智能手机眼睛跟踪与深度学习:数据质量和现场测试
Gancheng Zhu1, Zehao Huang1, Xiaoting Duan1
1Center for Psychological Sciences, Zhejiang University, 148 Tianmushan Rd., Hangzhou, 310028, China.
Behavior research methods
|June 18, 2025
概括
智能手机眼睛跟踪,由深度学习提供动力,提供与黄金标准系统可比的准确性. 这项技术在临床应用中以76.67%的准确性检测抑郁症状.
科学领域:
- 计算机视觉 计算机视觉
- 神经科学是一个神经科学.
- 移动健康服务提供者
背景情况:
- 眼睛跟踪对于在各个领域的注意力测量至关重要.
- 人工智能和移动计算的进步使得基于计算机视觉的智能手机上的眼睛跟踪成为可能.
研究的目的:
- 介绍使用深度神经网络的实时智能手机眼睛跟踪系统.
- 为了将其性能与黄金标准的眼球追踪器进行比较.
- 评估其在临床应用中的潜力,特别是对于抑郁症状评估.
主要方法:
- 开发了一个深度神经网络,在740万张面部图像上进行训练,用于眼睛跟踪.
- 与32名参与者使用的EyeLink眼球追踪器对比该系统.
- 对98名志愿者进行了实地测试,使用智能手机上的视觉任务来评估抑郁症状.
主要成果:
- 智能手机眼睛跟踪显示了与EyeLink跟踪器相似的精度 (1.32°与1.20°),尽管精度较低 (0.177°与0.028°).
- 该系统在基于视觉任务的表现来预测抑郁症状时,达到76.67%的准确率.
结论:
- 智能手机眼睛跟踪提供了适合科学和临床使用的高质量数据.
- 这项技术在心理健康评估中具有可访问和广泛应用的巨大潜力.
