Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

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

Published: September 26, 2019 doi: 10.3791/60052
Automatic Translation
1, 2, 1
1Department of Psychiatry, The Chinese University of Hong Kong, 2Lab Viso Limited

Summary

Hier stellen wir ein Protokoll vor, um die Beziehung zwischen den Parametern der Augenbewegung und kognitiven Funktionen bei nicht dementen Parkinson-Patienten zu untersuchen. Das Experiment verwendete einen Eyetracker, um die sakkadische Amplitude und Fixierungsdauer in einer visuellen Suchaufgabe zu messen. Anschließend wurde die Korrelation mit der Leistung bei kognitiven Aufgaben mit mehreren Domänen gemessen.

Abstract

Kognitive Beeinträchtigung ist ein häufiges Phänomen bei der Parkinson-Krankheit, das Auswirkungen auf die Prognose hat. Eine einfache, nichtinvasive und objektive Proxy-Messung der kognitiven Funktion bei Parkinson-Krankheit wird hilfreich sein, um frühe kognitive Abnahme zu erkennen. Als physiologische Metrik wird der Parameter der Augenbewegung nicht durch die Attribute und Intelligenz des Subjekts verwirrt und kann als Proxy-Marker fungieren, wenn er mit kognitiven Funktionen korreliert. Zu diesem Zweck untersuchte diese Studie die Beziehung zwischen den Parametern der Augenbewegung und der Leistung in kognitiven Tests in mehreren Bereichen. Im Experiment wurde eine visuelle Suchaufgabe mit Eye-Tracking eingerichtet, bei der die Probanden gebeten wurden, nach einer Zahl zu suchen, die in eine Reihe von Alphabeten eingebettet ist, die zufällig auf einem Computerbildschirm verstreut sind. Die Unterscheidung zwischen Der Zahl und dem Alphabet ist eine überlernte Aufgabe, so dass die verwirrende Wirkung der kognitiven Fähigkeit auf die Parameter der Augenbewegung minimiert wird. Die durchschnittliche sakkadische Amplitude und Fixierungsdauer wurden während der visuellen Suchaufgabe erfasst und berechnet. Die kognitive Bewertung Batterie deckte Bereiche der frontal-exekutivefunktionen, Aufmerksamkeit, verbale und visuelle Speicher. Es wurde festgestellt, dass längere FixierungDauer mit schlechterer Leistung in verbalen Fließen, visuellen und verbalen Gedächtnis verbunden war, so dass weitere Erforschung der Verwendung von Augenbewegungsparametern als Proxy-Marker für die kognitive Funktion bei Parkinson-Krankheit Patienten. Das experimentelle Paradigma hat sich in unserer Gruppe von Parkinson-Patienten als sehr tolerierbar erwiesen und könnte transdiagisch auf andere Krankheitsentitäten für ähnliche Forschungsfragen angewendet werden.

Introduction

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 Prognose4,5. 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.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

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 <22/30 sind.
  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) Staging16. 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).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

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.

Figure 1
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.

Figure 2
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.

Figure 3
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.

Figure 4
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.

Figure 5
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.

Figure 6
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.

Figure 7
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.

Kontrollgruppe Parkinson-Gruppe p-Wert
Globale kognitive Skalen
MMSE 28.53 (1.63) 28 (1.84) 0.09
Moca 27.10 (2.25) 26 (2.34) 0.009*
Spezifische kognitive Tests – Frontal Executive & Frontal-Temporal
Strumpf von Cambridgea 1.16 (0.14) 1.24 (0.19) 0.018*
Stroop-Testb 1.24 (1.77) 1.36 (1.65) 0.697
Verbale Fluency - Tierb 0.92 (1.47) 0.26 (1.31) 0.01*
Verbale Fluency - Fruchtb -0.71 (0.74) -1.01 (0.79) 0.028*
Verbale Fluency - Gemüseb -0.66 (1.04) -1.11 (0.90) 0.011*
Spezifische kognitive Tests – Verbales Gedächtnis (Hong Kong List Learning Test)
Gesamtlernenb 0.03 (0.90) -0.30 (0.87) 0.037*
10 Minuten verzögerungsfreier Rückrufb -0.17 (0.90) -0.44 (1.10) 0.131
30 Minuten verzögerungsfreier Rückrufb -0.19 (0.90) -0.39 (1.04) 0.206
Erkennungspunktzahlb 0.10 (1.00) 0.15 (0.73) 0.722
Diskriminierungsnoteb -0.05 (1.02) -0.13 (0.97) 0.636
Spezifische kognitive Tests – Visueller räumlicher Speicher
Mustererkennungsspeicherc 91.33 (9.40) 87.77 (10.20) 0.045*
Spezifische kognitive Tests – Aufmerksamkeit/Arbeitsgedächtnis
Räumliche Spanned 6.15 (1.10) 5.65 (1.17) 0.016*

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.

Kontrollgruppe Parkinson-Gruppe p-Wert
Mittlere Fixationsdauer, in Millisekunden (SD) [Bereich] 211.59 (24.90) [165.77 - 264.63] 216.58 (31.64) [145.43-312.68] 0.331
Mittlere sakkadische Amplitude, in Grad (SD) [Bereich] 17.27 (2.49) [13.34 - 22.99] 16.36 (2.36) [11.66-23.20] 0.037*

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

Quelle Abhängige Variable Df f B Beta Std. Fehler T p-Wert
Mittlere Fixierungsdauer Verbale Fluency - fuit 1 5.647 -0.006 -0.227 0.002 -2.376 0.009*
Verbale Fluency - Gemüse 1 9.744 -0.009 -0.288 0.003 -3.122 0.002*
Erkennungsbewertung 1 5.843 -0.007 -0.215 0.003 -2.417 0.017*
Diskriminierungs-Score 1 12.771 -0.011 -0.314 0.003 -3.574 0.001*
Mustererkennungsspeicher 1 5.505 -0.071 -0.215 0.03 -2.346 0.021*

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.

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

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

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

Supplemental File 4
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.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Das oben vorgestellte Protokoll wurde als erster Teil einer Längsschnittstudie zur Erforschung des potenziellen klinischen Nutzens von Augenbewegungsparametern als Ersatzmarker für kognitive Funktionen bei Parkinson entwickelt. Zwar gibt es Studien, die mehr klassische Eye-Tracking-Paradigmen wie selbst-paced Saccade, reflexive Saccade, und Anti-Saccade25,26,27untersuchen , wurde eine visuelle Suchaufgabe in dieser Studie verwendet, um Auge zu messen Bewegungsparameter. Wie bereits erwähnt, ist das Design dieser visuellen Suchaufgabe von größter Bedeutung, da sie die bekannte verwirrende Wirkung einer kognitiven Fähigkeit auf die Leistung der Eye-Tracking-Aufgabe minimieren muss, da sie die aufgezeichneten Parameter für die Augenbewegung beeinflussen kann. Ein Beispiel dafür wären die Auswirkungen von frontalen Exekutivfunktionen auf die sakkadische Latenz28. Das entscheidende Problem im Entwurf wäre die zufällige Streuung der Anzahl und der Alphabete und die unterschiedlichen Quadranten des Standorts der Nummer, was es schwieriger macht, kognitive Strategien zu verwenden, um die Leistung der Aufgabe zu verbessern. Zusammen mit durchschnittlich etwa 650 Sakkaden, die in 40 Studien pro Versuch gemessen wurden, stellt die berechnete durchschnittliche Sakkadeamplitude eher eine physiologische Fähigkeit des Auges dar, Sakkaden zu erzeugen. In Übereinstimmung mit früheren Literatur, Es wurde festgestellt, dass die Saccade Amplitude ist kleiner bei Parkinson-Patienten29,30. Die Wahl der Parameter, die aus der Eye-Tracking-Aufgabe extrahiert werden, muss auch in Bezug auf die Frage der möglichen verwirrenden Wirkung durch Kognition berücksichtigt werden. Beispielsweise wurden keine Parameter wie die Geschwindigkeit der Ermittlung der Anzahl, Fehlerrate und Genauigkeit verwendet, die eine direkte Messung der Aufmerksamkeit und der Verarbeitungsgeschwindigkeit darstellen.

Ein weiterer wichtiger Schritt für diese Studie ist die Feststellung der Gültigkeit des Algorithmus, der bei der Klassifizierung von Augenbewegungsparametern verwendet wurde. Es gibt zahlreiche Möglichkeiten, Eye-Tracking-Daten in Saccade und Fixierung zu klassifizieren: geschwindigkeitsbasierter, dispersionsbasierter Algorithmus und so weiter31. Jeder dieser Algorithmen hat seine eigenen Vor- und Nachteile und es gibt keinen Goldstandard dafür, so dass man auch die Spezifikationen des verwendeten Eyetrackers und das Design der Eye-Tracking-Aufgabe berücksichtigen muss, um den besten Weg zur Klassifizierung der Daten zu bestimmen. Für diese Studie wurde ein interner, dichtebasierter Clustering-Algorithmus verwendet, der auf ST-DBSCAN22basiert. Das Forschungsteam hat die Gültigkeit dieses Klassifizierungsalgorithmus mit der manuellen Klassifizierung in einer Pilotstudie kreuzüberprüft, bevor der Algorithmus auf die Daten dieser Studie angewendet wird. Das Computerprogramm, das den Algorithmus enthält, würde die Daten innerhalb der Versuche automatisch herausspleißen und klassifizieren, von dem Moment an, in dem die Studie beginnt (mit den Alphabeten und der Zahl, die auf dem Bildschirm erscheinen) bis zum Ende (dass der Betreff auf die Maus klickt oder 10 s nicht-trialdaten aufgezeichnet werden (z.B. während der Anzeige des Fixierungskreuzes), um die Ergebnisse zu kontaminieren.

Die Verwendung von domänenspezifischen kognitiven Tests in dieser Studie ermöglicht Korrelationen der Augenbewegungsparameter mit der individuellen kognitiven Funktionsleistung. Wie diskutiert, hat dies Bedeutung über die Verwendung von allgemeinen allgemeinen kognitiven Maßnahmen, da die neuronale Schaltung und biochemische Basis für jede kognitive Funktion unterschiedlich sind. Das zeitgenössische Wissen über die neuronalen Mechanismen der Augenbewegungssteuerung und individuelle kognitive Funktionen ermöglicht es uns, Rückschlüsse und Interpretationen der gefundenen Ergebnisse zu ziehen. Zum Beispiel sind die signifikanten negativen Korrelationen der Fixationsdauer mit zeitlichen, parietalen und cholinergen kognitiven Funktionen von besonderem Interesse, da eine Beeinträchtigung dieser Funktionen die Entwicklung von Demenz vorhersagen kann3. Ausführliche Diskussionen der wissenschaftlichen Grundlage, die die Korrelationen erklären, finden sich in dem originalveröffentlichten Papier23.

Die Batterie der kognitiven Untersuchung und die visuelle Suche Aufgabe waren sehr erträglich für die Themen dieser Studie. Da für die Fertigstellung der gesamten Batterie etwa 1,5 Stunden erforderlich waren, konnte keiner der Probanden aufgrund von Müdigkeit oder körperlichen Beschwerden nicht fertig werden. Die visuelle Suchaufgabe bestand aus 40 Versuchen und dauerte nur etwa 5-10 min. Die nichtinvasive, einfache und schnelle Natur der Aufgabe macht sie als Screening-Tool geeignet, wenn sie durch robustere Daten unterstützt wird. Dieses Paradigma könnte auch transdiagisch in anderen neurokognitiven Störungen angewendet werden, um ähnliche Forschungsfragen zu beantworten. Eine wichtige praktische Einschränkung in diesem Protokoll ist die Inkompatibilität des Eyetrackers bei Probanden, die bestimmte progressive Linse tragen, da Presbyopie bei älteren Menschen keine seltenen Bedingungen sind. Augenlid-Apraxie und Blepharospasmus sind auch bei der Parkinson-Krankheit32 gesehen und Betroffene dieser Bedingungen möglicherweise nicht in der Lage, die Aufgabe zu vervollständigen.

Als explorative und querschnittsübergreifende Studie erlaubt uns das Design der Studie nicht, eine definitive neuroanatomische und biochemische Grundlage abzuleiten, die die gefundenen Ergebnisse erklärt. Die Interpretationen der Ergebnisse basierten meist auf unabhängigen Kenntnissen über die Physiologien der kognitiven Funktionen und der Augenbewegungssteuerung und blieben daher als Postulationen erhalten. Die Längsschnittdaten darüber, wie sich diese Parameter im Laufe der Zeit während des neurodegenerativen Prozesses ändern können, sind unbekannt. Dennoch lohnt es sich, eine Folgestudie zu haben, um die Vorhersagewerte der grundlegenden Parameter der Augenbewegung zur Entwicklung kognitiver Beeinträchtigungen zu untersuchen. Zukünftige Studien sollten Neuroimaging einbeziehen, um die neurostrukturellen Grundlagen für eine solidere Unterstützung jeder Postulation zu adressieren, ohne die eine Weiterentwicklung des Eye-Tracking als Proxy-Marker der kognitiven Funktion nicht möglich sein wird.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben nichts zu verraten.

Acknowledgments

Die Autoren danken Dr. Harvey Hung für seinen Rat zum Manuskript.

Materials

Name Company Catalog Number Comments
Computer  Intel
Computerized cognitive assessment tool CANTAB CANTAB Research Suite Contains Pattern Recognition Memory, Spatial Span, and Stockings of Cambridge
Eye Movement Analyzer Lab Viso Limited https://github.com/lab-viso-limited/visual-search-analyzer
Eye tracker Tobii Tx300 23 inch computer screen with resolution of 1920 x 1080, Sampling rate at 300 Hz
Hong Kong List Leanrning Test Department of Psychology, The Chinese University of Hong Kong The Hong Kong List Learning Test (HKLLT) 2nd Edition
Stroop test Laboratory of Neuropsychology, The University of Hong Kong Neuropsychological Measures: Normative Data for Chinese, Second Edition (Revised)
Tobii Studio Tobii Tobii Studio version 3.2.2 Computer programme for running the visual search task
Visual Search Task Lab Viso Limited https://www.labviso.com/#products

DOWNLOAD MATERIALS LIST

References

  1. Hely, M. A., Reid, W. G. J., Adena, M. A., Halliday, G. M., Morris, J. G. L. The Sydney Multicenter Study of Parkinson’s disease: The inevitability of dementia at 20 years. Movement Disorders. 23 (6), 837-844 (2008).
  2. Braak, H., Del Tredici, K., Bratzke, H., Hamm-Clement, J., Sandmann-Keil, D., Rüb, U. Staging of the intracerebral inclusion body pathology associated with idiopathic Parkinson's disease (preclinical and clinical stages). Journal of Neurology. 249 (0), 1-5 (2002).
  3. Williams-Gray, C. H., et al. The distinct cognitive syndromes of Parkinson’s disease: 5 year follow-up of the CamPaIGN cohort. Brain. 132 (11), 2958-2969 (2009).
  4. Buter, T. C., van den Hout, A., Matthews, F. E., Larsen, J. P., Brayne, C., Aarsland, D. Dementia and survival in parkinson disease: A 12-year population study. Neurology. 70 (13), 1017-1022 (2008).
  5. Aarsland, D., Larsen, J. P., Tandberg, E., Laake, K. Predictors of nursing home placement in Parkinson's disease: A population-based, prospective study. Journal of the American Geriatrics Society. 48 (8), 938-942 (2000).
  6. Rascol, O., et al. Abnormal ocular movements in parkinson's disease: Evidence for involvement of dopaminergic systems. Brain. 112 (5), 1193-1214 (1989).
  7. Orban De Xivry, J. J., Lefèvre, P. Saccades and pursuit: Two outcomes of a single sensorimotor process. Journal of Physiology. 584 (1), 11-23 (2007).
  8. Crawford, T. J., et al. Inhibitory control of saccadic eye movements and cognitive impairment in Alzheimer's disease. Biological Psychiatry. 57 (9), 1052-1060 (2005).
  9. Archibald, N. K., Hutton, S. B., Clarke, M. P., Mosimann, U. P., Burn, D. J. Visual exploration in Parkinson's disease and Parkinson's disease dementia. Brain. 136 (3), 739-750 (2013).
  10. Litvan, I., et al. Diagnostic criteria for mild cognitive impairment in Parkinson's disease: Movement Disorder Society Task Force guidelines. Movement Disorders. 27 (3), 349-356 (2012).
  11. Rösler, A., et al. Alterations of visual search strategy in Alzheimer's disease and aging. Neuropsychology. 14 (3), 398-408 (2000).
  12. Hughes, A. J., Daniel, S. E., Kilford, L., Lees, A. J. Accuracy of clinical diagnosis of idiopathic Parkinson's disease: A clinico-pathological study of 100 cases. Journal of Neurology Neurosurgery and Psychiatry. 55 (3), 181-184 (1992).
  13. Chiu, H. F. K., Lee, H. C., Chung, W. S., Kwong, P. K. Reliability and Validity of the Cantonese Version of Mini-Mental State Examination-A Preliminary Study. Hong Kong Journal of Psychiatry. 4 (2), 25 (1994).
  14. Wong, A., et al. The validity, reliability and clinical utility of the Hong Kong Montreal Cognitive Assessment (HK-MoCA) in patients with cerebral small vessel disease. Dementia and Geriatric Cognitive Disorders. 28 (1), 81-87 (2009).
  15. Fahn, S., Elton, R. Members of the UPDRS Development Committee. Unified Parkinson's disease rating scale. Recent Development in Parkinson's Disease. 2, 293-304 (1987).
  16. Hoehn, M. M., Yahr, M. D. Parkinsonism: onset, progression, and mortality. Neurology. 17 (5), 427-427 (1967).
  17. Wu, P. C., Chang, L. Psychometric properties of the Chinese version of the Beck Depression Inventory-II using the Rasch model. Measurement and Evaluation in Counseling and Development. 41 (1), 13-31 (2008).
  18. Chiu, H. F., et al. The modified Fuld Verbal Fluency Test: a validation study in Hong Kong. The journals of gerontology. Series B, Psychological sciences and social sciences. 52 (5), 247-250 (1997).
  19. Chan, A. S., Kwok, I. Hong Kong list learning test: manual and preliminary norm. Hong Kong: Department of Psychological and Clinical Psychology Center. , (1999).
  20. Robbins, T. W., James, M., Owen, A. M., Sahakian, B. J., McInnes, L., Rabbitt, P. Cambridge Neuropsychological Test Automated Battery (CANTAB): A Factor Analytic Study of a Large Sample of Normal Elderly Volunteers. Dementia and Geriatric Cognitive Disorders. 5 (5), 266-281 (1994).
  21. Lee, T. M. C., Wang, K. Neuropsychological Measures: Normative Data for Chinese. , revised (2010).
  22. Birant, D., Kut, A. ST-DBSCAN: An algorithm for clustering spatial-temporal data. Data and Knowledge Engineering. 60 (1), 208-221 (2007).
  23. Wong, O. W., et al. Eye movement parameters and cognitive functions in Parkinson's disease patients without dementia. Parkinsonism and Related Disorders. 52, 43-48 (2018).
  24. Muslimovic, D., Post, B., Speelman, J. D., Schmand, B. Cognitive profile of patients with newly diagnosed Parkinson disease. Neurology. 65 (8), 1239-1245 (2005).
  25. Winograd-Gurvich, C., Georgiou-Karistianis, N., Fitzgerald, P. B., Millist, L., White, O. B. Self-paced saccades and saccades to oddball targets in Parkinson's disease. Brain Research. 1106 (1), 134-141 (2006).
  26. Briand, K. A., Strallow, D., Hening, W., Poizner, H., Sereno, A. B. Control of voluntary and reflexive saccades in Parkinson's disease. Experimental Brain Research. 129 (1), 38-48 (1999).
  27. Rivaud-Péchoux, S., Vidailhet, M., Brandel, J. P., Gaymard, B. Mixing pro- and antisaccades in patients with parkinsonian syndromes. Brain. 130 (1), 256-264 (2007).
  28. Perneczky, R., Ghosh, B. C. P., Hughes, L., Carpenter, R. H. S., Barker, R. A., Rowe, J. B. Saccadic latency in Parkinson's disease correlates with executive function and brain atrophy, but not motor severity. Neurobiology of Disease. 43 (1), 79-85 (2011).
  29. Matsumoto, H., et al. Small saccades restrict visual scanning area in Parkinson's disease. Movement Disorders. 26 (9), 1619-1626 (2011).
  30. MacAskill, M. R., Anderson, T. J., Jones, R. D. Adaptive modification of saccade amplitude in Parkinson's disease. Brain. 125 (7), 1570-1582 (2002).
  31. Salvucci, D. D., Goldberg, J. H. Identifying fixations and saccades in eye-tracking protocols. Proceedings of the 2000 symposium on Eye tracking research & applications. , 71-78 (2000).
  32. Rana, A. Q., Kabir, A., Dogu, O., Patel, A., Khondker, S. Prevalence of blepharospasm and apraxia of eyelid opening in patients with parkinsonism, cervical dystonia and essential tremor. European Neurology. 68 (5), 318-321 (2012).

Tags

Neurowissenschaften Ausgabe 151 Parkinson-Krankheit Kognition kognitive Beeinträchtigung Augenverfolgung Augenbewegung Sakkade visuelle Fixierung
Charakterisierung der Beziehung zwischen Augenbewegungsparametern und kognitiven Funktionen bei nicht dementen Parkinson-Patienten mit Eye Tracking
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Wong, O. W. H., Fung, G. P. C.,… More

Wong, O. W. H., Fung, G. P. C., Chan, S. Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking. J. Vis. Exp. (151), e60052, doi:10.3791/60052 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter