نصف هنا PyOKR ، وهي طريقة تحليل كمي شبه آلية تقيس مباشرة حركات العين الناتجة عن الاستجابات البصرية لحركة الصورة ثنائية الأبعاد. تسمح واجهة المستخدم المستندة إلى Python وخوارزمية التحليل بإنتاجية أعلى وقياسات كمية أكثر دقة لمعلمات تتبع العين مقارنة بالطرق السابقة.
تعد دراسة الاستجابات السلوكية للمنبهات البصرية مكونا رئيسيا لفهم وظيفة النظام البصري. إحدى الاستجابات الملحوظة هي المنعكس البصري (OKR) ، وهو سلوك فطري محفوظ للغاية ضروري لتثبيت الصورة على شبكية العين. يوفر OKR قراءة قوية لقدرة تتبع الصور وقد تمت دراسته على نطاق واسع لفهم دوائر النظام البصري ووظيفته في من خلفيات وراثية مختلفة. يتكون OKR من مرحلتين: مرحلة تتبع بطيئة حيث تتبع العين حافزا إلى حافة المستوى البصري ومرحلة سريعة تعويضية تعيد ضبط موضع العين في المدار. الطرق السابقة لتتبع القياس الكمي للمكاسب ، على الرغم من موثوقيتها ، كثيفة العمالة ويمكن أن تكون ذاتية أو مشتقة بشكل تعسفي. للحصول على تقدير كمي أسرع وقابل للتكرار لقدرة تتبع العين ، قمنا بتطوير برنامج تحليل شبه آلي جديد ، PyOKR ، يسمح بالقياس الكمي لحركة تتبع العين ثنائية الأبعاد استجابة لأي حافز اتجاهي ، بالإضافة إلى كونها قابلة للتكيف مع أي نوع من معدات تصوير العين بالفيديو. توفر هذه الطريقة التصفية الآلية ، واختيار مراحل التتبع البطيئة ، ونمذجة متجهات العين الرأسية والأفقية ، والقياس الكمي لمكاسب حركة العين بالنسبة لسرعة التحفيز ، وتنظيم البيانات الناتجة في جدول بيانات قابل للاستخدام للمقارنات الإحصائية والرسومية. يوفر خط أنابيب التحليل الكمي والمبسط هذا ، الذي يمكن الوصول إليه بسهولة عبر استيراد PyPI ، قياسا سريعا ومباشرا لاستجابات OKR ، مما يسهل دراسة الاستجابات السلوكية البصرية.
يعتمد تثبيت الصورة على استجابات حركية دقيقة للعين للتعويض عن التدفق البصري العالمي الذي يحدث أثناء الحركة الذاتية. هذا الاستقرار مدفوع بشكل أساسي باستجابتين حركيتين: المنعكس البصري (OKR) والمنعكس الدهليزي العيني (VOR) 1،2،3. تحفز الحركة العالمية البطيئة عبر شبكية العين OKR ، مما يثير دوران العين الانعكاسي في الاتجاه المقابل لتثبيت الصورة 1,2. هذه الحركة ، المعروفة باسم المرحلة البطيئة ، تنقطع عن طريق الأكياس التعويضية ، والمعروفة باسم المرحلة السريعة ، حيث يتم إعادة ضبط العين بسرعة في الاتجاه المعاكس للسماح بمرحلة بطيئة جديدة. هنا ، نحدد هذه الأكياس سريعة المرحلة على أنها حركات تتبع العين (ETMs). في حين أن VOR يعتمد على النظام الدهليزي لاستنباط حركات العين للتعويض عن حركات الرأس3 ، يتم بدء OKR في شبكية العين عن طريق إطلاق ON والإشارات اللاحقة إلى النظام البصري الملحق (AOS) في الدماغ المتوسط 4,5. نظرا لاعتماده المباشر على دوائر الشبكية ، فقد تم استخدام OKR بشكل متكرر لتحديد قدرة التتبع البصري في كل من الإعدادات البحثية والسريرية 6,7.
تمت دراسة OKR على نطاق واسع كأداة لتقييم القدرة البصرية الأساسية2،6،8 ، وتطوير DSGC9،10،11،12 ، والاستجابات الحركية للعين13 ، والاختلافات الفسيولوجية بين الخلفيات الوراثية7. يتم تقييم OKR في الثابتة الرأس المقدمة مع حافز متحرك14. عادة ما يتم التقاط الاستجابات الحركية للعين باستخدام مجموعة متنوعة من أدوات الفيديو ، ويتم التقاط حركات تتبع العين كأشكال موجية OKR في الاتجاهين الأفقي والرأسي9. لتحديد قدرة التتبع ، تم وصف مقياسين أساسيين: كسب التتبع (سرعة العين بالنسبة لسرعة التحفيز) وتردد ETM (عدد أكياس المرحلة السريعة خلال إطار زمني معين). تم استخدام حساب الكسب تاريخيا لقياس السرعة الزاوية للعين مباشرة لتقدير قدرة التتبع. ومع ذلك ، فإن هذه الحسابات كثيفة العمالة ويمكن اشتقاقها بشكل تعسفي بناء على طرق جمع تصوير العين بالفيديو والقياس الكمي اللاحق. لتقييم OKR بشكل أسرع ، تم استخدام حساب تردد ETM كطريقة بديلة لقياس حدة التتبع7. على الرغم من أن هذا يوفر تقديرا دقيقا إلى حد ما لقدرة التتبع ، إلا أن هذه الطريقة تعتمد على مقياس غير مباشر لتحديد استجابة المرحلة البطيئة وتقدم عددا من التحيزات. وتشمل هذه التحيز المراقب في تحديد saccade ، والاعتماد على استجابات saccadic متسقة زمنيا عبر حقبة محددة ، وعدم القدرة على تقييم حجم استجابة المرحلة البطيئة.
من أجل معالجة هذه المخاوف مع مناهج تقييم OKR الحالية ولتمكين القياس الكمي المتعمق عالي الإنتاجية لمعلمات OKR ، قمنا بتطوير طريقة تحليل جديدة لتحديد أشكال موجات OKR. يستخدم نهجنا منصة برمجية يمكن الوصول إليها تستند إلى Python تسمى “PyOKR”. باستخدام هذا البرنامج ، يمكن دراسة نمذجة وقياس استجابات المرحلة البطيئة ل OKR بعمق أكبر ومع زيادة المعلمات. يوفر البرنامج تقييمات كمية يمكن الوصول إليها وقابلة للتكرار للاستجابات لعدد لا يحصى من المحفزات البصرية وكذلك التتبع البصري ثنائي الأبعاد استجابة للحركة الأفقية والرأسية.
يوفر PyOKR العديد من المزايا لدراسة الاستجابات البصرية المنعكسة في حركات العين. وتشمل هذه الدقة وإمكانية الوصول وخيارات جمع البيانات ، بالإضافة إلى القدرة على دمج المعلمات وسرعات التحفيز المتغيرة.
يوفر تقييم كسب تتبع العين المباشر توصيفا دقيقا لحركة العين وهو مقياس كمي مباش…
The authors have nothing to disclose.
تم دعم هذا العمل من قبل R01 EY032095 (ALK) ، زمالة VSTP لما قبل الدكتوراه 5T32 EY7143-27 (JK) ، F31 EY-033225 (SCH) ، R01 EY035028 (FAD و ALK) و R01 EY-029772 (FAD).
C57BL/6J mice | Jackson Labs | 664 | |
Igor Pro | WaveMetrics | RRID: SCR_000325 | |
MATLAB | MathWorks | RRID: SCR_001622 | |
Optokinetic reflex recording chamber – JHUSOM | Custom-built | N/A | As described in Al-Khindi et al.(2022)9 and Kodama et al. (2016)13 |
Optokinetic reflex recording chamber – UCSF | Custom-built | N/A | As described in Harris and Dunn, 201510 |
Python | Python Software Foundation | RRID: SCR_008394 | |
Tbx5 flox/+ mice | Gift from B. Bruneau | N/A | As described in Al-Khindi et al.(2022)9 |
Tg(Pcdh9-cre)NP276Gsat/Mmucd | MMRRC | MMRRC Stock # 036084-UCD; RRID: MMRRC_036084-UCD |