相关实验视频
Updated: Jun 6, 2026
09:44
Methods to Test Visual Attention Online
Published on: February 19, 2015
11.8K
眼睛跟踪后处理检测视觉工件和量化视觉注意力在fMRI期间的认知任务活动下的视觉注意力
Maxime Leharanger1, Pan Liu1,2, Luc Vandromme1
1CHIMERE UR 7516, Jules Verne University of Picardy, 80000 Amiens, France.
Sensors (Basel, Switzerland)
|August 10, 2024
概括
一个新的眼睛跟踪 (ET) 后处理平台显著提高了认知任务的数据准确性. 这证实了将眼睛跟踪与fMRI集成到神经科学研究中的可行性.
科学领域:
- 认知神经科学 认知神经科学
- 神经成像技术的神经成像技术
- 人与计算机的交互
背景情况:
- 在功能磁共振成像 (fMRI) 认知任务中准确测量视觉注意力是很困难的.
- 现有的眼睛跟踪 (ET) 方法可能缺乏联合ET-fMRI研究所需的精度.
- 开发强大的后处理工具对于可靠的目光数据采集至关重要.
研究的目的:
- 开发和验证一个新的眼睛跟踪后处理平台.
- 在认知任务中提高凝视数据的准确性和可靠性.
- 支持眼睛跟踪与fMRI用于神经科学研究的整合.
主要方法:
- 实施了MRI兼容的眼睛跟踪系统来收集数据.
- 收集了16名年轻成年志愿者执行视觉任务的目光数据.
- 开发并应用了一个新的后处理平台来完善眼睛跟踪数据.
主要成果:
- 后处理显著提高了眼睛跟踪数据的准确性.
- 参与者在任务中表现出高度的视觉注意力 (89.1%-99.9%的凝视位置).
- 对指令的凝视依从程度有所不同 (46.2%-50%),在长时间的任务中注意力下降.
- 该平台有效地识别和量化视觉工件和数据丢失.
结论:
- 开发的眼睛跟踪后处理平台提高了认知任务的数据精度.
- 这种方法提供了一个可靠的框架,可以将眼睛跟踪与fMRI整合起来.
- 这些发现通过提供改进的视觉注意力测量来支持先进的认知神经科学研究.
