方法在线测试视觉注意
February 19th, 2015
为了复制实验室设置，视觉任务的在线数据收集方法需要严格控制刺激的呈现。我们概述了使用 Web 应用程序收集两项视觉注意力测试的性能数据的方法。
该程序的总体目标是通过在线 Web 应用程序简化视觉注意力任务的数据收集。这是通过首先让参与者登录到 Web 应用程序来完成的。接下来，指导参与者校准他们的屏幕以正确呈现刺激。
然后，参与者阅读任务说明并完成练习试验。最后，在参与者完成完整任务时从参与者那里收集数据。最终，用于视觉任务的在线数据收集方法显示出与传统的基于实验室的方法一致的结果。
与现有方法相比，这种技术的主要优点是可以在相对较短的时间内从更大、更多样化的人群中收集数据。演示此程序的是实验室的技术人员 Olga P equal。首先，让参与者坐在一个安静的房间里，不受干扰，并在舒适的高度使用一台支持互联网的计算机。
指示参与者导航到此处显示的 Web 应用程序。使用兼容 HTML 5 的浏览器，让参与者输入一个唯一 ID，该 ID 将与收集并存储在 my SQL 数据库中的数据相关联。登录前，请通过页面上链接的同意书获得参与者的同意。
要校准屏幕，请让参与者在标记的文本框中输入屏幕的对角线大小（以英寸为单位）。如果参与者不知道此信息，请让他们找到一张 CD 或信用卡作为校准对象。选择一个对象后，提示参与者将对象靠在屏幕上，并将其与屏幕上显示的对象的代表性图像对齐。
提示参与者根据物理 CD 或信用卡的测量值以及代表性图像的像素大小调整屏幕图像的大小，以匹配物理对象的大小。确定屏幕的对角线大小（以英寸为单位）。让参与者通过对话框确认此值。
接下来，提示参与者调整屏幕亮度设置，直到屏幕上显示的黑白渐变中的所有 12 个频段都清晰可辨。让参与者以舒适的姿势坐在距离显示器一臂远的位置，然后将浏览器窗口设置为全屏模式。浏览器窗口必须处于全屏模式，以最大限度地利用任务使用的视觉空间，并消除任何视觉干扰，例如浏览器工具栏和桌面任务栏。
使用此 URL 上的自我指导多对象跟踪或 MOT 教程，要求参与者阅读演示试验如何运作的分步说明。一旦参与者完成阅读说明，提示参与者进行练习试验，将练习刺激设置为由 0.8 度的八个点组成，移动速度为每秒 2 度。使用 HTML 五请求动画帧 API 以 60 赫兹的帧速率优化浏览器动画，以控制此刺激运动。
接下来，提示参与者跟踪蓝色点，其中黄色点充当干扰项。两秒钟后，将蓝色圆点更改为黄圆点，并继续在原始黄点之间移动它们四秒钟。在每个试用结束时，停止点并突出显示一个点。
提示参与者通过按键进行响应，无论高亮显示的点是跟踪点还是干扰点。在连续 3 次正确试验或最多 6 次试验后，将参与者移至完整任务。要为参与者启动完整的 MOT 任务，请将其设置为 16 个以每秒 5 度移动的点。
在 2 度偏心率和 10 度偏心率之间的空间内，让参与者完成总共 45 次试验，其中 5 次试验由 1 个跟踪点组成，10 个试验由 2 到 5 个跟踪点组成。使用此处的教程，要求参与者完成四个阶段的分步说明，这些说明演示了在有用的视野或 UFOV 任务集中必须注意的两个目标刺激。中心目标刺激是一个 1 度的笑脸，在屏幕中央闪烁，有长发或短发。
在试验中随机化笑脸的头发长度，将外围目标刺激设置为一颗 1 度的星星，该星星在圆圈周围的八个位置之一以 4 度的偏心率闪烁。在试验中随机化星星的位置。仅适用于第一阶段。
显示中心目标，然后提示参与者通过按键做出响应，该头发长度仅在第二阶段显示。显示外围目标，然后提示参与者单击代表八个可能目标位置的八条无线电线中的一条，以指示星星出现的位置。对于第三阶段，显示中央和外围目标刺激，然后提示参与者对笑脸类型和星星位置做出响应。
对于第四阶段，除了外周干扰物外，还显示两个目标刺激，然后提示参与者对两个目标刺激做出反应。对于干扰项显示，除了另外 8 个偏心率为 2 度的方格外，其余 7 个位置以 4 度偏心率呈现 1 度方格。在参与者响应后，向参与者显示每个目标响应的反馈 每次试验后，在连续获得三个正确的试验后，将参与者移至下一个练习阶段。
在第四阶段之后，提示参与者开始完整的 UFOV 任务。提供与练习时相同的中央刺激。在前面提到的 8 个位置之一以 7 度的偏心率显示外围目标。
24 个干扰方格也显示在 3 度偏心率、5 度偏心率和其余 7 度偏心位置。使用三下一升楼梯程序来确定刺激的呈现时间，在连续三次正确试验后减少刺激的持续时间，并在每次错误试验和任务后增加刺激的持续时间。当满足三个条件之一时，阶梯过程将达到 8 次反转。
参与者以 99 帧的上限持续时间或 1 帧的下限持续时间完成 10 次连续试验，或者参与者达到最多 72 次试验。来自 1， 744 名在线参与者的数据用于 MOT 分析。通过计算每组的平均准确性来衡量 MOT 性能。
尺寸准确度范围从套装尺寸 1 的 0.4 到 1.0 到套装尺寸 5 的 0.1 到 1.0，平均准确度范围从套装尺寸 1 的 0.99 到套装尺寸 5 的 0.71。套装大小 1 和 5 的准确率中位数分数分别在 1.0 到 0.70 之间。准确性随着集合大小的增加而降低，这表明 UFOV 任务具有典型的 MOT 效应。
分析了来自 1， 747 名在线参与者的数据。通过对最后五次试验的呈现时间进行平均来计算性能，以获得检测阈值，该阈值反映了参与者可以以大约 79% 的准确率检测外周靶标的最短呈现持续时间。平均 UFOV 阈值为 64.7 毫秒，分数范围为 17 毫秒至 315 毫秒，中位阈值为 45 毫秒。
阈值分布呈正偏态，偏度为 1.92，峰度为 3.93。结果与以前的工作一致。观看此视频后，您应该对如何按照此过程将多个对象跟踪和有用的视野实验开发为 Web 应用程序有很好的了解。
其他具有精确视觉刺激呈现的方法也可以适用于在线环境。然后可以从更普遍的代表性人群或难以带入实验室的特定个体亚型中收集数据。感谢观看。
View the full transcript and gain access to thousands of scientific videos
概览
本文概述了使用网络应用程序在视觉注意任务中进行在线数据收集的方法。它强调了屏幕校准和任务说明对于准确刺激呈现的重要性。
关键研究组成部分
科学领域
- 神经科学
- 行为科学
- 数据收集方法
背景
- 传统的实验室视觉任务方法需要受控环境。
- 在线方法可以简化数据收集。
- 在线和实验室结果之间的一致性至关重要。
- 屏幕校准对于准确的刺激呈现至关重要。
研究目的
- 简化视觉注意任务的数据收集。
- 评估在线数据收集方法的有效性。
- 确保收集到可靠的性能数据。
使用的方法
- 参与者登录网络应用程序。
- 进行屏幕校准以准确显示刺激。
- 参与者阅读任务说明并完成练习试验。
- 在完成完整任务时收集数据。
主要结果
- 在线数据收集方法产生一致的结果。
- 参与者在校准后成功完成任务。
- 性能数据与传统实验室方法一致。
- 网络应用程序可以有效地促进视觉注意研究。
结论
- 在线方法是传统数据收集的可行替代方案。
- 适当的校准和说明提高了数据质量。
- 未来的研究可以从这些精简的方法中受益。
常见问题
Executive Industry Relevance
Online behavioral testing enables scalable, representative data collection for visual attention assays, addressing a key bottleneck in target validation and phenotypic screening. By ensuring stimulus timing and size fidelity through web-based calibration, the method supports mechanistic de-risking of neural pathways involved in attention and perception. This approach expands access to diverse participant pools, improving predictive confidence in early discovery while reducing reliance on constrained laboratory recruitment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses related to visual processing and attentional networks in human participants.
- Operational Value: Supports biological de-risking by quantifying target engagement through standardized visual attention performance metrics.
- Predictive Value: Provides quantitative, reproducible readouts that aid in portfolio triage of CNS-targeted compounds affecting sensory or cognitive function.
Screening & Assay Development
- Assay Readiness: Delivers calibrated, stimulus-controlled visual attention tasks suitable for high-throughput online screening of compound effects on perception.
- Quantitative Output: Generates measurable endpoints such as multiple object tracking accuracy and useful field of view thresholds for dose-response modeling.
- Scalability: Enables deployment across large, diverse cohorts, improving statistical power and reducing variability in behavioral phenotyping.
Translational & Preclinical Research
- Translational Continuity: Bridges in vitro or rodent models to human-relevant visual attention phenotypes, supporting cross-species validation.
- Mechanistic De-risking: Isolates specific cognitive functions (e.g., tracking, peripheral detection) to clarify drug effects on neural circuits.
- Risk-Adjusted Advancement: Supports go/no-go decisions by detecting subtle attentional impairments early in the discovery pipeline.
Pipeline & Workflow Integration
The method fits within the discovery continuum from target validation through lead identification, particularly for compounds modulating attention, arousal, or sensory processing.
- Discovery Biology: Facilitates hypothesis testing of neural targets involved in visual attention by providing quantifiable behavioral phenotypes in human subjects.
- Screening: Delivers reproducible, web-administered assays with controlled stimulus timing and size, enabling reliable compound screening.
- Analytics: Produces continuous, threshold-based measurements (e.g., UFOV detection time, MOT accuracy) that support statistical comparison across conditions.
- Translational Research: Aligns with preclinical models of attention by capturing homologous human visual attention behaviors.
- Enterprise Reuse: Establishes a scalable, standardized platform for repeated use across multiple projects and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence by reducing mechanistic ambiguity in cognitive drug effects through direct human behavioral measurement.
- Operational Value: Ensures standardization and reproducibility via screen calibration protocols and stimulus timing controls.
- Strategic Value: Improves capital efficiency by enabling large-scale data collection without laboratory constraints, accelerating early decision-making.
- Portfolio Impact: Supports risk-adjusted prioritization by identifying attentional liabilities or benefits early, reducing late-stage attrition in CNS programs.
Implementation Considerations
- Requires expertise in behavioral neuroscience and web-based stimulus delivery to ensure proper task design and execution.
- Depends on HTML5-compatible browsers and JavaScript APIs (e.g., requestAnimationFrame) for precise stimulus timing and animation control.
- Necessitates cross-team standardization of calibration procedures (screen size, brightness, viewing distance) to maintain data validity across sites.
- Must account for variability in home environments (lighting, distractions, screen quality) through participant screening and instructional compliance.
- Limited to tasks where stimulus size and timing can be reliably controlled via web technologies; not suitable for sub-millisecond precision requirements.
