안구 추적을 통해 비탈증 파킨아 병 환자에서 눈 운동 매개 변수와 인지 기능 사이의 관계를 특성화

파킨슨 병은 고전적으로 운동 장애입니다. 아직, 질병은 또한 인지 적자와 연관되고, 치매로 진행은 일반적인^1입니다. 파킨슨 병의 인지 장애의 병리생리학은 잘 이해되지 않습니다. 그것은 브라크의 발판에 따라 피질 영역에서 알파 synuclein 증착에 관련 된 것으로 생각^{된다 2}. 또한 도파민성 및 해 계통의 변성의 이중 증후군이 예후 적암시와 다른 인지 적자로 이어진다는 것을 제안했다^3. 더 많은 연구는 더 파 킨 슨 병에 인지 장애에 관련 된 정확한 메커니즘을 해명 하는 데 필요한. 임상적인 양상에, 인지 장애의 존재는 예후4,^5에중대한 영향을 미칩니다. 따라서 임상 실습에서 인지 기능의 평가는 필수적입니다. 그러나, 긴 인지 평가는 환자의 정신 및 운동 조건에 의해 제한됩니다. 따라서, 인지 기능에 대한 질병의 부담을 반영할 수 있는 비침습적이고 간단한 측정이 필요하다.

눈 운동 이상은 그것의 초기 단계^6에서파킨슨 병의 검출 가능한 표시를 넓게 기술됩니다, 그러나 병리생리학은 인지 손상의 그것 보다는 더 적은 잘 특성화됩니다. 눈 운동의 생성은 시각적 감각 입력의 변형을 통해, 얽힌 피질 및 피질 네트워크에 의해 하위, 효과^7에대한 뇌간에서 의 oculomotor 핵에 신호로. 이 네트워크에 있는 파킨슨 병 병리의 관련은 관찰 가능한 눈 운동 이상으로 이끌어 낼 수 있습니다. 눈 운동과 인지 기능의 제어를 제어하는 신경 해부학 구조의 아마도 중복이있다. 더욱이, 다른 신경 퇴행성 질환에서 saccadic 눈 운동과 인지 기능 사이의 관계를 검토 하는 연구 되었습니다⁸. 이러한 근거에, 그것은 파 킨 슨 병에 인지 기능의 프록시 마커로 눈 운동 매개 변수의 사용을 탐구 하는 가치가 있다. 한 단면 연구⁹ 감소 saccadic 진폭 및 더 긴 고정 기간 파 킨 슨 병에 글로벌 인지 장애의 심각도와 관련 된 것으로 나타났습니다. 그러나, 눈 운동 매개 변수와 특정 인지 도메인 사이의 상관 관계에 대한 데이터의 부족이있다. 일반적인 인지 상태가 아닌 특정 인지 영역의 측정의 중요성과 필요성은 개별 인지 도메인이 파킨슨 병^3에서 차등 예후 정보를 알려주고 그에 의해 하위에 해당한다는 것입니다. 신경망이 다를 수 있습니다. 이 연구의 목적은 눈 운동 메트릭과 다른 인지 기능 사이의 특정 관계를 탐구하는 것입니다. 이것은 아이 트래킹 기술을 사용하여 파킨슨 병의 인지 기능 저하의 바이오 마커의 개발이 구축 될 수있는 기반을 구축하는 첫 번째 단계입니다.

제시된 실험 패러다임은 인지 평가와 아이트래킹 작업의 2가지 주요 부분으로 구성됩니다. 인지 평가 배터리는 주의력과 작업 기억, 집행 기능, 언어, 구두 기억 및 visuospatial 기능을 포함한 다양한 인지 기능을 포괄합니다. 이들 5개의 인지 영역의 선택은 파킨슨병의 경도 인지 장애에 대한 운동 장애 사회 태스크 포스^{가이드라인(10)에}기초하며, 평가를 구축하기 위해 국부적으로 이용 가능한 인지 테스트 세트를 선택했습니다. 배터리. 파킨슨 병 인식에 대한 이전의 유사한 아이 트래킹 연구에서^{언급 한 9,}저자는 피험자가 시각적 인지 작업에 종사하는 동안 눈 운동 매개 변수를 추출했으며, 여기서 매개 변수는 잠재적으로 과목의 인지 능력. 이 연구는 눈 운동 매개 변수와 다른 인지 영역 사이의 상관 관계를 평가하기 위한 것으로, 눈 매개 변수에 대한 인지 능력의 잠재적 혼란 효과를 해결해야 합니다. 이와 관련하여, 알츠하이머 병에 대한 또 다른 아이트래킹 연구에서 적응된 시각적 검색^{태스크(11)는}피험자의 눈 운동 파라미터를 포착하기 위해 사용되었다. 작업 하는 동안, 과목 여러 알파벳 산만 중 컴퓨터 화면에 단일 숫자를 검색 했다. 이 작업은 파킨 아 병에서 널리 설명되는 saccadic 눈 운동 및 시각적 고정의 대체 사용을 유도할 것입니다. 숫자와 알파벳의 식별 과분화는 인지 기능에 대한 수요가 최소한이며, 따라서이 연구의 연구 질문에 대답하기에 적합할 수 있는 과도한 작업입니다. 컴퓨터 프로그램은 뢰슬러 외^11에의해 명시된 사양과 디자인을 기반으로 개발되었다. 아이 트래커의 내장 소프트웨어 내에서 실행되는 원래의 연구에서. 아이트래킹 데이터의 분류 및 분석을 위한 사내 알고리즘도 이 연구를 위해 개발되었습니다.

이 연구 프로젝트는 홍콩-신계 동쪽 클러스터 임상 연구 윤리 위원회의 공동 중국 대학에 의해 승인되었다 (CREC Ref. 번호: 2015.263).

1. 참가자 모집 및 기준 평가

1. 영국 파킨슨병 학회(UKPDS) 뇌은행 진단 기준^12에근거하여 진단을 내린 신경전문클리닉에서 70세 이하 또는 70세 이하의 파킨슨병 환자를 모집한다.
   1. 정신 질환, 안과 질환, 안구 움직임을 손상시킬 수 있는 안과 질환 또는 기타 신경 질환을 가진 대상을 제외합니다. 또한 인지 성능과 눈 운동에 영향을 미치는 것으로 알려져 있는 항콜린증을 사용하는 경우를 배제합니다.
2. 성별, 연령, 교육과 일치하는 1:1 기준으로 건강한 컨트롤을 모집합니다.
3. 피사체로부터 통보된 동의를 얻으십시오.
4. 대상자와 임상 진단 인터뷰를 실시하고, 가능한 경우, 그들의 친척은 미니 정신 상태 검사 (MMSE)¹³ 및 몬트리올 인지 평가 (MoCA)^14와인지 장애에 대한 치매 및 화면을 제외합니다. 연구에서 치매 케이스를 제외하거나 MMSE 또는 MoCA의 피험자의 점수가 <22>
5. Snellen 차트로 시력을 평가합니다. 시력이 20/40 미만인 경우 피사체를 제외합니다.
6. 통합 파킨슨 병 등급 척도 (UPDRS) 파트 II 및 III¹⁵ 및 수정 된 Hoehn 및 Yahr (H&Y) 스테이징^16을사용하여 파킨슨 병의 운동 중증도 및 발판을 각각 평가합니다. 또한, 피험자에 의해 취해진 현재 약물에 대한 정보를 얻는다.
7. 벡 우울증 재고-II (BDI-II)^17에의해 우울한 기분 상태를 평가합니다.

2. 실험 설정

1. 적절한 광원이 있는 조용한 방에서 실험을 수행합니다.
2. 최적의 운동 기능을 가진 약물 치료를 받을 때 파킨슨 병 피험자가 실험을 수행하십시오.
3. 스크린 기반 아이트래커, 컴퓨터, 마우스, 표준 키보드, 턱받이 및 인지 평가도구(자료 표)로구성된 설정을 준비합니다.
4. 300Hz 이상의 샘플링 속도로 아이 트래커를 사용합니다.
5. 아이 트래커 화면 앞에 턱 받침대를 60cm 놓습니다.

3. 인지 평가및 시각 검색 작업의 흐름

1. 중국어 범주형 구두 유창성 시험^18을수행합니다. 피사체에 가능한 한 많은 동물의 이름을 1분 안에 알려주는다. 답변 수와 인내적 오류를 기록합니다. 그런 다음 과일과 채소의 범주에서 동일한 것을 반복하십시오.
2. 홍콩 목록 학습 시험(HKLLT)^19의 등록 파트(1, 2, 3)를 미리 정의된 16어휘 목록을 읽고 그 주제를 기억하도록 지시한다. 그 후 주제에게 단어 목록을 무료로 불러 와서 답을 기록해 달라고 부탁한다(1심).
   1. 시험 2와 평가판 3에 대해 3.2 단계를 두 번 반복합니다.
3. 10 분 및 30 분 지연 리콜에 대한 HKLLT의 등록 부분 후 10 분 30 분 기다립니다.
4. HKLLT의 10분 지연 된 리콜 전에 케임브리지 신경 심리학 테스트 자동화 배터리 (CANTAB)²⁰ (재료 표)에서 패턴 인식 메모리 (PRM)를 수행하십시오.
   1. 태블릿 컴퓨터를 사용하여 화면 중앙에 한 번에 하나씩 24개의 시각적 패턴을 표시합니다. 피사체에게 패턴을 기억하도록 지시한다.
   2. 프리젠 테이션 후, 2 선택 힘 차별 패러다임에서, 그 / 그녀가 인식 할 수있는 패턴을 선택하도록 피사체를 지시.
5. 16어휘 목록의 무료 리콜을 수행하도록 요청하여 HKLLT의 10분 지연 리콜을 수행합니다.
6. HKLLT의 리콜이 30분 지연되기 전에 CANTAB^20에서공간 스팬(SSP)을 수행합니다.
   1. 태블릿 컴퓨터를 사용하여 색상이 하나씩 변하는 흰색 상자 패턴을 가변 시퀀스로 표시합니다.
   2. 그 후 피사체가 제시된 동일한 순서로 상자를 터치하도록 지시하고 피사체가 작업의 난이도(상자 수 변경)가 증가함에 따라 도달할 수 있는 공간 스팬 길이를 기록합니다.
7. 16 어휘 단어 목록의 무료 리콜을 할 주제를 요청하여 30 분 지연 리콜을 수행합니다.
   1. HKLLT의 인식과 차별 부분을 미리 정의된 다른 32어휘 목록을 읽어보며, 그 중 절반은 3.2의 원래 단어 목록에서 나온 것입니다. 각 어휘가 원래 단어 목록에서 왔는지 여부를 결정하도록 주체에게 지시한다.
8. 10분 및 30분 지연 리콜 전에 3.4 및 3.6으로 작업을 완료하면 피사체가 조용히 휴식을 취할 수 있습니다.
9. CANTAB^20에서케임브리지 (SOC)의 스타킹을 수행합니다.
   1. 태블릿 컴퓨터를 사용하여 3 개의 수직 스타킹에 3 개의 공을 보유한 2 개의 병렬 디스플레이 20 시나리오를 제시하며, 그 중 디스플레이에서 볼의 배열은 각 시나리오에서 다릅니다.
   2. 피사체에게 각 시나리오에서 상단 디스플레이에 표시된 패턴을 복사하기 위해 아래쪽 디스플레이에서 볼을 재배열하는 데 필요한 이동 횟수를 가장 적게 결정하도록 지시합니다. 정답에 대한 평균 선택 횟수를 기록합니다.
10. 스트롭 테스트^21을수행합니다.
    1. 피사체에 3장의 카드를 연속적으로 준다. 첫 번째 카드는 서로 다른 색상으로 인쇄 된 점을 포함하고, 두 번째 카드는 다른 색상으로 인쇄 된 중국어 문자를 포함하고 마지막 카드는 다른 색상을 나타내는 중국어 문자가 있습니다 (예 : "파란색", "노란색", "녹색"또는 "빨간색"). 이름으로 표시되지 않은 색상으로 인쇄됩니다(예: 파란색 잉크로 인쇄된 "빨간색"이라는 단어).
    2. 피사체에 점/한자 인쇄된 색상을 가능한 한 빨리 읽고 각 카드(T1, T2 및 T3)에 필요한 시간을 기록하도록 요청합니다.
    3. 수식(T3-T1)/T1로 간섭 인덱스를 계산합니다.
11. 인지 테스트를 완료한 후 시각적 검색 작업을 진행합니다.
    참고: 구두 기억 성능에 대한 간섭 효과를 방지하기 위해 전체 HKLLT (3.7)가 끝날 때까지 HKLLT의 등록 부분 후에 구두 인지 작업을 수행하지 마십시오.

4. 시각적 검색 작업

1. 피사체를 의자에 놓고 턱을 턱 받침대 위에 놓고 이마에 바를 대고 머리움직임을 최소화합니다. 피사체의 눈을 컴퓨터 화면의 중앙에 맞춥습니다. 먼저 컴퓨터 프로그램에서 기록 시작 버튼을 클릭합니다.
2. 교정
   1. 캘리브레이션 인터페이스에서 시작 버튼을 클릭하여 내장된 교정 프로그램으로 아이 트래커를 보정합니다.
   2. 피사체에게 머리를 가만히 유지하면서 9개의 고정 지점으로 화면을 가로질러 움직이는 빨간 점을 응시하도록 요청합니다.
   3. 보정 플롯을 확인하여 교정 품질을확인합니다(그림 1). 오류 벡터를 나타내는 녹색 선의 길이가 보정의 허용 가능한 품질을 위해 회색 원 내에 있는지 확인합니다. 누락된 점이 있거나 녹색 선이 회색 원 밖으로 떨어지는 경우 보정을 다시 수행합니다. 시각적 검색 작업을 진행하려면 수락을 클릭합니다.
3. 명령
   1. 주제에 대한 구두 교육을 제공하고 5 연습 실행으로 시작하여 주제에 익숙해지십시오.
   2. 각 재판의 시작 부분에 중앙 고정 십자가에 자신의 시선을 고정하는 주제를 지시. 그런 다음 키보드에 입력을 눌러 시험판을 시작했는데, 이 때 컴퓨터 화면에 단일 숫자와 79개의 산만한 알파벳이 무작위로 흩어져있습니다(그림 2).
   3. 피사체에 숫자를 가능한 한 빨리 찾도록 지시한 다음 동시에 마우스를 클릭하고 숫자가 있는 즉시 숫자를 소리 내어 입력합니다.
   4. 명시된 번호가 올바른지 여부를 교차 확인합니다.
   5. 5번의 연습이 끝난 후 총 40번의 시험을 관리하십시오.
4. 시각적 검색 작업에서 평가판 이미지 디자인
   참고 : 이 섹션에 대한 PHP로 작성 된 프로그램 코드는 보충 파일 1에서찾을 수 있습니다.
   1. 숫자 4, 6, 7 및 9를 독점적으로사용합니다(보조 파일 1 - 줄 5).
      참고: 파일럿 연구^11은 이 숫자가 알파벳과 가장 쉽게 구별되는 것으로 나타났습니다.
   2. 대상 번호의 위치가 3회 이상의 연속시험(보충 파일 1 - 라인 48-52)에 대해 동일한 시각적 사분면에 있을 수 없다는 규칙으로 시험에서 재판으로 무작위화되었는지 확인합니다.
   3. "I" 및 "O"와 같은 모호한 알파벳을 사용하지마십시오(보조 파일 1 - 줄 76-78).
   4. 고정 십자가, 알파벳 및 숫자의 크기를 0.85° 시각적 각도로 설정합니다(23인치 컴퓨터 화면에서 약 0.9cm에 해당).
      참고: 숫자와 알파벳은 쉽게 인식 할 수 있지만 식별을 위해 foveation을 필요로하기 때문에 사용됩니다.
   5. 조사관이 4.3.2에서 Enter를 누른 후 1.5s의 시간 경과를 허용하고 중앙 고정 십자가의 디스플레이가 시험 이미지로 전환되어 재판을 시작합니다(보충 파일 2 - 라인 71; 156-158).
   6. 마우스를 클릭하거나 10초가 경과한 후 시험이 시작된후(보충 파일 2 - 줄 72; 162-180) 화면이 고정 교차가 다시 나타나는 지 확인합니다.
   7. 작업이 완료되면 각 평가판의 시작 및 끝의 타임스탬프가 포함된 .csv 파일을 생성합니다(보조파일 2 – 줄 48-59; 199-208). 섹션 5의 데이터 분석에서 이 파일을 사용합니다.

5. 아이 트래킹 데이터 처리 및 분석

1. 컴퓨터 프로그램의 재생 섹션에서 시각적 검색 작업 중에 눈의 샘플 백분율을 확인합니다(그림3). 누락된 데이터가 20% 이상 관찰되면 피사체의 데이터를 폐기합니다.
   참고: 샘플 백분율은 시각적 검색 작업 중에 아이 트래커가 눈이 성공적으로 위치한 시간의 백분율을 나타냅니다.
2. 녹화를 위한 재생 버튼을 클릭하여 생성된 시각화된 스캔 경로 비디오를 눈으로 볼하여 데이터의 품질을 확인합니다(그림4). 피사체의 데이터가 심하게 잘못되면 삭제합니다(그림5).
3. 피사체가 마우스를 실수로 조기에 눌렀던 모든 시험을 폐기하십시오.
4. 프로그램의 데이터 내보내기 섹션에서 GazePointX(ADCSpx) 및 가시선(ADCSpx) 및 관심 주제를 선택합니다(그림6). 데이터 내보내기를 클릭하여 각 주체의 데이터를 내보내고 .csv 파일로 저장합니다. 이 파일에는 매 시점마다 컴퓨터 화면에서 피사체의 눈 위치의 x 및 y 좌표가 픽셀 단위로 포함되어 있습니다.
5. 시각적 검색 분석기를 사용하고인터페이스(그림 7)에서5.4에서 내보낸 데이터를 눈 데이터의 입력으로 선택하고 4.4.7에서 생성된 .csv 파일을 작업 데이터의입력으로 선택합니다. ST DBScan을 분류 알고리즘으로 선택하고 실행을클릭합니다. 그런 다음 요약을 클릭하여 평균 사카케이드 진폭과 피사체의 평균 고정 기간이 포함된 스프레드시트 파일을 생성합니다.
6. 시각적 검색 분석기 의 설계
   참고: 분석기 설계에 대한 코딩은 https://github.com/lab-viso-limited/visual-search-analyzer 찾을 수 있습니다. 프로그램 코드는 보충 파일 3에서 찾을 수 있습니다.
   1. 4.4.7에서 생성된 .csv 파일을 사용하여 분석기를 추출하여 시험의 시작부터 끝까지(즉, 마우스를 클릭하거나 10초가 경과할 때까지 숫자와 알파벳의 표시에서) 데이터만 추출하고 분석하도록 분석합니다. 보조 파일 3 - 라인 6-173).
   2. 분석기를 프로그래밍하여 눈 깜박임으로 인한 데이터 손실을 점멸 직전과 후의 시선 점의 x 및 y 좌표를 평균화하여 채웁니다(보조파일 3- 라인 176-260).
   3. ST-DBSCAN^22(보충 파일 4의 프로그램 코드)에기초하여 개발된 알고리즘을 사용하여 원시 데이터를 사케이드 또는 고정으로 분류되도록 분석기를 프로그래밍합니다.

이 연구의 전체 결과는23에발표 된 원본 논문에서 사용할 수 있습니다. 파킨슨병 과목(n=67)을 모집하고 평가를 완료하였다. 그러나 아이트래커와 호환되지 않는 누진 렌즈를 착용하고 데이터를 폐기하면서 5건의 시각 검색 작업을 완료하지 못했습니다. 피험자의 평균 연령은 58.9세(SD = 7.5년)였으며, 남성 대 여성 비율은 1.7:1이었다. 62 건강한 연령, 성별 및 교육 매칭 컨트롤은 비교를 위해 모집되었습니다.

인지 및 눈 운동 매개 변수
다른 이전연구(24)와일치하는 파킨슨병 그룹은 대조군에 비해 다중 인지 작업에서 성능이 좋지 않은 것으로나타났다(표 1). 시각적 검색 작업 데이터의 분류를 위해 사내 알고리즘을 사용하여 계산 및 분석을 위해 고정 및 사케이드를 식별하고 추출합니다. 질병 군은 대조군(17.27° ± 2.49; p = 0.037)과 비교하여 더 작은 평균 accadic 진폭(16.36° ± 2.36)을 가졌다는 것을 발견하였다. 평균 고정 기간은 그룹 간에 유의히 다르지 않았다(216.58 ms±31.64 대, 211.59 ms±24.90; p= 0.331)(표 2).

눈 운동 매개 변수와 인지 기능 간의 상관 관계
동변량에 대한 조정 후, 평균 고정 기간과 구두 인식 메모리 점수 (인식 및 차별 점수)의 성능 사이에 부정적인 상관 관계가 발견되었습니다. F = 5.843, t = -2.417, p = 0.017 및 F = 12.771, t = -3.574, p = 0.001, 각각), 패턴 인식 메모리 (F = 5.505, t = -2.346, p = 0.021) 및 과일의 범주에서 범주형 구두 유창 테스트 (F = 5.647, t = -2.376, p = 0.009) 및 야채 (F = 0.009) = -3.122, p = 0.002). (표3). 그러나, 질병과 대조군 사이 이 상관관계에서 찾아낸 중요한 상호 작용이 없었다, 상관관계가 질병 단에 특정되지 않다는 것을 건의하. 시각적 고정및 상관 되는 인지 기능의 제어는 일반적으로 주로 콜린성 기초와 뇌의 시간 적 및 정수리 영역을 포함, 이러한 신경 해부학 및 생화학에 병리학 적 변화 메커니즘은 결과를 설명 할 수있다.

그림 1 : 아이 트래커의 교정 플롯입니다. 플롯은 교정 결과를 보여줍니다. 각 녹색 선의 길이는 아이 트래커에 의해 계산된 시선 점과 실제 점 위치 간의 차이를 나타냅니다. 모든 녹색 선이 회색 원 내에 있고 누락점이 없기 때문에 이 보정 품질은 허용됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2 : 시각적 검색 작업의 시험의 예입니다. 80개의 자극 항목의 비선형 배열을 표시하며, 그 중 79개의 산만 한 알파벳 중 1 개의 숫자가 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3 : 전체 샘플링 비율을 확인하는 인터페이스입니다. 컴퓨터 프로그램의 재생 섹션에서 시각적 검색 작업 중에 아이 트래커가 눈이 성공적으로 위치하는 시간의 백분율을 나타내는 샘플 백분율을 각 피사체에 대해 확인할 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4 : 시각적 검색 작업에서 시각화된 검색 경로의 예입니다. 이 시험 기간 동안 스캔 경로가 시각화되었으며, 수정된 눈 의 움직임을 나타내는 빨간색 직선과 시각적 고정을 위한 빨간색 점이 있습니다. 각 시각적 고정의 끝뒤에는 사케이드가 뒤따르고 그 반대의 경우도 일반 스캔 경로에 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5 : 심하게 잘못된 시각화 된 스캔 경로의 예입니다. 이 심하게 잘못된 스캔 경로의 예는 호환되지 않는 한 쌍의 프로그레시브 렌즈를 착용한 피사체로부터 가져온 것입니다. 그림 4의일반 스캔 경로와 는 달리 빨간색 선(saccade)은 지그재그로 실행되고 컴퓨터 화면에서 떨어집니다. 고정 점은 알파벳이나 숫자에 없습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6 : 컴퓨터 프로그램의 데이터 내보내기 인터페이스입니다. 데이터 내보내기를 위해 캡처된 피사체와 아이트래킹 데이터의 종류를 선택할 수 있는 인터페이스를 보여 줍니다. 실험 패러다임에서 x 및 y 좌표는 픽셀 단위로 매 번 화면의 눈 위치가 데이터 분석에 사용됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 7 : 시각적 검색 분석기의 인터페이스입니다. 이것은 아이 트래킹 데이터에 대한 사내 분석 프로그램의 인터페이스를 보여줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

표 1: 독립적인 표본 t 검정을 사용하여 두 그룹 간의 인지 점수 비교. MMSE, 미니 정신 상태 검사; MoCA, 몬트리올 인지 평가; *– p<0.05 a – 수정할 수 있는 선택을 의미합니다. b – 점수는 z 점수로 변환; c – 백분율 올바른; d – 스팬 길이. 이 테이블은23에서재현되었습니다.

표 2: 독립적인 샘플 t 검정을 사용하여 두 그룹 간의 아이트래킹 매개변수비교. * - p < 0.05. 이 테이블은23에서수정되었습니다.

표 3: 일반 선형 모델을 사용한 인지 점수와 아이 트래킹 매개변수 간의 상관 관계: 중요한 결과만. * - p < 0.05. 이 테이블은23에서재현되었습니다.

추가 파일 1: 평가판 이미지 디자인과 관련된 코드입니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.

추가 파일 2: 시각적 검색 작업의 실제 실행과 관련된 코드입니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.

추가 파일 3: 소프트웨어와 관련된 코드(예: 분석기 프로그램). 이 파일을 다운로드하려면 여기를 클릭하십시오.

추가 파일 4: 눈 운동 메트릭을 분류하는 데 사용되는 ST-DBSCAN 알고리즘과 관련된 코드입니다. 이 파일을 다운로드하려면 여기를 클릭하십시오.

저자는 공개 할 것이 없다.