相关实验视频
Updated: May 16, 2025
06:45
Loneliness Assuaged: Eye-Tracking an Audience Watching Barrage Videos
Published on: May 29, 2020
4.1K
在体育观看中通过眼动特征检测情绪障碍
Wei Qiang1,2, Lin Yang3, Xucheng Zhang1
1Institute of Software, Chinese Academy of Sciences, Beijing, China.
Frontiers in neurology
|May 14, 2025
概括
这项研究使用乒乓球视频来跟踪眼睛的运动,以检测情绪障碍 (EMD). 视线和其它特征通过自然的观看行为来识别EMD的高准确性.
科学领域:
- 眼科医生 眼科 眼科
- 精神病学是一个精神病学.
- 计算机科学 计算机科学
背景情况:
- 数字技术提供了先进的情绪障碍 (EmD) 检测,但由于固定的格式和活跃的用户输入,长期监测存在局限性.
- 需要通过自然行为进行隐性监测,以克服长期EMD跟踪的当前采用障碍.
研究的目的:
- 引入一种新的方法,用于隐式识别情绪障碍 (EmD),使用在自然观看球赛视频期间的眼动分析.
- 评估使用乒乓球视频捕捉眼睛运动轨迹和识别EMD的有效性.
主要方法:
- 开发了一个基于VR的眼动数据收集系统,显示体育视频.
- 确定了四种主要的眼动行为和14种相关特征.
- 采用统计测试 (t-test,U-test) 和机器学习 (SVM,决策树) 进行k倍验证;使用ICC分析评估可靠性.
主要成果:
- 在乒乓球视频中发现了11个显著的眼动特征,包括探索,固定和冲刺行为.
- 凝视是最具预测性的特征,达到0.88准确度 (p=0.0002).
- 使用重要特征的决策树模型达到0.92准确度,0.80精度和0.94AUC;ICC证实了关键特征的高可靠性.
结论:
- 观看球比赛视频是自然EMD识别的有希望的范式,反映了好奇心和精神运动功能.
- 参与者对视频内容的偏好会影响诊断性能.
- 未来的长期,心理状况的家庭监测可以将行为分析整合到日常数字设备交互中.
