Göz Takibi Olan Akılda Olmayan Parkinson Hastalarında Göz Hareketi Parametreleri ile Bilişsel Fonksiyonlar Arasındaki İlişkinin Karakterize Edilmesi

Parkinson hastalığı klasik bir motor hastalıktır; henüz, hastalık da bilişsel açıkları ile ilişkilidir, ve demans içine ilerleme yaygındır¹. Parkinson hastalığında kognitif bozukluğun patofizyolojisi iyi anlaşılamamıştır. Braak'ın evreleme^2'yegöre kortikal bölgede alfa-sinüklein birikimi ile ilişkili olduğu düşünülmektedir. Ayrıca dopaminerjik ve kolinerjik sistemin dejenerasyonbir çift sendrom prognostik etkisi ile farklı bilişsel açıkları yol açtığı önerilmiştir³. Daha fazla araştırma daha fazla Parkinson hastalığında bilişsel bozukluk dahil kesin mekanizmaları açıklığa kavuşturmak için gereklidir. Klinik açıdan, bilişsel bozukluk varlığı prognoz üzerinde önemli bir etkisi vardır^4,5. Klinik uygulamada bilişsel fonksiyonun değerlendirilmesi, bu nedenle, gereklidir. Ancak, uzun bir bilişsel değerlendirme hastaların zihinsel ve motor koşulları ile sınırlıdır. Bu nedenle, bilişsel fonksiyon üzerinde hastalığın yükünü yansıtabilir bir noninvaziv ve basit bir ölçüm gereklidir.

Göz hareketi anormallikleri yaygın olarak parkinson hastalığının erken^{aşamalarından}tespit edilebilir belirtileri tarif 6 , henüz patofizyoloji bilişsel bozukluk daha az iyi karakterizedir. Göz hareketinin nesil görsel duyusal giriş bir dönüşüm yoluyla, bir iç içe kortikal ve subkortikal ağ tarafından subserved, etkisi için beyin sapında okülomotor çekirdekleri sinyalleri içine⁷. Parkinson hastalığı patolojilerinin bu ağlara katılımı göz hareketi anormalliklerine yol açabilir. Orada, belki de göz hareketi ve bilişsel fonksiyon kontrolü yöneten nöroanatomik yapıların örtüşen. Ayrıca, diğer nörodejeneratif bozukluklarda saccadik göz hareketi ve bilişsel fonksiyon arasındaki ilişkiyi inceleyen çalışmalar yapılmıştır⁸. Bu nedenle, Parkinson hastalığında bilişsel fonksiyonların bir proxy marker olarak göz hareketi parametrelerinin kullanımını keşfetmek için değerlidir. Bir kesitsel çalışma⁹ azaltılmış saccadik genlik ve daha uzun fiksasyon süresi Parkinson hastalığında küresel bilişsel bozukluğun şiddeti ile ilişkili olduğunu gösterdi. Ancak, göz hareketi parametreleri ve belirli bilişsel etki alanları arasındaki korelasyon hakkında veri eksikliği vardır. Genel bilişsel durum yerine belirli bilişsel etki alanlarının ölçülmesinin önemi ve ölçülmesi, bireysel bilişsel etki alanının Parkinson hastalığı^3'te diferansiyel prognostik bilgileri bilgilendirmesi ve farklı sinir ağları. Bu çalışmanın amacı göz hareketi ölçümleri ile farklı bilişsel işlevler arasındaki özel ilişkiyi araştırmaktır. Bu göz izleme teknolojisi kullanarak Parkinson hastalığında bilişsel gerileme biyobelirteçleri geliştirilmesi inşa edilebilir bir temel kurmak için ilk adımdır.

Sunulan deneysel paradigma 2 ana bölümden oluşur: bilişsel değerlendirme ve göz izleme görevi. Bilişsel değerlendirme pil bilişsel işlevleri bir dizi kapsıyordu, dikkat ve çalışma belleği de dahil olmak üzere, yürütme fonksiyonu, dil, sözel bellek ve visuospatial fonksiyon. Bu 5 bilişsel etki alanının seçimi, Parkinson hastalığında hafif bilişsel bozukluk için Hareket Bozukluğu Derneği Görev Gücü Yönergeleri dayanmaktadır¹⁰, ve yerel olarak kullanılabilir bilişsel testler bir dizi değerlendirme oluşturmak için seçildi Pil. Parkinson hastalığı biliş bahsedilen bir önceki benzer göz izleme çalışmada⁹, yazar denekler görsel bilişsel görevleri meşgul iken göz hareketi parametreleri ayıklanır, parametrelerpotansiyel olarak etkilenmiş olabilir öznenin bilişsel yeteneği. Bu çalışma, göz hareketi parametreleri ile farklı bilişsel etki alanları arasındaki ilişkiyi değerlendirmeyi amaçlayırken, bilişsel yeteneklerin göz parametreleri üzerindeki potansiyel kafa karıştırıcı etkisi ele alınmalıdır. Bu bağlamda, alzheimer hastalığı¹¹başka bir göz izleme çalışması ndan uyarlanan görsel bir arama görevi, deneklerin göz hareketi parametrelerini yakalamak için kullanılmıştır. Görev sırasında, denekler birden çok alfabe dağıtıcıları arasında bir bilgisayar ekranında tek bir sayı aramak zorunda kaldı. Bu görev saccadik göz hareketi ve görsel fiksasyon alternatif kullanımı ortaya çıkarmak istiyorsunuz, hangi anormallikleri yaygın Parkinson hastalığında açıklanan. Sayı ve alfabenin tanımlanması ve farklılaşması, bilişsel işlevlere olan talebin çok az olduğu ve bu nedenle bu çalışmanın araştırma sorusuna cevap vermeye uygun olacağı, öğrenilmiş bir görevdir. Rösler ve ark.¹¹tarafından belirtildiği gibi teknik özelliklere ve tasarıma dayalı bir bilgisayar programı geliştirilmiştir. onların orijinal çalışmada bizim göz izci dahili yazılım içinde çalıştırılacak. Bu çalışma için göz izleme verilerinin sınıflandırılması ve analizi için bir şirket içi algoritma da geliştirilmiştir.

Bu araştırma projesi Hong Kong-Yeni Bölgeler Çin Ortak Üniversitesi Doğu Küme Klinik Araştırma Etik Komitesi (CREC Ref. No.: 2015.263) tarafından onaylanmıştır.

1. Katılımcı Alımı ve Temel Değerlendirmesi

1. İngiltere Parkinson Hastalığı Derneği (UKPDS) Beyin Bankası Tanı Kriterleri¹²dayalı yapılan tanı ile bir nöroloji uzmanı kliniğinden daha az veya 70 eşit yaşta Parkinson hastalığı hastaları Recruit .
   1. Psikiyatrik hastalıkları olan bireyleri, göz hareketini bozacak oftalmolojik hastalıkları veya diğer nörolojik hastalıkları hariç tinler. Ayrıca, bilişsel performans ve göz hareketini etkilediği bilinen antikolinerjikler kullanan olguları hariç tmak.
2. Seks, yaş ve eğitimle eşleşen 1:1 temelde sağlıklı kontroller alın.
3. Özneden bilgilendirilmiş onay alın.
4. Konu ile bir klinik tanı görüşme yapmak ve, varsa, onların yakınları, Mini-Mental Devlet Muayenesi (MMSE)¹³ ve Montreal Bilişsel Değerlendirme (MoCA)¹⁴ile bilişsel bozukluk için demans ve ekran dışlamak için. Demans olgularını çalışmadan veya deneğin MMSE veya MoCA puanları <22>
5. Bir Snellen grafik ile görme keskinliği değerlendirin. Görme keskinliği 20/40'tan küçükse konuyu hariç tut.
6. Birleşik Parkinson Hastalığı Derecelendirme Ölçeği (UPDRS) Bölüm II & III¹⁵ ve Modifiye Hoehn ve Yahr (H&Y) Evreleme¹⁶kullanarak Parkinson hastalığının motor şiddetini ve evrelemesini değerlendirin. Ayrıca, konu tarafından alınan mevcut ilaçlar hakkında bilgi edinin.
7. Beck Depresyon Envanter-II (BDI-II)¹⁷tarafından depresif ruh hali durumu değerlendirmek.

2. Deneysel Kurulum

1. Yeterli bir ışık kaynağı ile sessiz bir odada deneme gerçekleştirin.
2. Parkinson hastalığı denekler için optimal motor fonksiyonlu ilaç tedavisi görürken deneyi gerçekleştirin.
3. Ekran tabanlı göz izleyicisi, bilgisayar, fare, standart klavye, çene dayama ve bilişsel değerlendirme araçlarından oluşan kurulumu hazırlayın(Tablo Malzemeler).
4. Örnekleme hızı en az 300 Hz olan bir göz izleyicisi kullanın.
5. Çene geri kalanını göz izleyici ekranının önüne 60 cm'lik bir yere yerleştirin.

3. Bilişsel Değerlendirme nin Akışı ve Görsel Arama Görevi

1. Çince Kategorik Sözel Akıcılık Testi¹⁸gerçekleştirin . Bir dakika içinde mümkün olduğunca çok sayıda hayvan isim konu talimat. Yanıt ların sayısını ve azimli hatayı kaydedin. Sonra meyve ve sebze kategorisinde aynı tekrarlayın.
2. Hong Kong List Learning Test (HKLLT)^19'un kayıt bölümünü (Deneme 1, 2 ve 3) önceden tanımlanmış 16 kelimelik bir kelime listesini okuyarak gerçekleştirin ve konuyu hatırlaması için talimat ver. Daha sonra konudan kelime listesini ücretsiz olarak hatırlamasını isteyin ve yanıtı kaydedin (Deneme 1).
   1. Deneme 2 ve Deneme 3 için adım 3.2'yi iki kez tekrarlayın.
3. 10 ve 30 dk gecikme geri çağırma için HKLLT kayıt kısmından sonra 10 dk ve 30 dk bekleyin.
4. HKLLT 10 dk gecikmeli hatırlama önce, Cambridge Nöropsikolojik Test Otomatik Pil (CANTAB)²⁰ (Tablo Malzeme) Gelen Desen Tanıma Bellek (PRM) gerçekleştirin.
   1. Tablet bilgisayarı kullanarak, ekranın ortasına teker teker 24 görsel desen sunun. Deseni hatırlaması için konuya talimat ver.
   2. Sunumdan sonra, 2 seçenekli bir kuvvet ayrımcılık paradigmasında, deneğe tanıyabileceği örüntüleri seçmesini emredin.
5. 16 kelimelik kelime listesini ücretsiz olarak geri çağırmasını isteyerek HKLLT'nin 10 dk gecikmegerilmesini gerçekleştirin.
6. HKLLT 30 dk gecikmeli hatırlama önce, CANTAB²⁰Mekansal Span (SSP) gerçekleştirmek .
   1. Değişken diziler halinde renk değiştiren beyaz kutuların bir örneğini göstermek için tablet bilgisayarını kullanın.
   2. Daha sonra konuya, sunuldukları sırayla kutulara dokunmatalimatı yapın ve görevin zorluğu (renk değişikliği kutularının sayısı) arttıkça öznenin ulaşabileceği uzamsal yayılma uzunluğunu kaydedin.
7. 16 kelimelik kelime listesini ücretsiz olarak geri çağırmasını isteyerek 30 dk gecikme geri çağırmagerçekleştirin.
   1. HKLLT'nin tanıma ve ayrımcılık kısmını, kelime kelimelerinin yarısı 3,2'deki orijinal sözcük listesinden olan önceden tanımlanmış 32 kelimelik başka bir kelime listesini okuyarak gerçekleştirin. Okunan her kelimenin orijinal sözcük listesinden olup olmadığını belirlemek için konuya talimat ver.
8. Görevleri sırasıyla 10 ve 30 dakika gecikme geri çağırmadan önce 3,4 ve 3,6 olarak bitirirlerse konunun sessizce dinlenmesine izin verin.
9. CANTAB^20'denCambridge Çorap (SOC) gerçekleştirin.
   1. Tablet bilgisayar kullanarak, 3 dikey çorap düzenlenen 3 topları iki paralel görüntüler 20 senaryoları mevcut, hangi ekranlarda topları düzenleme her senaryoda değişir.
   2. Her senaryoda, üst ekranda gösterilen deseni kopyalamak için alt ekranda topları yeniden düzenlemek için gereken en az hamle sayısını belirlemek için konuya talimat ver. Yanıtı düzeltmek için ortalama seçenek sayısını kaydedin.
10. Stroop Testi²¹gerçekleştirin.
    1. Özne3 kart art arda verin; ilk kart farklı renklerde basılmış nokta içerir, ikinci kart farklı renklerde basılmış Çince karakterler içerirken, son kartfarklı renkleri gösteren Çince karakterlere sahiptir (örneğin, Çince "mavi", "sarı", "yeşil" veya "kırmızı") adıyla belirtilmeyen bir renkte yazdırılır (örn. mavi mürekkeple basılmış "kırmızı" sözcüğü).
    2. Nesneden noktaların/Çince karakterlerin yazdırılan rengini mümkün olan en kısa sürede okumasını isteyin ve her kart için gereken süreyi kaydedin (T1, T2 ve T3).
    3. (T3-T1)/T1 formülü ile girişim indeksini hesaplayın.
11. Bilişsel testleri tamamladıktan sonra görsel arama görevine devam edin.
    NOT: Sözel bellek performansı üzerinde girişim etkisini önlemek için tüm HKLLT (3.7) sonuna kadar HKLLT kayıt bölümünden sonra herhangi bir sözlü bilişsel görev yürütmek etmeyin.

4. Görsel Arama Görevi

1. Bir sandalyeye konu yerleştirin ve baş hareketini en aza indirmek için bir çubuk karşı alnına çene dinlenme onların çene üzerine yerleştirin. Nesnenin gözlerini yaklaşık olarak bilgisayar ekranının ortasına hizala. Bilgisayar programındaki Kayıt Başlat düğmesini tıklatarak başlayın.
2. Kalibrasyon
   1. Kalibrasyon arabirimindeki Başlat düğmesini tıklatarak göz izleyicisini dahili kalibrasyon programıyla kalibre edin.
   2. Başını sabit tutarken, deneğe 9 fiksasyon noktasıyla ekranda hareket eden kırmızı bir noktaya bakmasını isteyin.
   3. Kalibrasyon çizimini görüntüleyerek kalibrasyon kalitesini kontrol edin (Şekil 1). Hata vektörlerini temsil eden yeşil çizgilerin uzunluğunun, kabul edilebilir bir kalibrasyon kalitesi için gri dairelerin içine düştüğünden emin olun. Herhangi bir eksik nokta varsa veya yeşil çizgiler gri dairelerin dışına düşerse kalibrasyonu yeniden yapın. Görsel arama görevine devam etmek için Kabul Et'i tıklatın.
3. Yönerge
   1. Konuya sözlü talimat sağlayın ve konuya aşina olmak için 5 uygulama çalışmasıyla başlayın.
   2. Her denemenin başında merkezi fiksasyon çapraz bakışlarını sabitlemek için konu talimat. Daha sonra, bilgisayar ekranının tek bir sayı ve rastgele dağılmış 79 dikkat dağıtıcı alfabeyi görüntüleyeceği bir deneme başlatmak için klavyede Enter tuşuna basın(Şekil 2).
   3. Sayı için mümkün olduğunca hızlı bir şekilde bakmak için konu talimat ve sonra aynı anda fare yi tıklatın ve sayı bulunur bulunmaz yüksek sesle sayı devlet.
   4. Belirtilen numaranın doğru olup olmadığını çapraz kontrol edin.
   5. 5 uygulama çalışmasından sonra toplam 40 deneme yönetin.
4. Görsel arama görevinde deneme görüntülerinin tasarımı
   NOT: Php ile yazılan program kodu, bu bölüm için Ek Dosya 1'debulunabilir.
   1. Yalnızca 4, 6, 7 ve 9 sayılarını kullanın(Ek Dosya 1 - Satır 5).
      NOT: Pilot çalışma¹¹ bu sayıların alfabelerden en kolay şekilde ayırt edilebis olduğunu göstermiştir.
   2. Hedef sayının yerinin, birbirini izleyen üçten fazla deneme için aynı görsel çeyrekte bulunamaması kuralıyla denemeden yargıya randomize olduğundan emin olun(Ek Dosya 1 - Satır 48-52).
   3. "I" ve "O" gibi belirsiz alfabeler kullanmayın(Ek Dosya 1 - Satır 76-78).
   4. Fiksasyon çapraz, alfabe ve sayıların boyutunu 0,85° görsel açı (23 inç bilgisayar ekranında yaklaşık 0,9 cm'ye eşdeğer) olarak ayarlayın.
      NOT: Sayılar ve alfabeler kullanılır, çünkü bunlar kolayca tanınabilir görsel uyaranlardır, ancak tanımlama için foveasyon gerektirir.
   5. Araştırmacı Enter tuşuna bastıktan sonra 1,5 s'lik bir zaman atlamasına izin verin ve merkezi fiksasyon çaprazının görüntülenmesi deneme başlatmak için deneme görüntüsüne geçilmeden önce(Ek Dosya 2 - Satır 71; 156-158).
   6. Fare tıklatıldığında veya denemenin başlangıcından bu yana 10 s geçtikten sonra(Ek Dosya 2 - Satır 72; 162-180) olan düzeltme çaprazının yeniden görünmesiyle ekranın boş olduğundan emin olun.
   7. Görev tamamlandığında, her denemenin başlangıcıve sonu(Ek Dosya 2 – satır 48-59; 199-208) zaman damgalarını içeren bir .csv dosyası oluşturun. Bölüm 5'teki veri analizinde bu dosyayı kullanın.

5. Göz Takibi Veri İşleme ve Analizi

1. Bilgisayar programının Yeniden Oynatma bölümünde, görsel arama görevi sırasında gözlerin Örnek Yüzdesini kontrol edin (Şekil 3). %20'den fazla eksik veri görülürse, deneğin verilerini atın.
   NOT: Örnekler Yüzde, görsel arama görevi sırasında gözlerin göz izleyicisi tarafından başarıyla konumlandırılabiliyor yüzdesini gösterir.
2. Oluşturulan görselleştirilmiş scan yolu videosunu inceleyerek verilerin kalitesini kontrol etmek için kayıt için Oynat düğmesine tıklayın (Şekil 4). Büyük ölçüde hatalıysa, öznenin tüm verilerini atın (Şekil 5).
3. Öznenin fareye yanlışlıkla ve erken bastığı herhangi bir deneme(ler) atın.
4. Programın Veri Verme bölümünde GazePointX (ADCSpx) ve GazePointY (ADCSpx) ve ilgi konusu(Şekil 6)seçeneğini belirleyin. Her öznenin verilerini dışa aktarmak ve .csv dosyası olarak kaydetmek için Verileri Dışa Aktar'ı tıklatın. Dosya, her zaman noktasında, piksel olarak, bilgisayar ekranında deneğin gözleri konumunun x ve y koordinatlarını içerir.
5. Görsel Arama Çözümleyicisi'ni kullanın ve(Şekil 7)arabiriminde, 5.4'te dışa aktarılan verileri Göz Verisi girişi olarak seçin ve 4.4.7'de oluşturulan .csv dosyası Eylem verileriningirişi olarak . Sınıflandırma algoritması olarak ST DBScan'ı seçin ve Çalıştır'ıtıklatın. Ardından, konunun ortalama saccade genliğini ve ortalama fiksasyon süresini içeren bir elektronik tablo dosyası oluşturmak için Özet'e tıklayın.
6. Görsel arama analizörü tasarımı
   NOT: Çözümleyicinin tasarımı için kodlama https://github.com/lab-viso-limited/visual-search-analyzer bulunabilir. Program kodu Ek Dosya 3 bulunabilir.
   1. 4.4.7'de oluşturulan .csv dosyasını kullanarak analizciyi yalnızca denemenin başından sonuna kadar (örneğin, fare tıklanana veya 10 s geçene kadar numara ve alfabelerin görüntülenmesinden) ayıklayıp analiz eder şekilde programlayın ( Ek Dosya 3 - Satır 6-173).
   2. Göz kırpmadan hemen önce ve sonra bakış noktasının x ve y koordinatlarının ortalamasını alarak göz kırpma nedeniyle veri kaybını dolduracak şekilde analizörü programlayın(Ek Dosya 3 - Satır 176-260).
   3. ST-DBSCAN²² 'ye dayalı olarak geliştirilen algoritmayı kullanarak ham verileri saccade veya fiksasyon olarak sınıflandıracağını programlayın (Ek Dosya 4'tekiprogram kodu) .

Bu çalışmanın tam sonucu23yayınlanan orijinal kağıt mevcuttur. Parkinson hastalığı denekler (n = 67) işe alındı ve değerlendirme tamamlandı. Ancak, 5 olgu, göz izleyicisi ile uyumsuz aşamalı lens taktıkları ve verileri atıldığı için görsel arama görevini tamamlayamadı. Deneklerin yaş ortalaması 58.9 (SD = 7.5 yıl) idi ve erkek-kadın oranı 1.7:1 idi. Karşılaştırma için 62 sağlıklı yaş, cinsiyet ve eğitimle uyumlu kontroller alındı.

Bilişsel ve göz hareketi parametreleri
Diğer önceki çalışmalarla tutarlı24,Parkinson hastalığı grubu kontrol grubuna göre birden fazla bilişsel görevde daha düşük performans gösterdi(Tablo 1). Görsel arama görev verilerinin sınıflandırılması için şirket içi algoritma kullanılarak, sabitlemeler ve saccades tanımlanır ve hesaplama ve analiz için ayıklanır. Hastalık grubunun kontrollere göre daha küçük ortalama saccadik genlik (16.36° ± 2.36) olduğu saptadı (17.27° ± 2.49; p = 0.037). Ortalama fiksasyon süresi gruplar arasında anlamlı olarak farklı değildi (216.58 ms ± 31.64 vs, 211.59 ms ± 24.90; p = 0.331) (Tablo 2).

Göz hareketi parametreleri ile bilişsel fonksiyon arasındaki korelasyon
Kovariatlar için ayarlandıktan sonra, ortalama fiksasyon süresi ile sözel tanıma bellek skorundaki performans arasında negatif korelasyonlar saptandı (Tanıma ve Ayrımcılık puanları; F = 5.843, t = -2.417, p = 0.017 ve F = 12.771, t = -3.574, p = 0.001, sırasıyla), örüntü tanıma belleği (F = 5.505, t = -2.346, p = 0.021) ve meyve kategorilerinde kategorik sözel akıcılık testi (F = 5.647, t = -2.376, p = 0.009) ve sebze (F = 9.744, t = -3.122, p = 0.002). (Tablo 3). Ancak bu korelasyonlarda hastalık ve kontrol grubu arasında anlamlı bir etkileşim saptamadı ve bu da korelasyonların hastalık grubuna özgü olmadığını düşündürmektedir. Görsel fiksasyon ve ilişkili bilişsel fonksiyonların kontrolü genellikle ağırlıklı olarak kolinerjik bir temele sahip beynin temporal ve parietal bölgelerini içerdiği, bu nöroanatomik ve biyokimyasal değişikliklerde patolojik değişiklikler olduğu spekülasyonları vardır. mekanizmalar bulguları açıklayabilir.

Şekil 1 : Göz izleyicisinin kalibrasyon çizimi. Çizim kalibrasyon sonucunu gösterir. Her yeşil çizginin uzunluğu, göz izleyicisi tarafından hesaplanan bakış noktası ile gerçek nokta konumu arasındaki farkı gösterir. Tüm yeşil çizgiler gri daireler içinde düşmek ve hiçbir eksik noktası olduğundan, bu kalibrasyon kalitesi kabul edilebilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 2 : Görsel arama görevinin deneme örneği. 79 dikkat dağıtıcı alfabe arasında 1 sayı bulunan 80 uyarıcı öğeden oluşan doğrusal olmayan bir dizinin görüntülenmesi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 3 : Genel örnekleme yüzdesini kontrol etmek için arayüz. Bilgisayar programının Yeniden Oynatma bölümünde, görsel arama görevi sırasında gözlerin göz izleyicisi tarafından başarıyla bulunduğu süre yüzdesini gösteren Örnekler Yüzdesi her konu için denetlenebilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 4 : Görsel arama görevinden görselleştirilmiş bir taramayı n için bir örnektir. Bu deneme sırasında tarar yolu, saccadik göz hareketini temsil eden kırmızı düz çizgiler ve görsel fiksasyonlar için kırmızı nokta ile görselleştirilmiştir. Her görsel fiksasyonun sonununormal bir taraya doğru bir saccade ve tam tersi takip ettiğini unutmayın. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 5 : Büyük ölçüde hatalı görselleştirilmiş bir teşrin yolu örneği. Bir brüt hatalı tbmkif yolu Bu örnek uyumsuz progresif lens bir çift giyen bir konu alınır. Şekil 4'tekinormal tarama yolunun aksine, kırmızı çizgiler (saccade) zikzak halinde çalışır ve bilgisayar ekranından düşer. Fiksasyon noktaları alfabe ler veya sayı üzerinde değildir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 6 : Bilgisayar programındaveri dışa aktarma arabirimi. Bu, veri dışa aktarmak için öznenin ve yakalanan göz izleme verilerinin türünün seçilebileceği arabirimi gösterir. Deneysel paradigmamızda, piksellerde, ekrandaki her zaman noktasındaki göz pozisyonunun x ve y koordinatı veri analizi için kullanılacaktır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 7 : Görsel Arama Çözümleyicisinin arayüzü. Bu, göz izleme verileri için şirket içi analiz programının arabirimini gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Tablo 1: Bağımsız örneklem t-testi kullanılarak iki grup arasında bilişsel puanların karşılaştırılması. MMSE, mini-mental durum muayenesi; MoCA, Montreal Bilişsel Değerlendirme; *– p<0.05 a – düzeltmek için ortalama seçimler; b – z-skora dönüştürülen puanlar; c – yüzde doğru; d – açıklık uzunluğu. Bu tablo23'tençoğaltılmıştır.

Tablo 2: Bağımsız örneklem t-testi kullanılarak iki grup arasında göz izleme parametrelerinin karşılaştırılması. * - p < 0.05. Bu tablo23'tendeğiştirildi.

Tablo 3: Genel Doğrusal Model kullanılarak bilişsel skorlar ile göz izleme parametreleri arasındaki korelasyonlar: Sadece anlamlı bulgular. * - p < 0.05. Bu tablo23'tençoğaltılmıştır.

Ek Dosya 1: Deneme görüntü tasarımıyla ilgili kodlar. Bu dosyayı indirmek için lütfen buraya tıklayınız.

Ek Dosya 2: Görsel arama görevinin gerçek çalışmasıyla ilgili kodlar. Bu dosyayı indirmek için lütfen buraya tıklayınız.

Ek Dosya 3: Yazılımla ilgili kodlar (örn. analizci programı). Bu dosyayı indirmek için lütfen buraya tıklayınız.

Ek Dosya 4: Göz hareketi ölçümlerini sınıflandırmak için kullanılan ST-DBSCAN algoritması ile ilgili kodlar. Bu dosyayı indirmek için lütfen buraya tıklayınız.

Yazarların açıklayacak bir şeyi yok.