摘要：
本研究中，我们开展了细胞实验，分析了RPE细胞在不同蓝光（455-475nm）比重光源下的细胞活性（CV），以此来描述对应的氧化应激程度。进一步地，我们开展了30人的人因实验，研究了屏幕观看任务过程中色域和色准对FVD变化的影响。结果表明，过滤掉非氧化性蓝光不仅对减少视网膜氧化应激的效果微乎其微，还会导致色准降低，这会引起显著的FVD下降。
关键词：非氧化性蓝光过滤，色准，色域，FVD降低，FVD-MTF关联性
1 引言
短波长蓝光会对RPE细胞造成威胁，从而增加眼底病的风险，包括年龄相关黄斑变性[1,2]、糖尿病视网膜病[3,4]、特发性中央体旁毛细血管扩张症[5,6]、视网膜静脉阻塞[7,8]、视网膜动脉阻塞[9,10]、中心性视网膜脉络膜病变[11,12]、息肉状脉络膜血管病变[13,14]等。
尽管过滤掉屏幕蓝光波段能够减轻蓝光损伤，但这会引起其他问题，比如色域和色准的变化。人眼能否够得益于非氧化性蓝光过滤，这个问题尚未明确。研究者们已经开展了人因实验阐明了屏幕亮度[15-17]的视觉和非视觉影响[18-20]，但是他们几乎没有关注过眼底血流对不同色域和色准的响应特征。
一般情况下，过滤掉非氧化性蓝光会不可避免地伴随着一些负面结果，包括使控制电路和算法复杂化[21]、使显示输入信号失真[22]、降低色准[23-25]。本文当中，我们测量了由非氧化性蓝光过滤引起的不同色域和色准下，被试在屏幕观看任务过程中的FVD变化情况。我们也分析了FVD和MTF之间的关联性。
2 材料与方法
2.1 光环境
我们使用一个固定在2.1米高的天花板上的LED灯作为光源，灯的尺寸为90 cm × 90 cm，色温（CCT）为5250 ± 250 K。屏幕亮度设置为190 ± 10 cd/m2。屏幕和灯的光谱能量分布（SPD）如图1所示。为了获得本文需要的所有颜色特征，我们使用Truecolor-Analyzer-2.6软件校准颜色，获得了15种颜色特征（表1）。
图1 屏幕与灯的光谱能量分布（SPD）
表1 本研究采用的屏幕颜色特征
|
屏幕ID |
色域 (% NTSC) |
色准 (ΔE) |
|
1 |
71% |
0.9 < ΔE < 1.8 |
|
2 |
77% |
|
|
3 |
82% |
|
|
4 |
89% |
|
|
5 |
95% |
|
|
6 |
71% |
1.8 < ΔE < 2.7 |
|
7 |
77% |
|
|
8 |
82% |
|
|
9 |
89% |
|
|
10 |
95% |
|
|
11 |
71% |
2.7 < ΔE < 3.6 |
|
12 |
77% |
|
|
13 |
82% |
|
|
14 |
89% |
|
|
15 |
95% |
2.2 细胞实验
我们开展了细胞实验来研究不同光谱的作用。本文使用的视网膜细胞是从Procell公司购买的人体ARPE-19细胞。我们在细胞培养孵化器中加入DMEM-F12溶液（10%胎牛血清）和5% CO2来培养ARPE-19细胞。培养细胞分为3组，分别置于表1所示的不同色准下培养。提前设置了屏幕白平衡，并把照度调节至400lux。
为了测量CV，我们用台盼蓝（Trypan Blue）将细胞染色后，采用ThermoFisher Scientific流式细胞仪自动采集获取CV数据。
2.3 人因实验
本研究中，所有的30名被试（大学在校学生，包括17名男性和13名女性，年龄在21-30岁之间）提供了书面的知情同意书。本文使用的所有方法均符合相关法规。实验之前提前确认了被试没有白内障、斜视、弱视，屈光参差低于2.5D，眼内压分布在14-20之间。屈光度分布如下：40%的被试处在−0.75至0.75 D水平， 60%处在−1.00 D至−3.00 D水平。校正后的视敏度，有40%处在0.8，60%处在1.0。所有信息列在表2
表2 被试视功能信息
|
被试状态 |
分布情况 |
|
屈光参差 |
< 2.5 D |
|
眼内压 |
14-20 |
|
屈光分布 |
-0.75 D to 0.75 D: 40% -1.00 D to -3.00 D: 60% |
|
校正后视敏度 |
0.8: 40% 1.0: 60% |
|
男女比 |
Males: 17 Females: 13 |
我们开展了两个视觉任务：一个颜色识别任务和一个视频观看任务。这两个任务都是在15天完成的。在任务开始前，要求被试远眺20分钟放松眼睛。接下来，被试进行颜色识别任务，使用的任务材料是100页的pdf格式的文件，每一页包括1个参考颜色和20个颜色选项。被试需要从这20个颜色选项当中选出最接近参考颜色的选项，每个被试用20分钟的时间完成颜色识别任务。之后被试进行视频观看任务，观看的内容是《愤怒的小鸟》（由Rovio Mobile制作，在2016年5月20日上映）。视频观看任务时长也是20分钟。
2.4 人眼生理测量
对于每个被试，我们都在屏幕观看任务前后分别测量了其FVD。测量使用的仪器是配有RS-3000设备的光学相干断层扫描血管造影（OCTA）仪，该仪器自动采集每个被试的黄斑中央凹的血管区和无血管区的面积，血管区用红色标注，无血管区用绿色标注，如图2所示。通过将视觉任务前后的FVD数值相减，我们计算出FVD的变化值ΔFVD。
图2 FVD采集样例；红色数字表示血管区域面积，绿色数字表示视盘区域
实验过程中，要求每个被试将额头和下巴贴在仪器的指定的位置，并在自然状态下双眼注视屏幕上的刺激物。仪器自动采集FVD数据。在采集每个被试的数据之前，已确保了被试完全理解实验内容与测试要求。
作为补充数据，我们也采集了被试的调制传递函数（MTF），使用仪器NIDEK OPD Scan III自动采集。与FVD测试过程相似，允许被试在测试过程中眨眼以避免过长的睁眼时长引起的眼部疲劳。我们将视觉任务前后MTF数值相减来计算了MTF的变化量（ΔMTF）。
为了计算视觉舒适度VICO指数[26-28]来评价被试眼睛在视觉任务过程中积累的疲劳程度，我们还测量了被试的角膜屈光（KR）、眼轴长度（AL）、睫状肌调节（ACC）、高阶像差（HOAs），其中KR与AL采用仪器NIDEK AL-Scan自动测量，ACC采用仪器NIDEK AR-1S自动测量，HOAs采用仪器NIDEK OPD Scan III自动测量。
3 结果
3.1 CV对比
我们在0.9 < ΔE < 1.8、1.8 < ΔE < 2.7、2.7 < ΔE < 3.6这三个色准水平下测量了细胞的CV，对应的结果分别为76.97%、77.46%、77.15%（图3）。在这三个色准水平下，细胞的CV差异并不明显，三种色准对应的光谱对CV的作用比较相近。由于三种光谱是通过过滤掉非氧化性蓝光（455-475nm）获得的，因此非氧化性蓝光似乎并没有引起视网膜细胞损伤。相反的，过滤掉必要的蓝光部分可能会导致色准降低。
图3 色准水平0.9 < ΔE < 1.8、1.8 < ΔE < 2.7、2.7 < ΔE < 3.6对应的光谱下的CV情况
3.2 ΔFVD响应
我们观察了不同色域和色准下被试ΔFVD差异的显著性（表3）。在同一色准水平范围内，ΔFVD在不同色域下并没有表现出显著性差异，这表明色域的变化并不会引起ΔFVD的变化。然而，ΔFVD在不同色准水平下差异十分明显（表4）。因此，ΔFVD的差异似乎依赖于色准水平而非色域。
表3 各色准水平下ΔFVD在相邻色域之间的对比情况；t代表学生检验值，p代表显著性几率；符号*对应P < 0.05，而**对应P < 0.01
|
色准水平 |
色域 |
t |
P |
|
0.9<ΔE<1.8 |
95% vs 89% |
-0.589 |
0.561 |
|
95% vs 82% |
-1.132 |
0.267 |
|
|
95% vs 77% |
-0.659 |
0.515 |
|
|
95% vs 71% |
-1.410 |
0.169 |
|
|
89% vs 82% |
-0.553 |
0.585 |
|
|
89% vs 77% |
-0.181 |
0.858 |
|
|
89% vs 71% |
-1.072 |
0.293 |
|
|
82% vs 77% |
0.451 |
0.655 |
|
|
82% vs 71% |
-0.211 |
0.834 |
|
|
77% vs 71% |
-0.680 |
0.502 |
|
|
1.8<ΔE<2.7 |
95% vs 89% |
0.172 |
0.864 |
|
95% vs 82% |
-0.421 |
0.677 |
|
|
95% vs 77% |
-0.247 |
0.807 |
|
|
95% vs 71% |
0.041 |
0.967 |
|
|
89% vs 82% |
-0.652 |
0.520 |
|
|
89% vs 77% |
-0.403 |
0.690 |
|
|
89% vs 71% |
-0.115 |
0.910 |
|
|
82% vs 77% |
0.230 |
0.820 |
|
|
82% vs 71% |
0.545 |
0.590 |
|
|
77% vs 71% |
0.390 |
0.700 |
|
|
2.7<ΔE<3.6 |
95% vs 89% |
0.41 |
0.685 |
|
95% vs 82% |
0.342 |
0.735 |
|
|
95% vs 77% |
-0.519 |
0.608 |
|
|
95% vs 71% |
-0.724 |
0.475 |
|
|
89% vs 82% |
0 |
1 |
|
|
89% vs 77% |
-0.970 |
0.340 |
|
|
89% vs 71% |
-1.292 |
0.207 |
|
|
82% vs 77% |
-0.798 |
0.432 |
|
|
82% vs 71% |
-1.407 |
0.171 |
|
|
77% vs 71% |
-0.224 |
0.824 |
表4 各色域下ΔFVD在相邻色准水平之间的对比情况；t代表学生检验值，p代表显著性几率；符号*对应P < 0.05，而**对应P < 0.01
|
色域 |
色准水平 |
t |
P |
|
95% |
1.5 vs 2.3* |
2.503 |
0.018 |
|
2.3 vs 3.3** |
4.343 |
0.001 |
|
|
89% |
1.5 vs 2.3** |
3.452 |
0.002 |
|
2.3 vs 3.3** |
4.611 |
0.001 |
|
|
82% |
1.5 vs 2.4** |
3.452 |
0.002 |
|
2.4 vs 3.3** |
6.413 |
0.001 |
|
|
77% |
1.6 vs 2.4** |
3.417 |
0.002 |
|
2.4 vs 3.3** |
5.541 |
0.001 |
|
|
71% |
1.6 vs 2.4** |
4.019 |
0.001 |
|
2.4 vs 3.4** |
3.983 |
0.001 |
不同色域与色准水平下ΔFVD数值呈现出钟形分布曲线。尽管色域并不影响钟形曲线的位置，但它影响形状。对于每个色准水平，分布曲线随着色域的扩大而变得分散（图4）。在对FVD的影响方面，色准水平与色域不同。随着色准水平的减小（色差增大），钟形分布曲线的峰值向ΔFVD增大的方向移动。
(a)
(b)
(c）
（d）
（e）
（f）
（g）
（h）
图4 不同色域下对应的ΔFVD分布曲线，这些色域分别是在(a) 0.9 < E < 1.8、(b) 1.8 < E < 2.7、(c) 2.7 < E < 3.6色准水平下；不同色准水平下对应的ΔFVD分布曲线，这些色准水平分别是在(d) 95%、(e) 89%、(f) 82%、(g) 77%、(h) 71%色域下
3.3 ΔMTF响应
与ΔFVD的变化规律相似，ΔMTF分布曲线随着色域的变化而发生分散度的变化（表5），而随着色准水平的变化而发生峰位的变化（表6，图5）。与色域相比，色准水平对ΔMTF的影响更明显。
表5 各色准水平下ΔMTF在相邻色域之间的对比情况；t代表学生检验值，p代表显著性几率；符号*对应P < 0.05，而**对应P < 0.01
|
色准水平 |
色域 |
t |
P |
|
0.9 < ΔE < 1.8 |
95% vs 89% |
-0.367 |
0.717 |
|
95% vs 82% |
-0.711 |
0.483 |
|
|
95% vs 77%** |
-3.456 |
0.002 |
|
|
95% vs 71%** |
-3.269 |
0.003 |
|
|
89% vs 82% |
-0.317 |
0.754 |
|
|
89% vs 77%* |
-2.683 |
0.012 |
|
|
89% vs 71%* |
-2.247 |
0.033 |
|
|
82% vs 77%* |
-2.766 |
0.01 |
|
|
82% vs 71%* |
-2.506 |
0.018 |
|
|
77% vs 71% |
0.268 |
0.791 |
|
|
1.8 < ΔE < 2.7 |
95% vs 89% |
-1.204 |
0.238 |
|
95% vs 82% |
0.593 |
0.558 |
|
|
95% vs 77% |
-0.258 |
0.798 |
|
|
95% vs 71% |
0.162 |
0.873 |
|
|
89% vs 82% |
1.978 |
0.058 |
|
|
89% vs 77% |
0.772 |
0.446 |
|
|
89% vs 71% |
1.264 |
0.217 |
|
|
82% vs 77% |
-1.431 |
0.164 |
|
|
82% vs 71% |
-0.548 |
0.588 |
|
|
77% vs 71% |
0.708 |
0.458 |
|
|
2.7 < ΔE < 3.6 |
95% vs 89% |
0 |
1 |
|
95% vs 82% |
-0.187 |
0.853 |
|
|
95% vs 77% |
1.714 |
0.098 |
|
|
95% vs 71%* |
2.711 |
0.011 |
|
|
89% vs 82% |
-0.207 |
0.837 |
|
|
89% vs 77% |
1.791 |
0.084 |
|
|
89% vs 71%** |
2.823 |
0.009 |
|
|
82% vs 77% |
1.622 |
0.116 |
|
|
82% vs 71%* |
2.295 |
0.029 |
|
|
77% vs 71% |
1.409 |
0.170 |
表6 各色域下ΔMTF在相邻色准水平之间的对比情况；t代表学生检验值，p代表显著性几率；符号*对应P < 0.05，而**对应P < 0.01
|
色域 |
色准水平 |
t |
P |
|
95% |
1.5 vs 2.3** |
6.453 |
0.001 |
|
2.3 vs 3.3** |
7.973 |
0.001 |
|
|
89% |
1.5 vs 2.3** |
4.667 |
0.001 |
|
2.3 vs 3.3** |
11.829 |
0.001 |
|
|
82% |
1.5 vs 2.4** |
10.029 |
0.001 |
|
2.4 vs 3.3** |
6.696 |
0.001 |
|
|
77% |
1.6 vs 2.4** |
8.865 |
0.001 |
|
2.4 vs 3.3** |
11.258 |
0.001 |
|
|
71% |
1.6 vs 2.4** |
12.339 |
0.001 |
|
2.4 vs 3.4** |
11.333 |
0.001 |
（a）
（b）
（c）
（d）
（e）
（f）
（g）
（h）
图5 不同色域下对应的ΔMTF分布曲线，这些色域分别是在(a) 0.9 < E < 1.8、(b) 1.8 < E < 2.7、(c) 2.7 < E < 3.6色准水平下；不同色准水平下对应的ΔMTF分布曲线，这些色准水平分别是在(d) 95%、(e) 89%、(f) 82%、(g) 77%、(h) 71%色域下
4 讨论
4.1 ΔFVD-ΔMTF关联性
在观看视频的过程中，我们发现被试的眼生理响应既依赖于色准水平又依赖于色域。ΔFVD与ΔMTF表现出相似的变化规律，它们的分布曲线形状都随着色域的扩大而变得更加弥散，曲线峰位都随着色准水平的减小而增大。我们观察到ΔFVD与ΔMTF相似的变化规律，进一步使用SPSS 20.0软件做了相关性分析，确认了ΔFVD与ΔMTF之间确实存在相关性（表7）。在每种色准水平与每种色域下，ΔFVD-ΔMTF相关性都很显著。MTF决定了光子在感光细胞上的分布特征，这种分布特征与视网膜血管密切关联。FVD描述了视网膜血管内血液循环特征。在我们的研究中，ΔFVD-ΔMTF关联性表明视网膜血液循环可能与光子对感光细胞激活分布同步变化。
表7 不同色域与色准水平下ΔFVD与ΔMTF之间的相关性；t代表学生检验值，p代表显著性几率；符号*对应P < 0.05，而**对应P < 0.01
|
色准水平 |
色域 |
相关系数 |
P |
|
0.9 < ΔE < 1.8 |
71%** |
0.491 |
0.006 |
|
77%** |
0.521 |
0.003 |
|
|
82%** |
0.510 |
0.004 |
|
|
89%** |
0.486 |
0.006 |
|
|
95%* |
0.451 |
0.012 |
|
|
1.8 < ΔE < 2.7 |
71%* |
0.455 |
0.012 |
|
77%** |
0.469 |
0.009 |
|
|
82%** |
0.479 |
0.007 |
|
|
89%** |
0.464 |
0.010 |
|
|
95% |
0.420 |
0.021 |
|
|
2.7 < ΔE < 3.6 |
71%** |
0.483 |
0.007 |
|
77%* |
0.450 |
0.013 |
|
|
82%* |
0.448 |
0.013 |
|
|
89%* |
0.444 |
0.014 |
|
|
95%** |
0.536 |
0.002 |
4.2 VICO图
我们使用VICO指数来决定每种色准水平与每种色域对眼疲劳的影响。在ΔE < 2.7时，提升色域会使VICO值下降。此外，82% NTSC的色域似乎是一个拐点，这个拐点将VICO曲线斜率不同的部分分开（图6）。然而，在ΔE > 2.7时，VICO值并没有随着色域的变化而变化。
图6 以色准水平与色域作为二维坐标的VICO热度图
本研究中，色准水平与色域共有15种组合方式（表2）。我们指定色域为横坐标，色准水平为纵坐标，在二维坐标系上得到15个点，代表了相应的15个VICO值。由于色准水平与色域的变化对VICO的影响是连续的，因此我们用牛顿插值法模拟了二维坐标图上更多的VICO数值点（色域从70%到95%，色准水平从1.5到5.5）（图6）。VICO热度图表明，色准水平对VICO的影响比色域更明显，并且色域对VICO的影响受色准水平的调制。在热度图上，黄色区域似乎是一个边界线，其形状从另一个角度表明82%NTSC是色域影响的一个转折点。
结论
本研究中，我们分析了眼底血管对色准水平变化的响应，其中色准水平的变化通常来自对非氧化性蓝光的过滤。我们用FVD的变化来指示眼底血管响应。我们的结果表明，色域的变化会引起ΔFVD与ΔMTF分布曲线的形状变得更加分散，而色准水平的变化会引起分布曲线峰位移动。通过VICO热度图，我们还发现人眼疲劳受色准水平的影响超过了受色域的影响，因为色准水平坐标轴的变化引起的颜色变化更加明显。特别地，色准水平2.7似乎是VICO热度图上的边界线。色域的增加在ΔE < 2.7时会引起VICO值变化，而在ΔE > 2.7时不会引起VICO值变化。由于ΔFVD与ΔMTF之间显著相关，我们推测，光子在视网膜上的分布会以某种途径影响眼底血管活动。我们的发现表明，非氧化性蓝光并不会损伤视网膜，相反地，这种蓝光在显示过程中会减少眼底血管功能的降低。在显示技术的研发中，非氧化性蓝光波段发挥着不可缺少的作用，尤其是限制色差的增大和减少视功能的下降。
Reference
[1] J.Q. Core, et al. Predominantly Persistent Subretinal Fluid in the Comparison of Age-Related Macular Degeneration Treatments Trials. Ophthalmology Retina. vol. 5, no. 10, pp. 962-974, 2021.
[2] X. Li. et al. Causal Associations of Thyroid Function and Age-Related Macular Degeneration: A Two-Sample Mendelian Randomization Study. Am. J. Ophthalmol. vol. 239, pp. 108-114, 2022.
[3] L. Fang. et al. Diabetic retinopathy classification using a novel DAG network based on multi-feature of fundus images. Biomed. Signal. Process. Control. vol. 77, pp. 103810, 2022.
[4] J.M. Coney. et al. Racial disparities in the screening and treatment of diabetic retinopathy. J. Nat. Med. Association. vol. 114, no. 2, 171-181, 2022.
[5] R.N.G. Vianna. et al. Intravitreal pegaptanib reduces fluorescein leakage in idiopathic parafoveal telangiectasis. Canadian J. Ophthalmol. vol. 43, no. 4, 492-493, 2008.
[6] R. Windisch. et al. Intravitreal bevacizumab compared with photodynamic therapy with verteporfin for group 2a parafoveal retinal telangiectasis. Canadian J. Ophthalmol. vol. 43, no. 4, pp. 489-490, 2008.
[7] D.R. Pur. et al. Branch retinal vein occlusion in a healthy young man following mRNA COVID-19 vaccination. Am. J. Ophthalmol. vol. 26, pp. 101445, 2022.
[8] A. Naranjo. et al. Retinal artery and vein occlusion in calciphylaxis. Am. J. Ophthalmol. vol. 26, pp. 101433, 2022.
[9] C. Zhao. et al. Unilateral isolated optic nerve infiltration combined with central retinal artery occlusion in a patient with acute myeloid leukemia. Am. J. Ophthalmol. vol. 26, pp. 101493, 2022.
[10] S. Hwuang. et al. High-density Lipoprotein Cholesterol and the Risk of Future Retinal Artery Occlusion Development: A Nationwide Cohort Study. Am. J. Ophthalmol. vol. 235, pp. 188-196, 2022.
[11] T. Tran. et al. Choroidal effusion as a manifestation of central serous chorioretinopathy: A case report. Am. J. Ophthalmol. vol. 25, pp. 101311, 2022.
[12] S. Sawaguchi. et al. Scleral Thickness in Steroid-Induced Central Serous Chorioretinopathy. Ophthalmol. Sci. vol. 2, no. 2, pp. 100124, 2022.
[13] C.S. Tan. et al. Evolution of Polypoidal Lesions after Treatment of Polypoidal Choroidal Vasculopathy. Ophthalmol. Sci. vol. 2, no. 1, pp. 100082, 2022.
[14] B.J. Fenner. et al. Prevalence of Polypoidal Choroidal Vasculopathy Using Non-indocyanine green angiography–based Criteria. Ophthalmology Retina. vol. 6, no. 2, pp. 179-181, 2022.
[15] H. Yu. et al. Effect of character contrast ratio of tablet PC and ambient device luminance ratio on readability in low ambient illuminance. Displays. vol. 52, no. 46-54, 2018.
[16] H. Yu. et al. Influence of ambient-tablet PC luminance ratio on legibility and visual fatigue during long-term reading in low lighting environment. Displays. vol. 62, no. 101943, 2020.
[17] L.C. Ou. et al. Visual comfort as a function of lightness difference between text and background: a cross-age study using an LCD and a tablet computer. Color. Res. Appl. vol. 40, no. 2, pp. 125-134, 2015.
[18] L.L.A. Price. et al. Linking the non-visual effects of light exposure with occupational health. Int. J. Epidemiol. vol. 48, no. 5, pp. 1393-1397, 2019.
[19] J.C.G. Ortega. et al. Negative effect of turbidity on prey capture for both visual and non-visual aquatic predators. J. Anim. Ecol. vol. 89, no. 11, pp. 2427-2439, 2020.
[20] G.A. Manson. et al. Rapid online corrections for upper limb reaches to perturbed somatosensory targets: evidence for non-visual sensorimotor transformation processes. Exp. Brain Res. vol. 237, pp. 839-853, 2019.
[21] A.C. Hexley. et al. Demonstrating a multi-primary high dynamic range display system for vision experiments. J. Opt. Soc. Am. A. vol. 37, no. 4, pp. A271-A284, 2020.
[22] K.K. Lee. et al. Ambient light robust gamut mapping for optical see-through displays. Opt. Express. vol. 28, pp. 10, pp. 15392-15406, 2020.
[23] Q. Xu. et al. Testing uniform colour spaces using colour differences of a wide colour gamut. Opt. Express. vol. 29, no. 5, pp. 7778-7793, 2021.
[24] H. Song. et al. Studies on different primaries for a nearly ultimate gamut in a laser display. Opt. Express. vol. 26, no. 18, pp. 23436-23448, 2018.
[25] H. Chen. et al. Going beyond the limit of an LCD’s color gamut. Light. Sci. Appl. vol. 6, no. e17043, 2017.
文章作者：蔡建奇 中国标准化研究院公共安全标准化研究所
转载请注明出处