Development of a transformation model to analyze horizontal saccades using electrooculography through correlation between video-oculography and electrooculography

Deze studie ontwikkelt en valideert een wiskundig transformatiemodel dat elektrooculografische (EOG) data omzet in video-oculografische (VOG) waarden, waardoor EOG als een kosteneffectief en draagbaar alternatief voor de analyse van horizontale saccades kan worden gebruikt.

De kern

Stel je voor dat je ogen de ramen van je brein zijn. Om te begrijpen hoe goed je brein werkt, kijken artsen vaak naar hoe snel en precies je ogen bewegen. Deze snelle oogbewegingen heten saccades.

In de medische wereld is er momenteel een "gouden standaard" om dit te meten: VOG (Video-Oculografie). Dit is een dure, zware bril met camera's die je ogen filmt. Het werkt perfect, maar het is als een dure raceauto: niet iedereen kan erin rijden, het is lastig te vervoeren en patiënten die op bed liggen of niet goed kunnen meewerken, kunnen er vaak niet mee.

De onderzoekers in dit artikel wilden een oplossing vinden die goedkoper, lichter en makkelijker te gebruiken is. Ze zochten naar een alternatief: EOG (Elektro-Oculografie).

Het probleem: Een vertaalprobleem

EOG werkt heel anders. In plaats van camera's, gebruikt het kleine plakkers (elektroden) op je huid naast je oog. Omdat je oog een klein magneetje is (met een plus en een min kant), verandert de elektrische spanning op je huid als je oog beweegt.

Het probleem is echter:

• VOG zegt: "Je oog is 20 graden naar rechts gedraaid." (Een hoek).
• EOG zegt: "De spanning is 500 microvolt veranderd." (Een elektrisch signaal).

Het is alsof je probeert de temperatuur in graden Celsius te vertalen naar de snelheid van een auto in kilometer per uur. Het zijn twee totaal verschillende talen. Zonder een goede vertaler (een wiskundig model) is het EOG-signaal voor artsen niet direct bruikbaar om de snelheid van je oog te bepalen.

De oplossing: De "Oog-Vertaler"

De onderzoekers hebben een wiskundig vertaalmodel ontwikkeld. Ze hebben dit als volgt aangepakt:

1. De Test: Ze lieten vier gezonde mensen naar een stip kijken die links en rechts sprong. Tegelijkertijd meten ze hun ogen met de dure camera (VOG) én met de goedkope plakkers (EOG).
2. De Wiskunde: Ze zochten een formule die de "spanning" van de EOG omzet in de "snelheid" van de VOG. Ze ontdekten dat er een zeer sterke link is: als de spanning snel verandert, beweegt het oog ook snel.
3. De Filter: Net zoals je een radio moet afstemmen om ruis weg te houden, moesten ze de EOG-signalen "filteren". Ze ontdekten dat een specifieke instelling (een bepaalde frequentie) het beste werkte om de data schoon te houden.

Het resultaat: Een goedkoop alternatief

Het resultaat is verbluffend simpel:

• Het model werkt als een talenverteller. Als je de EOG-data in de formule stopt, krijg je exact hetzelfde getal als de dure camera zou hebben gemeten.
• De correlatie (de overeenkomst) is extreem hoog (95% voor rechts, 93% voor links).
• Na het toepassen van de formule, was er geen verschil meer tussen wat de dure camera zag en wat de goedkope plakkers "zagen" (na vertaling).

Waarom is dit belangrijk? (De Metafoor)

Stel je voor dat je een patiënt hebt die in het ziekenhuis ligt, misschien zelfs in coma, of die erg onrustig is.

• Met de VOG (de dure camera) is het bijna onmogelijk om een goed beeld te krijgen. De patiënt moet stilzitten, de bril moet perfect zitten, en er moet licht op de ogen vallen.
• Met de EOG (de plakkers) kun je de patiënt gewoon laten liggen. Je plakt de sensoren erop, en zelfs als de patiënt slaapt of niet kan meewerken, kun je de oogbewegingen meten.

Conclusie in het kort:
De onderzoekers hebben een "brug" gebouwd tussen de goedkope, simpele techniek (EOG) en de dure, complexe techniek (VOG). Hierdoor kunnen artsen in de toekomst oogbewegingen meten bij patiënten die dat anders niet konden, zonder dat ze een dure camera nodig hebben. Het is alsof je met een simpele fiets (EOG) dezelfde route kunt afleggen als met een dure racefiets (VOG), zolang je maar de juiste kaart (het model) gebruikt.

Dit maakt oogmetingen toegankelijker, goedkoper en mogelijk voor veel meer mensen in het ziekenhuis.

Technische samenvatting

Technische Samenvatting: Ontwikkeling van een transformatiemodel voor horizontale saccades via EOG

1. Het Probleem
Saccadische oogbewegingen zijn cruciale biomarkers voor neurologische aandoeningen. De huidige gouden standaard voor het analyseren van deze bewegingen is Video-Oculografie (VOG). Hoewel VOG hoge ruimtelijke en temporele resolutie biedt, heeft het ernstige beperkingen in de klinische praktijk:

• Hoge kosten en complexiteit: De apparatuur is duur en omvangrijk.
• Beperkte draagbaarheid: Het vereist een stabiele omgeving en directe zichtlijn op de pupillen.
• Klinische ongeschiktheid: Het is moeilijk toe te passen bij patiënten die bedlegerig zijn, verward, comateus, of bij wie de oogleden gesloten of abnormaal zijn (bijv. tijdens slaapstudies of op de IC).

Elektro-Oculografie (EOG) biedt een potentieel alternatief door het cornea-retinaal potentiaalverschil te meten. EOG is goedkoper, draagbaarder en onafhankelijk van zichtbaarheid van de ogen. Echter, er ontbreekt een gevalideerde, wiskundige methode om EOG-data (spanningsveranderingen) om te zetten in VOG-equivalente waarden (hoekversnelling/hoeksnelheid), en de invloed van filterinstellingen op deze transformatie is onvoldoende onderzocht.

2. Methodologie
De studie was een prospectieve observationele studie uitgevoerd op 4 gezonde volwassenen (zonder neurologische of slaapstoornissen).

• Dataverzameling:

  • Simultane opname van horizontale oogbewegingen met zowel EOG (Grass-Technologies Comet-PLUS) als VOG (SLVNG).
  • Taken: De proefpersonen voerden twee soorten taken uit:
    1. Gefixeerde saccades: Herhaalde bewegingen naar vaste doelen (±20°).
    2. Random saccades: Bewegingen naar willekeurige doelen binnen een bereik van 30°.
  • Synchronisatie: De systemen werden gesynchroniseerd via de start van visuele stimuli (rode stip).

• Signaalverwerking en Filtering:

  • EOG-signalen werden verwerkt met causale digitale filters om de invloed van de afsnijfrequentie (cut-off) te analyseren.
  • Er werden verschillende High-Pass Filters (HPF) getest (0,1 Hz, 0,3 Hz, 1 Hz) om waveform-distorsie te minimaliseren.
  • Verschillende Low-Pass Filters (LPF) werden geëvalueerd om ruis te verwijderen zonder pieksnelheden te vervormen.
  • De optimale configuratie werd bepaald als 0,3 Hz HPF en 35 Hz LPF.

• Berekening van Pieksnelheid:

  • VOG: Gedefinieerd als hoeksnelheid ($\theta / \Delta t$).
  • EOG: Gedefinieerd als de veranderingssnelheid van de spanning ($\Delta V / \Delta t$).

• Ontwikkeling van het Transformatiemodel:

  • Een wiskundig model werd afgeleid op basis van de fysieke relatie tussen cornea-verplaatsing, oogbewegingshoek en de omgekeerde kwadratische relatie van spanning en afstand tot de elektrode.
  • Voor kleine oogbewegingen werd een lineaire benadering gebruikt, wat leidde tot een evenredigheidsconstante ($C$) die de EOG-snelheid omzet in VOG-snelheid: $V_{VOG} \approx C \times V_{EOG}$.
  • Er werden aparte constanten berekend voor rechts- en linksom bewegingen vanwege de asymmetrie in de elektrodeplaatsing.

3. Belangrijkste Bijdragen

• Wiskundig Transformatiemodel: De eerste studie die een gevalideerd wiskundig model presenteert om EOG-pieksnelheden direct om te rekenen naar VOG-equivalente hoeksnelheden.
• Optimalisatie van Filterparameters: Systematische evaluatie van filterinstellingen, waarbij 0,3 Hz HPF en 35 Hz LPF werden geïdentificeerd als de optimale instellingen voor stabiliteit en nauwkeurigheid.
• Validatie op twee datasets: Het model werd ontwikkeld op een dataset met gefixeerde saccades en succesvol gevalideerd op een dataset met random saccades, wat de generaliseerbaarheid bewijst.

4. Resultaten

• Sterke Correlatie: Er werd een zeer sterke lineaire correlatie gevonden tussen de gemeten EOG-snelheden en de VOG-snelheden:
  • Rechtsom: $r = 0,95$ ($p < 0,0001$).
  • Linksom: $r = 0,93$ ($p < 0,0001$).
• Geen Significant Verschil: Na toepassing van het transformatiemodel waren er geen statistisch significante verschillen tussen de omgezette EOG-waarden en de werkelijke VOG-metingen in zowel de afleidings- als de validatiedatasets.
• Asymmetrie: Er werd een asymmetrie waargenomen in de transformatieconstanten voor links- en rechtsom bewegingen. Dit wordt toegeschreven aan de plaatsing van de elektrode (aan de rechterkant), waardoor de cornea dichter bij de elektrode komt bij rechtsom bewegingen (sterker signaal) dan bij linksom bewegingen.
• Robuustheid: Het model bleef stabiel over verschillende HPF-instellingen, hoewel de 0,3 Hz instelling de beste prestaties leverde.

5. Betekenis en Toekomstperspectief
Deze studie toont aan dat EOG, wanneer gecombineerd met dit specifieke transformatiemodel en de juiste filtering, een betrouwbare, kosteneffectieve en draagbare alternatief is voor VOG bij de kwantitatieve analyse van horizontale saccades.

• Klinische Impact: Het opent de deur voor oogbewegingsanalyse in situaties waar VOG onmogelijk is, zoals bij:
  • Bedlegerige patiënten of die op de IC liggen.
  • Patiënten met verminderd bewustzijn of coma.
  • Slaapstudies (PSG) waar oogbewegingen continu moeten worden gemonitord zonder camera's.
  • Patiënten met ooglidproblemen (ptosis).
• Toekomstig Onderzoek: De auteurs benadrukken de noodzaak om het model te valideren op grotere populaties, inclusief patiënten met neurologische aandoeningen die het saccadische systeem beïnvloeden, en om het te testen onder complexere, dynamische kijkcondities.

Kortom, dit onderzoek legt de basis voor de brede klinische adoptie van EOG als een nauwkeurig instrument voor oogbewegingsdiagnostiek, waardoor de drempel voor toegang tot deze technologie aanzienlijk wordt verlaagd.