自动化分析管道用于提取使用基于视频的眼睛跟踪来测量萨卡德,瞳孔和眼参数

科学领域:

• 认知神经科学 认知神经科学
• 眼科医生 眼科 眼科
• 人与计算机的交互

背景情况:

• 大规模的基于视频的眼睛跟踪产生了大量的数据集.
• 对于大数据来说,手动分析跳动和眼是不可行的.
• 自动化方法对于有效的眼睛跟踪数据处理至关重要.

研究的目的:

• 为处理大规模眼睛跟踪数据提供标准化,自动化的管道.
• 为了能够准确地检测和分类跳动,眼和复杂的眼动.
• 促进跨多元参与者群体和研究站点进行强有力的数据分析.

主要方法:

• 开发了一个全面的数据收集,存储,清理和参与者编码管道.
• 实现了自动化算法来检测跳动,闪,闪和石跳动.
• 包括新的方法来分析后摇摆振荡和改善摇摆终点估计.
• 自动行为分类用于交联的亲/反-saccade任务 (IPAST).

主要成果:

• 该管道成功处理了592名年龄在5-93岁之间的参与者的数据.
• 在处理各种数据集,包括发育,衰老和临床队列方面表现出强度.
• 实现了各种眼动类型的准确检测和分类,包括新的现象.

结论:

• 自动化管道被优化为大型,多样化的眼睛跟踪数据集.
• 这种方法提高了多站点和临床研究中的眼睛跟踪数据分析的效率和标准化.
• 该系统支持广泛的眼睛追踪研究应用.