欧洲神经系统:一个大规模的眼动数据集,基准和精神分裂症识别新模型

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 精神病学是一个精神病学.

背景情况:

• 精神分裂症 (SZ) 是一种普遍存在的精神疾病,经常伴随着认知缺陷.
• 眼睛追踪技术为表征认知障碍提供了一种经济有效的方法.

研究的目的:

• 为了解决缺乏大规模的,公开可用的眼动数据集和精神分裂症识别的基准.
• 引入一种新的深度学习模型,以改进基于眼动的精神分裂症检测.

主要方法:

• 为SZ识别 (EMS) 创建了一个大规模的眼动数据集,包括104名SZ患者和104名健康对照者的数据.
• 进行了一项全面的基准测试,比较了13种现有的精神病识别方法.
• 提出了一个新的基于平均转移的网络 (MSNet),将平均转移算法与特征提取的卷积集成在一起.

主要成果:

• 拟议的MSNet与基于眼动的SZ识别现有方法相比,显示出更高的性能.
• 欧洲气象系统数据集和基准结果为研究界提供了宝贵的资源.
• MSNet有效地使用刺激特征分支和集群中心分支提取主题特征.

结论:

• 该EMS数据集和基准建立了未来研究精神分裂症眼动分析的基础.
• 该MSNet模型为推进基于眼动的精神分裂症识别研究提供了一个强大的基线.
• 公开发布数据集,基准结果和代码有助于在该领域进行进一步的研究和开发.