使用封闭轨道驾驶实验探索运动疾病的眼动特征.
Yanlu Cao1, Maosong Jiang1, Zhuxi Yao2
1Dalian University of Technology, China.
Human factors
|December 10, 2024
概括
眼睛的运动有效地检测和预测运动性疾病 (MS). 这项研究验证了眼睛运动特征,并使用了MLSTM-FCN模型,在实际应用中识别和预测MS方面实现了高精度.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 汽车工程 汽车工程
背景情况:
- 运动病 (MS) 是自动驾驶汽车 (AV) 发展的日益关注的问题.
- 眼睛的运动提供了一个非侵入性的,客观的前体功能和MS严重性的指标.
- 眼睛跟踪非常适用,因为它很容易收集,而不会给乘客带来不适.
研究的目的:
- 识别和验证有效的眼动特征,以检测运动性疾病 (MS).
- 为监测和预警系统的实际应用提供见解.
- 评估用于MS分析的机器学习模型的有效性.
主要方法:
- 收集了72名MS易感参与者在封闭轨道驾驶中的眼动数据.
- 提取的特征:闪率,固定计数/持续时间,萨卡德指标和阴影.
- 使用统计分析和多变量长期内存全卷积网络 (MLSTM-FCN) 进行验证.
主要成果:
- 统计分析显示,在MS水平之间,眼动特征存在显著差异.
- MLSTM-FCN实现了91.37%的二进制MS检测准确度和88.51%的预测准确度.
- 三级分类为检测提供了80.54%的准确度,预测为80.11%.
结论:
- 眼动分析是评估运动性疾病 (MS) 的经过验证和有效方法.
- MLSTM-FCN模型在使用眼动数据检测和预测MS方面表现出高效率.
- 这项研究为早期多发性硬化症指示和警告提供了潜在的工具.
关键词:
眼睛的运动 眼睛的运动运动性 motion sickness 运动性 motion sickness 运动性 motion sickness 运动性 motion sickness 运动性 motion sickness 运动性 motion sickness 运动性 motion sickness 运动性 motion sickness多变量长短期内存 完全卷积网络更多相关视频
06:18Assessing the Autonomic and Behavioral Effects of Passive Motion in Rats using Elevator Vertical Motion and Ferris-Wheel Rotation
Published on: February 7, 2020
7.4K
08:50How to Study Placebo Responses in Motion Sickness with a Rotation Chair Paradigm in Healthy Participants
Published on: December 14, 2014
9.2K
