相关实验视频
Updated: Jul 13, 2026

09:03
Eye Tracking Young Children with Autism
Published on: March 27, 2012
46.4K
走向负担得起的智能手机眼睛跟踪,用于尼斯塔格木斯分析和监测
概括
这项研究引入了一种智能手机眼睛跟踪方法,用于分析眼,即非自愿的眼动. 开发的系统提供了一个具有成本效益的方法,用于客观的鼻痛评估,改善诊断的可访问性.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 计算机科学 计算机科学
背景情况:
- 尼斯塔格姆斯是神经和前体疾病的关键指标.
- 目前的临床眼睛跟踪是昂贵的,需要专门的培训,限制广泛使用.
研究的目的:
- 开发和评估基于智能手机的眼睛跟踪管道,用于尼斯塔格木斯分析.
- 为了评估深度学习模型的有效性,以追踪学生在nystagmus检测.
主要方法:
- 在MOBIUS数据集上使用了两个U-Net深度学习模型 (3级和4级) 来对学生进行细分.
- 应用并评估了12个光动力学性阴沉 (OKN) 视频上的模型.
- 将智能手机跟踪性能与ICS Impulse系统进行比较.
主要成果:
- 3类U-Net模型在细分指标 (交叉损失,IOU,DICE分数) 中表现优于4类模型.
- 两种模型都在捕捉阴囊的运动方面表现出合理的准确性 (R2的平均值为0.755和0.768).
- 在追踪性能方面,3类和4类模型之间没有发现显著的统计差异 (p值为0.80).
结论:
- 基于智能手机的眼睛跟踪提供了一个可行的,具有成本效益的工具,用于客观的眼评估.
- 拟议的管道可以提高神经和前置系统疾病的诊断准确性和可访问性.
- 进一步的改进是必要的,以优化临床应用的跟踪性能.

