우리의 프로토콜은 안구 운동과 인지 기능 장애로 고통받는 비 퇴근 파킨슨 병 환자 그룹에서 눈 운동 메트릭과 인지 기능 사이의 관계를 연구하는 것을 목표로합니다. 시각적 검색 작업에 대한 평가판 이미지를 디자인하려면 숫자 4, 6, 7, 9를 단독으로 사용합니다. 대상 번호의 위치가 3회 이상의 연속 시험에서 각 숫자가 동일한 시각적 사분면에 있을 수 없다는 규칙으로 평가판에서 재판으로 무작위로 지정되도록 합니다.
I 및 O와 같은 모호한 문자를 사용하지 말고 고정 십자가, 문자 및 숫자의 크기를 0.85도 시각적 각도로 설정하지 마십시오. 프로그램을 설정하여 Enter를 누른 후 1.5초의 시간 경과를 허용하는 다음 중앙 고정 십자가의 표시가 평가판 이미지로 전환되어 평가판을 시작합니다. 마우스를 클릭할 때 고정 십자가가 다시 나타나거나 10초 후에 평가판 시작부분에서 경과한 후, 어느 쪽보다 일찍 시작되었는지 에 관계없이 화면이 비어 있는지 확인합니다.
그런 다음 프로그램을 설정하여 각 평가판의 시작과 끝의 타임 스탬프가 포함된 csv 파일을 생성합니다. 피험자와의 임상 진단 인터뷰를 수행한 후 가능한 경우, 그들의 친척은 치매를 배제하고 미니 정신 상태 검사 및 몬트리올 인지 평가를 사용하여 인지 장애를 검사하고, 스니엘렌 차트와 피사체의 시력을 평가한다. 그런 다음 적절한 광원이있는 조용한 방에서 최소 300 Hertz, 컴퓨터, 마우스 및 표준 키보드의 샘플링 속도로 화면 기반 아이 트래커를 설정합니다.
턱 받침대는 아이 체커 스크린 앞에 60cm를 배치하고 적절한 인지 평가 도구를 배치합니다. 시각적 검색 작업을 설정하려면 턱 받침대와 이마가 있는 의자에 피사체를 배치하여 머리 움직임을 최소화합니다. 피사체의 눈을 컴퓨터 화면의 중심으로 정렬하고 아이 트래킹 프로그램의 시작 버튼을 클릭합니다.
기본 제공 교정 프로그램을 사용하여 아이 트래커를 보정하려면 시작하십시오. 그리고 피사체에게 머리를 가만히 유지하면서 9개의 고정 지점으로 화면을 가로질러 움직이는 빨간 점을 응시하도록 요청하십시오. 보정 플롯을 보고 교정 품질을 확인하여 오류 벡터를 나타내는 녹색 선의 길이가 회색 원 내에 속하는지 확인합니다.
그런 다음 수락을 클릭하여 시각적 검색 작업을 진행합니다. 연습 시험을 시작하려면 피사체에게 중앙 고정 십자가에 대한 시선을 고정하고 키보드의 Enter를 눌러 재판을 시작하도록 지시합니다. 컴퓨터 화면에는 단일 번호와 79개의 임의로 흩어져 있는 산만 문자가 표시됩니다.
피사체에 가능한 한 빨리 숫자를 보고 동시에 마우스를 클릭하면서 숫자가 있는 즉시 숫자를 큰 소리로 진술하도록 지시합니다. 그런 다음 명시된 번호가 정확한지 여부를 교차 확인하고 연습 시험을 4 번 더 반복하십시오. 컴퓨터 프로그램의 리플레이 섹션에서 아이트래킹 데이터 처리 및 분석을 보려면 시각적 검색 작업 중에 샘플의 눈 비율을 확인합니다.
녹화를 위해 재생을 클릭하여 생성된 시각화된 스캔 경로 비디오를 눈알로 하여 데이터의 품질을 확인합니다. 피사체의 모든 데이터가 심하게 잘못된 경우 모두 삭제합니다. 그리고 피사체가 실수로 또는 조기에 마우스를 클릭한 모든 시험을 폐기하십시오.
프로그램의 데이터 내보내기 섹션에서 GazePointX 및 GazePointY 클릭 데이터를 선택하여 피사체의 데이터를 내보내고 데이터를 csv 파일로 저장합니다. 시각적 검색 분석기의 인터페이스에서 내보낸 데이터를 아이 데이터의 입력으로 선택하고 생성된 CSV 파일을 작업 데이터의 입력으로 선택합니다. 분류 알고리즘으로 ST DB 스캔을 선택하고 실행을 클릭합니다.
그런 다음 요약을 클릭하여 주 saccade 진폭과 피사체의 평균 고정 기간이 포함된 스프레드시트 파일을 생성합니다. 시각적 검색 분석기를 설계하려면 생성된 csv 파일을 사용하여 분석의 시작부터 끝까지 데이터만 추출하고 분석하도록 분석기를 프로그래밍합니다. 눈 깜박임으로 인해 손실된 데이터를 채우도록 분석기를 프로그래밍하려면 깜박임 직전과 후에 시선점의 x 및 y 좌표를 평균합니다.
그런 다음 ST DB 스캔을 기반으로 알고리즘을 사용하여 원시 데이터를 saccade 또는 고정으로 분류하도록 분석기를 프로그래밍합니다. 이전 연구와 일치, 이 분석에서, 파킨슨 병 그룹 여러 인지 작업에서 성능 저하를 보였다, 대조군에 비해. 시각적 검색 작업 데이터의 분류를 위해 사내 알고리즘을 사용하여 계산 및 분석을 위해 고정 및 saccades를 식별하고 추출할 수 있습니다.
실제로, 질병 그룹은 대조군에 비해 더 작은 평균 사카다심 진폭을 가지고 있었고, 평균 고정 기간은 그룹 간에 크게 다르지 않았다. 본 평가에서, 코바레에 대한 조정 후, 음성 상관 관계는 평균 고정 기간, 구두 인식 메모리 및 차별 점수의 성능, 패턴 인식 메모리, 및 과일과 채소 범주 내에서 범주형 언어 유창성 시험 사이에서 발견되었다. 그러나, 질병과 통제 단 사이 이 상관 관계에서 찾아낸 중요한 상호 작용이 없었다, 상관 관계가 질병 단에 특정하지 않다는 것을 건의합니다.
시각적 검색 작업의 디자인은 산만 한 눈 운동 매개 변수의 인지 능력의 간섭을 최소화하는 것이 목표이기 때문에 중요합니다. 이 연구 작업이 매우 견딜 수 있는 경우 유사한 연구 질문에 대답 하기 위해 다른 새로운 퇴행성 장애에 트랜스 진단에 적용할 수 있습니다.
