Charakterisierung der Beziehung zwischen Augenbewegungsparametern und kognitiven Funktionen bei nicht dementen Parkinson-Patienten mit Eye Tracking

Parkinson-Krankheit ist klassisch eine motorische Störung; doch, die Krankheit ist auch mit kognitiven Defiziten verbunden, und Progression in Demenz ist häufig¹. Die Pathophysiologie der kognitiven Beeinträchtigung bei der Parkinson-Krankheit ist nicht gut verstanden. Es wird angenommen, dass es mit Alpha-Synuclein-Ablagerung im kortikalen Bereich auf der Grundlage von Braaks Inszenierung²verwandt ist. Es wurde auch vorgeschlagen, dass ein duales Syndrom der Degeneration der dopaminergen und des cholinergen Systems führt zu verschiedenen kognitiven Defiziten mit prognostischen Implikation³. Mehr Forschung ist notwendig, um die genauen Mechanismen der kognitiven Beeinträchtigung bei der Parkinson-Krankheit weiter zu klären. Auf dem klinischen Aspekt hat das Vorhandensein von kognitiven Beeinträchtigungen einen signifikanten Einfluss auf die Prognose^4,5. Die Beurteilung der kognitiven Funktion in der klinischen Praxis ist daher von wesentlicher Bedeutung. Eine langwierige kognitive Beurteilung wird jedoch durch die psychischen und motorischen Zustände der Patienten begrenzt. Daher ist eine nichtinvasive und einfache Messung erforderlich, die die Belastung der Krankheit für die kognitive Funktion widerspiegeln kann.

Die Anomalien der Augenbewegung sind weithin beschrieben nachweisbare Anzeichen der Parkinson-Krankheit von ihren frühen Stadien⁶, aber die Pathophysiologie ist noch weniger gut charakterisiert als die der kognitiven Beeinträchtigung. Die Erzeugung von Augenbewegungen erfolgt durch eine Transformation des visuellen sensorischen Eingangs, subserviert durch ein verflochtenes kortikales und subkortikales Netzwerk, in Signale an die okulomotorischen Kerne im Hirnstamm für Effekt⁷. Die Einbeziehung von Parkinson-Krankheit Seuchen in diesen Netzwerken kann zu beobachtbaren Augenbewegungsanomalien führen. Es gibt vielleicht Überschneidungen neuroanatomischer Strukturen, die die Kontrolle der Augenbewegung und kognitivefunktion steuern. Darüber hinaus gab es Studien, die den Zusammenhang zwischen sakkadischer Augenbewegung und kognitiver Funktion bei anderen neurodegenerativen Erkrankungen untersuchen⁸. Aus solchen Gründen lohnt es sich, die Verwendung von Augenbewegungsparametern als Proxy-Marker für kognitive Funktionen bei Parkinson zu untersuchen. Eine Querschnittsstudie⁹ zeigte, dass eine reduzierte sakkadische Amplitude und eine längere Fixierungsdauer mit der Schwere der globalen kognitiven Beeinträchtigung bei der Parkinson-Krankheit verbunden war. Es fehlt jedoch an Daten über die Korrelation zwischen Denkbewegungsparametern und bestimmten kognitiven Domänen. Die Bedeutung und Notwendigkeit der Messung bestimmter kognitiver Domänen, anstatt eines allgemeinen kognitiven Zustands, ist, dass die individuelle kognitive Domäne differenzielle prognostische Informationen bei der Parkinson-Krankheit³ informiert und sie von verschiedenen neuronalen Netzwerken. Ziel dieser Studie ist es, die spezifische Beziehung zwischen Augenbewegungsmetriken und verschiedenen kognitiven Funktionen zu untersuchen. Dies ist der erste Schritt, um eine Grundlage zu schaffen, auf der die Entwicklung von Biomarkern des kognitiven Verfalls bei Parkinson-Krankheit mit Eye-Tracking-Technologie aufgebaut werden könnte.

Das vorgestellte experimentelle Paradigma besteht aus 2 Hauptteilen: der kognitiven Bewertung und der Eye-Tracking-Aufgabe. Die kognitive Bewertung Batterie umfasste eine Reihe von kognitiven Funktionen, einschließlich Aufmerksamkeit und Arbeitsgedächtnis, Exekutive Funktion, Sprache, verbale Speicher und visuospatial Funktion. Die Wahl dieser 5 kognitiven Domänen basiert auf den Richtlinien der Movement Disorder Society Task Force für die leichte kognitive Beeinträchtigung der Parkinson-Krankheit¹⁰, und eine Reihe lokal verfügbarer kognitiver Tests wurden ausgewählt, um die Bewertung zu erstellen. batterie. In einer früheren ähnlichen Eye-Tracking-Studie über Parkinson-Krankheit Kognition erwähnt⁹, extrahierte der Autor die Augenbewegungsparameter, während die Probanden in visuellekognitive Aufgaben beschäftigt waren, wo die Parameter potenziell durch die kognitive Fähigkeiten des Subjekts. Da diese Studie darauf abzielte, die Korrelation zwischen den Parametern der Augenbewegung und verschiedenen kognitiven Domänen zu bewerten, muss die mögliche verwirrende Wirkung kognitiver Fähigkeiten auf die Augenparameter angegangen werden. In diesem Zusammenhang wurde eine visuelle Suchaufgabe, angepasst aus einer anderen Eye-Tracking-Studie zur Alzheimer-Krankheit¹¹, eingesetzt, um die Augenbewegungsparameter der Probanden zu erfassen. Während der Aufgabe mussten die Probanden auf einem Computerbildschirm unter mehreren Alphabet-Ablenkern nach einer einzigen Zahl suchen. Diese Aufgabe würde die alternative Verwendung von sakkadischer Augenbewegung und visueller Fixierung auslösen, deren Anomalien bei der Parkinson-Krankheit weithin beschrieben werden. Die Identifikation und Differenzierung von Zahl und Alphabet ist eine überlernte Aufgabe, bei der die Nachfrage nach kognitiven Funktionen nur minimal ist und daher geeignet wäre, die Forschungsfrage dieser Studie zu beantworten. Ein Computerprogramm wurde auf basis der Spezifikationen und des Designs entwickelt, wie Rösler et al.¹¹erklärten. in ihrer ursprünglichen Studie innerhalb der eingebauten Software unseres Eye Trackers ausgeführt werden. Für diese Studie wurde auch ein interner Algorithmus zur Klassifizierung und Analyse der Eye-Tracking-Daten entwickelt.

Dieses Forschungsprojekt wurde von der Joint Chinese University of Hong Kong-New Territories East Cluster Clinical Research Ethics Committee (CREC Ref.-Nr.: 2015.263) genehmigt.

1. Rekrutierung der Teilnehmer und Basisbewertung

1. Rekrutieren Parkinson-Patienten im Alter von weniger als oder gleich 70 Jahren aus einer Neurologie-Fachklinik mit der Diagnose auf der Grundlage der United Kingdom Parkinson es Disease Society (UKPDS) Brain Bank Diagnostic Criteria¹².
   1. Auszuschließen Patienten mit psychiatrischen Erkrankungen, ophthalmologischen Erkrankungen, die die Augenbewegung beeinträchtigen würden, oder andere neurologische Störungen. Auch, schließen Fälle mit Anticholinergika, wie sie bekannt sind, kognitive Leistungsfähigkeit und Augenbewegung beeinflussen.
2. Rekrutieren Sie gesunde Kontrollen auf 1:1-Basis, abgestimmt auf Geschlecht, Alter und Bildung.
3. Erhalten Sie eine informierte Zustimmung des Antragstellers.
4. Führen Sie ein klinisches diagnostisches Interview mit dem Thema und, falls verfügbar, ihre Verwandten, um Demenz und Bildschirm auf kognitive Beeinträchtigung mit Mini-Mental State Examination (MMSE)¹³ und Montreal Cognitive Assessment (MoCA)¹⁴auszuschließen. Ausschließen von Demenzfällen aus der Studie oder wenn die Werte des Fachs von MMSE oder MoCA <22>
5. Bewerten Sie die Sehschärfe mit einem Snellen-Diagramm. Schließen Sie das Motiv aus, wenn die Sehschärfe kleiner als 20/40 ist.
6. Bewerten Sie den motorischen Schweregrad und die Inszenierung der Parkinson-Krankheit anhand der Unified Parkinson es Disease Rating Scale (UPDRS) Part II & III¹⁵ und Modified Hoehn und Yahr (H&Y) Staging^16. Erhalten Sie auch Informationen über die aktuellen Medikamente, die von der Person eingenommen werden.
7. Bewerten Sie den depressiven Stimmungszustand des Beck Depression Inventory-II (BDI-II)¹⁷.

2. Versuchsaufbau

1. Führen Sie das Experiment in einem ruhigen Raum mit einer ausreichenden Lichtquelle durch.
2. Führen Sie das Experiment für Parkinson-Patienten, wenn sie auf Medikamente mit optimaler motorischer Funktion sind.
3. Bereiten Sie das Setup vor, das aus einem bildschirmbasierten Eyetracker, einem Computer, einer Maus, einer Standardtastatur, einer Kinnauflage und kognitiven Bewertungstools (Tabelle der Materialien) besteht.
4. Verwenden Sie einen Eyetracker mit einer Abtastrate von mindestens 300 Hz.
5. Legen Sie die Kinnauflage 60 cm vor den Eyetracker-Bildschirm.

3. Der Fluss der kognitiven Bewertung und die visuelle Suchaufgabe

1. Führen Sie den chinesischen kategorischen verbalen Fluency Test¹⁸durch. Weisen Sie das Subjekt an, so viele Tiere wie möglich in einer Minute zu benennen. Zeichnen Sie die Anzahl der Antworten und den aussonierenden Fehler auf. Dann wiederholen Sie das gleiche in der Kategorie Obst und Gemüse.
2. Führen Sie den Registrierungsteil (Trial 1, 2 und 3) des Hong Kong List Learning Test (HKLLT)¹⁹ durch, indem Sie eine vordefinierte Wortliste mit 16 Vokabeln vorlesen und das Subjekt anweisen, sich daran zu erinnern. Danach bitten Sie das Subjekt, die Wortliste kostenlos zurückzurufen und die Antwort aufzuzeichnen (Prozess 1).
   1. Wiederholen Sie Schritt 3.2 zweimal für Test version 2 und Trial 3.
3. Warten Sie 10 min und 30 min nach dem Registrierungsteil des HKLLT für den 10 und 30 min Verzögerungsrückruf.
4. Führen Sie vor dem 10 min verzögerten Rückruf des HKLLT den Pattern Recognition Memory (PRM) von Cambridge Neuropsychological Test Automated Battery (CANTAB)²⁰ (Table of Material) durch.
   1. Präsentieren Sie mit dem Tablet-Computer 24 visuelle Muster nacheinander in der Mitte des Bildschirms. Weisen Sie das Subjekt an, sich das Muster zu merken.
   2. Nach der Präsentation, in einem 2-Wahl-Force-Diskriminierungsparadigma, weisen Sie das Subjekt an, das Muster zu wählen, das er/sie erkennen kann.
5. Führen Sie den 10-min-Verzögerungsrückruf von HKLLT durch, indem Sie das Subjekt bitten, die 16-Vokabular-Wortliste kostenlos zurückzurufen.
6. Führen Sie vor dem 30 min verzögerten Rückruf des HKLLT Spatial Span (SSP) von CANTAB²⁰aus aus.
   1. Verwenden Sie den Tablet-Computer, um ein Muster von weißen Feldern anzuzeigen, die sich in der Farbe nacheinander in variablen Sequenzen ändern.
   2. Anschließend weisen Sie das Subjekt an, die Felder in der gleichen Reihenfolge zu berühren, in der sie dargestellt wurden, und die räumliche Spannweite aufzuzeichnen, die das Subjekt erreichen könnte, wenn die Schwierigkeit (Anzahl der Felder ändert sich in Farbe) der Aufgabe zunimmt.
7. Führen Sie den 30 min Verzögerungsrückruf durch, indem Sie das Subjekt bitten, die 16-Vokabular-Wortliste kostenlos zurückzurufen.
   1. Führen Sie den Anerkennungs- und Diskriminierungsteil des HKLLT durch, indem Sie eine weitere vordefinierte Wortliste mit 32 Vokabeln vorlesen, von der die Hälfte der Vokabeln aus der ursprünglichen Wortliste in 3.2 stammt. Weisen Sie das Subjekt an, zu bestimmen, ob jedes ausgelesene Vokabular aus der ursprünglichen Wortliste stammt oder nicht.
8. Lassen Sie das Subjekt ruhig ruhen, wenn sie die Aufgaben in 3.4 bzw. 3.6 vor dem 10- bzw. 30-min-Verzögerungsrückruf abschließen.
9. Führen Sie den Stocking of Cambridge (SOC) von CANTAB²⁰durch.
   1. Präsentieren Sie mit dem Tablet-Computer 20 Szenarien von zwei parallelen Displays von 3 Kugeln in 3 vertikalen Strümpfen gehalten, von denen die Anordnung der Kugeln in den Displays variiert in jedem Szenario.
   2. Weisen Sie den Betreff an, in jedem Szenario die geringste Anzahl von Bewegungen zu bestimmen, die erforderlich sind, um die Kugeln in der unteren Anzeige neu anzuordnen, um das in der oberen Anzeige angezeigte Muster zu kopieren. Zeichnen Sie die durchschnittliche Anzahl von Optionen auf, um die Antwort zu korrigieren.
10. Führen Sie den Stroop-Test²¹durch.
    1. Geben Sie dem Motiv 3 Karten nacheinander; die erste Karte enthält Punkte in verschiedenen Farben gedruckt, die zweite Karte enthält chinesische Zeichen in verschiedenen Farben gedruckt, während die letzte Karte hat chinesische Zeichen, die verschiedene Farben (z. B. chinesische Wörter von "blau", "gelb", "grün" oder "rot") aber in einer Farbe gedruckt, die nicht durch den Namen bezeichnet wird (z. B. das Wort "rot" in blauer Tinte gedruckt).
    2. Bitten Sie den Betreff, die gedruckte Farbe der Punkte/chinesischen Zeichen so schnell wie möglich auszulesen und die für jede Karte benötigte Zeit (T1, T2 und T3) aufzuzeichnen.
    3. Berechnen Sie den Interferenzindex mit der Formel (T3-T1)/T1.
11. Fahren Sie nach Abschluss der kognitiven Tests mit der visuellen Suchaufgabe fort.
    HINWEIS: Führen Sie nach dem Registrierungsteil von HKLLT bis zum Ende des gesamten HKLLT (3.7) keine verbalen kognitiven Aufgaben aus, um Interferenzauswirkungen auf die verbale Gedächtnisleistung zu verhindern.

4. Visuelle Suchaufgabe

1. Positionieren Sie das Motiv auf einem Stuhl und legen Sie ihr Kinn auf die Kinnauflage mit der Stirn gegen eine Leiste, um die Kopfbewegung zu minimieren. Richten Sie die Augen des Motivs auf etwa die Mitte des Computerbildschirms aus. Beginnen Sie, indem Sie im Computerprogramm auf die Schaltfläche Aufnahme starten klicken.
2. eichung
   1. Kalibrieren Sie den Eyetracker mit dem eingebauten Kalibrierprogramm, indem Sie auf die Start-Taste in der Kalibrierungsschnittstelle klicken.
   2. Bitten Sie das Motiv, einen roten Punkt zu betrachten, der sich mit 9 Fixationspunkten über den Bildschirm bewegt, während der Kopf still bleibt.
   3. Überprüfen Sie die Qualität der Kalibrierung, indem Sie sich das Kalibrierdiagramm ansehen (Abbildung 1). Stellen Sie sicher, dass die Länge der grünen Linien, die die Fehlervektoren darstellen, für eine akzeptable Qualität der Kalibrierung innerhalb der grauen Kreise liegt. Wiederholen Sie die Kalibrierung, wenn ein Punkt fehlt oder die grünen Linien außerhalb der grauen Kreise liegen. Klicken Sie auf Akzeptieren, um mit der visuellen Suchaufgabe fortzufahren.
3. gebrauchsanweisung
   1. Geben Sie dem Thema mündliche Anweisungen und beginnen Sie mit 5 Übungsläufen, um das Thema mit der Aufgabe vertraut zu machen.
   2. Weisen Sie das Subjekt an, zu Beginn jeder Prüfung den Blick auf das zentrale Fixierungskreuz zu richten. Drücken Sie dann auf der Tastatur die Eingabetaste, um eine Testversion zu starten, bei der der Computerbildschirm eine einzelne Zahl und 79 nach dem Zufallsprinzip verstreute Ablenkeralphabete anzeigt(Abbildung 2).
   3. Weisen Sie das Motiv an, so schnell wie möglich nach der Zahl zu suchen und dann gleichzeitig auf die Maus zu klicken und die Zahl laut anzugeben, sobald sich die Nummer befindet.
   4. Kreuzprüfung, ob die angegebene Nummer korrekt ist oder nicht.
   5. Verabreichen Sie nach den 5 Übungsläufen insgesamt 40 Versuche.
4. Entwurf der Testbilder in der visuellen Suchaufgabe
   HINWEIS: Der In PHP geschriebene Programmcode für diesen Abschnitt finden Sie in Supplement File 1.
   1. Verwenden Sie ausschließlich die Nummern 4, 6, 7 und 9(Zusatzdatei 1 - Zeile 5).
      HINWEIS: Die Pilotstudie¹¹ zeigte, dass diese Zahlen am leichtesten von den Alphabeten abdiskriminiert werden.
   2. Stellen Sie sicher, dass der Speicherort der Zielzahl von Versuch zu Versuch randomisiert wird, mit der Regel, dass sie sich nicht mehr als drei aufeinanderfolgende Versuche im selben visuellen Quadranten befinden kann(Zusatzdatei 1 - Zeile 48-52).
   3. Verwenden Sie keine mehrdeutigen Alphabete wie "I" und "O"(Zusatzdatei 1 - Zeile 76-78).
   4. Legen Sie die Größe des Fixierungskreuzes, der Alphabete und der Zahlen auf einen visuellen Winkel von 0,85° fest (entspricht etwa 0,9 cm auf einem 23 Zoll Computerbildschirm).
      HINWEIS: Zahlen und Alphabete werden verwendet, da diese leicht erkennbare visuelle Reize sind, aber zur Identifizierung foveation erforderlich sind.
   5. Erlauben Sie einen Zeitraffer von 1,5 s, nachdem der Prüfer Enter in 4.3.2 gedrückt hat und bevor die Anzeige des zentralen Fixationskreuzes auf ein Testbild umgeschaltet wird, um eine Probezubeginn zu starten(Zusatzdatei 2 - Zeile 71; 156-158).
   6. Stellen Sie sicher, dass der Bildschirm leer wird, wenn das Fixierungskreuz wieder erscheint, wenn die Maus angeklickt wird oder nachdem 10 s seit Beginn einer Testversion verstrichen sind, je nachdem, was früher ist(Zusatzdatei 2 - Zeile 72; 162-180).
   7. Wenn die Aufgabe abgeschlossen ist, generieren Sie eine .csv-Datei, die die Zeitstempel des Anfangs und des Endes jeder Testversion enthält(Supplementary File 2 – Zeile 48-59; 199-208). Verwenden Sie diese Datei in der Datenanalyse in Abschnitt 5.

5. Eye Tracking Datenverarbeitung und -analyse

1. Überprüfen Sie im Abschnitt Wiederholung des Computerprogramms den Stichprobenprozentsatz der Augen während der visuellen Suchaufgabe (Abbildung 3). Verwerfen Sie die Daten des Antragstellers, wenn mehr als 20 % fehlender Daten beobachtet werden.
   HINWEIS: Samples Prozentsatz gibt den Prozentsatz der Zeit an, in der die Augen während der visuellen Suchaufgabe erfolgreich vom Eyetracker lokalisiert werden.
2. Klicken Sie auf die Play-Schaltfläche für die Aufzeichnung, um die Qualität der Daten zu überprüfen, indem Sie das generierte visualisierte Scanpfad-Video(Abbildung 4) in augendiene. Verwerfen Sie die Daten des gesamten Subjekts, wenn sie grob fehlerhaft sind (Abbildung 5).
3. Entsorgen Sie alle Versuchsjahre, bei denen der Betreffende versehentlich und vorzeitig die Maus gedrückt hat.
4. Wählen Sie im Abschnitt Datenexport des Programms GazePointX (ADCSpx) und GazePointY (ADCSpx) und den Interessenten (Abbildung 6). Klicken Sie auf Daten exportieren, um die Daten jedes Betreffs zu exportieren und als CSV-Datei zu speichern. Die Datei enthält die x- und y-Koordinaten der Augenposition des Motivs auf dem Computerbildschirm, in Pixel, zu jedem Zeitpunkt.
5. Verwenden Sie den Visual Search Analyzer und wählen Sie in der Schnittstelle (Abbildung 7) die in 5.4 exportierten Daten als Eingabe von Eye Data und der in 4.4.7 generierten CSV-Datei als Eingabe von Aktionsdatenaus. Wählen Sie ST DBScan als Klassifizierungsalgorithmus und klicken Sie auf Ausführen. Klicken Sie dann auf Zusammenfassung, um eine Tabellenkalkulationsdatei zu generieren, die die mittlere Sakkadeamplitude und die mittlere Fixierungsdauer des Betreffs enthält.
6. Design des visuellen Suchanalysators
   HINWEIS: Die Codierung für das Design des Analysators konnte auf https://github.com/lab-viso-limited/visual-search-analyzer gefunden werden. Der Programmcode ist in der Zusatzdatei 3 zu finden.
   1. Programmieren Sie den Analysator so, dass er nur die Daten vom Anfang bis zum Ende der Testversion extrahiert und analysiert (d. h. von der Anzeige der Zahl und der Alphabete bis zum Mausklick oder 10 s verstrichen ist), indem Sie die in 4.4.7 generierte .csv-Datei verwenden ( Ergänzende Datei 3 - Zeile 6-173).
   2. Programmieren Sie den Analysator so, dass er den Datenverlust durch Augenblinken ausfüllt, indem Sie die x- und y-Koordinaten des Blickpunkts unmittelbar vor und nach dem Blinken durchschnittlich eingliedt(Zusatzdatei 3 - Zeile 176-260).
   3. Programmieren Sie den Analyzer so, dass er die Rohdaten entweder in Saccade oder Fixierung klassifiziert, indem Sie den auf ST-DBSCAN²² entwickelten Algorithmus verwenden (Programmcode in Der Ergänzenden Datei 4).

Das vollständige Ergebnis dieser Studie ist im Originalpapierverfügbar, das 23veröffentlicht wurde. Parkinson-Patienten (n = 67) wurden rekrutiert und abgeschlossen die Bewertung. In 5 Fällen konnte die visuelle Suchaufgabe jedoch nicht abgeschlossen werden, da sie eine progressive Linse trugen, die mit dem Eyetracker nicht kompatibel war, und ihre Daten verworfen wurden. Das Durchschnittsalter der Probanden betrug 58,9 Jahre (SD = 7,5 Jahre) mit einem Verhältnis von Mann zu Frau von 1,7:1. 62 gesunde Alters-, Geschlechts- und Bildungskontrollen wurden zum Vergleich rekrutiert.

Kognitive und Augenbewegungsparameter
Im Einklang mit anderen früheren Studien24zeigte die Parkinson-Gruppe eine schlechtere Leistung bei mehreren kognitiven Aufgaben im Vergleich zur Kontrollgruppe (Tabelle 1). Mit dem internen Algorithmus zur Klassifizierung der visuellen Suchaufgaben werden Fixierungen und Sakkaden identifiziert und für die Berechnung und Analyse extrahiert. Es wurde festgestellt, dass die Krankheitsgruppe eine kleinere mittlere sakkadische Amplitude (16,36° x 2,36) im Vergleich zu Kontrollen hatte (17,27° x 2,49; p = 0,037). Die mittlere Fixationsdauer war zwischen den Gruppen nicht signifikant unterschiedlich (216,58 ms bei 31,64 vs. 211,59 ms bei 24,90; p = 0,331) (Tabelle 2).

Korrelation zwischen Augenbewegungsparametern und kognitiver Funktion
Nach der Anpassung an Kovariaten wurden negative Korrelationen zwischen der mittleren Fixationsdauer und der Leistung im verbalen Erkennungsgedächtnis score (Erkennungs- und Diskriminierungsbewertungen; F = 5,843, t = -2,417, p = 0,017 und F = 12,771, t = -3.574, p = 0.001 bzw.), Mustererkennungsspeicher (F = 5.505, t = -2.346, p = 0.021) und kategorischer verbaler Sprachtest in den Kategorien Obst (F = 5.647, t = -2.376, p = 0.009) und Gemüse (F = 9.744, t = -3,122, p = 0,002). (Tabelle 3). Jedoch, Es gab keine signifikante Wechselwirkung in diesen Korrelationen zwischen der Krankheit und Kontrollgruppe gefunden, was darauf hindeutet, dass die Korrelationen nicht spezifisch für die Krankheitsgruppe sind. Es wird spekuliert, dass die Kontrolle der visuellen Fixierung und der korrelierten kognitiven Funktionen häufig zeitliche und parietale Regionen des Gehirns mit einer überwiegend cholinergen Basis, pathologische Veränderungen dieser neuroanatomischen und biochemischen Mechanismen können die Ergebnisse erklären.

Abbildung 1 : Ein Kalibrierdiagramm des Eyetrackers. Das Diagramm zeigt das Ergebnis der Kalibrierung. Die Länge jeder grünen Linie gibt die Differenz zwischen dem vom Eyetracker berechneten Blickpunkt und der tatsächlichen Punktposition an. Da alle grünen Linien in die grauen Kreise fallen und es keinen Punkt gibt, ist die Qualität dieser Kalibrierung akzeptabel. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 2 : Ein Beispiel für eine Testversion der visuellen Suchaufgabe. Anzeige eines nichtlinearen Arrays von 80 Stimuluselementen, von denen es 1 Zahl unter 79 Ablenkalphabeten gibt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 3 : Die Schnittstelle, um den gesamten Stichprobenprozentsatz zu überprüfen. Im Abschnitt "Wiedergabe" des Computerprogramms kann der Stichprobenprozentsatz, der den Prozentsatz der Zeit angibt, in der die Augen während der visuellen Suchaufgabe erfolgreich vom Eyetracker lokalisiert werden, für jedes Thema überprüft werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 4 : Ein Beispiel für einen visualisierten Scanpfad aus der visuellen Suchaufgabe. Der Scanpfad während dieser Studie wurde visualisiert, wobei die roten geraden Linien die sakkadische Augenbewegung und die roten Punkte für visuelle Fixierungen darstellen. Beachten Sie, dass auf das Ende jeder visuellen Fixierung eine Saccade und umgekehrt in einem normalen Scanpfad folgt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 5 : Ein Beispiel für einen grob fehlerhaften visualisierten Scanpfad. Dieses Beispiel für einen grob fehlerhaften Scanpfad wird einem Motiv entnommen, das eine inkompatible progressive Linse trägt. Im Gegensatz zum normalen Scanpfad in Abbildung 4verlaufen die roten Linien (Sakkade) im Zickzack und fallen aus dem Computerbildschirm. Die Fixierungspunkte befinden sich weder auf den Alphabeten noch auf der Zahl. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 6 : Die Datenexportschnittstelle im Computerprogramm. Dies zeigt die Schnittstelle, in der der Betreff und die Art der erfassten Eye-Tracking-Daten für den Datenexport ausgewählt werden können. In unserem experimentellen Paradigma wird die x- und y-Koordinate in Pixel n.Ä. die Augenposition auf dem Bildschirm zu jedem Zeitpunkt für die Datenanalyse verwendet. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 7 : Die Schnittstelle des Visual Search Analyzer. Dies zeigt die Schnittstelle des hauseigenen Analyseprogramms für Eye-Tracking-Daten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Tabelle 1: Vergleich der kognitiven Werte zwischen zwei Gruppen unter Verwendung eines unabhängigen Stichproben-t-Tests. MMSE, Mini-Mental State Examination; MoCA, Montreal Kognitive Bewertung; *– p<0.05 a – mittlere Entscheidungen, die korrigiert werden müssen; b – In Z-Score umgewandelte Partituren; c – Prozentsatz korrekt; d – Spannweite. Diese Tabelle wurde von23reproduziert.

Tabelle 2: Vergleich der Eye-Tracking-Parameter zwischen zwei Gruppen mit einem unabhängigen Stichproben-t-Test. * - p < 0,05. Diese Tabelle wurde von23geändert.

Tabelle 3: Korrelationen zwischen kognitiven Werten und Eye-Tracking-Parametern mit Dem Allgemeinen linearen Modell: Nur signifikante Befunde. * - p < 0,05. Diese Tabelle wurde von23reproduziert.

Ergänzende Datei 1: Codes im Zusammenhang mit dem Testbildentwurf. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Ergänzende Datei 2: Codes, die sich auf die tatsächliche Ausführung der visuellen Suchaufgabe beziehen. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Ergänzende Datei 3: Codes im Zusammenhang mit der Software (z.B. Analyzer-Programm). Bitte klicken Sie hier, um diese Datei herunterzuladen.

Ergänzende Datei 4: Codes im Zusammenhang mit dem ST-DBSCAN-Algorithmus, der für die Klassifizierung von Augenbewegungsmetriken verwendet wird. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Die Autoren haben nichts zu verraten.