相关实验视频
Updated: May 2, 2026

08:06
Eye Movement Monitoring of Memory
Published on: August 15, 2010
14.7K
短期和长期轻度创伤性脑损伤的分类使用计算机眼睛跟踪
Alice Cade1,2, Philip R K Turnbull3
1School of Optometry and Vision Science, The University of Auckland, Private Bag 92019, Auckland, 1023, New Zealand. a.cade@auckland.ac.nz.
Scientific reports
|June 3, 2024
概括
计算机化眼球追踪器评估可靠地测量眼球运动功能,用于诊断轻度创伤性脑损伤 (mTBI) 和持续性脑震荡后综合征 (PPCS). 机器学习模型在将这些条件与健康对照区分开来方面表现有前途.
科学领域:
- 神经科学是一个神经科学.
- 眼科医生 眼科 眼科
- 医疗技术 医疗技术 医学技术
背景情况:
- 诊断脑损伤,特别是轻度创伤性脑损伤 (mTBI),存在重大挑战.
- 客观可靠的评估工具对于了解mTBI和持续性脑震荡后综合征 (PPCS) 的影响至关重要.
研究的目的:
- 评估计算机眼睛追踪器评估 (CEA) 的可用性和测试-重新测试可靠性.
- 通过机器学习评估CEA在健康个体,mTBI患者和PPCS患者之间区分能力.
主要方法:
- CEAs评估了眼运动功能,视觉注意力和选择性注意力,包括像光滑追逐和前庭眼镜反射 (VOR) 这样的测试.
- 在健康成年人中评估了测试重复测试的可靠性,随后使用健康,mTBI和PPCS参与者的数据进行机器学习模型训练.
主要成果:
- CEA的可靠性中等至优异 (ICC > .50至 .98) 和符合性令人满意.
- 机器学习模型实现了合理的平衡精度 (控制:0.83,mTBI:0.66,PPCS:0.76),AUC-ROC为0.82.
- 关键的差异化指标包括VOR (视线稳定性),固定垂直误差和追踪措施.
结论:
- 计算机化眼球追踪器评估是评估mTBI和PPCS患者的可靠工具.
- 虽然有希望,但需要进一步开发更大的数据集,以提高临床应用的诊断模型准确性.
更多相关视频
07:30Efficiently Recording the Eye-Hand Coordination to Incoordination Spectrum
Published on: March 21, 2019
7.9K
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
7.8K