自动化对不同神经退行性疾病的眼动分析
Deming Li1, Ankur A Butala2, Laureano Moro-Velazquez1
1Department of Electrical and Computer Engineering, The Johns Hopkins University, Baltimore, 21218, MD, USA.
Computers in biology and medicine
|January 14, 2024
概括
本研究介绍了一种用于自动眼动分析的算法,以客观评估神经退行性疾病. 这些发现揭示了阿尔茨海默病和帕金森病的独特眼镜生物标志物,有助于诊断和监测.
科学领域:
- 眼科医生 眼科 眼科
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 对眼外运动的临床评估对于神经退行性疾病至关重要,但是主观的.
- 需要客观和定量方法来准确诊断和监测神经退行性疾病.
研究的目的:
- 开发和验证一种算法,用于自动识别眼睛运动模式 (摇摆,固定,平滑的追逐,眼).
- 确定客观的眼科生物标志物,以区分神经退行性疾病,如阿尔茨海默病和帕金森病.
主要方法:
- 使用非侵入性眼球追踪器记录参与者的眼球运动.
- 开发了一种算法,可以自动检测跳动,固定,平滑的追逐和眼.
- 分析了包括轻度认知障碍 (MCI),阿尔茨海默病 (AD),帕金森病 (PD),帕金森病模仿 (PDM) 和控制 (CTRL) 在内的队列中的眼动特征.
主要成果:
- 与对照组相比,AD/MCI和PD组在冲刺和追逐特征上表现出显著的差异.
- 与对照组相比,AD/MCI和PD组表现出更多的遗漏抗和更长的抗延迟时间.
- 特定的眼形图形特征,如最小的沙卡德增益,被确定为PD的潜在生物标志物.
结论:
- 开发的算法和衍生出来的眼科生物标志物提供了对神经退行性疾病的客观和定量评估.
- 这些生物标志物可能会提高诊断和监测神经退行性疾病进展的准确性和精度.
- 这些发现支持使用眼睛跟踪技术作为临床神经病学的宝贵工具.
