眼球追跡を用いた非認知症パーキンソン病患者における眼球運動パラメータと認知機能の関係の特徴付け

私たちのプロトコルは、眼球運動と認知機能の両方の機能不全に苦しむ認知症のパーキンソン病患者のグループにおける眼球運動指標と認知機能の関係を研究することを目的としています。ビジュアル検索タスクの試用版のイメージをデザインするには、4、6、7、および 9 の数字を排他的に使用します。3 回以上連続する試行で各数値を同じビジュアル象限に含めることができないというルールで、ターゲット番号の位置が試行から試行までランダム化されていることを確認します。

I や O などのあいまいな文字を使用せず、固定の十字、文字、および数字のサイズを 0.85 度の表示角度に設定します。Enter キーを押した後、中央固定クロスの表示が試用イメージに切り替えられる前に、プログラムを 1.5 秒経過するように設定して試用を開始します。マウスがクリックされた場合、または試用の開始時刻から 10 秒経過した後のいずれか早い方に、固定クロスが再び表示される画面が空白になることを確認します。

次に、各試行の開始と終了のタイム スタンプを含む csv ファイルを生成するようにプログラムを設定します。被験者との臨床診断インタビューを行い、可能であれば、その親族は認知症を除外し、ミニメンタルステート検査とモントリオール認知評価を使用して認知障害をスクリーニングし、スネレンチャートで被験者の視力を評価する。次に、十分な光源を備えた静かな部屋に、サンプリングレートが少なくとも 300 ヘルツ、コンピュータ、マウス、および標準キーボードのスクリーンベースのアイトラッカーを設置します。

あごの残りは、アイチェッカー画面と適切な認知評価ツールの前に60センチメートルを置きました。視覚的な検索タスクを設定するには、椅子の上にあごの上にあごを置き、額をバーに合わせ、頭の動きを最小限に抑えます。被験者の目をコンピュータ画面の中心に合わせ、目の追跡プログラムのスタートボタンをクリックします。

[開始] をクリックすると、組み込みのキャリブレーション プログラムでアイ トラッカーを調整できます。そして、頭を静かにしながら、9つの固定点で画面を横切って移動する赤い点を見つめる被験者に尋ねます。キャリブレーションプロットを表示してキャリブレーションの品質を確認し、エラーベクトルを表す緑色の線の長さがグレーの円の中に収まるようにします。

次に、[承諾] をクリックして、ビジュアル検索タスクに進みます。練習トライアルを開始するには、被験者に中央固定クロスの視線を固定し、キーボードのEnterキーを押してトライアルを開始します。コンピュータ画面には、単一の数字と79の無作為に散らばった散らばった散らばった文字が表示されます。

番号をできるだけ早く見て、番号が見つかるとすぐに声に出して数字を示しながら、同時にマウスをクリックするように被験者に指示します。その後、記載された番号が正しいかどうかをクロスチェックし、さらに4回練習トライアルを繰り返します。コンピュータプログラムの再生セクションでの視線追跡データ処理と分析については、視覚的な検索タスク中にサンプルの目の割合を確認します。

記録のために再生をクリックし、生成された可視化されたスキャンパスビデオを眼球でデータの品質を確認します。重大な誤りがある場合は、すべてのデータを破棄します。そして、被験者が誤ってまたは途中でマウスをクリックした試みをすべて破棄します。

プログラムのデータエクスポート セクションで、[GazePointX] を選択し、[データのエクスポート] をクリックして、サブジェクトのデータをエクスポートし、データを csv ファイルとして保存します。ビジュアル検索アナライザのインターフェイスで、エクスポートされたデータを目のデータの入力として選択し、生成された csv ファイルをアクション データの入力として選択します。分類アルゴリズムとして ST DB スキャンを選択し、[実行] をクリックします。

次に、[概要] をクリックして、主なサッカデ振幅と被写体の平均固定期間を含むスプレッドシート ファイルを生成します。ビジュアル検索アナライザを設計するには、生成された csv ファイルを使用して、試用版の最初から最後までデータのみを抽出して分析するようにアナライザーをプログラムします。目の点滅によって失われたデータを埋めるようにアナライザーをプログラムするには、点滅の直前と直後に視線点のx座標とy座標を平均します。

次に、ST DB スキャンに基づくアルゴリズムを使用して、生データをサッカデまたは固定のいずれかに分類するようにアナライザーをプログラミングします。以前の研究と一致して、この分析では、パーキンソン病グループは、対照群と比較して、複数の認知タスクでパフォーマンスが悪い結果を示した。ビジュアル検索タスクデータの分類に社内アルゴリズムを使用して、固定とサッカドを特定し、計算と分析のために抽出することができます。

実際、疾患群は対照群に比べて平均サッカディック振幅が小さく、平均固定期間は群の間で有意に異なっていなかった。この評価では、共変量を調整した後、平均固定期間、言語認識記憶と判別スコアにおける性能、パターン認識記憶における性能、および果物および野菜カテゴリー内のカテゴリ言語流暢性試験において、負の相関が認められた。しかし、これらの疾患と対照群の間の相関には有意な相互作用は見つからず、その相関関係は疾患群に特異的ではないことを示唆している。

視覚的な検索タスクの設計は、目的が、注意散役眼球運動パラメータの認知能力の干渉を最小限に抑えることが重要である。この研究課題が非常に許容可能であれば、同様の研究課題に答えるために他の新しい変性疾患にトランス診断的に適用することができる。