基于年龄的眼动发育生物标志物:使用机器学习的回顾性分析.

科学领域:

• 神经科学是一个神经科学.
• 发展心理学 发展心理学
• 眼科医生 眼科 眼科

背景情况:

• 了解与年龄相关的眼动变化对于识别发育生物标志物至关重要.
• 以前的研究还没有全面地绘制出整个人类寿命的眼动轨迹.

研究的目的:

• 为了识别人类一生中眼睛运动的发育变化.
• 通过使用眼睛运动数据,建立发育生物标志物的基准.
• 分析不同类型的眼动如何随年龄而变化.

主要方法:

• 利用了45696名年龄在6岁至80岁的参与者的大量数据集.
• 进行了六项标准化的眼动测试,测量固定,冲刺,追求和.
• 采用半监督的,自我训练的机器学习分类器来定义12个不同的年龄组.
• 进行多重差异分析 (MANOVA) 以评估年龄组对眼动指标影响的意义.

主要成果:

• 在所有年龄组中都发现了眼动的显著发育变化 (p < 0.001).
• 眼动模式显示了非常年轻 (6-14岁) 和老年 (69-80岁) 个体之间的相似性.
• 30多岁的个人表现出最佳的眼动指标.

结论:

• 眼睛运动特征在人类一生中显著演变.
• 该研究为眼动发展提供了规范性数据集,对临床和研究应用有用.
• 结果可以为健康和健康评估提供信息,并指导未来的老龄化和发育研究方法.