CN109119161A - 一种精神分裂症的诊断模型 - Google Patents
一种精神分裂症的诊断模型 Download PDFInfo
- Publication number
- CN109119161A CN109119161A CN201811261582.3A CN201811261582A CN109119161A CN 109119161 A CN109119161 A CN 109119161A CN 201811261582 A CN201811261582 A CN 201811261582A CN 109119161 A CN109119161 A CN 109119161A
- Authority
- CN
- China
- Prior art keywords
- face
- blinkpunkt
- scene
- social
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种精神分裂症的诊断模型,该诊断模型是将面孔情绪识别中的眼动指标与社交场景下情绪识别中的眼动指标带入多元Logistic回归分析进而建立的诊断模型。本发明的上述诊断模型可以反映真实场景下被测试者的精神状态,诊断更加精确,适宜临床推广。
Description
技术领域
本发明属于医学诊断领域,涉及一种精神分裂症的诊断模型。
背景技术
精神分裂症是一组病因未明,以青壮年为多见,临床上以思维、知觉、心理障碍和不协调,情绪和行为等多方面的障碍主要表现。该病病程多迁延,反复发作,病程相对较长的患者大部分都存在精神活动的衰退和社会功能不同程度的缺损,以至给个人、家庭及社会带来严重的负担。以伤残调整寿命年计算,精神疾病在我国疾病总负担的排名中居首位。根据WHO推算,到2020年精神疾病负担将上升至我国疾病总负担的四分之一。
在精神科的临床工作中,精神分裂症的诊断主要依靠临床症状学,缺乏客观有效的生物学诊断指标。为此我们希望能够找到诊断和筛查早期精神分裂症的客观指标。
随着分子生物学的发展,人们逐渐重视基因遗传对精神分裂症的影响,近年来对人类复杂疾病提出了内表型(endophenotype)的概念,Gottesman对内表型的定义如下:①内表型是与疾病共同存在,②内表型是独立于疾病状态的(无论疾病是否处于急性期都能表现出来),③内表型具有遗传性,④内表型和疾病共分离,⑤内表型的特异性(即在患者的生物学亲属中出现的频率高于正常人)。对内表型的研究可克服精神分裂症患者的遗传异质性,对精神分裂症内表型的研究因其优越性而受到越来越多研究者的重视。内表型作为临床症状和基因型之间的桥梁,是研究和发现神经调节机制的工具。因此,内表型对于理解精神疾病的神经机制和对其早期预警和诊治具有重要意义。内表型作为一种介于基因型和临床症状之间的中间表型,没有临床症状表现的那么直观,需要借助某些方法来检测,目前对精神分裂症的内表型研究认为,眼球运动和认知功能在精神分裂症患者及家属身上有一定的稳定性和可遗传性,可作为精神分裂症的候选内表型。
目前根据眼动追踪技术反映精神分裂症患者存在社会认知缺损的应用具有局限性,这些研究材料有别于真实场景,无法全面反映患者在真实场景下的社会认知水平。且有研究证实真实场景下精神分裂症患者的眼动存在补偿机制,社会认知的眼动模式中是否也存在这种补偿机制进而导致社交场景下眼动识别模式与面孔识别模式不同,尚无研究证实。
发明内容
本发明的目的在于提供一种有效诊断精神分裂症的模型,该模型融合了面孔情绪识别和社交场景下情绪识别中的眼动指标,比起传统的仅仅利用面孔情绪识别中的眼动指标相比,本发明的诊断模型更能反应真实场景下受试者的眼动状态,能够更加准确的判断该受试者是否是精神分裂症患者。
根据本发明的一个方面,本发明提供了一种精神分裂症的诊断指标,所述诊断指标包括面孔情绪识别中的眼动指标和/或社交场景下情绪识别中的眼动指标。
具体地,所述面孔情绪识别中的眼动指标包括包括面孔_注视点数目,面孔_注视持续时间,面孔_兴趣区注视点数目、面孔_兴趣区注视点百分比、面孔_眼跳数目、面孔_扫视路径长度。
具体地,所述社交场景下情绪识别中的眼动指标包括社交场景_注视点数目、社交场景_注视持续时间、社交场景_兴趣区注视点数目、社交场景_兴趣区注视点百分比、社交场景_眼跳数目、社交场景_扫视路径长度。
根据本发明的另一个方面,本发明提供了一种精神分裂症的诊断模型,所述诊断模型运用以下公式计算:
Logit(P)=(-2.019)*面孔_注视点数目+(-1.745)*面孔_注视持续时间+(0.096)*面孔_兴趣区注视点数目+(1.111)*面孔_兴趣区注视点百分比+(-0.623)*面孔_眼跳数目+(1.730)*面孔_扫视路径长度+(-0.699)*社交场景_注视点数目+(0.521)*社交场景_注视持续时间+(3.751)*社交场景_兴趣区注视点数目+
(-2.526)*社交场景_兴趣区注视点百分比+(-2.365)*社交场景_眼跳数目+
(-1.594)*社交场景_扫视路径长度。
根据本发明的又一个方面,本发明提供了前面所述的诊断模型的构建方法,所述方法包括如下步骤:
(1)测定受试者前面所述的诊断指标;
(2)利用Logistic回归方法构建前面所述的诊断模型。
根据本发明的又一个方面,本发明提供了一种诊断精神分裂症的方法,所述方法包括如下步骤:
(1)测定受试者前面所述的诊断指标;
(2)根据前面所述的诊断模型计算Logit(P);
(3)若Logit(P)≤0.522,则判断该受试者不患有精神分裂症或者判断该受试者患有精神分裂症的风险小,若Logit(P)>0.522则判断该受试者患有精神分裂症或者判断该受试者患有精神分裂症的风险大。
根据本发明的又一个方面,本发明提供了前面所述的眼动指标在构建精神分裂症的诊断模型中的应用。
根据本发明的又一个方面,本发明提供了前面所述的眼动指标在构建精神分裂症的诊断系统中的应用。
根据本发明的又一个方面,本发明提供了前面所述的诊断模型在构建精神分裂症的诊断系统中的应用。
如本文所述“面孔_注视点数目,面孔_注视持续时间,面孔_兴趣区注视点数目、面孔_兴趣区注视点百分比、面孔_眼跳数目、面孔_扫视路径长度”指的是面孔情绪识别中的注视点数目、注视持续时间、兴趣区注视点数目、兴趣区注视点百分比、眼跳数目、扫视路径长度。
如本文所述“社交场景_注视点数目、社交场景_注视持续时间、社交场景_兴趣区注视点数目、社交场景_兴趣区注视点百分比、社交场景_眼跳数目、社交场景_扫视路径长度”指的是社交场景下情绪识别中的注视点数目、注视持续时间、兴趣区注视点数目、兴趣区注视点百分比、眼跳数目、扫视路径长度。
如本文所述“Logistic回归”指的是一种广义线性回归(generalized linearmodel),因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同,都具有w'x+b,其中w和b是待求参数,其区别在于他们的因变量不同,多重线性回归直接将w'x+b作为因变量,即y=w'x+b,而logistic回归则通过函数L将w'x+b对应一个隐状态p,p=L(w'x+b),然后根据p与1-p的大小决定因变量的值。如果L是logistic函数,就是logistic回归,如果L是多项式函数就是多项式回归。
如本文所述“诊断”既包括对受试者是否患有精神分裂症的判断,也包括对受试者患有精神分裂症的风险大小的判断。
本发明的优点和有益效果:
本发明首次构建了一种精神分裂症的诊断模型,该诊断模型的诊断敏感性和特异性较高,可以应用于临床用于精神分裂症的诊断。
本发明首次引入了社交场景下情绪识别的眼动指标用于精神分裂症的诊断,本发明的诊断方法更加反映真实场景下精神分裂症患者的状态,诊断更精确。
附图说明
图1显示本发明的诊断模型区分精神分裂症患者与健康人的ROC曲线。
具体实施方式
以下结合实施例和实验对本发明作详细的说明。
实施例1精神分裂症诊断指标检测
1、研究对象
年龄18-65岁、右利手、初中以上文化程度、视力或矫正视力正常、近6个月未接受改良电休克治疗(Modified electrical convulsive therapy,MECT)和/或电休克治疗(Electroconvulsive therapy,ECT)治疗、符合精神障碍诊断和统计手册-第五版(Diagnostic and Statistical Manual of Mental Disorders,5th Edition,DSM-IV)中“精神分裂症”诊断标准的精神分裂症患者29例;及与之相匹配的,无精神系统疾病及精神疾病家族史,未服用过抗精神病药、抗抑郁药、心境稳定剂的正常对照31名。排除有严重躯体疾病者及不能合作者。
2、仪器及眼动检查指标
使用SR Research Eyelink 1000眼动仪记录眼球活动,及各项分析指标。眼动仪与一台惠普电脑连接并用其控制。进行眼动即吋跟踪。单眼追踪,评价准确性为1.0水平,取样率为120Hz,采用3×3共9点进行对准,及同样的方法校准。在1°视角内至少注视持续200ms才确定注视。
眼动检查指标包括:注视点数目、注视持续时间、兴趣区内注视点数目及其百分比、眼跳数目、扫视路径。
3、素材
39张社交场景图片(积极、中性、消极情绪图片各13张)及39张中国标准面孔情绪图片(积极、中性、消极情绪图片各13张)。其中18张图片作为练习,其余60张为正式试验。
所有社交场景图片均为网络查找社交图片,所有图片经AdobePhotoshopCS6处理后,大小、规格统一为800×600像素,经由50名正常人针对每张图片进行效价评估(-5~+5分评分,-5~-2为消极情绪,-1~+1为中性情绪,+2~+5为积极情绪图片),每组选取一致率在80%以上的13幅图片作为研究素材位于屏幕正中,背景白色,整屏大小规格为1024x 768像素。
4、眼动测试
4.1测试条件
被试眼动测试均在听觉隔音屏蔽室中进行,保持一定的光亮度和温度,嘱被试坐在检查椅上,头部固定于头托上,全身肌肉放松,试验过程中始终保持清醒,双眼注视屏幕,尽量保持头部固定不动。
4.2测试准备
校准。被试坐在眼动仪正前方的椅子上,眼睛距离眼动仪显示器61.5cm。对每位被试单眼进行9点的眼动校准。实验者坐于听觉隔音屏蔽室外控制计算机不干扰观看行为。由于精神分裂症患者为特殊群体,对于有风险的患者需由临床医生或护士在患者旁边陪同,在不干扰患者的情况下确保安全。
4.3练习
分别从2×3组情绪图片中各选3幅图片让被试进行眼动测试,嘱患者判断情绪类型并按键,待18张练习图片结束后询问患者是否掌握此方法,若已掌握则开始试验,若未掌握则再次练习,直至掌握为止,指导语为“请尽量仔细观看每幅图片,并在图片结束后根据提示做出相应的按键”。
4.4实验序列
实验开始时呈现指导语,并告知被试不需要报告情绪类别,指导语:请尽量仔细观看每幅图片,并在图片结束后根据提示做出相应的按键。待被试表示“明白”后开始练习(同4.3),练习结束后,重新调整焦距、进行校准,试验开始后60张图片随机顺序呈现给每位被试,每张图片呈现5秒,然后呈现白屏,白屏显示问题:“请选出刚刚您看到的图片的情绪类型,1为积极情绪,2为中性情绪,3为消极情绪”。患者按键选择后呈现下一幅图片。图片播放完毕即结束实验。实验共用时15分钟左右。
4.5兴趣区划分
采用Eyelink1000自带兴趣区椭圆及梯形工具进行兴趣区划分,以目标边缘外1°视角内(约1.07cm)确定为兴趣区(area of interest,AOI),包括:面孔、眼睛、嘴巴、鼻子。
5、分析方法
5.1剔除无效数据
根据观看整幅图片时间,删除平均数加减2.5个标准差以外的图片有关数据。
5.2分析指标
注视点数目(number of fixation):在眼动过程中眼睛的相对保持静止被称为注视(fixation),一般持续200~300ms。注视点由眼动仪自动捕捉,其数目可从DataViewer软件中直接导出。
注视持续时间(duration of fixation):为每个注视点持续时间的平均值,可从DataViewer软件中直接导出后平均而来。
眼跳数目(number of Saccade):眼跳(saccade),即眼球在注视点之间产生的跳动,是受中枢神经系统控制的有规律的随意运动,表现为眼球的注视点或注视方位的突然改变。由眼动仪自动记录,其数目可从DataViewer软件中直接导出。
扫视路径(scan paths):为眼跳幅度的总和,可从DataViewer软件中直接导出。
兴趣区内注视点数目及其百分比(Number of Fixation in IA):使用DataViewer划分兴趣区后,可直接导出兴趣区内的注视点数及其所占百分比。
6、将上述眼动检查指标带入多元logistic回归分析,建立联合诊断模型,计算公式为:
将眼动数据各变量进行归一化处理,转化为Z分布,均值为0,方差为1。Logit(P)=(-2.019)*面孔_注视点数目+(-1.745)*面孔_注视持续时间+(0.096)*面孔_兴趣区注视点数目+(1.111)*面孔_兴趣区注视点百分比+(-0.623)*面孔_眼跳数目+(1.730)*面孔_扫视路径长度+(-0.699)*社交场景_注视点数目+(0.521)*社交场景_注视持续时间+(3.751)*社交场景_兴趣区注视点数目+(-2.526)*社交场景_兴趣区注视点百分比+(-2.365)*社交场景_眼跳数目+(-1.594)*社交场景_扫视路径长度。
经ROC曲线分析,P值划界值为0.522,此模型对精神分裂症的诊断效果好,具体结果如表1和图1所示。
表1诊断效果统计
上述实施例的说明只是用于理解本发明的方法及其核心思想。应当指出,对于本领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也将落入本发明权利要求的保护范围内。
Claims (9)
1.一种精神分裂症的诊断指标,其特征在于,所述诊断指标包括面孔情绪识别中的眼动指标和/或社交场景下情绪识别中的眼动指标。
2.根据权利要求1所述的诊断指标,其特征在于,所述面孔情绪识别中的眼动指标包括包括面孔_注视点数目,面孔_注视持续时间,面孔_兴趣区注视点数目、面孔_兴趣区注视点百分比、面孔_眼跳数目、面孔_扫视路径长度。
3.根据权利要求1所述的诊断指标,其特征在于,所述社交场景下情绪识别中的眼动指标包括社交场景_注视点数目、社交场景_注视持续时间、社交场景_兴趣区注视点数目、社交场景_兴趣区注视点百分比、社交场景_眼跳数目、社交场景_扫视路径长度。
4.一种精神分裂症的诊断模型,其特征在于,所述诊断模型运用以下公式计算:
Logit(P)=(-2.019)*面孔_注视点数目+(-1.745)*面孔_注视持续时间+(0.096)*面孔_兴趣区注视点数目+(1.111)*面孔_兴趣区注视点百分比+(-0.623)*面孔_眼跳数目+(1.730)*面孔_扫视路径长度+(-0.699)*社交场景_注视点数目+(0.521)*社交场景_注视持续时间+(3.751)*社交场景_兴趣区注视点数目+(-2.526)*社交场景_兴趣区注视点百分比+(-2.365)*社交场景_眼跳数目+(-1.594)*社交场景_扫视路径长度。
5.权利要求4所述的诊断模型的构建方法,其特征在于,所述方法包括如下步骤:
(1)测定受试者权利要求1-3中任一项所述的诊断指标;
(2)利用Logistic回归方法构建权利要求4所述的诊断模型。
6.权利要求所述1的眼动指标在构建精神分裂症的诊断模型中的应用。
7.根据权利要求6所述的应用,其特征在于,所述诊断模型是权利要求4所述的诊断模型。
8.权利要求所述1的眼动指标在构建精神分裂症的诊断系统中的应用。
9.权利要求所述4的诊断模型在构建精神分裂症的诊断系统中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811261582.3A CN109119161A (zh) | 2018-10-26 | 2018-10-26 | 一种精神分裂症的诊断模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811261582.3A CN109119161A (zh) | 2018-10-26 | 2018-10-26 | 一种精神分裂症的诊断模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109119161A true CN109119161A (zh) | 2019-01-01 |
Family
ID=64854503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811261582.3A Pending CN109119161A (zh) | 2018-10-26 | 2018-10-26 | 一种精神分裂症的诊断模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109119161A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112168187A (zh) * | 2020-09-29 | 2021-01-05 | 首都医科大学附属北京安定医院 | 一种精神分裂症的诊断指标、诊断模型与诊断系统 |
CN114431862A (zh) * | 2021-12-22 | 2022-05-06 | 山东师范大学 | 基于脑功能连接网络的多模态情绪识别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100208205A1 (en) * | 2009-01-15 | 2010-08-19 | Po-He Tseng | Eye-tracking method and system for screening human diseases |
CN106681484A (zh) * | 2015-11-06 | 2017-05-17 | 北京师范大学 | 结合眼动跟踪的图像目标分割系统 |
CN106691476A (zh) * | 2017-01-16 | 2017-05-24 | 清华大学 | 基于眼动特征的图像认知心理分析系统 |
CN107871537A (zh) * | 2017-11-22 | 2018-04-03 | 山东师范大学 | 一种基于多模态特征的抑郁倾向测评装置、系统 |
-
2018
- 2018-10-26 CN CN201811261582.3A patent/CN109119161A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100208205A1 (en) * | 2009-01-15 | 2010-08-19 | Po-He Tseng | Eye-tracking method and system for screening human diseases |
CN106681484A (zh) * | 2015-11-06 | 2017-05-17 | 北京师范大学 | 结合眼动跟踪的图像目标分割系统 |
CN106691476A (zh) * | 2017-01-16 | 2017-05-24 | 清华大学 | 基于眼动特征的图像认知心理分析系统 |
CN107871537A (zh) * | 2017-11-22 | 2018-04-03 | 山东师范大学 | 一种基于多模态特征的抑郁倾向测评装置、系统 |
Non-Patent Citations (7)
Title |
---|
ALEXANDRA NIKOLAIDES等: ""Restricted attention to social cues in schizophrenia patients"", 《EUROPEAN ARCHIVES OF PSYCHIATRY AND CLINICAL NEUROSCIENCE》 * |
YUGO TAKEUCHI 等: ""Effect of CG Eye Movement on Social Attitude"", 《2006 9TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION, ROBOTICS AND VISION》 * |
仇丽霞 等编: "《医学统计学(第3版)》", 31 July 2018, 北京:中国协和医科大学出版社 * |
徐骁 等: ""精神分裂症面孔识别受损的研究进展"", 《中国医药科学》 * |
林云强 等: ""动态情境任务中自闭症儿童社交定向的眼动研究"", 《中国特殊教育》 * |
柳忠起 等: ""基于模拟飞行任务下的眼动指标分析"", 《中国安全科学学报》 * |
艾霞 等: ""精神分裂症患者眼动特征及其相关因素研究"", 《临床精神医学杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112168187A (zh) * | 2020-09-29 | 2021-01-05 | 首都医科大学附属北京安定医院 | 一种精神分裂症的诊断指标、诊断模型与诊断系统 |
CN114431862A (zh) * | 2021-12-22 | 2022-05-06 | 山东师范大学 | 基于脑功能连接网络的多模态情绪识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Murray et al. | Smooth pursuit and saccades after sport-related concussion | |
Matsumoto et al. | Visual field testing with head-mounted perimeter ‘imo’ | |
CN109215804B (zh) | 基于虚拟现实技术与生理参数检测的精神类疾病辅助诊断系统 | |
Salchow et al. | Retinal nerve fiber layer thickness in normal children measured with optical coherence tomography | |
Kotecha et al. | The functional consequences of glaucoma for eye–hand coordination | |
O’Rese et al. | Effect of race, age, and axial length on optic nerve head parameters and retinal nerve fiber layer thickness measured by Cirrus HD-OCT | |
Wollstein et al. | Optical coherence tomography longitudinal evaluation of retinal nerve fiber layer thickness in glaucoma | |
Han et al. | Multifocal electroretinogram and short-wavelength automated PerimetryMeasures in diabetic eyes with Little or no retinopathy | |
Hood et al. | The pattern electroretinogram in glaucoma patients with confirmed visual field deficits | |
Lockhart et al. | Effects of age on dynamic accommodation | |
Waisbourd et al. | A prospective, longitudinal, observational cohort study examining how glaucoma affects quality of life and visually-related function over 4 years: design and methodology | |
Wu et al. | Test–retest repeatability of microperimetry at the border of deep scotomas | |
JP2005131393A (ja) | 光学的に識別可能な眼の症状の診断のための装置及び方法 | |
Schiefer et al. | Reaction time in automated kinetic perimetry: effects of stimulus luminance, eccentricity, and movement direction | |
Jacobsen et al. | Normal value ranges for central retinal thickness asymmetry in healthy Caucasian adults measured by SPECTRALIS SD-OCT posterior pole asymmetry analysis | |
von dem Hagen et al. | Identifying human albinism: a comparison of VEP and fMRI | |
Messias et al. | Eccentric fixation in Stargardt’s disease assessed by Tubingen perimetry | |
CN109480865A (zh) | 利用眼动指标诊断精神分裂症的系统 | |
CN109119161A (zh) | 一种精神分裂症的诊断模型 | |
Daibert-Nido et al. | An audiovisual 3D-immersive stimulation program in hemianopia using a connected device | |
Altan et al. | Normative posterior pole asymmetry analysis data in healthy Caucasian population | |
Senger et al. | Spatial correlation between localized decreases in exploratory visual search performance and areas of glaucomatous visual field loss | |
Gracitelli et al. | Visual field loss in schizophrenia: evaluation of magnocellular pathway dysfunction in schizophrenic patients and their parents | |
Schiller et al. | Quantification of stato-kinetic dissociation by semi-automated perimetry | |
Zaky et al. | Short wave–automated perimetry (SWAP) versus optical coherence tomography in early detection of glaucoma |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190101 |