文摘

客观的。作为阿尔茨海默病(AD)的临床前阶段,轻度认知障碍(MCI)的特点是隐藏的发作,这是很难发现。传统的神经心理学量表主要工具用于评估MCI。然而,由于其强大的主体性等许多因素的影响受试者的教育背景、语言和听力能力和时间成本,其准确性作为早期筛查的标准很低。因此,本文的目的是提出一种新的快速数字预警关键技术基于眼动的MCI客观数据分析。方法。首先,四个探索性索引(测试时间,关联度,长度的视线轨迹,和漂移率)的MCI预警确定基于相关文献研究和半结构式专家访谈;其次,眼球运动状态捕获基于眼动跟踪实现四个探索性的数据提取索引。在此基础上,人机交互式2.5分钟快速数字MCI预警模式设计;第三,四个预警指标的合理性提出及其对MCI的早期预警的有效性进行了验证。结果。通过人机互动的小样本测试2.5快速数字MCI预警模式由32 70 - 90岁的老年人在医疗机构在杭州,这两个指标的“关联度”和“漂移率”统计选择的差异。实验结果表明,AUC的MCI预警模式是0.824。结论。2.5人机交互的关键技术快速数字预警MCI提出了克服现有的MCI预警工具的局限性,如客观化水平低、高度依赖专业医生、测试时间长、要求高的教育水平,等等。实验结果表明,早期预警技术,作为新一代的目标和有效数字预警工具,可以实现2.5分钟快速、高精度的初步筛查和早期预警在老年人MCI。

1。介绍

轻度认知障碍(MCI)是一种不稳定的临床正常年龄和痴呆之间的过渡状态。研究发现,MCI患者超过70流行率很高,和21.8%的人发展为痴呆MCI发病后3∼5年。转移的可能性,阿尔茨海默病(AD)患者的MCI的2.8倍,在健康老化1,2]。众所周知,阿尔茨海默氏症仍然是无法治愈的,其病理变化是难以扭转,疗效很差在中期和后期阶段,将心理、生理、经济压力的病人和他们的家属3]。然而,研究发现,如果在MCI患者早期识别和合理干预阶段,轻度认知障碍的逆转率正常认知功能超过30% (4]。因此,MCI预警窗口前进在日常家庭层面基于人机交互的关键技术2.5分钟快速数字预警具有重要意义,提高病人的生活质量,减轻社会负担。

根据MCI诊断指南,其临床诊断主要根据病史采集和神经心理学量表评估(5]。虽然通常用于临床的神经心理学量表具有良好的可靠性和广泛应用于筛选认知障碍,一些缺陷仍然普遍,如主观性强,长时间消费,灵敏度为MCI预警不足等等(6]。因此,为了弥补认知筛查量表的不足,越来越多的计算机认知评估工具(7,8出现,但他们中的大多数需要专业人员进行标准化操作,和受试者需要去诊所或考试中心,这极大限制的普遍性检测。

此外,最新的研究发现,相对于其他认知领域,最早出现MCI患者的认知障碍的减少视觉空间的功能,目前,许多研究已经使用眼球运动相关的考试来评估早期认知障碍(6,9,10]。同时,强大的计算和数据处理能力的智能算法有其独特的优势在眼球运动检查结果的分析和眼动轨迹。许多研究表明扫视任务评估模式基于眼动跟踪可用于检测MCI和认知能力衰退的早期迹象。检测指标和形式不同研究研究11,12),但所有显示任务范式可以用来检查各种扫视或眼睛的视觉特征相关的刺激下,眼动跟踪可用于活动监控,实现广泛的认知功能和方便的考试。

基于之前的研究的总结,可以发现当前MCI预警和筛查工具在不同层次上有各种各样的缺陷。大多数量表和问卷等最常用的有缺陷耗时长,缺乏客观的评估数据,而计算机认知评估工具开发的早期阶段也有各种检查类型和参数等特征和复杂的计算过程和庞大的人口变化。

因此,利用无创,短时间内消费、低成本、和高可行性的眼动跟踪数据采集,提出了四个探索性MCI预警指标包括“测试时间,”“长度的视线轨迹,”“关联度”和“漂移率”的基础上,回顾和总结相关的研究文献和半结构式专家访谈,在视觉空间的功能和动态眼球运动监测的角度。

同时,基于数字早期预警的关键技术,人机交互2.5分钟快速数字MCI预警模式设计。最后,70 - 90岁的老年人MCI的临床诊断结论包含在主题,和人机互动2.5分钟快速数字摘要预警模式设计与临床诊断结论,基准测试,以验证新的数字预警模式的有效性。

新的预警关键技术研究了短时间内消耗和操作简单的优点与客观、准确的评估,从而实现眼动轨迹的实时反馈和准确的初步预警MCI的老年人口在2.5分钟。

剩下的纸是组织如下。节2,介绍了相关工作在MCI预警文学。节3本文解释了本文的研究方法。并介绍了实验的相关工作,包括范式和实验原理,数字早期预警的关键技术和基本信息的实验部分4。节5,分析了数据处理的结果。拟议的计划提出了一个简短的讨论部分6。

通过回顾文献在Pubmed MCI预警方法,网络科学、文学和其他图书馆近10年来,我们发现,与其它认知领域相比,视觉空间的功能障碍可能是最早的MCI患者的认知障碍的领域(13,14]。一个研究[15]表明,之间没有显著差异当执行广告小鼠和正常对照小鼠嗅觉的任务,但恰恰相反,视觉空间的功能包括比例的视觉空间的正确决策和视觉空间的重新学习的广告老鼠的速度明显比控制的老鼠,也证实了视觉空间的函数的下降可能是用作MCI的早期敏感指标筛选。一项研究[16]表明,空间结构和连接测试的分数的MCI患者较低,推测视觉推理,连接,和空间结构测试可能对MCI患者的早期诊断敏感,或认知功能反映在这样的测试中,也就是说,视觉空间的和执行功能,为MCI早期诊断诊断效果。此外,一些病理学家(17]发现,众多的MCI患者的初始损伤位置不是著名的海马区域,但视觉皮质接触,这也表明,视觉空间的函数的损失可能发生之前海马参与的症状(如内存下降)。

目前,许多研究已经使用眼动检查相关评估早期认知障碍。眼跳入侵Bylsma发现频率的研究患者的认知障碍可能会增加由于注意和工作记忆功能下降,与MMSE分数负相关(18]。VisMET,设计和开发的Haque et al。19),可以评估健康老化的视觉空间的内存和轻度认知障碍通过分析受试者的注视点和注视持续时间,从而实现对MCI评估。

随着现代医学的不断发展,越来越多的计算机认知筛选系统的类型。莎娃et al。20.)用全向机器人控制和移动病人的手臂完成测试和分析了视觉空间能力的MCI患者通过记录轨迹和眼动数据。然而,本研究分析了许多变量和需要长时间来完成,所以对老年人是很困难的。计算机认知筛选试验由加拿大研究人员可以通过三个屏幕认知障碍认知领域:信息加工速度、工作记忆、执行功能(21),但要花10分钟和缺乏可伸缩性大规模人口的快速筛查。此外,Papp等人团队(22)开发了一个长期的情景记忆管理和测量方法适合那些广告利用图像刺激的风险从情景记忆的角度。主题可以检测情景记忆能力通过一个移动应用程序,但它主要从记忆维度评估认知能力,MCI效率较低的早期筛查和警告。

因此,尽管现有的认知筛选信息系统有很多优势,筛选对MCI患者仍有以下缺陷:(1)系统筛选需要专业的医生。目前,很难进行大规模的社区筛查在当前形势下缺乏医生资源。(2)系统测试是非常困难和时间太长,所以它不适合快速主要筛查人群大面积回家。(3)测试模式的设计不够客观,标准化程度低,缺乏客观、定量的评价指标。预警效果是不够的,它很难满足筛选的需要。(4)仍有一些研究数字预警筛查检测MCI的视觉空间的功能障碍。

见表1更多详细的分析不足,这也显示了研究领域的差距在先前的研究发现MCI早期预警。

表1
先前的研究和研究缺口。

与此同时,我们发现许多研究评估早期认知障碍通过眼动数据,表明眼动测试是一个相对简单的和客观的评估和筛选工具目前MCI。尽管检测指标和不同形式的研究研究,眼动测试的评估在这些研究往往侧重于测试持续时间,眼神漂移,等等。在此基础上,针对目前MCI预警的缺点,MCI的人机互动数字预警模式是设计基于视觉空间的函数评估和动态眼球运动监测。它意识到眼球运动动态跟踪和实时视觉反馈在时间序列和输出动态分析结果及时的基础上现场激活的概念。同时、快速、准确,数字早期预警和MCI高危人群筛查基于眼动数据分析目的是实现。

3所示。方法

3.1。半结构式访谈

为了获得更可靠的信息,我们使用半结构式访谈来确定有效的MCI的早期预警指标。20专家参与面试是由神经学家,neurocomputing跨学科学者,和老年人健康管理专家,都有丰富的经验在MCI在大型综合医院的评估和诊断。

根据以往的文献综述(25- - - - - -28),本文制定采访提纲。通过设计的轮廓行为事件访谈,开放式的受访者进行了综述的方式,挖掘MCI预警指标相关。前三天正式的面试,面试大纲提供了受访者的准备,以便提高面试的效果和质量。此外,正式实施前的采访中,本文的目的明确告知面试过程和获得的数据,以避免受访者的担忧。面试的轮廓显示在表中2。

表2
面试了。
3.2。眼球运动目标数据采集的关键技术

眼球运动的客观数据采集实现Tobii眼球跟踪器,由两个眼球运动传感器、黑瞳孔照明光源,明亮的瞳孔照明光源,和多个信号处理芯片,其内部结构如图1。


图1
眼动跟踪的内部结构。

Tobii眼动跟踪使用多个近红外光源作为辅助的参考点分析。通过收集学生的反射光和角膜,眼睛的眼动跟踪分析的相对位置,然后获得用户的视线的焦点。多引用点的基础上补充技术,实现用户的头轨迹补偿,以确保收集的数据的准确性。图2显示了光源反射图。Tobii眼动跟踪采用的技术是传统的一个改良版本瞳孔角膜反射中心(PCCR)眼球追踪技术(美国专利us7572008) [29日),原则如下:


图2
光源反射图。

根据原理图所示3,人机交互式2.5分钟快速数字预警MCI研究范式是在电脑上配备了眼动跟踪完成。在电脑显示是在这项研究中使用的眼动跟踪。为了更清楚地解释计算方法,我们定义的位置信息主题的视线在眼动跟踪收集的显示为“目光样本,”是谁的采样率研究了60 Hz,大概是收集主体的“目光样本”每0.0167秒。人机交互的眼动跟踪的原理图所示3。


图3
人机交互的眼动跟踪的原则。

4所示。实验设计

4.1。实验设计的人机交互式快速数字MCI预警模式

早期预警的关键技术提出了符合老年人与认知障碍的高危人群,致力于MCI的早期预警和筛选在家里或者社区现场,应满足与认知障碍高危人群的使用需求。首先,为老年人设计数字游戏用户需要以用户为中心的,应适用于老玩家的知识和理解30.]。因此,本研究基于人因工程学的原理,遵循以用户为中心的设计原则,最后完成了游戏设计基于preexperiment多个计划的早期阶段。

通过初步preexperiment,我们发现,大多数的老年人在社区有不同程度的视力问题,大部分都是右撇子。因此,考虑到用户的实际情况和数据的合理距离测量,本研究使用32英寸4 k ultraclear显示屏,配备高性能小型化眼动跟踪(Tobii眼动跟踪5)和Xbox手柄操作装置。眼球跟踪器可以安装在计算机显示眼球运动知觉和收购。在实验期间,每个主题都需要坐55厘米远离设备满足视觉和数据采集的要求。

受试者完成测试通过操作手柄,容易移动,有一张圆圆的联系。此外,摇臂主要用于手术,这是一个容易掌握操作方法,相比之下,键盘和鼠标。简单的使用,可以加强主要控制的感觉,对衰老有高度的适应性。

范式设计,接口设计在本研究中主要是黑色和白色,和对象控制的对象是一个红色的球。红球和接口之间的色彩对比强烈,使目标突出。至于设计障碍和消除目标,研究对象大多是右手操作,所以主要的障碍是左侧的操作界面方便受试者在一个相对固定的姿势。与此同时,考虑到老年人在理解障碍的目标需要从范例中删除,这四个目标接口将动态三维旋转。参见图4整体展示。


图4
整体表现。(一)模式接口的红球。(b)眼动跟踪。(c)处理。

通过80个样本的preexperiment在早期阶段,发现大多数人的总时间认知正常完成范式不会超过2.5分钟(150秒)。因此,当设计范例,2.5分钟将被视为参考范例的分界点。受试者仍未能完成范例2.5分钟后被认为是MCI的高风险。图5显示了一个实验。

(一)
(一)
(b)
(b)
图5
的实验。(一)现场测试开始。(b)现场测试结束。

范式设计包括三个模块:信息条目,白立方消除和数据反馈。为了确保设备能够准确地检测出模特的眼睛,之前的设备需要校准测试。操作设备的测试规则和方法将口头告知受试者由专业人士。模块的信息条目,员工可以单击start按钮进行正式测试后进入主题的名字。在模块的白色立方体消除中,受试者需要使用Xbox手柄来控制运动的摇臂的红球碰撞和消除四个白色方块。测试模式如图6。


图6
测试模式的目的是消除方块。

四个白色方块都是消除后,受试者可以接收模块的测试持续时间在屏幕上的数据反馈。更重要的是,眼球运动轨迹也会显示。测试数据都尽快反馈给用户测试结束,如图7。


图7
数据反馈。(一)测试持续时间。(b)凝视轨迹,轨迹球。
4.2。实验实现
4.2.1。准备数据采集和原则在测试模式

专家基于相关文献的总结和半结构式访谈,我们挖出四个探索性MCI预警指标包括测试持续时间长度的视线轨迹,关联度和漂移率。数字模式和数学分析技术应用于评估视觉空间的功能和动态监测眼球运动,从而实现了MCI的初步筛查和早期预警。这项技术主要是通过设计实现的范例场景对象控制红球消除四个白色立方体在虚拟环境中通过碰撞。最后,测试时间和注视的双重轨迹图和阅读球将会反馈给用户。人机交互的关键技术框架快速数字预警MCI图所示8。


图8
人机交互的关键技术快速数字MCI的早期预警。

此外,为了更准确、直观地观察和分析数据,误差用于可视化数据在这个研究。如图9,在3 d坐标图,X轴代表的横坐标红球运动轨迹和轨迹,凝视Y纵轴代表的红球运动轨迹和凝视轨迹,和Z轴代表时间的范例。目光样本位置,红球的位置,和四个范式白立方职位表示在图中不同的颜色标签,分别。图中,深红色曲线代表红球运动轨迹和深蓝色的曲线代表目光样本轨迹。紫色,黄色,绿色,红色线,分别代表四个白色方块的位置。


图9
的3 d双轨迹图。

对象可以获得模式数据的可视化结果范式结束后通过检查并保留相应的轨迹不同的标签。3 d双轨迹图从不同的天使如图10。非技术人员可以直观的通过观察视线轨迹之间的相似性比较和红球轨迹,然后得到一个通用的判断,而专业数据分析需要进一步计算。

(一)
(一)
(b)
(b)
(c)
(c)
图10
3 d双轨迹图从不同的天使。(a)、(b) (c) 3 d双轨迹图从不同的天使。
4.2.2。定义和关键指标的定量分析在测试模式

基于前面的文献综述和半结构式访谈,本研究确定了四个关键指标包括测试持续时间长度的视线轨迹,关联度和漂移率。在这种范式,总时间T(s)的采样时间凝视样品和红球的位置T是我单次抽样的时间点 ,单一的目光样品位置 ,和单一的红球 。

意味着目光轨迹的长度在这个范式,这是目光样本轨迹的总长度。计算方法如下:

使 之间的距离两个相邻的目光样本: 在哪里 指的是注视点的横坐标我+ 1采样 指横坐标的目光样本我th抽样; 指的是纵的目光样本我+ 1采样 指的是纵的目光在第i个抽样样本。

长度的视线轨迹 可以得到:

在这种范式,关联度是指红球轨迹之间的相似性和凝视轨迹。关联度的算法是基于相关系数,即数量研究变量之间的线性相关程度。公式如下: 之间的协方差一个和b, 的方差, 的方差B。

因为红球轨迹(红球坐标位置序列, )和视线轨迹(注视坐标位置序列, )不是简单的一维随机变量数据,两个序列的横坐标和纵坐标分别形成相应的分离序列。 是红球横坐标序列, 是红球纵坐标序列, 横坐标的目光样本序列, 纵坐标的目光样本序列。在这个时候,关联程度 ,也就是说, ,和相关程度的 ,也就是说, ,分别可以计算。

最后,获得了关联度:

在这项研究中,误差是用来可视化MCI预警模式的测试结果,和3 d双轨迹图的视线轨迹和红球轨迹形成的受试者。实验传说表明,一些科目的轨迹显示了视线轨迹的尖角,远离红球的轨迹,这是不合理的,因为范式设计本文的目标是让受试者控制红球消除白色的方块。同时,设置数值范围时,这个测试允许一定限制的视线偏移引起的视力,坐姿,仪表误差。因此,如果主题的目光样本之间的距离和红球的位置超过一定范围的同时,它被认为是眼睛漂移。

在这项研究中,项目团队探索眼神漂移阈值之间的价值100 px和1000 px,每50 px作为标准区间,共有21个方法。先验的算法用于分析研究对象之间的关系的注视下样本数据不同的价值观和受试者的最终判决结果。结果表明,信心是400 px的阈值最高,450 px和500 px,达到0.89。此外,项目团队进行逻辑回归分析三组数据最高的信心。发现预测的效果是最好的450 px的阈值。

漂移率计算如下:

在公式(6), 是目光样本之间的长度和红球的位置吗我抽样。

公式(6)是一个函数来判断目光飘走了。在公式(7),D是距离超出的数量吗 红球和凝视样本在所有样本。也就是说, 。

最后,获得漂移率:

4.2.3。参与者

MCI患者和正常的认知在医疗机构在杭州拍摄为研究对象;人机交互式2.5分钟快速数字为MCI进行预警模式测试。MCI快速数字的四个预警指标预警、测试持续时间长度的视线轨迹,关联度,漂移率记录。

MCI组入选标准如下:(1)在70 - 90岁;(2)明确临床MCI诊断;(3)能独立完成测试。入选标准的正常认知组如下:(1)认知障碍被排除临床;(2)明确临床MCI诊断;(3)能够独立完成测试;

见表3排除标准。

表3
排除标准。
4.2.4。理性的考验MCI预警的关键指标

使用SPSS 26.0统计软件进行数据处理。符合正态分布的测量数据为代表 和数据分析两组之间由独立样本t以及。测量数据不符合正态分布的表示米(四分位数)和非参数检验两组之间的数据进行了分析。比较测试持续时间的特点,长度的视线轨迹,之间的关联度,漂移MCI组和正常认知组( < 0.05)。每个索引的性能预测MCI ROC曲线和AUC分析。

5。结果

5.1。半结构式访谈的结果

本研究总结了面试结果,如下面所示。(1)构建MCI预警模式的重要目标是快速而有效地检测和屏幕MCI,以便减少MCI向AD的转化率,减少家庭和社会的负担。(2)眼球运动检查是一种有效的方法来检测和评估MCI。(3)MCI的目标预警指标主要包括测试持续时间、长度的视线轨迹,关联度和漂移率。(4)当前MCI预警技术的不足是缺乏客观的动态评价指标和快速评估模式。(5)预计将建立一个新的快速数字为MCI未来的预警模型。

图11显示索引和高频系数基于半结构式访谈。


图11
索引和高频系数以半结构式访谈为基础。
5.2。实验的结果
5.2.1。参与者的特征

36收集在这个实验中,受试者和4例排除由于白内障,中风,和抑郁。共有32个主题会议上面的标准包括,包括16 MCI患者和16岁的正常认知。在性别比例没有显著差异( = 0.373)、年龄( = 0.064)和教育水平( = 0.175)两组之间,消除年龄的影响,性别、教育程度的后续测试结果。见表4统计分析结果。

表4
参与者之间的特征MCI组和正常认知(NC)组。
5.2.2。MCI组和NC组之间比较的三个指标

为了进一步确定人机交互的关键技术指标的快速数字预警MCI组和NC组之间区别的,本文统计分析测试持续时间长度的视线轨迹,两组之间的关联度,漂移率。结果如表所示5。

表5
MCI组和NC组之间比较的三个指标。

测试持续时间(s)的MCI组50.44 43.39(85.89)与NC组(42.22)。有在测试持续时间两组之间无显著差异( = 0.407)。长度的视线轨迹(像素)在MCI组是11562.63(9539.73),与NC组10474.51 (6638.62)。没有显著差异的分布之间的视线轨迹长度两组( = 0.274)。相关程度的MCI组0.74±0.19,与NC组0.87±0.08。有两组之间的相关性程度的显著差异( = 0.001)。漂移率MCI组是0.28(0.27),与NC组是0.16 (0.18)。有漂移率两组间显著差异( = 0.019)。MCI组相关学位的测量值略低于数控组和漂移率MCI组大于NC组,两组之间的数据都具有统计学意义。

图12是由Graphpad Prism 9.0,显示数据的总体分布在两组之间。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图12
MCI和数控之间比较的索引。(一)测试持续时间的分布。(b)的分布长度的视线轨迹。(c)漂移率的分布。(d)分布的关联程度。
5.2.3。评估结果的关键指标筛查率基于ROC曲线

预测MCI预警的表演两个索引(关联度和漂移率)在人机互动2.5分钟快速数字预警测试MCI决心使用ROC分析。ROC曲线下面积(AUC)是用作辨别MCI的预测性能指数从正常的认知。

首先,我们探讨了ROC曲线和ROC曲线下的面积(AUC) MCI预警的关联度和漂移率,分别。如图13,AUC的关联度为0.809,AUC的漂移率是0.742。

(一)
(一)
(b)
(b)
图13
MCI ROC曲线的单指数预警。(一)中华民国的关联度。(b)中华民国的漂移率。

为了进一步提高预测MCI预警的性能,我们配对的两个索引区别的意义(关联度和漂移率)和运营ROC曲线分析。如图14、AUC相结合的关联度和漂移率是0.824。


图14
ROC曲线联合为MCI的早期预警指标。

6。讨论

首先,基于人机交互的关键技术2.5分钟快速数字预警,本文探讨了预警四个指标的性能测试持续时间长度的视线轨迹,关联度,MCI漂移率通过小样本测试32 70 - 90岁之间的研究对象。preexperiment,我们发现的最大测试时间正常认知人口与非熟练操作(包括老年人)人机交互预警模式摘要1分50秒。为了防止特殊情况,我们已经延长了40秒(避免一些特殊的较小的情况下在测试期间,所以老年人与测试持续时间超过2.5分钟可以结束测试,直接确定在MCI的风险。实验后,发现没有显著差异在测试时间和长度之间的视线轨迹MCI和数控( > 0.05),有显著差异在两组之间的关联度和漂移率( < 0.05)。结果证实,人机交互式2.5分钟快速数字摘要MCI预警模式设计与测试时间在正常的人认知和MCI早期,如果测试持续时间小于2.5分钟,休息我们认为测试持续时间越长,越严重的MCI条件(即使MCI患者的试验时间小于正常的人的认知)。然而,这两个MCI预警指标,关联度和漂移率,仍然显示良好的预警效果。因此,在2.5分钟的预警预测模式,一些正常的认知年龄会增加测试时间由于不熟练操作电子设备,但增加不会影响两个关键MCI预警指标:关联度和漂移率。

其次,我们分析关联度的预警性能为MCI和漂移率,分别。在早期预警的分析性能单一指数MCI,关联度的AUC是0.809;的AUC漂移率是0.742,和研究结论是一致的31日],眼跳入侵大大增加在眼球运动动态检查患者的认知障碍。基于上述结果,我们可以得出这样的结论:早期预警的模式下的性能单一指数的预测有效性相关程度略高于漂移率。因此,关联度的预警效果更好。

随后,我们进一步探讨MCI的ROC曲线组合后的早期预警关联度和漂移率。AUC相结合的关联度和漂移率是0824,高于AUC的关联度(0.809)和AUC的漂移率(0.742),表明MCI预测性能相结合的关联度和漂移率高于单一指数的实验。

接下来,为了进一步探索MCI预警指标的预测性能,两个索引(关联度和漂移率)与区别的意义和两个关键指标(目光轨迹的测试时间和长度)相结合的联合预警分析。虽然没有显著差异分布的测试时间和长度两组之间的视线轨迹在5.2.2部分中,实验结果表明,ROC曲线下的面积(AUC)时改进的两个关键指标结合两个索引与歧视意义如图15。ROC曲线下的面积相结合的测试持续时间长度的视线轨迹,关联度,MCI预警和预测和漂移率是0.895,这是高于的预警效果的结合使用这两个数字生物标志物。这些情况的发生可能与本文的小样本大小。


图15
ROC曲线结合两个索引与区别的意义和两个MCI预警的关键指标。

总之,人机交互的关键技术为2.5分钟快速数字预警MCI提出了(1)实现眼球运动目标数据的收集通过眼动跟踪和实现通过使用眼动数据的提取和分析客观评估的关键技术,它克服了缺乏客观的评估数据筛选常用的尺度。(2)通过评估视觉空间的功能是MCI的早期敏感性评估维度,它弥补了缺陷的低敏感性和MCI的筛查量表筛查率。此外,(3)基于动态自动模式场景结合人机交互,它克服了长时间消费的缺点和需要专业人员来评估筛查量表和以前开发的计算机系统,这使得学科更容易获得一个激活测试经验,测试。预警老年人口通过实验验证实现快速、高精度MCI筛查和早期预警在2.5分钟内老年人人口和构造一个新的MCI预警模型基于“关联度”和“漂移率。”

本文有三个不足之处。(1)本研究的受试者的年龄范围在70 - 90年,一般大。发现敏感性较低时进行人机交互范式对某些人60岁以下的。因此,在后期,我们将开发不同年龄分组的设备自动调整预警根据不同年龄的敏感性。(2)本文研究对象只包括了MCI和正常认知老化,人口不包括广告。(3)这个实验的总样本量有限,和进一步的实验需要进行扩展研究结果的普遍性。未来的研究将探索该技术的效用在轻度认知障碍,不同年龄的人口和广告,建立自由MCI人机交互式预警程序和公共数据库中所有人员https://brainhealth.zcmu.edu.cn/en/mciew。

数据可用性

中使用的数据集的实验和讨论的论文可从相应的作者以合理的要求。

伦理批准

本研究浙江中医药大学医学伦理委员会批准(批准号20210806 - 1)。

所有参与者给书面知情同意,可识别参与者给书面同意发表他们的图片。

的利益冲突

作者都没有利益冲突的相关研究和结果摘要。

作者的贡献

李南和杨Xiaotong这些作者的贡献同样应该考虑这个工作和co-first作者

确认

这项研究支持“集成设备方案个性化智能康复中医脑病的诊断和治疗在院会失眠和癫痫为例根据中国传统医学智能辨证治疗”是现代中医诊断和治疗设备研发项目(2021 c03116)在浙江省的主要研发项目和“一个完整的周期智能康复系统未来中医多通道感知增强的诊断和综合治疗阿尔茨海默病的药品和医疗设备”这是一个科研项目(2021 jkzdzc04)浙江中国医科大学。