Summary
VisualEyes2020 (VE2020) är ett anpassat skriptspråk som presenterar, registrerar och synkroniserar visuella ögonrörelsestimuli. VE2020 ger stimuli för konjugerade ögonrörelser (sackader och smidig strävan), diskonjugerade ögonrörelser (vergens), ackommodation och kombinationer av varje. Två analysprogram förenar databehandlingen från ögonspårnings- och boendeinspelningssystemen.
Abstract
Genom målmedveten stimulering och inspelning av ögonrörelser kan de grundläggande egenskaperna hos de underliggande neurala mekanismerna för ögonrörelser observeras. VisualEyes2020 (VE2020) utvecklades baserat på bristen på anpassningsbar mjukvarubaserad visuell stimulering tillgänglig för forskare som inte förlitar sig på motorer eller ställdon inom ett traditionellt haploskop. Detta nya instrument och metodik har utvecklats för en ny haploskopkonfiguration som använder både ögonspårning och autorefraktorsystem. Analysprogramvara som möjliggör synkroniserad analys av ögonrörelser och ackommoderande svar ger synforskare och kliniker en reproducerbar miljö och ett delbart verktyg. Vision and Neural Engineering Laboratory's (VNEL) Eye Movement Analysis Program (VEMAP) etablerades för att bearbeta inspelningar producerade av VE2020:s eyetrackers, medan Accommodative Movement Analysis Program (AMAP) skapades för att bearbeta inspelningsutgångarna från motsvarande autorefraktorsystem. VNEL studerar tre primära stimuli: ackommodation (suddighetsdrivna förändringar i den intraokulära linsens konvexitet), vergens (inåt, konvergent rotation och utåt, divergerande rotation av ögonen) och sackader (konjugerade ögonrörelser). VEMAP och AMAP använder liknande dataflödesprocesser, manuella operatörsinteraktioner och interventioner vid behov; Dessa analysplattformar främjar dock upprättandet av en objektiv programvarusvit som minimerar operatörens beroende. Nyttan av ett grafiskt gränssnitt och dess motsvarande algoritmer gör det möjligt att utföra ett brett spektrum av visuella experiment med minimal tidigare kodningserfarenhet från operatören/operatörerna.
Introduction
Samordnad binokulär koordination och lämpliga ackommoderande och oculomotoriska svar på visuella stimuli är viktiga aspekter av det dagliga livet. När en individ har minskad konvergens ögonrörelse svarshastighet, kvantifierad genom ögonrörelse registrering, fördubblad syn (dubbelseende) kan uppfattas 1,2. Vidare rapporterade en metaanalys av Cochrane-litteraturen att patienter med oculomotoriska dysfunktioner, som försöker upprätthålla normal binokulär syn, upplever vanliga delade visuella symtom, inklusive suddig / dubbelsyn, huvudvärk, ögonstress / ansträngning och svårigheter att läsa bekvämt3. Snabba konjugerade ögonrörelser (sackader), när de är bristfälliga, kan underreagera eller överreagera på visuella mål, vilket innebär att ytterligare sekventiella sackader krävs för att korrigera detta fel4. Dessa okulomotoriska svar kan också förvirras av det tillmötesgående systemet, där felaktig fokusering av ljus från linsen skapar oskärpa5.
Uppgifter som att läsa eller arbeta med elektroniska enheter kräver samordning av de okulomotoriska och tillmötesgående systemen. För personer med binokulära ögonrörelser eller ackommoderande dysfunktioner minskar oförmågan att upprätthålla binokulär fusion (singel) och akut (klar) syn deras livskvalitet och totala produktivitet. Genom att etablera en procedurmetod för kvantitativ registrering av dessa system oberoende och samordnat genom repeterbara instrumentkonfigurationer och objektiv analys kan särskiljande egenskaper om acklimatisering till specifika brister förstås. Kvantitativa mätningar av ögonrörelser kan leda till mer omfattande diagnoser6 jämfört med konventionella metoder, med potential att förutsäga sannolikheten för sanering via terapeutiska ingrepp. Denna instrumenterings- och dataanalyssvit ger insikt mot att förstå mekanismerna bakom nuvarande vårdstandarder, såsom synterapi, och den långsiktiga effekten terapeutiska interventioner kan ha på patienter. Att fastställa dessa kvantitativa skillnader mellan individer med och utan normal binokulär syn kan ge nya personliga terapeutiska strategier och öka saneringseffektiviteten baserat på objektiva resultatmätningar.
Hittills finns det inte en enda kommersiellt tillgänglig plattform som samtidigt kan stimulera och kvantitativt registrera ögonrörelsedata med motsvarande tillmötesgående positions- och hastighetssvar som kan bearbetas vidare som separata (ögonrörelser och tillmötesgående) dataströmmar. Signalbehandlingsanalyserna för ackommoderande och okulomotoriska positions- och hastighetssvar har fastställt minsta samplingskrav på cirka 10 Hz7 respektive en föreslagen samplingsfrekvens mellan 240 Hz och 250 Hz för saccadic ögonrörelser 8,9. Nyquist-frekvensen för vergensögonrörelser har dock ännu inte fastställts, även om vergensen är ungefär en storleksordning lägre i topphastighet än saccadic ögonrörelser. Ändå finns det en lucka i den nuvarande litteraturen om inspelning av ögonrörelser och integration av automatisk brytningsinstrumentplattform. Dessutom har förmågan att analysera objektiva ögonrörelsesvar med synkrona ackommodationssvar ännu inte varit öppen källkod. Därför tillgodosåg Vision and Neural Engineering Laboratory (VNEL) behovet av synkroniserad instrumentering och analys genom skapandet av VE2020 och två offline-signalbehandlingsprogramsviter för att analysera ögonrörelser och tillmötesgående svar. VE2020 kan anpassas via kalibreringsprocedurer och stimuleringsprotokoll för anpassning till en mängd olika tillämpningar från grundforskning till klinisk, inklusive binokulära synforskningsprojekt om konvergensinsufficiens/överskott, divergensinsufficiens/överskott, ackommoderande insufficiens/överskott, hjärnskakningsrelaterade binokulära dysfunktioner, skelning, amblyopi och nystagmus. VE2020 kompletteras av VEMAP och AMAP, som därefter tillhandahåller dataanalysfunktioner för dessa stimulerade ögon och ackommoderande rörelser.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Studien, för vilken denna instrumenterings- och dataanalyssvit skapades och framgångsrikt implementerades, godkändes av New Jersey Institute of Technology Institution Review Board HHS FWA 00003246 Approval F182-13 och godkändes som en randomiserad klinisk prövning publicerad på ClinicalTrials.gov Identifierare: NCT03593031 finansierad via NIH EY023261. Alla deltagare läste och undertecknade ett informerat samtyckesformulär som godkänts av universitetets institutionella granskningsnämnd.
1. Inställning av instrumentering
- Övervaka anslutningar och maskinvara
- VE2020-systemet tilldelar bildskärmarna rumsligt medurs. Kontrollera att den primära kontrollövervakaren är indexerad som 0 och att alla efterföljande övervakare är indexerade från 1 och framåt. Se till att alla bildskärmar hanteras av en enda dator (se Materialförteckning).
- Säkerställ korrekt rumslig konfiguration av stimulansmonitorerna. På handkontrollens stationära startskärm högerklickar du på kontrollens bildskärm, väljer Bildskärmsinställningar och navigerar till skärmupplösning. Välj Identifiera; Detta ger en visualisering av de tilldelade monitorindexen för varje stimulansskärm som är ansluten till styrdatorn (figur 1).
- Konfiguration av fysisk utrustning
- Se till att ögonspårningssystemet är på den optiska mittlinjen med ett minsta kameraavstånd på 38 cm. Kontrollera att autorefraktorsystemet är på den optiska mittlinjen och 1 m ± 0,05 m från ögonen.
- Validera konfigurationen av maskinvaran och utrustningen genom att referera till dimensionerna i figur 1.
- Eyetracking-system
- Se till att skrivbordet och motsvarande ögonspårningsmaskinvara är konfigurerade och kalibrerade enligt tillverkarens instruktioner (se materialförteckning).
- Upprätta BNC-kabeldragningar från skrivbordets analoga utgångar till datainsamlingskortet (DAQ) via en analog breakout-kopplingsbox (NI 2090A). Se tabell 1 för standardkonfigurationer för BNC-portar för VE2020.
OBS: Avvikelser från standardkablarna kräver modifiering av de tilldelade portarna som beskrivs i Acquire.vi och / eller TriggerListen.vi filer eller redigering av standardrubrikordningen i standard.txt filen. - Konfigurera referensbrytarboxen för analoga terminalbrytare genom att identifiera omkopplaren med enkel/differentiell (SE/DIFF) (se figur 2) och ställ omkopplaren på SE. Identifiera sedan jordvalsomkopplaren (RSE/NRSE) (se figur 2) och ställ in markreferensen på refererad enkeländad (RSE).
- Tillmötesgående svarsförvärv
- Utför autorefraktorns orientering (se materialförteckning) enligt tillverkarens rekommendationer. Konfigurera autorefraktorn i direkt justering och utför manuell operatörsbaserad utlösning av autorefraktorn för att lagra autorefraktorinspelningsdata.
- Se till att en extern flyttbar lagringsenhet används för att spara autorefraktordata. Ta bort den externa enheten innan du startar autorefraktorprogramvaran och sätt tillbaka enheten när programvaran körs. Skapa en mappkatalog inom motsvarande lagringsenhet för att identifiera deltagarprofiler, sessionstider och stimuli. Följ den här metoden för varje experimentell inspelningssession.
- Efter aktiveringen av autorefraktorprogramvaran och införandet av en extern lagringsenhet, börja kalibreringen av autorefraktorn.
- Täpp monokulärt deltagarens vänstra öga med ett infrarött överföringsfilter (IR Tx-filter)10. Placera en testlins med konvexsfär framför IR Tx-filtret (se Materialförteckning).
- Binokulärt presentera en hög skärpa 4 ° stimulans från de fysiskt nära stimulansmonitorerna.
OBS: När deltagaren rapporterar stimulansen som visuellt enkel och tydlig (akut) måste deltagaren använda den handhållna avtryckaren för att gå vidare med kalibreringen. - Binokulärt presentera en hög skärpa 16 ° stimulans från de fysiskt nära stimulansmonitorerna.
OBS: När deltagaren rapporterar stimulansen som visuellt enkel och tydlig (akut) måste deltagaren använda den handhållna avtryckaren för att utvecklas. - Upprepa dessa kalibreringsprocedurer (steg 1.4.4-1.4.6) för varje konvexsfärlins enligt följande (i dioptrier): −4, −3, −2, −1, +1, +2, +3 och +4.
Figur 1: Konfiguration av haploskopkontroll och färdskrivare. Exempel på displayindexering i VE2020 för beställning och dimensionering av bildskärmar medurs. Här är 1 kontrollmonitorn, 2 är bildskärmen nära vänster, 3 är bildskärmen längst till vänster, 6 är kalibreringskortet (CalBoard), 4 är bildskärmen längst till höger och 5 är bildskärmen nära höger. Klicka här för att se en större version av denna figur.
Tabell 1: BNC-portkarta. Konventionen för BNC-anslutningar. Klicka här för att ladda ner denna tabell.
Bild 2: Brytarboxens switchreferenser. Demonstration av rätt NI 2090A-omkopplare. Klicka här för att se en större version av denna figur.
2. Visuell stimulering med hjälp av visuella displayer från VE2020 och LED-mål för VE2020
- Börja kalibreringen av VisualEyes2020 stimulusdisplay(er).
- Öppna VI-filen (Virtual Instrument) med namnet Pix2Deg2020.vi. Välj den bildskärm som ska kalibreras genom att använda inmatningsfältet för sträckläges-ID och bildskärmens motsvarande visningsindex (bild 3).
- Välj en stimulusbild (t.ex. RedLine.bmp) genom att skriva stimulusfilnamnet i inmatningsfältet Linje.
OBS: Det är viktigt att notera att Pix2Deg2020.vi använder .bmp filer, inte .dds filer. - Kör Pix2Deg2020.vi och justera stimulanspositionen tills den överlagras på ett uppmätt fysiskt mål.
- När den virtuella bilden överensstämmer med det fysiskt uppmätta målet registrerar du pixelvärdet på skärmen för det angivna gradvärdet. Registrera minst tre kalibreringspunkter med varierande stimulerade gradkrav och deras motsvarande pixelvärden.
- Se till att VE2020 efter registrering av varje kalibreringspunkt producerar en utdatafil med namnet Cals.xls. Använd kalibreringspunkterna i Cal.xls för att tillämpa en bäst anpassad linjär regression för att kartlägga de experimentellt nödvändiga kraven på ögonrörelsestimulans, i rotationsgrader, i pixlar. Ett exempel på fempunktsgrad till registrerad pixelkalibrering visas i figur 4.
- Upprepa denna procedur för olika stimulansbilder (dvs. bakgrunden eller den andra visuella stimulansen, efter behov) och varje stimulansmonitor som förväntas användas.
Figur 3: Stimulerade grader för att övervaka pixlar. Bild av förarvyn för kalibrering av VE2020. Från vänster till höger tillhandahålls en tabell med värden för de inspelade pixlarna som motsvarar ett känt gradvärde för ett givet val av stimulusmonitor (stretch mode ID) med ett fast bildförhållande, givet filnamn, bakgrundsstimulans (BG) och förgrundsstimulans (linje). Klicka här för att se en större version av denna figur.
Bild 4: Kalibreringslutningar från pixel till grad. Monokulär kalibreringskurva för kända gradvärden och uppmätta pixelvärden. Klicka här för att se en större version av denna figur.
3. LED-kalibrering
- Bestäm de experimentella rotationsgraderna genom att använda trigonometriska identiteter i vertikala eller horisontella plan (figur 5). Plotta rotationsgraderna som en funktion av LED-numret.
- Linjärt regressera LED-numret som en funktion av rotationsgraderna. Använd det erhållna förhållandet för att beräkna de initiala och slutliga LED-numren, som kommer att användas som visuella stimuli under experimentet.
Figur 5: Beräknade rotationsgrader. Metod för beräkning av vinkelförskjutningen för både saccadiska ögonrörelser och vergensrörelser med ett känt avstånd till målet (X) och interpupillärt avstånd (IPD). Klicka här för att se en större version av denna figur.
4. Programmering av programvara
- Definiera VisualEyes-visningsindatafilen och spara den i stimulansbiblioteket enligt följande.
- Om du vill definiera varje stimulus öppnar du en ny textfil (.txt) före experimentet. På den första raden i den här textfilen bekräftar du att det finns fyra obligatoriska tabbavgränsade parametrar: stimulustiming (er); X-position (pixlar); Y-position (pixlar); och rotation (grader). Bekräfta dessutom förekomsten av två valfria successiva parametrar: skalning X (horisontell skalning); och skalning Y (vertikal skalning).
- Beräkna pixelvärdet för varje önskad stimulusgrad genom att använda den linjära regressionsekvationen härledd från kalibreringen (se steg 2.1.5).
- Bekräfta i nästa rad i textfilen att längden / längderna för vilka stimulansen presenteras vid dess ursprungliga position och efterföljande slutliga position är närvarande och tabbavgränsade.
- Spara stimulansfilen i katalogen som en VisualEyes-indatafil (VEI) med ett informativt filnamn (t.ex. stimulus_name_movement_size.vei).
OBS: Varje stimulusfil är placerad monokulärt, så en separat fil måste genereras för att det komplementära ögat ska framkalla en binokulär rörelse.
- Upprepa dessa procedurer för varje önskad experimentell stimulans, respektive rörelsetyp, rörelsestorlek och öga efter behov.
5. DC-filer
- Skapa ett stimulusbibliotek för varje stimulusmonitor. Namnge dessa bibliotek som dc_1.txt till dc_7.txt. Information om inställningarna i dc_1.txt- och dc_2.txt filerna finns i tabell 2.
- Validera det numeriska ID:t för varje stimulusmonitor genom att klicka på Visa > Skärmupplösning > Identifiera. Kontrollera att enhets-ID:t är den primära GPU:n (startindex 0) och att fönsterläget är 1.
- Kontrollera att vänster definierar skärmens vänstra gräns (i pixlar), överst definierar skärmens övre gräns (i pixlar), bredd är skärmens längsgående bredd (i pixlar) och höjd är skärmens vertikala höjd (i pixlar).
- Upprätta stimulusnumret (Stim#), som associerar stimulusfilnamnet och platsen (.dds) och, förutsatt att filen nostimulus.vei är stimulusnummer noll, associerar dem till ett stimulusindexnummer. För den efterföljande stimulus_name.vei, lista de olika stimulansfilerna som kan användas inom experimentsessionen.
Filen nostimulus.vei är fördelaktig när du använder ExpTrial eftersom nostimulus.vei inte uppvisar en stimulans (tom skärm).
Tabell 2: DC-filkonfiguration. Tabellen ger en översikt över DC-textfilformatet. Klicka här för att ladda ner denna tabell.
6. LED-ingångsfildefinition och lagring av stimulansbibliotek
- Öppna en ny textfil (.txt) och använd tabbavgränsning i filen. Avsluta varje rad i textfilen med två tabbavgränsade nollor.
- På den första raden definierar du initiala tidsvärden och LED-värden (position). I den andra raden definierar du sluttid (er) och slutliga LED-positionsvärden. Spara filen stimulus_name.vei i katalogen och upprepa dessa steg för alla stimuli.
- När du är klar sparar du alla stimulansfiler i stimulansbiblioteket array_config.txt.
- Se till att den första raden i array_config.txt-filen är kommunikationsporten (COM) som VisualEyes använder för att kommunicera med den flexibla visuella stimulatorn med standardingångsvärdet COM1; Den andra raden är överföringshastigheten med standardingångsvärdet 9 600. Den tredje raden är databitkapaciteten med standardinmatningsvärdet som 8 bitar; och den fjärde raden är dataparitetsindexet med standardindatavärdet som 0. De efterföljande raderna i filen innehåller stimulansfilen för den flexibla visuella stimulatorn (figur 6).
- Kontrollera profilnumret, som visas i figur 6; Detta hänvisar till motsvarande radindex för ett givet stimulusfilnamn, som börjar vid index noll.
Figur 6: Stimulansbibliotek. Med hjälp av textredigeringsprogram ger formatet som visas för att identifiera portkommunikation, överföringshastighet, datastorlek och paritet, samt biblioteket med stimulansfiler (.vei), VE2020 de konfigurationer och stimulusfilnamn som krävs för att kunna köras. Klicka här för att se en större version av denna figur.
7. Skapa skript för experimentella protokoll
- Öppna en ny textfil (.txt) för att skripta experimentprotokollkommandona för VE2020 för att läsa och köra. Kontrollera rätt syntax för experimentprotokollkommandon och dokumentation. Tabell 3 ger en översikt över syntaxkonventionerna för VE2020.
VE2020 läser dessa kommandon sekventiellt. - Spara textfilen i katalogen som ett VisualEyes-skript (VES), till exempel script_name.ves. Från den tidigare VisualEyes-versionsmanualen11, leta efter en tabell över programvarufunktioner som har in- och utmatningsfunktioner. Tabell 3 visar tre nyligen implementerade uppdaterade funktioner.
Tabell 3: Syntax för funktionen VE2020. VE2020 har specifik syntax, vilket visas i tabellen för anrop av inbäddade funktioner och kommentarer. Klicka här för att ladda ner denna tabell.
8. Förberedelse av deltagare och initiering av experiment
- Inhämtande av samtycke och behörighet
- Använd följande allmänna deltagarbehörighetskriterier: i åldern 18-35 år, 20/25 (eller högre) korrigerad monokulär synskärpa, stereoskärpa på 500 s (eller bättre) båge och 2 veckor (eller mer) med korrekt brytningskorrigering.
- Använd följande kriterier för deltagande i konvergensinsufficiens (CI) enligt etablerad praxis12: Convergence Insufficiency Symptom Survey (CISS)13 poäng på 21 eller högre, misslyckande med Sheards kriterium14, 6 cm (eller större, vid paus) nära konvergenspunkt (NPC) och 4Δ (eller större) exodeviation (nära jämfört med långt).
- Använd följande behörighetskriterier för kontrolldeltagare: CISS -poäng mindre än 21, mindre än 6 Δ skillnad mellan nära och långt fori, mindre än 6 cm (vid paus) NPC, godkännande av Sheards kriterium och tillräcklig minsta amplitud för boende enligt definitionen i Hofstetters formel15.
- Använd följande allmänna deltagarkriterier: konstant strabismus, tidigare strabism eller brytningskirurgi, vilande eller manifesterad nystagmus, encefalopati, sjukdomar som försämrar tillmötesgående, vergens eller okulär motilitet, 2Δ (eller högre) vertikal heterofori och oförmåga att utföra eller förstå studierelaterade tester. CI-obehörighetskriterierna inkluderar vidare deltagare med mindre än 5 dioptrier tillmötesgående svar via Donders push-up-metod16.
- När informerat samtycke har erhållits, rikta deltagaren att sitta i haploskopet.
- Placera deltagarens panna och haka mot ett fast nackstöd för att minimera huvudrörelsen och justera deltagarens stolhöjd så att deltagarens nacke är i en bekväm position under hela experimentets varaktighet.
- Justera ögonrörelseinspelningskameran för att säkerställa att deltagarens ögon fångas inom kamerans synfält.
- Efter att ha satt sig ordentligt i haploskopet och eyetracker / autorefraktor, be deltagaren att visuellt fixera på ett visuellt presenterat mål. Under denna inställning, se till att deltagarens ögon är centrerade så att visuella mål presenteras på mittsagittalplanet.
- Uppnå ögoncentrering genom att ha mål med hög skärpa presenterade kikare vid den visuella mittlinjen. Deltagaren är inriktad på den visuella mittlinjen när fysiologisk diplopi (dubbelseende) uppträder centrerad kring fixeringsmålet.
- Justera sedan ögonspårningsgrinden och ögonspårningssignalvinsterna för att fånga anatomiska egenskaper som limbus (gränsen mellan iris och sclera), pupill och hornhinnereflektion.
- Validera insamlingen av ögonrörelsedata genom att be deltagaren att utföra upprepade vergens- och / eller saccadiska rörelser.
- Efter den preliminära valideringen och kalibreringen av den fysiska bildskärmen öppnar du ReadScript.vi. När ReadScript.vi har öppnats väljer du experimentprotokollskriptet genom att skriva in filnamnet i det övre vänstra hörnet. Kör protokollet via ReadScript.vi genom att trycka på den vita pilen i det övre vänstra hörnet för att utföra Acquire.vi.
- Ge deltagaren en handhållen triggerknapp och förklara att när avtryckaren trycks in kommer datainsamlingen att påbörjas. En fil visas automatiskt på kontrollmonitorskärmen, Acquire.vi, som ritar en förhandsgranskning av inspelade ögonrörelsedata. När experimentprotokollet är klart stoppas ReadScript.vi automatiskt och datautdatafiler genereras och lagras automatiskt.
9. VNEL ögonrörelseanalysprogram (VEMAP)
- Förbehandling av data
- Börja analysen genom att välja knappen Förbearbeta data . Ett filutforskarfönster visas. Välj en eller flera inspelade datafiler från VE2020 för förbehandling.
- Filtrera data med ett 20-ordningens Butterworth-filter: 40 Hz för vergensögonrörelser och 120 Hz eller 250Hz för saccadic ögonrörelser. De färdiga förbehandlade datafilerna lagras i mappen VEMAP Preprocessed som .mat-filer.
OBS: Filtreringsfrekvensen för VEMAP kan justeras till användarens föredragna avstängningsfrekvens, beroende på applikationen.
- Kalibrering
- Genom att använda de tre stimulerade monokulära kalibreringsrörelserna för vänster respektive höger ögonposition som framkallas från VE2020-skriptet skapas en linjär regression av ögonrörelsestimuli i grader som en funktion av de registrerade spänningsvärdena. Som visas i de nedre diagrammen i figur 7, använd respektive Pearson-korrelationskoefficienter och regressionsformler för kvantitativ bedömning av anpassningen.
- Använd lutningen för varje regression som respektive monokulär kalibreringsförstärkning för att konvertera de registrerade (råa) spänningarna till grader (kalibrerade).
- Identifiera från de experimentella kalibreringarna ett lämpligt förstärkningsvärde för vänster och höger ögonrörelserespons. Applicera kalibreringsförstärkningen konsekvent på varje inspelad ögonrörelsestimulanssektion. Efter kalibreringen av alla rörelseunderavsnitt visas ett bekräftelsefönster.
OBS: Monokulära ögonrörelsekalibreringar väljs på grund av den potentiella oförmågan hos patienter med konvergensinsufficiens, den primära okulära motoriska dysfunktionen som undersökts av vårt laboratorium, att uppfatta en binokulär kalibrering som en enda percept. Om de inspelade kalibreringssignalerna är mättade eller inte linjärt korrelerade (på grund av att de inte deltar i stimulansen, blinkande, sackadiska rörelser, ögonrivning eller stängning av ögonen), applicera sedan standardiserade kalibreringsvinster för vänster och höger ögonrörelsesvar. Detta bör göras sparsamt, och dessa kalibreringsförstärkningsvärden bör härledas från stora gruppnivåmedelvärden för tidigare deltagare för vänster respektive höger ögonrörelserespons.
- Klassificering
- Efter kalibreringen, inspektera varje ögonrörelserespons manuellt och kategorisera med hjälp av en mängd olika klassificeringsetiketter, såsom blinkning vid övergående, symmetrisk, asymmetrisk, fusionsförlust, ingen rörelse (inget svar) och mättad ögonrörelse.
- Kontrollera figur 8 för referens. Det övre diagrammet (positionsdata) är svaret från en 4° symmetrisk vergensstegstimulus. Den kombinerade konvergensrörelsen visas i grönt, den högra ögonrörelsen visas i rött. och vänster ögonrörelse visas i blått. Versionsspårningen visas i svart. Det nedre diagrammet visar den första derivathastigheten för ögonrörelsens positionsrespons, med samma färgmönster som beskrivits ovan.
- Analys av data
- Utför det sista steget i VEMAP-bearbetningsdataflödet för dataanalys, som är tillgängligt i VEMAP-användargränssnittet (UI) som en knapp och förhandsgranskas i figur 9. Plotta ögonrörelserna inom en viss stimulanstyp och klassificeringsetikett tillsammans som ett ensemblediagram, som visas på höger sida av figur 9.
- Analysera selektivt delmängderna av ögonrörelser via deras klassificeringsetiketter eller holistiskt utan några tillämpade klassificeringsfilter via knappen Välj klasser.
- Kontrollera att de primära mätvärdena för ögonrörelser motsvarar varje registrerad ögonrörelse, såsom latens, topphastighet, responsamplitud och slutlig amplitud.
- Kontrollera varje ögonrörelsesvar för att säkerställa att varje registrerat mått är giltigt. Om ett mått inte verkar lämpligt mäter du om de registrerade mätvärdena tills lämpliga värden korrekt återspeglar varje rörelse. Utelämna dessutom ögonrörelser eller omklassificera sina angivna klassificeringsetiketter via knappen Omklassificera om de registrerade mätvärdena inte kan beskriva den registrerade ögonrörelsen på ett adekvat sätt.
Figur 7: Monokulär kalibrering och korrelationslutningar. Ett exempel på kalibrering av ögonrörelsedata från spänningsvärden till rotationsgrader. Klicka här för att se en större version av denna figur.
Figur 8: Klassificering av programvara för ögonrörelser. Klassificering av de stimulerade ögonrörelsesvaren. Klicka här för att se en större version av denna figur.
Figur 9: Programvaruanalys för ögonrörelserespons. Ett exempel på plottade konvergenssvar stimulerade av en symmetrisk stegförändring på 4° (höger), med individuella mätvärden för ögonrörelserespons som presenteras tabulart (vänster) och statistik på gruppnivå visas tabellvis under responsmåtten. Klicka här för att se en större version av denna figur.
10. Program för tillmötesgående rörelseanalys (AMAP)
- Konfiguration av data
- Använd den externa lagringsenheten som innehåller autorefraktordata och exportera data till en enhet med AMAP installerat. AMAP är tillgänglig som en fristående körbar såväl som en lokal applikation via MATLAB-applikationsinstallationen.
- Starta AMAP-programmet. Från AMAP väljer du antingen File Preprocessor eller Batch Preprocessor. Filförbehandlaren bearbetar en enskild datamapp, medan batchförprocessorn bearbetar en vald datamappkatalog.
- Kontrollera AMAP: s förloppsindikator och meddelanden, eftersom systemet tillhandahåller dessa när valda data har förbehandlats. Mappkataloger genereras från AMAP: s förbehandling för databehandling, transparens och tillgänglighet via datorns lokala enhet under AMAP_Output.
- Om en IMAP-funktion väljs utan föregående databehandling kontrollerar du om det finns ett filutforskarfönster som visas där användaren kan välja en datakatalog.
- Utför AMAP-dataanalysen enligt beskrivningen nedan.
- Efter förbehandlingen väljer du en datafil som ska analyseras via knappen Ladda data . Detta laddar alla tillgängliga filer till den aktuella filkatalogen som standard till en genererad AMAP_Output mapp. Det valda datafilnamnet visas i det aktuella filfältet.
- Under ögonväljaren kontrollerar du standardvalet, som presenterar kikarmedelvärdesdata för den registrerade ackommoderande brytningen.
- Växla datatyp mellan ackommoderande brytning och oculomotorisk vergens (blick) via typväljaren. Kontrollera ytterligare grafiska anpassningar som är tillgängliga för att presentera datamått och första ordningens och andra ordningens karakteriseringar. Kontrollera bild 10 för de kombinationer av grafiska alternativ som kan väljas för operatören att visualisera.
- Kontrollera standardmåtten för AMAP, som är följande: topphastighet (grader / s); svaramplitud (grader); slutlig amplitud (grader); Svarets startindex. topphastighetsindex (s); svarsslutindex (er); blick (vergens) hastighet (grader / s); blickresponsamplitud (grader); blickens slutliga amplitud (grader); blickrespons startindex (er); blickhastighetsindex (s); blickrespons slutindex (s); och klassificering (binär 0 - dålig, 1 - bra).
- Utför ändringar av svarets startindex, svarets slutindex och topphastighetsindex genom de metriska modifieringsspinnarna (figur 10).
- Efter analysen av alla registrerade rörelser som visas, spara de analyserade mätvärdena för varje datafil i rörelse-ID-fältet eller via navigeringspilarna åt vänster och höger.
- Välj knappen Spara för att exportera analyserade data till ett kalkylblad som är anpassat för personer med funktionshinder. Oanalyserade rörelser har standardklassificeringen not-a-number (NaN) och sparas eller exporteras inte.
- Utför manuell klassificering (bra/dålig) för varje rörelse för att säkerställa fullständig analys av alla operatörer.
Bild 10: AMAP-programvarans gränssnitt. Figuren visar huvudanvändargränssnittet för AMAP med markerade avsnitt för grafisk presentation (grafiska alternativ) av data och dataanalys (metriska modifieringar). Klicka här för att se en större version av denna figur.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Ensemblediagram på gruppnivå av stimulerade ögonrörelser som framkallas av VE2020 visas i figur 11 med motsvarande första ordningens hastighetsegenskaper.
Figur 11: Ensembler för ögonrörelserespons. Ensemblediagrammen för vergenssteg (vänster) och sackader (höger) stimulerade med VE2020 visas. Varje spår av ögonrörelseposition (grader) ritas som en unikt färgad linje och överlagras med hastighetsresponsen på gruppnivå i rött. Klicka här för att se en större version av denna figur.
De exporterade funktionerna från AMAP gör det möjligt att visualisera rörelsediagram (ensembler) på deltagarnivå och gruppnivå (ensembler) och motsvarande mätvärden (export) i ett tillgängligt kalkylblad (tabell 4). De exporterade datatabellerna ger en kvantitativ översikt över deltagarnas prestationer och kan fastställa kriterier för borttagning av avvikande värden.
Tabell 4: Export av AMAP-programvaruanalys. Ett exempel på AMAP-exportfunktionen, där individuella ögonrörelsesvar exporteras radvis med motsvarande ämnes- och rörelsetypidentifiering. Klicka här för att ladda ner denna tabell.
Visualiseringen av deltagarnas prestationer kan också åstadkommas inom AMAP, som visas i figur 12, som visar en ensemble av 5 ° konvergerande svar och motsvarande 1,5 dioptri-ackommoderande svar som är resultatet av databehandling.
Figur 12: Tillmötesgående rörelseresponsensembler. Figuren visar AMAP-ensemblefunktionen, som skapar överlagringar av varje enskilt rörelseresponsspår (grått) och det genomsnittliga svaret (grönt). Klicka här för att se en större version av denna figur.
Figur 11 och figur 12 visar framgångsrik stimulering och registrering av både vergens och saccadic ögonrörelser samt ackommoderande svar. Förutsatt att kalibreringsprocedurerna från VEMAP ger de förväntade målen på 4° vergens och 5° saccadic targets, visar figur 11 att för en kikare normal deltagare som genomgår dessa visuella uppgifter uppfylls den förväntade stimuleringen. För ackommoderande svar som behandlas inom AMAP visar figur 12 ett ungefärligt ackommoderande svar på 1 dioptrier med ett tillgodoseende behov på 1,5 dioptrier, vilket överensstämmer med variationen hos autorefraktorsystem för varierande deltagardemografi17. Dessa resultat kan kalibreras ytterligare, med hjälp av en konstant förstärkning, enligt statistik på gruppnivå för olika experimentella deltagargrupper med exportfunktionen som ses i tabell 4. Därför kan etableringen och den framgångsrika implementeringen av VE2020, VEMAP och AMAP ge en kvantitativ förståelse för skillnaderna i stimulerade ögonrörelser och ackommoderande responsmått.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Tillämpningar av metoden i forskning
Innovationer från den ursprungliga programvaran VisualEyes2020 (VE2020) inkluderar VE2020:s expansibility att projicera på flera monitorer med en eller flera visuella stimuli, vilket gör det möjligt att undersöka vetenskapliga frågor som sträcker sig från kvantifiering av Maddox-komponenterna i vergence18 till påverkan av distraherande mål på instruerade mål19. Expansionen av haploskopsystemet till VE2020 tillsammans med den kompletterande utvecklingen av VEMAP och AMAP ger en fristående stimulans- och analysplattform som är kompatibel med för närvarande tillgänglig utrustning för ögonrörelser och boende. Efter det framgångsrika skapandet av stimulansrutinen för VE2020 och efterföljande registrering gör omvandlingen av råa ögonrörelsepositioner och ackommodationsdata till meningsfulla och analyserbara delmängder av data det möjligt för forskare med nödvändiga icke-invasiva verktyg att holistiskt undersöka vanliga och underliggande syndysfunktioner, såsom typiskt förekommande eller mild traumatisk hjärnskadeinducerad dysfunktion och konvergensinsufficiens, vilket kan jämföras med funktion hos kikarnormala kontrolldeltagare 1,2,13,20. Att tillhandahålla ögonrörelseanalys med motsvarande ackommoderande svar ökar den vetenskapliga förståelsen av de okända samspelen mellan vergensen och ackommoderande system hos både friska deltagare och de med oculomotorisk dysfunktion21.
Som visats, med VE2020, VEMAP och AMAP gemensamt konfigurerade, kan de underliggande neurala kontrollmekanismerna vid dysfunktion bättre förstås22,23. Genom VE2020:s repeterbara visuella stimulering kan latenta neurologiska dysfunktioner som kan ha tidiga biomarkörer uttryckta genom onormala ackommoderande, vergens- eller versionssvar nu utvärderas kvantitativt av AMAP och VEMAP. Att förena den ackommoderande responsanalysen med kopplade ögonrörelseinspelningar från tidigare isolerade synexperiment hjälper studier att få mer fullständiga och kvantifierbara analysresultat. Objektiva metoder för analys och stimulering ger möjlighet att jämföra effekten av nuvarande vårdstandarder och deras terapeutiska resultat24,25. Dessa kvantifieringar, i kombination med subjektiv deltagarsymptomundersökning, kan hjälpa till att identifiera personliga åtgärdsstrategier som förbättrar resultaten. Genom att utvärdera dessa huvudkomponenter som kan framkalla symtom kan dessutom tidiga metoder för att upptäcka skada26 och allvarlighetsbedömningar etableras med ökad effekt.
Kritiska steg i protokollet
Ögonrörelser mäts vanligtvis av ögats rotationsstorlek i grader. Som framgår av figur 5 kräver den trigonometriska omvandlingen av en stimulans translationella rörelse till grader ett känt interpupillärt avstånd (IPD) och uppmätt avstånd till målet. Att använda kända medelvärden för IPD kan ge en generaliserad approximation för skriptning av VE2020-stimulanssekvenserna; Dessa är dock beroende av korrekta kalibreringar. Teckenkonventioner för rörelseriktningen kan ändras; Detta kommer dock att ändra tillämpningen av förstärkningsvärden för VEMAP. VEMAP: s nuvarande rörelsekonventioner är följande för saccadiska rörelser: höger är positiv och vänster är negativ. Dessutom, för vergensrörelser är konvergens (inåtrotation) positiv och divergens (utåtrotation) är negativ.
Som framgår av figur 7 placerades stimulansmålen vid 1 °, 3 ° och 5 °, vilket representerar en inåtgående monokulär vinkelrotation från optisk oändlighet. Det nedre vänstra diagrammet visar en trepunkts linjär regression för positionsdata för vänster öga, där för en 5 ° stimulans var den genomsnittliga registrerade spänningen −1 V, för en 3 ° stimulans var den genomsnittliga registrerade spänningen cirka 0,4 V och för en 1 ° stimulans var den genomsnittliga registrerade spänningen cirka 1,25 V. På samma sätt, för den högra ögonpositionen i det nedre högra diagrammet, hade en 1 ° stimulans en motsvarande spänning på −1,25 V, en 3 ° stimulans hade en genomsnittlig spänning på cirka 0 V och en 5 ° stimulans hade en genomsnittlig spänning på 1,1 V.
Begränsningar av metoden
De nuvarande begränsningarna för metoden inkluderar standardiserad utmatning av autorefraktor- och eye tracker-data, eftersom AMAP och VEMAP är programmerade för att bearbeta dessa dataformat. En annan begränsning inkluderar det faktum att om experimentet inte är engagerande kan deltagarna ofta blinka (stänga) ögonen, vilket leder till dålig datainspelningskvalitet. Medan andra oculomotoriska dysfunktioner som strabismus, amblyopi, nystagmus och suppression kan utnyttja VE2020, VEMAP och AMAP, skulle modifieringar behöva implementeras för var och en av dessa specifika oculomotoriska dysfunktioner.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har inga intressekonflikter att deklarera.
Acknowledgments
Denna forskning stöddes av National Institutes of Health-bidrag R01EY023261 till TLA och ett Barry Goldwater-stipendium och NJIT Provost Doctoral Award till SNF
Materials
| Name | Company | Catalog Number | Comments |
| Analog Terminal Breakout Box | National Instruments | 2090A | |
| Convex-Sphere Trial Lens Set | Reichert | Portable Precision Lenses | Utilized for autorefractor calibration |
| Graphics Cards | - | - | Minimum performance requirement of GTX980 in SLI configuration |
| ISCAN Eye Tracker | ISCAN | ETL200 | |
| MATLAB | MathWorks | v2022a | AMAP software rquirement |
| MATLAB | MathWorks | v2015a | VEMAP software requirement |
| Microsoft Windows 10 | Microsoft | Windows 10 | Required OS for VE2020 |
| Plusoptix PowerRef3 Autorefractor | Plusoptix | PowerRef3 | |
| Stimuli Monitors (Quantity: 4+) | Dell | Resolution 1920x1080 | Note all monitors should be the same model and brand to avoid resolution differences as well as physical configurations |
References
- Alvarez, T. L., et al. Disparity vergence differences between typically occurring and concussion-related convergence insufficiency pediatric patients. Vision Research. 185, 58-67 (2021).
- Alvarez, T. L., et al. Underlying neurological mechanisms associated with symptomatic convergence insufficiency. Scientific Reports. 11, 6545 (2021).
- Scheiman, M., Kulp, M. T., Cotter, S. A., Lawrenson, J. G., Wang, L., Li, T. Interventions for convergence insufficiency: A network meta-analysis. The Cochrane Database of Systematic Reviews. 12 (12), (2020).
- Semmlow, J. L., Chen, Y. F., Granger-Donnetti, B., Alvarez, T. L. Correction of saccade-induced midline errors in responses to pure disparity vergence stimuli. Journal of Eye Movement Research. 2 (5), (2009).
- Scheiman, M., Wick, B. Clinical Management of Binocular Vision., 5th Edition. , Lippincott Williams & Wilkins. Philadelphia, USA. (2019).
- Kim, E. H., Vicci, V. R., Granger-Donetti, B., Alvarez, T. L. Short-term adaptations of the dynamic disparity vergence and phoria systems. Experimental Brain Research. 212 (2), 267-278 (2011).
- Labhishetty, V., Bobier, W. R., Lakshminarayanan, V. Is 25Hz enough to accurately measure a dynamic change in the ocular accommodation. Journal of Optometry. 12 (1), 22-29 (2019).
- Juhola, M., et al. Detection of saccadic eye movements using a non-recursive adaptive digital filter. Computer Methods and Programs in Biomedicine. 21 (2), 81-88 (1985).
- Mack, D. J., Belfanti, S., Schwarz, U. The effect of sampling rate and lowpass filters on saccades - A modeling approach. Behavior Research Methods. 49 (6), 2146-2162 (2017).
- Ghahghaei, S., Reed, O., Candy, T. R., Chandna, A. Calibration of the PlusOptix PowerRef 3 with change in viewing distance, adult age and refractive error. Ophthalmic & Physiological Optics. 39 (4), 253-259 (2019).
- Guo, Y., Kim, E. L., Alvarez, T. L. VisualEyes: A modular software system for oculomotor experimentation. Journal of Visualized Experiments. (49), e2530 (2011).
- Convergence Insufficiency Treatment Trial Study Group. Randomized clinical trial of treatments for symptomatic convergence insufficiency in children. Archives of Ophthalmology. 126 (10), 1336-1349 (2008).
- Borsting, E., et al. Association of symptoms and convergence and accommodative insufficiency in school-age children. Optometry. 74 (1), 25-34 (2003).
- Sheard, C.
- Hofstetter, H. W. A longitudinal study of amplitude changes in presbyopia. American Journal of Optometry and Archives of American Academy of Optometry. 42, 3-8 (1965).
- Donders, F. C. On the Anomalies of Accommodation and Refraction of the Eye. , Milford House Inc. Boston, MA. translated by Moore, W. D (1972).
- Sravani, N. G., Nilagiri, V. K., Bharadwaj, S. R. Photorefraction estimates of refractive power varies with the ethnic origin of human eyes. Scientific Reports. 5, 7976 (2015).
- Maddox, E. E. The Clinical Use of Prisms and the Decentering of Lenses. , John Wright and Co. London, UK. (1893).
- Yaramothu, C., Santos, E. M., Alvarez, T. L. Effects of visual distractors on vergence eye movements. Journal of Vision. 18 (6), 2 (2018).
- Borsting, E., Rouse, M. W., De Land, P. N. Prospective comparison of convergence insufficiency and normal binocular children on CIRS symptom surveys. Convergence Insufficiency and Reading Study (CIRS) group. Optometry and Vision Science. 76 (4), 221-228 (1999).
- Maxwell, J., Tong, J., Schor, C. The first and second order dynamics of accommodative convergence and disparity convergence. Vision Research. 50 (17), 1728-1739 (2010).
- Alvarez, T. L., et al. The Convergence Insufficiency Neuro-mechanism in Adult Population Study (CINAPS) randomized clinical trial: Design, methods, and clinical data. Ophthalmic Epidemiology. 27 (1), 52-72 (2020).
- Leigh, R. J., Zee, D. S. The Neurology of Eye Movements. , Oxford Academic Press. Oxford, UK. (2015).
- Alvarez, T. L., et al. Clinical and functional imaging changes induced from vision therapy in patients with convergence insufficiency. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2019, 104-109 (2019).
- Scheiman, M. M., Talasan, H., Mitchell, G. L., Alvarez, T. L. Objective assessment of vergence after treatment of concussion-related CI: A pilot study. Optometry and Vision Science. 94 (1), 74-88 (2017).
- Yaramothu, C., Greenspan, L. D., Scheiman, M., Alvarez, T. L. Vergence endurance test: A pilot study for a concussion biomarker. Journal of Neurotrauma. 36 (14), 2200-2212 (2019).
