Uso del análisis de la visión por computadora para etiquetar los períodos de falta de atención en las grabaciones de...

Área de la Ciencia:

• La neurociencia
• Ciencias de la computación
• Psicología del desarrollo

Sus antecedentes:

• Las grabaciones de electroencefalografía (EEG) requieren una codificación manual para identificar la atención del participante.
• La subjetividad y las limitaciones de tiempo limitan la precisión de la codificación de la atención manual.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático supervisado para la detección automática de la falta de atención durante el EEG.
• Para utilizar las características de visión por ordenador de las grabaciones de vídeo para el análisis de la atención.
• Para reducir la subjetividad y la carga de tiempo en la codificación de la atención de los participantes.

Principales métodos:

• Extrajo las características de la visión por computadora (postura de la cabeza, mirada, puntos de referencia de la cara) de los videos de los participantes.
• Entrenado un modelo de perceptron de varias capas en marcos de video etiquetados.
• Adaptado el modelo para nuevos participantes utilizando un pequeño subconjunto de datos.
• Evaluación del rendimiento del modelo utilizando el área debajo de la curva característica de funcionamiento del receptor y la fiabilidad entre los evaluadores (kappa de Cohen).

Principales resultados:

• Se logró un área mediana bajo la curva característica de funcionamiento del receptor de 0.989 para la detección de desatención.
• Se obtuvo una mediana de confiabilidad entre evaluadores de 0,888 con anotadores humanos entrenados.
• El acuerdo demostrado con las anotaciones humanas osciló entre 0,616 y 0,944 en nueve participantes.

Conclusiones:

• Las herramientas automáticas pueden detectar con fiabilidad la falta de atención durante las grabaciones de EEG.
• El método propuesto ofrece una alternativa factible, menos subjetiva y más eficiente a la codificación manual.
• Las herramientas disponibles al público facilitan la adopción de este enfoque automatizado en la investigación.