trabajo de fin de grado realizado por francisco luna perejon dirigido por octavio rivera romero...

Trabajo de Fin de Grado

Realizado por

FRANCISCO LUNA PEREJON

Dirigido por

OCTAVIO RIVERA ROMERO

MIRA: Elaboración de herramientas para la experimentación y estudio de los movimientos microsacádicos.

2

Índice

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

3

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

4

Contexto

5

Movimientos 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

• Movimientos muy bruscos y pequeños del ojo• ¿Función de los microsacádicos?

6

• Se mostraban figuras geométricas sencillas

• El sujeto mantenía la vista fijada en el centro• Se hacían preguntas al sujeto

Prueba de experimentación

7

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

8

Sistema de adquisición

• Método de adquisición: infrarrojos

– Casco ajustable que incorpora LEDs infrarrojos, sistema de reflexión y cámaras infrarrojas

9

Sistema de adquisición

• Resultado: registros oculares– Cuatro canales: Eje horizontal y vertical para

ojo izquierdo y derecho

10

Herramienta de detección y clasificación

• Fases

11

Herramienta de detección y clasificación

• Fase de recalibrado

12

Herramienta de detección y clasificación

• Fase de recalibrado

13

Herramienta de detección y clasificación

• Fase de procesamiento

14

Herramienta de detección y clasificación

• Fase de detección– Candidatos por velocidad

– Filtrado posterior por duración

15

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)

16

Herramienta de representación de la mirada• Modelo matemático:

17

Herramienta de representación de la mirada• Pruebas y limitaciones– Porcentaje de precisión por distancias de puntos al

centro

Esquinas Distancia2 Distancia1 Centro0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

100.00%

18

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

19

Ejemplo ilustrativo

• Realización de la prueba

20

Ejemplo ilustrativo

• Análisis de fragmento de registro

21

Ejemplo ilustrativo

• Análisis de fragmento de registro

22

Ejemplo ilustrativo

• Video de la representación

Video_1410385474.wmv

23

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.

24

Preguntas

GRACIAS

25

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

Movimientos microsacádicos

27

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

28

29

30

31

32

Herramienta de detección y clasificación

• Fase de procesamiento: pruebas

33

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

34

Herramienta de detección y clasificación

• Fase de filtrado: eficiencia

35

Herramienta de detección y clasificación

• Fase de detección: pruebas– Microsacádicos detectados incorrectamente

Sujeto 1

Sujeto 2

Sujeto 3

Sujeto 4

Sujeto 5

Total

0.00% 5.00% 10.00% 15.00% 20.00% 25.00%

36

Herramienta de detección y clasificación

• Fase de detección: pruebas– Duración real y calculada de un microsacádico

Sujeto 1 Sujeto 2 Sujeto 3 Sujeto 4 Sujeto 5 Total0

0.002

0.004

0.006

0.008

0.01

0.012

0.014

0.016

0.018

0.02

Duración realDuración calculada

Herramienta de detección y clasificación

• Fase de detección: pruebas– Mejora en la usabilidad: facilidad en la

determinación de una velocidad umbral

38

Herramienta de detección y clasificación

• Fase de clasificación: pruebas– Microsacádicos reales y clasificados por el

algoritmo

Sujeto 1 Sujeto 2 Sujeto 3 Sujeto 4 Total0

20

40

60

80

100

120

140

Microsacádicos realesclasificados como microsacádicos

39

Herramienta de detección y clasificación

• Fase de clasificación: pruebas– Porcentaje de error en microsacádicos

Sujeto 1

Sujeto 2

Sujeto 3

Sujeto 4

Total

0.00% 5.00% 10.00% 15.00% 20.00% 25.00%

40

Herramienta de detección y clasificación

• Fase de clasificación: pruebas– Estudio de errores en la clasificación de

microsacádicos

Sujeto 1 Sujeto 2 Sujeto 3 Sujeto 4 Total0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

100.00%

Error en micros por parpadeos

Error en micros por detección

41

Herramienta de detección y clasificación

• Fase de clasificación: pruebas– Porcentaje de error en sacádicos a causa de

parpadeos

Sujeto 1

Sujeto 2

Sujeto 3

Sujeto 4

Total

0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

100.00%

42

Herramienta de detección y clasificación

• Fase de clasificación: pruebas– Porcentaje de acierto de parpadeos

Sujeto 1

Sujeto 2

Sujeto 3

Sujeto 4

Total

0.00% 10.00% 20.00% 30.00% 40.00% 50.00% 60.00% 70.00% 80.00%