Trabajo de Fin de Grado MIRA Elaboracin de

Trabajo de Fin de Grado MIRA: Elaboración de herramientas para la experimentación y estudio de los movimientos microsacádicos. Realizado por Dirigido por FRANCISCO LUNA PEREJON OCTAVIO RIVERA ROMERO

Índice • • Contexto Movimientos microsacádicos Prueba de experimentación Sistema de adquisición Herramienta de detección y clasificación Herramienta de representación de la mirada Ejemplo ilustrativo Conclusiones 2

Contexto • Miembros de Biología (Departamento de Fisiología) – Estudia movimientos oculares – Necesidad de apoyo informático para proyecto de investigación – Objetivo: elaboración de herramientas software para el estudio de los movimientos microsacádicos 3

Contexto 4

Movimientos microsacádicos • Movimientos muy bruscos y pequeños del ojo • ¿Función de los microsacádicos? -El ojo es sensible al cambio de luz -A más conos, mayor retención de la vista -Necesidad de movimiento durante la fijación para no perder la visión 5

Prueba de experimentación • Se mostraban figuras geométricas sencillas • El sujeto mantenía la vista fijada en el centro • Se hacían preguntas al sujeto 6

Implementación de la prueba • La implementación fue hecha con un software propietario: Eevoke – Desarrollado en Microsoft Excel – Bondades: comunicación con sistema de adquisición para recogida de datos con fuertes restricciones temporales 7

Sistema de adquisición • Método de adquisición: infrarrojos – Casco ajustable que incorpora LEDs infrarrojos, sistema de reflexión y cámaras infrarrojas 8

Sistema de adquisición • Resultado: registros oculares – Cuatro canales: Eje horizontal y vertical para ojo izquierdo y derecho 9

Herramienta de detección y clasificación • Fases 10

Herramienta de detección y clasificación • Fase de recalibrado 11

Herramienta de detección y clasificación • Fase de recalibrado 12

Herramienta de detección y clasificación • Fase de procesamiento 13

Herramienta de detección y clasificación • Fase de detección – Candidatos por velocidad – Filtrado posterior por duración 14

Herramienta de detección y clasificación • Fase de clasificación – Clasificación en función de la amplitud, duración y velocidad pico de los movimientos detectados. – Microsacádicos (rojos), sacádicos(verdes) y parpadeos(amarillos) 15

Herramienta de representación de la mirada • Modelo matemático: 16

Herramienta de representación de la mirada • Pruebas y limitaciones – Porcentaje de precisión por distancias de puntos al centro 100. 00% 90. 00% 80. 00% 70. 00% 60. 00% 50. 00% 40. 00% 30. 00% 20. 00% 10. 00% Esquinas Distancia 2 Distancia 1 Centro 17

Herramienta de representación de la mirada • Resultados – Limitaciones como herramienta de precisión para representación de la mirada. • Influencia de los registros (muchas pérdidas) • Posible Influencia del sistema de adquisición – Válido como herramienta de detección de errores en las pruebas de fijación. • Cumple en la posición central del ojo 18

Ejemplo ilustrativo • Realización de la prueba 19

Ejemplo ilustrativo • Análisis de fragmento de registro 20

Ejemplo ilustrativo • Análisis de fragmento de registro 21

Ejemplo ilustrativo • Video de la representación 22

Conclusiones • Se ha empleado un software cerrado para implementar los experimentos. • Desarrollo de herramientas de procesado. • Estudio de errores. • Definido un modelo matemático. • Experiencia profesional formativa. • Aprendizaje software cerrado. • Aprendizaje sobre protocolos de investigación y experimentación de otra disciplina. • Adquisición de capacidades de comunicación con expertos de otras disciplinas. 23

Preguntas GRACIAS 24

Movimientos microsacádicos • Movimientos muy bruscos y pequeños del ojo ¿Cómo se mueve el ojo? Una serie de músculos agarrados a la superficie estiran de él 25

Movimientos microsacádicos

Prueba de experimentación • Resumen de la experimentación – Sujeto con la mirada fija al centro de la pantalla – Van mostrándose bloques de imágenes con distintas propiedades 27

28

29

30

31

Herramienta de detección y clasificación • Fase de procesamiento: pruebas 32

Herramienta de detección y clasificación • Fase de filtrado – Filtro personalizado: elimina “picos” en la señal de cierta amplitud por debajo de un umbral. – Se respetan velocidades mejor que los filtros básicos 33

Herramienta de detección y clasificación • Fase de filtrado: eficiencia 34

Herramienta de detección y clasificación • Fase de detección: pruebas – Microsacádicos detectados incorrectamente Total Sujeto 5 Sujeto 4 Sujeto 3 Sujeto 2 Sujeto 1 0. 00% 5. 00% 10. 00% 15. 00% 20. 00% 25. 00% 35

Herramienta de detección y clasificación • Fase de detección: pruebas – Duración real y calculada de un microsacádico 0. 02 0. 018 0. 016 0. 014 0. 012 Duración real 0. 01 Duración calculada 0. 008 0. 006 0. 004 0. 002 0 Sujeto 1 Sujeto 2 Sujeto 3 Sujeto 4 Sujeto 5 Total 36

Herramienta de detección y clasificación • Fase de detección: pruebas – Mejora en la usabilidad: facilidad en la determinación de una velocidad umbral

Herramienta de detección y clasificación • Fase de clasificación: pruebas – Microsacádicos reales y clasificados por el algoritmo 140 120 100 80 Microsacádicos reales clasificados como microsacádicos 60 40 20 0 Sujeto 1 Sujeto 2 Sujeto 3 Sujeto 4 Total 38

Herramienta de detección y clasificación • Fase de clasificación: pruebas – Porcentaje de error en microsacádicos Total Sujeto 4 Sujeto 3 Sujeto 2 Sujeto 1 0. 00% 5. 00% 10. 00% 15. 00% 20. 00% 25. 00% 39

Herramienta de detección y clasificación • Fase de clasificación: pruebas – Estudio de errores en la clasificación de microsacádicos 100. 00% 90. 00% 80. 00% 70. 00% 60. 00% Error en micros por parpadeos 50. 00% 40. 00% Error en micros por detección 30. 00% 20. 00% 10. 00% Sujeto 1 Sujeto 2 Sujeto 3 Sujeto 4 Total 40

Herramienta de detección y clasificación • Fase de clasificación: pruebas – Porcentaje de error en sacádicos a causa de parpadeos Total Sujeto 4 Sujeto 3 Sujeto 2 Sujeto 1 0. 00% 20. 00% 40. 00% 60. 00% 80. 00% 100. 00% 41

Herramienta de detección y clasificación • Fase de clasificación: pruebas – Porcentaje de acierto de parpadeos Total Sujeto 4 Sujeto 3 Sujeto 2 Sujeto 1 0. 00% 10. 00% 20. 00% 30. 00% 40. 00% 50. 00% 60. 00% 70. 00% 80. 00% 42