USE OF GEOMETRIC METHODS OF ANALYSIS OF VIDEO-OCULOGRAPHIC DATA TO ASSESS THE FUNCTIONAL CONDITION OF A PERSON

Full Text

Изучение динамики функционального состояния человека ведётся главным образом в целях разработки технологий аппаратурного мониторинга здоровья и работоспособности в режиме реального времени [1, 2, 4]. Микродвижения глаз являются весьма информативным источником данных о функциональном состоянии человека, а высокая скорость окуломоторных реакций делает их изучение чрезвычайно перспективным с точки зрения мониторинга нарушений работоспособности, поскольку основанные на окуломоторике методы диагностики состояний будут иметь более высокую скорость 59 Медицинская экология Экология человека 2017.12 срабатывания, нежели методы, основанные на «медленных» физиологических функциях (таких как ритм дыхания, частота сердечных сокращений, вариабельность сердечного ритма, изменения электрокожного сопротивления и т. д). С появлением видеоокуло-графии спектр доступных исследователям методов регистрации и обработки физиологических данных значительно расширился [7, 9, 16]. В настоящий момент исследователи активно ведут поиск окулогра-фических маркеров снижения работоспособности и концентрации внимания. В качестве одного из таких гипотетических маркеров рассматривается изменение геометрических параметров макросаккад [8]. Принято считать, что при снижении концентрации внимания макросаккады становятся менее прямолинейными и в большинстве случаев представляют собой дугу, выгнутую в сторону побочного стимула (дистрактора) [11, 15, 18]. Другим перспективным маркером нарушения работоспособности принято считать снижение точности и плавности прослеживания цели взглядом (так называемый метод плавного прослеживания - smooth pursuit). На базе этого метода разработаны методики диагностики шизофрении [5, 13], маниакально-депрессивного синдрома [14], некоторых психозов [10], эпилепсии [6] и болезни Паркинсона [14, 17]. Главным недостатком данного метода является низкая эргономичность (голову испытуемого приходится закреплять в офтальмологическом штативе), а также неоднозначность понятия «точность прослеживания» (в большинстве соответствующих работ речь идёт не столько о точности, сколько о плавности прослеживания). Задача нашего исследования состояла в том, чтобы оценить пригодность геометрического анализа траекторий взгляда для диагностики изменения функционального состояния человека. Для этого мы провели сравнение кривизны макросаккад и плавности прослеживания цели взглядом у испытуемых, пребывающих в двух разных состояниях: нормальном (адекватном) и заведомо ненормальном («абнормаль-ном»). Для формирования «абнормального» состояния испытуемого использовалась модель алкогольного опьянения с применением средних доз алкоголя (0,8 г 96 % алкоголя на 1 кг веса тела). Методы Тип исследования - экспериментальное. В исследовании приняли участие 22 физически здоровых испытуемых мужского пола. Для получения видео-окулографических данных использовались два окуломоторных теста: «Статика» (позволяет получить до 120 макросаккад в каждом из исследуемых состояний) и «Динамика» (позволяет получить траекторию плавного прослеживания цели на протяжении 15 минут в каждом из состояний). Подробное описание тестов и методики тестирования см. в статье [3]. Регистрация видеоокулографических данных осуществлялась при помощи видеоокулографа Eyegaze Analyzing System (производитель LC Techologies, США) с программным обеспечением NYAN 2 ®. Регистрация производилась в бинокулярном режиме с частотой опроса 120 Гц; расстояние до экрана - 60 см, экранное разрешение - 1 280* 1 024 пиксела, размеры пиксела - 0,265 мм (соответствует угловому смещению на 0,0246°). Фиксация головы испытуемого производилась сзади с помощью подголовника кресла. Для создания экспериментальной модели «абнор-мального» состояния использовалась модель алкогольного опьянения. Доза алкоголя, принимаемая испытуемым, составляла 0,8 г 96 % алкоголя на Рис. 1. Оценка кривизны макросаккады: а - макросаккада с началом в точке начала координат, б - поворот макросаккады (выполняется таким образом, чтобы последняя точка траектории лежала на оси Х), в - регрессионная прямая, наложенная на преобразованную траекторию 60 Экология человека 2017.12 Медицинская экология 1 кг веса тела, что соответствует применяемому в литературе понятию «средняя доза алкоголя». Для оценки кривизны макросаккад применялся следующий алгоритм. 1. Начало макросаккады смещается в точку начала координат (0,0) с помощью метода параллельного переноса. Для этого необходимо из координат всех узловых точек макросаккады вычесть координаты точки начала макросаккады (рис. 1а). 2. Затем выполняется поворот макросаккады вокруг начала координат таким образом, чтобы последняя точка макросаккады лежала на оси Х и угол между началом и концом макросаккады составлял 0° (рис. 1б). 3. На получившуюся траекторию накладывается регрессионная прямая. 4. Вычисляется расстояние от узловых точек траектории макросаккады до узловых точек регрессионной прямой и на основе этих данных вычисляются статистические показатели кривизны для каждой макросаккады. Показателем кривизны макросаккады мы считали нормированное отклонение от регрессионной прямой (отношение суммы отклонений всех узловых точек к расстоянию от первой до последней точки макросаккады). 5. Производится статистическое сравнение кривизны макросаккад до и после приёма алкоголя с помощью непараметрических методов (тест связанных пар Вилкоксона и тест знаков). Для оценки плавности прослеживания цели взглядом использовался следующий алгоритм. 1. С помощью цифрового фильтра удаляется высокочастотная составляющая траектории взгляда (свыше 0,2 Гц) и выполняется подгонка по фазе. Получаем сглаженную траекторию взгляда - аппроксимирующую кривую (рис. 2). 2. Вычисляется расстояние между каждой точкой реальной (несглаженной) траектории взгляда и соответствующей ей точкой сглаженной траектории. Таким образом, мы удаляем из данных низкочастотный тренд (который не влияет на плавность прослеживания) и получаем последовательность отклонений для каждой точки траектории взгляда от аппроксимирующей кривой. 3. Полученная последовательность отклонений используется для статистического анализа и построения гистограмм (рис. 3). 4. Вычисляем амплитуду моды распределения отклонений до и после приёма алкоголя и делим на количество точек траектории. Таким образом, мы получаем нормированную амплитуду моды распределения до и после приёма алкоголя. Нормированная амплитуда моды является показателем плавности прослеживания (см. рис. 3). Затем сравниваем нормированную амплитуду моды (показатель плавности прослеживания) до и после приёма алкоголя для каждого испытуемого. Суть данного алгоритма состоит в том, что при снижении плавности прослеживания среднее отклонение от аппроксимирующей кривой должно увеличиться (см. рис. 2). Данные отличия легко увидеть, Рис. 2. Аппроксимирующая кривая до и после приёма алкоголя. Серая траектория - траектория взгляда, чёрная - аппроксимирующая кривая. А - до приёма алкоголя, Б - после приёма алкоголя 8000 Рис. 3. Изменение отклонений реальной траектории от аппроксимирующей кривой под действием алкоголя. Тёмно-серая гистограмма - до приёма алкоголя, светло-серая гистограмма - после приёма алкоголя сравнивая гистограммы отклонений до и после приёма алкоголя (см. рис. 3). Результаты На рис. 4 представлены результаты сравнения нормированной амплитуды моды (является показателем плавности прослеживания в тесте «Динамика») для теста связанных пар Вилкоксона. После приёма алкоголя показатель плавности прослеживания цели (нормированная амплитуда моды распределения отклонений) с высокой статистической значимостью уменьшается (p = 0,003). Аналогичные результаты даёт тест знаков (p = 0,001). На рис. 5 представлены типичные формы распределения отклонений точек траектории от аппроксимирующей кривой в тесте «Динамика». Типичным для выборки является вариант, при котором после принятия алкоголя показатель плавности прослеживания (амплитуда моды распределения) резко снижается, а само распределение несколько смещается в сторону больших значений (15 случаев из 22). Случаи, когда амплитуда моды (плавность прослеживания) не изменяется или увеличивается, составляют соответственно 3 и 4 из 22. В таблице представлены результаты сравнения кривизны макросаккад в тесте «Статика» у всех испытуемых выборки до и после приёма алкоголя. 61 Медицинская экология Экология человека 2017.12 Рис. 4. Сравнение плавности прослеживания до и после приёма алкоголя в тесте «Статика». Тест связанных пар Вилкоксона, p < 0,01. Прямоугольник - стандартная ошибка, зоны погрешности - среднеквадратичное отклонение Рис. 5. Типичные формы распределения отклонений узловых точек реальной траектории от аппроксимирующей кривой. Тёмно-серая гистограмма - до приёма алкоголя, светло-серая гистограмма - после приёма алкоголя. А - 15 случаев, Б - 4 случая, В - 3 случая Сравнение производилось с помощью теста знаков и теста связанных пар Вилкоксона. Оба статистических теста демонстрируют значимое (p < 0,05) увеличение кривизны макросаккад у 6 испытуемых из 22. Изменение кривизны макросаккад реакции в тесте «Статика» до и после приёма алкоголя Испытания Значимость изменений (р) Кривизна (тест знаков) Кривизна (тест Вилкоксона) 1 0,6567 0,4060 2 0,1391 0,1959 3 0,0327 0,0913 4 1,0000 0,4464 5 0,5544 0,7621 6 0,8508 0,1634 7 0,8533 0,9685 8 0,0161 0,0012 9 0,0004 0,0000 10 0,8973 0,4752 11 0,5758 0,4664 12 0,0002 0,0000 Продолжение таблицы Испытания Значимость изменений (р) Кривизна (тест знаков) Кривизна (тест Вилкоксона) 13 0,0037 0,0012 14 0,0790 0,1820 15 0,9260 0,9013 16 0,5465 0,2871 17 0,0000 0,0000 18 1,0000 0,1322 19 0,1678 0,0211 20 1,0000 0,7398 21 0,7787 0,9493 22 0,7091 0,1654 Примечание. Значимые изменения выделены цветом заливки (p < 0,05). Серая заливка - показатель статистически значимо увеличивается, белая - изменения незначимы. Обсуждение результатов Если оценивать изменения плавности прослеживания в целом по выборке, изменения имеют чрезвычайно высокую статистическую значимость. Данный факт 62 Экология человека 2017.12 Медицинская экология указывает на высокую чувствительность плавности окуломоторного прослеживания к изменению состояния испытуемого (в нашем случае - к воздействию алкоголя). Исходя из частоты такой реакции, мы можем считать её типичной. В то же время суммарное число нетипичных реакций (отсутствие изменений плавности слежения или увеличение плавности) также весьма значительно и составляет примерно треть всех случаев. Нетипичные реакции (отсутствие изменения плавности прослеживания) интерпретируются нами как случаи, в которых алкоголь не оказал воздействия, достаточного для изменения функционального состояния. Таким образом, мы можем считать изменение плавности окуломоторного слежения показателем, достаточно чувствительным для диагностики изменения функциональных состояний человека (как минимум - для диагностики алкогольного опьянения). Изменения кривизны макросаккад, в свою очередь, наблюдается лишь в 6 случаях из 22 и, таким образом, не может интерпретироваться как эффективный маркер изменения функционального состояния (в нашем случае - алкогольного опьянения) и связанных с ним изменений параметров внимания. Приведённые результаты позволяют считать показатели плавности окуломоторного слежения достаточно информативными с точки зрения оценки функционального состояния человека. Отсутствие необходимости жёстко фиксировать голову испытуемого в процессе исследования резко улучшает эргономику и делает разработанную нами модификацию теста пригодной к практическому применению - в том числе для длительных экспериментов в условиях, максимально приближённых к условиям реальной операторской деятельности. В то же время показатели кривизны макросаккад, к сожалению, оказались непригодными для диагностики функциональных состояний человека, поскольку отражают лишь общую тенденцию к снижению работоспособности и имеют недостаточную чувствительность к воздействию внешних негативных факторов.

About the authors

D V Zakharchenko

Institute of Higher Nervous Activity and Neurophysiology Russian Academy of Science

Email: dz-ihna@mail.ru
Moscow

V I Torshin

Russian Peoples' Friendship University

Moscow

D S Sveshnikov

Russian Peoples' Friendship University

Moscow

B B Radysh

Russian Peoples' Friendship University

Moscow

Y P Starshinov

Russian Peoples' Friendship University

Moscow

E B Yakunina

Russian Peoples' Friendship University

Moscow

L S Shatalova

Russian Peoples' Friendship University

Moscow

References

Supplementary files