眼球图:一种基于融合的方法,用于基于眼睛运动的视觉注意力图作为帕金森症的预测标志物
Akshay S1, Amudha J2, Amitabh Bhattacharya3
1Department of Computer Science, School of Computing, Amrita Vishwa Vidyapeetham, Mysuru, Karnataka, India.
MethodsX
|September 25, 2025
概括
EyeMap可视化了用于检测帕金森病 (PD) 的眼动模式. 这种由人工智能驱动的方法分析了目光数据,在没有手动功能工程的情况下识别PD特定的异常.
科学领域:
- 眼科医生 眼科 眼科
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
背景情况:
- 眼动分析对于理解神经系统疾病至关重要.
- 目前的方法可能缺乏解释性或需要手动功能工程.
- 帕金森病 (PD) 常常呈现出特征性的眼神异常.
研究的目的:
- 开发和验证EyeMap,一种用于可视化和分类眼动模式的新方法.
- 为了提高神经系统疾病,如PD的注视数据的诊断解释性.
- 通过机器学习来检测PD特定的目光异常.
主要方法:
- EyeMap使用扫描路径,固定热图和网格感兴趣区域 (AOI) 来进行可视化.
- 晚期融合技术结合了来自模式特定机器学习和深度学习模型的预测.
- 从PD患者和健康对照的眼睛跟踪数据中生成了一个新的数据集.
主要成果:
- EyeMap成功地可视化和分类眼睛运动模式.
- 该方法通过整合空间,时间和区域视线元素来提高诊断的解释性.
- 使用EyeMap的视觉驱动模型检测到PD特定的目光异常,而不需要手动的特征工程.
结论:
- EyeMap提供了一个可复制和适应的框架,用于基于目光的分析.
- 该方法展示了AI在通过眼睛跟踪检测神经疾病方面的潜力.
- EyeMap提供了对视线行为的补充视角,以改善诊断洞察力.
