txt뿐만 아니라 작업 shape_dotsB_V5_10.txt 및 shape_dotsW_V5_10.txt에 대해 3.3.1 - 3.3.3 2x 단계를 반복합니다.
      1. 작업이 완료된 후 각 작업의 파일 이름을 수동으로 변경하지 않으려면 sweep_file 옵션을 사용합니다. config.txt 파일에서 sweep_files 필드를 0으로 설정하여 각 작업 절차가 끝난 후 절차를 종료합니다.
      2. Shape_Brt.txt 작업에 이 설정을 사용하여 초기 초기 계획 임계값을 정의합니다. 기준선이 설정되면 여러 작업을 연속적으로 실행하려면 스윕 파일을 1에서 9 사이의 정수로 설정합니다. 여기서 정수는 연속 작업 간의 변경 횟수를 결정합니다(예: 1로 설정되고 shape_dotsB_D.txt이 주석 처리되지 않은 경우 프로그램은 이 작업과 다음 작업을 실행합니다. 9로 설정하면 모든 작업이 실행됩니다. 내부적으로 이렇게 하면 각 실험이 완료된 후 이전에 선택한 파일 이름에 주석이 추가되고 다음 실험에 대해 후속 파일 이름이 선택된 새 구성 파일이 다시 생성됩니다.

4. 시력을 제한하는 고글

1. 주변 시야를 일시적으로 제거하려면 수영 고글을 사용하십시오(그림 2). 투명 렌즈를 흰색 불투명 렌즈로 교체합니다. 렌즈의 조리개는 1.4mm로 시야를 중앙 10°로 제한했습니다. 고글을 모든 피험자에게 적합하게 만들고 자연스러운 개별 안구 간 거리를 가능한 한 잘 고려하려면 58mm에서 72mm 사이의 구멍이 있는 14쌍의 고글을 만드십시오(각 고글 쌍 사이에 1mm 간격으로).

그림 2: 좁아지는 고글. 중앙 구멍의 직경은 1.4mm입니다. 우리는 구멍 사이의 거리가 58mm에서 72mm인 14쌍의 고글을 가지고 있었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

2. 눈금자를 사용하여 참가자의 눈 사이의 거리를 정의합니다. 눈썹과 일직선이 되도록 눈금자를 눈 바로 위에 놓고 한쪽 눈 위에 값 0을 놓습니다. 두 번째 눈 상단의 값을 확인하여 두 번째 눈동자가 mm 단위로 계산됩니다. 절차 중에는 참가자에게 시선을 가능한 한 안정적으로 유지하도록 요청하십시오.
3. 더 적합한 쌍을 선택한 후 15분 동안 휴식을 취하십시오. 이 시간 동안 참가자들에게 방 안을 자유롭게 움직이거나, 전화기를 사용하거나, 책을 읽도록 요청하여 눈이 새로운 시각적 상태에 익숙해질 수 있도록 합니다.
4. 3단계부터 절차를 다시 시작합니다.

5. 재구성

1. 화면 크기 및 거리 보정
   1. 다른 디스플레이를 사용하는 경우 화면 크기(해상도 및 대각선)를 구성 파일에 삽입합니다(resolution_v은 세로 해상도, resolution_h 수평 해상도, diagonal_inch 화면 대각선은 인치).
   2. Viscacha2.jar 실행합니다. 초기 화면이 표시되면 ESC 를 눌러 종료합니다. 결과가 포함된 .csv 파일을 엽니다.
   3. Distance mm 텍스트가 포함된 줄을 찾아 값을 적어 둡니다.
   4. 피험자가 새로 계산된 거리에 앉을 수 있도록 실험 설정을 재조정합니다. 화면 너비가 가로로 44.6°의 시각적 공간을 차지하도록 거리를 계산합니다. 이는 full_angle_h 매개변수에 의해 정의되며 config.txt 파일에서도 변경할 수 있습니다.
      참고: full_angle_v 매개변수를 사용하여 화면 높이에 대한 보정을 수행할 수도 있습니다. 이러한 매개변수 중 하나만 설정할 수 있으며 다른 매개변수는 # 접두사로 주석을 달아야 합니다.
2. 자극 정의
   1. 자극 파라미터를 별도의 파일(예: shape_dotsB_C.txt)에 정의합니다. S-의 치수(Ellipse_X, Ellipse_Y)와 같은 일부 값은 픽셀로 제공됩니다. 픽셀에서 시각적 각도까지 계산하려면 결과가 포함된 csv 파일에서 추출한 픽셀 대 각도 승수에 값을 곱합니다.
      참고: 점의 일관성과 같은 자극 매개변수는 각 레이어(배경, 모양 S+, 모양 S-, 노이즈)에 대해 미리 정의되고 조정 가능합니다. 예를 들어, 일관성 작업에서 원과 타원은 10°/s(일관성 = 0.0)의 속도로 무작위로 움직이는 점으로 구성됩니다. 배경은 원과 타원과 동일한 속도(일관성 = 1.0)로 일관성 있게 위쪽으로 이동하는 점으로 구성됩니다. Viscacha2에는 아직 공식 사용자 설명서가 없습니다. 자극 정의에 대한 자세한 내용은 Viscacha2 저장소의 stimuli_description.ods 파일을 참조하십시오.

결과

motion acuity 과제는 각 참가자에 대해 각 자극 절차에 대해 하나의 결과 파일을 생성합니다. 테스트 참가자에 대한 예시적인 로그 파일이 doc 폴더 내의 저장소에 포함되어 있습니다. 1행부터 31행까지 환자 이름 및 구성 설정과 같은 다양한 설정이 보고됩니다. 작업 블록은 34행부터 시작하여 이벤트 시간, 이벤트 유형, 시행, 기간, 선택, 수정, 성공, 실험자, 외부 자극, 반전 및 계단 수준과 같은 추가 ...

토론

여기에서는 무작위 도트 키네마토그램을 기반으로 하는 일련의 자극을 사용하여 시지각을 측정하는 새로운 방법을 설명합니다. 그 결과는 원과 타원 사이의 최소한의 인지된 차이로 주어지며, 피사체가 서로 모양을 구별하지 않는 시점을 볼 수 있게 해줍니다. 차이가 작을수록 더 좋은 시력을 얻을 수 있습니다: 이는 피험자가 원이 타원과 거의 동일하더라도 여전히 원의 위치를 감지할 수 있음?...

자료

Name	Company	Catalog Number	Comments
Chinrest			custom-made
Computer			Windows 10 or higher
Display			1920 × 1080, 31 inches
EyeLink 1000 Plus	SR Research		desktop mount
USB Keyboard
USB mouse