在脑/皮层视觉障碍 (SET-CVI) 中,对眼睛跟踪的生成人工智能启用 Saliency 分析

科学领域:

• 眼科和神经科学 眼科和神经科学
• 医疗保健中的人工智能
• 儿科视觉发展 儿科视觉发展

背景情况:

• 大脑/皮层视觉障碍 (CVI) 带来了影响儿童视觉通路的神经挑战.
• 评估CVI儿童的视力缺陷,特别是那些神经发育迟缓的儿童,是复杂的.
• 目前的方法可能无法完全捕捉到CVI中微妙的视觉处理差异.

研究的目的:

• 开发和验证一种结合眼睛跟踪和生成人工智能的方法,以描述CVI儿童的视觉注意力.
• 与对照人群相比,对CVI儿童中较低和较高水平视觉特征的注意力进行区分.
• 使用眼睛追踪数据建立CVI的定量签名.

主要方法:

• 一项横截面研究涉及43名CVI儿童和40名典型发展的对照儿童.
• 眼睛跟踪记录了参与者在查看图像时的目光;生成AI创建了视觉特征的突出地图.
• 固定突出值在各组之间进行了比较,形成了CVI (SET-CVI) 中眼睛跟踪的突出分析签名.

主要成果:

• 患有CVI的儿童表现出明显不同的固定模式,对更高层次的特征 (例如面孔) 的注意力较低,对更低层次的特征 (例如颜色) 的注意力更高.
• 该SET-CVI签名显示了高的诊断性能:98%的准确性,100%的灵敏性和95%的特异性.
• 接收器运行特征曲线 (AUC) 下的面积为0.98,表明了出色的分类能力.

结论:

• 眼睛跟踪和生成AI的组合有效地量化了CVI儿童的视觉注意力.
• 通过SET-CVI签名,可以准确地区分患有CVI的儿童和对照儿童.
• 这种方法有望指导个性化干预,监测进展,并在CVI临床试验中作为结果指标.