阅读障碍网:检查基于眼动的深度学习的可行性和有效性,以检测阅读障碍

科学领域:

• 神经科学是一个神经科学.
• 计算语言学 计算语言学
• 发展心理学 发展心理学

背景情况:

• 阅读障碍是一种常见的神经发育障碍,影响5%-17.5%的儿童,以阅读困难为特征.
• 传统的阅读障碍诊断依赖于主观的行为和神经心理评估.
• 电眼镜学 (EOG) 提供了对阅读过程的客观,生理洞察的潜力.

研究的目的:

• 通过使用EOG,为患有阅读障碍的土耳其语儿童确定最佳的字体.
• 开发和评估一个深度学习框架 (DyslexiaNet) 用于阅读障碍的检测.
• 评估字体和字体大小对阅读性能指标的影响.

主要方法:

• 在阅读任务中记录了EOG信号. 阅读障碍儿童.
• 开发了DyslexiaNet,一个使用EOG级图的深度学习模型,并将其与AlexNet,MobileNet和ResNet进行了比较.
• 分析了各种字体和字体大小的阅读时间,眼率,回归率和EOG信号能量.

主要成果:

• 字体显著影响阅读效率在阅读障碍儿童.
• 博文诺CF字体显示阅读时间缩短,回归减少,认知负载降低.
• 对于具有较低计算成本的水平EOG频道,DyslexiaNet实现了99.96%的分类准确度.

结论:

• 与深度学习相结合的EOG测量提供了一种非侵入性的客观方法来检测阅读障碍.
• 个性化的字体选择可以提高阅读能力的阅读障碍儿童.
• 这种方法为教育材料设计和临床干预提供了实际指导.